디지털 마케팅, 개인화 추천은 8할이 운영

온라인 마케팅 플랫폼은 고객별 성향과 방문 의도를 파악해 개인화 마케팅을 실현해 줍니다. 다양한 상품 추천 시나리오를 구성해 고객 반응을 볼 수 있죠. 이걸 개선하려면 시나리오 자체보단 운영이 중요합니다.

넷스루 문강식 팀장은 20일 서울 삼성동 코엑스 마케팅스퀘어컨퍼런스에서 '개인화 추천 시스템 구현 방안 및 적용'이라는 주제발표를 통해 시나리오를 만든다고 반응이 무조건 좋아지지 않는다며 운영을 잘하는 고객사가 있는 반면 설정 초기값대로 돌리다가 6개월뒤에 시스템 내리는 고객사도 있다고 강조했다.

그는 넷스루가 구현한 개인화 추천 시스템을 온라인 개인화 마케팅 플랫폼으로 소개했다. 적용 사례를 통해 시나리오 구성과 활용을 위한 방안도 설명했다.

온라인 마케팅 플랫폼은 개인화 마케팅을 위해 고객 행동정보, 뒷단 운영계의 고객정보, 콘텐츠 메타정보를 연동한다. 정보를 수집, 분석, 학습, 추천하는 과정을 거친다. 쇼핑몰을 예로 들면 고객들은 자신이 원하는 상품을 찾거나 상세 정보를 보고, 장바구니에 집어넣거나 비교를 한다.

최종 구매 전에 많은 동작을 수집할수록 고객이 해당 콘텐츠나 상품에 관심이 많다는 점, 고객이 가진 브랜드, 카테고리, 가격대, 제조사, 색상 등 속성에 대한 성향을 파악할 수 있다. 이같은 과거 정보는 이후 사이트에 방문한 고객의 실시간 활동 정보를 통해 파악되는 방문 의도 데이터와 함께 '추천 시나리오'의 재료가 된다.

문 팀장은 기존 정보를 갖고 무조건 다음 방문 고객에게 그대로 상품을 추천하는 것은 좋지 않다며 어떤 상품군을 찾으러 왔는지 방문의도를 파악한 뒤 기존 데이터를 필터링해 추천을 할 수 있어야 한다고 조언했다.

이어 기존 고객분석은 데이터웨어하우스(DW)에 구매 기록이나 실적 데이터를 다루는 형태가 많은데 이제는 온라인 데이터를 반드시 같이 수집해 고객 성향 분석을 수행하는 플랫폼이 필요하다며 상세 분석을 통해 목표 고객을 찾아 주는 '이용행태 프로파일'을 구축하고 맞춤식 추천으로 연결해야 한다고 덧붙였다.

넷스루는 개인화된 온라인 마케팅 플랫폼이 현업 마케팅 담당자의 어려움을 일정부분 해소해 줄 수 있다고 밝혔다.

담당자들은 종종 디지털 마케팅 캠페인을 고려할 때 단순 기획보다 성향별 선호도나 인기 수준에 관련된 여러 아이디어를 활용하고자 한다. 그런데 실제 사이트에 이를 반영한 추천 기능을 넣으려면 최소 2주~1개월이 걸린다. 그새 상황이 바뀌거나 새로운 유행이 퍼져 당초 기획의도가 실현되지 않을 가능성이 커진다.

넷스루가 제안하는 온라인 분석, 추천 플랫폼을 갖추고 충분한 데이터를 보유했다면 오늘까지 집행했던 기획상품 추천 시나리오를 배제하고 다음날부터 새로운 기획을 통해 선호도 높은 상품을 추천하는 식으로 바꿀 수 있다는 설명이다.

넷스루 솔루션은 와이즈로그, 커스터머포커스, 스마트오퍼 벡엔드로 구성된다. 기술적으로 전사 고객관계관리(eCRM)과 유사하다. 다만 고객 프로파일링, 고객 경험분석 등을 함께 분석한다. 데이터베이스(DB)의 거래정보와 고객 구매, 반응 등 고객 행동정보를 수집한 웹로그파일의 분석정보를 추천시스템에 넘겨 준다.

추천 시스템은 이와 별개로 추천 시나리오를 기반으로 실시간 상품 추천을 수행하는 엔진을 사용한다. 연령, 성별같은 인구통계학적 정보와 별개로 어느 시기에 얼마나 방문해 어떤 상품에 얼마나 관심을 보였는지와 같은 행동 정보를 바탕으로 추천 시나리오 기반의 상품 추천 과정을 수행한다.

문 팀장은 추천 시나리오는 어떤 고객들에게 어떤 상황에서 어떤 데이터세트를 이용해 추천할 것인가에 대한 대답이라 할 수 있다며 메인 페이지에 로그인한 사람이 선호하는 브랜드 인기 상품을 메인 페이지 톱에 추천할 것인가, 다른 페이지의 다른 영역에 추천할 것인가 등을 고려해 만드는 것이라고 설명했다.

넷스루는 고도화된 비즈니스 요건을 만족하는 추천시나리오로 복합추천기법을 제시한다. 고객 선호도, 인기가 많았던 상품 등 복수의 조건 분석을 활용한다. 상대적으로 높은 시스템 성능을 요하지만 고도화된 비즈니스 요건을 만족할 수 있다. 단일 분석결과에 기반한 추천시나리오라도 지난달, 전분기, 지난해 기간별 응용 방식으로 추천을 다양화할 수 있다. 요구하는 시스템 성능이 낮지만 고도화된 비즈니스 요건을 만족시키기 어렵다.