우리 매장 찾을 가능성 높은 손님은? 로플랫, 고객 예측 머신러닝 모델 개발

"매장 방문 예측률 최대 30배 높아"

로플랫(대표 구자형)은 매장 방문 확률이 높은 고객군을 사전 예측하는 머신러닝 모델을 개발했다고 18일 밝혔다. 매장 방문 예측률 성공률이 최대 30배까지 높았다.  

이 모델은 최근 3개월 이내 고객의 방문 이력과 선호도, 주요 활동 지역 분포를 바탕으로 한 접근성 지수 등의 정보를 기반으로 오프라인 이동 패턴을 학습하고, 특정 매장에 방문할 확률이 높은 고객군을 사전 예측하는 기능을 제공한다.

로플랫은 매장 방문 예측 모델의 학습을 위해 자체 보유한 위치 데이터를 이용했다. 이 회사가 보유한 위치 데이터는 GPS 데이터와는 달리 실내외 위치를 정확하게 인식해 건물의 층 단위 구분이 가능하다. 업종이나 매장명 등 다양한 메타 데이터를 포함하고 있어 매장 방문 예측 모델 학습에 용이하다. 로플랫은 매월 약 20억 건의 위치 데이터를 처리하며 학습에 필요한 데이터를 지속적으로 확보하고 있다.

표본별 실제 매장 방문 비율 (자료=로플랫)

실제 국내 유명 백화점을 대상으로 매장 방문 예측 모델을 적용해 본 결과, 무작위 추출 표본 집단에 비해 로플랫 머신러닝의 표본 집단이 약 30배 높은 매장 방문 예측 성공률을 보였다. 매장과 거리가 가까운 사용자에 대해서는 약 3배 높은 성공률을 기록했다. 백화점 외에도 편의점, 마트 등 전국에 매장을 보유하고 매장 방문 유도가 필요한 다양한 업종에서 활용할 수 있다.

구자형 대표는 "이 매장 방문 예측 모델을 통해 기업들이 고객들의 오프라인 매장 방문 여정에 대해 더 깊이 이해할 수 있기를 바란다"라며 "엔데믹 이후 오프라인 활동이 많아지고 있기 때문에 방문 예측 모델을 광고나 마케팅에 활용하면 매출 증대에 큰 도움을 줄 것으로 기대된다"라고 말했다. 

로플랫은 머신러닝 모델에 대한 베타 서비스 기간을 거친 뒤, 올 하반기에 자사의 위치 기반 솔루션인 ‘로플랫 엑스’에 이 모델을 정식 도입할 계획이다. 자세한 문의는 로플랫 공식 홈페이지에서 가능하다.