안녕하세요. まさきん입니다.
예전에 읽은 해외 기사의 메모를 오랜만에 다시 읽어보았습니다. 1대1 마케팅, 이른바 개인화를 실현하려면 무엇이 필요한가 하는 내용입니다.
오래된 기사지만 프레임워크 자체는 지금도 그대로 쓸 수 있다고 느껴져서 다시 정리해보려고 합니다.
당시 조사 결과는 어디까지나 과거의 숫자로
그 기사에서는 한 조사 결과가 소개되어 있었습니다. 개인화를 제대로 구현하고 있는 기업은 40%에도 미치지 못한다는 숫자입니다.
다만 이것은 2016년경의 조사입니다. 지금 상황을 나타내는 숫자가 아니라 어디까지나 ‘당시에는 그 정도였다’는 역사적 참고치로 받아들이는 것이 맞다고 생각합니다. 지금은 더 널리 퍼졌을 것이고, 생성 AI의 등장으로 상황은 더욱 달라졌을 것입니다.
그렇다고 해도 왜 구현이 어려운가 하는 이유 부분은 지금도 충분히 통하는 정리라고 느꼈습니다. 필요한 요소로 꼽힌 것이 다음 3가지입니다.
3가지 요소, 데이터・콘텐츠・로직
데이터는 고객 한 명 한 명을 정확히 파악하기 위한 토대입니다. 구매 이력이나 사이트 내 행동, 회원 속성 등이 의사결정에 쓸 수 있는 수준으로 정리되어 있어야 합니다. 예를 들어 이커머스 사이트라면 열람한 상품・장바구니에 담은 상품・실제로 구매한 상품의 이력이 제대로 한 명의 고객에게 연결되어 있는 상태입니다. 게다가 이 정보들이 오래된 상태로 있으면 의미가 없습니다. 어제 본 상품과 오늘 산 상품이 실시간에 가까운 형태로 연결되어 있어야 비로소 다음 추천에 활용할 수 있는 데이터가 됩니다.
콘텐츠는 고객별로 구분해서 보여주기 위한 소재입니다. 같은 추천 메일이라도 이유식을 찾는 사람과 혼자 사는 사람의 생활용품을 찾는 사람은 보여줘야 할 상품도 문구도 다릅니다. 장바구니 이탈・휴면 고객 복귀 같은 이메일 마케팅의 정형 시나리오도 결국은 누구에게 어떤 내용을 전달할 것인가 하는 콘텐츠 설계의 문제입니다. 변형이 적으면 결국 비슷한 내용을 모두에게 보내는 것으로 끝나버립니다.
로직은 누구에게 어떤 콘텐츠를 보여줄지 정하는 시스템입니다. 규칙 기반의 조건 분기도 있고, 머신러닝에 의한 추천도 있습니다. ‘열람 이력에 이유식이 있으면 육아 카테고리 추천을 우선한다’ 같은 단순한 조건 분기도 훌륭한 로직 중 하나입니다. 당시 기사에서도 이 부분이 가장 어렵다고 지적했습니다. 데이터와 콘텐츠가 갖춰져 있어도 조합을 결정하는 두뇌가 없으면 개인화는 작동하지 않습니다.
3가지 중 어느 하나만 빠져도 개인화는 어중간한 것이 되어버립니다. 데이터는 있는데 콘텐츠가 1종류밖에 없다, 콘텐츠는 풍부한데 구분해서 보여줄 로직이 없다 같은 상태입니다. 3가지가 모두 갖춰져야 비로소 고객마다 다른 경험을 전달할 수 있다고 생각합니다.
콘텐츠의 장벽은 생성 AI로 꽤 낮아졌다
이 3가지 중에서 가장 크게 달라진 것은 콘텐츠라고 생각합니다.
예전에는 고객 세그먼트별로 문구나 이미지를 준비하는 것만으로도 상당한 인력과 시간이 들었습니다. 세그먼트를 10개로 늘리고 싶어도 소재 제작의 수고를 생각하면 결국 몇 개로 그치는 경우도 드물지 않았습니다. 지금은 생성 AI에 조건을 넘기면 비슷한 문구를 대량으로, 게다가 짧은 시간에 만들 수 있습니다. 상품 설명의 변형도, 캐치프레이즈 구분도 예전보다 훨씬 손쉬워졌습니다. 극단적으로 말하면 고객 세그먼트 수만큼 문구를 준비하는 것도 비용 면에서 현실감을 띠게 되었습니다.
로직 부분도 예전보다 손이 닿기 쉬워졌다고 느낍니다. 머신러닝을 이용한 추천 시스템이 패키지화된 서비스로 쓸 수 있게 되었기 때문입니다. 처음부터 통계 모델을 만들 필요는 예전보다 줄어들었습니다.
휴대폰 요금제 추천도 비슷한 원리로 받을 수 있을 것 같습니다. 우선은 요금 시뮬레이션으로 제 경우를 확인해보려고 합니다.
그래도 남는 진짜 병목
다만 콘텐츠와 로직의 진입장벽이 낮아진 만큼 오히려 보이는 것도 있습니다.
우선 데이터입니다. 생성 AI로 문구를 대량 생산할 수 있어도 원본이 되는 데이터가 조잡하거나 고객별로 분단되어 있으면 엉뚱한 내용을 전달하게 되어버립니다. 회원 정보는 A, 구매 이력은 B, 앱 행동 로그는 C처럼 시스템이 제각각이면 애초에 고객 한 명 한 명을 정확히 파악할 수 없습니다. 오히려 정확도 높은 데이터 기반을 가지고 있는지가 예전보다 더 차이를 가르는 부분이 되고 있는 것이 아닐까요.
그리고 로직에 대해서도 기술적 난이도가 낮아진 만큼 또 다른 어려움이 눈에 띄게 되었다고 느낍니다. 그것은 ‘우리 고객에게 있어서 무엇을 좋은 로직으로 삼을 것인가’ 하는 판단 그 자체입니다. 매출을 최대화하는 로직이 반드시 고객의 만족으로 이어지는 것은 아닙니다. 할인 상품만 계속 추천하는 로직은 단기 매출은 늘릴 수 있어도 길게 보면 고객을 세일만 기다리는 체질로 만들어버릴지도 모릅니다. 이것은 ‘나쁜 매출’을 만들지 않는 것이 CRM의 본질이라는 생각과도 통하는 이야기입니다. 이 부분은 머신러닝에 전부 맡기는 것이 아니라 사람이 판단해서 설계해야 하는 부분이라고 생각합니다.
도구가 진화해도 무엇을 위해 누구에게 전달할 것인가를 결정하는 것은 결국 사람이라고 생각합니다. 데이터가 정리되고 콘텐츠를 양산할 수 있게 된 지금이야말로 로직의 설계 철학이 그 기업의 태도를 그대로 비추는 거울이 되어가는 것 같습니다.
가정에서도 비슷한 것을 생각한다
이 ‘누구에게, 무엇을, 왜 전달할 것인가’라는 프레임워크는 일에만 국한된 이야기가 아니라고 느낍니다.
가정 안에서도 통신 요금제나 계약을 누구에게 어떻게 배정할지는 의외로 개인화와 비슷한 판단입니다. 많이 쓰는 가족에게는 용량이 큰 요금제를, 적게 쓰는 가족에게는 저렴한 요금제를. 데이터(사용 현황)와 로직(누구에게 무엇을 배정할지)을 가정 안에서도 자연스럽게 운용하고 있는 것 같습니다.
저희 집 휴대폰 요금제도 그렇게 다시 살펴본 적이 있습니다. 괜찮다면 참고해보시기 바랍니다.
이 글에는 제휴 광고가 포함되어 있습니다. 이 사이트의 링크를 통해 상품·서비스에 신청하시면 제휴사로부터 보상을 받을 수 있습니다. 또한 운영자는 라쿠텐 그룹 소속 직원으로, 사원 추천 프로그램을 통해 보상을 받는 경우가 있습니다. 기사 내용과 평가는 광고 유무와 관계없이 운영자의 실제 경험과 조사를 바탕으로 작성했지만, 위 관계를 이해하신 후 읽어 주시기 바랍니다. 자세한 내용은 면책조항·제휴 링크 안내를 참고해 주세요. 면책조항·제휴 링크 안내
이 글에는 기계 번역이 포함되어 있습니다. 정확한 조건은 라쿠텐 모바일 공식 사이트의 다국어 페이지에서 확인해 주세요.
라쿠텐 모바일의 통신 지역·전파 상황이 궁금하신 분은, 공식 전파 개선·조사 요청 양식 을 통해 문의하실 수 있습니다.
