고객의 마음을 사로잡는 ‘하이퍼-퍼스널라이제이션’

0

액센추어에 따르면, 미국과 영국에서 1,500명의 유저를 대상으로 한 조사에서 유저 75%는 개인화(퍼스널라이제이션)된 정보나 콘텐츠를 제공해주는 브랜드에서 상품을 구입하는 경향이 있다고 한다. 유저는 개인화된 콘텐츠에 가치나 매력을 느낀다는 것이다.

 글로벌 기업에게 배우는 ‘진일보한 콘텐츠 제작’ 

아래의 그래프는 기업이 실천하고 있는 개인화의 영역과 수익의 상관관계를 나타낸 것으로, 많은 기업이 Single Message Mailing(간단한 메시지로 메일 송신)에서 Segmentation Rules Based(타겟 세그먼트) 정도를 하고 있는 것을 알 수 있다.

그에 비해 수익이 호조를 보이는 아마존이나 스타벅스, 스포티파이가 하고 있는 것은 더욱 진일보한 Predictive Personalization(유저 행동을 예측한 개인화)다. 유저 행동을 제압하는 것은 비즈니스도 제압하는 것일지 모른다. 그래프에도 나와 있는 아마존과 스포티파이의 사례를 살펴보자.


 아마존, 추천으로 잠재된 구매욕을 일으킨다 

아마존은 유저 행동 데이터를 정교하게 이용하여 유저 한 사람 한 사람에게 맞는 추천 시스템을 만들어냈다. 가장 잘 팔리는 상품을 랭킹 형식으로 표시한다거나 신착 상품 라인업을 표시하는 일반적인 추천과는 달리, 유저가 한 행동을 토대로 콘텐츠를 큐레이션하므로 좀 더 유저 니즈에 기반한다.

예를 들어 과거에 푸마 신발을 구입하고 검색 쿼리에 푸마가 있으면 푸마 신발이 라인업된 메일을 보내준다. 이로써 유저의 잠재적인 흥미나 구매욕을 불러일으켜 상품 구입으로 연결될 수 있다.

아마존은 Item-to-item Collaborative Filtering(아이템 기반의 협조 필터링)이라는 추천 엔진을 만들어낸 것으로 유명한데, 사실 아마존의 컨버전 35% 이상은 이 엔진에서 나온다.

이 기능을 간단히 설명하면 (1)비슷한 유저끼리 매칭시키는 것이 아니라 (2)구입/관람된 상품의 유사 패턴을 매칭시켜 추천을 만드는 것이다. (1)은 ‘이 제품을 산 사람은 저런 상품도 산다 -> 당신과 비슷한 관심사를 가진 유저를 매칭시켜서 추천’하는 것이다. (2)는 ‘당신의 구입 상품에 기초해서 추천 -> 당신이 구입한 상품과 비슷한 상품을 매칭시켜 추천’하는 것이다. (1)은 매일 취미나 기호가 바뀌는 유저의 행동을 쫓는 것이라고 한다면 (2)는 상품이라는 보편적인 것을 조합시키는 것이므로 좀 더 정확한 추천이 된다고 한다. 가까운 미래는 자신이 원하는 상품만 나열되고 그것에서 선택할 수 있는 시대가 될지도 모른다.

 스포티파이, 유저 행동과 자연어를 매칭시킨 온리원 플레이리스트 

1억4,000만 명의 활동 유저를 갖고 있는 음악 스트리밍 플랫폼인 스포티파이가 만들어낸 하이퍼-퍼스널라이제이션은 AI를 활용해 유저 취향의 곡을 큐레이션한 ‘당신만의 플레이리스트, Discover Weekly’다.

예전에는 음악 전문가들에 의해 수동으로 큐레이션된 플레이리스트나 음악 관련 태그(Hip hop 등)를 붙여 같은 태그를 가진 음악을 매칭시키는 기술이 있었지만, 유저의 잠재적인 니즈를 끌어내기에는 역부족이었다. 그러나 스포티파이가 만든 Discover Weekly는 다수의 알고리즘을 조합함으로써 유저 취향의 음악을 추천할 수 있다. 여러 알고리즘 중에서도 특히 주목해야 할 것은 다음의 2가지다.

첫째, Collaborative Filtering이다. 유저가 감상한 음악 기록, 플레이리스트 추가, 아티스트 페이지로 이동과 같은 유저 행동을 토대로 비슷한 패턴의 행동을 취하는 유저끼리 매칭시켜 ‘아직 들은 적은 없지만 듣고 나면 좋아하게 될 음악’을 추천하는 알고리즘이다.

둘째, NLP(자연언어 처리)다. 스포티파이는 매일 AI를 통해 각 음악이나 아티스트에 부속하는 자연언어(사람이 일상적으로 이용하는 언어)를 모은다. 구체적으로는 검색 엔진, 블로그, SNS 등에서 사용되는 언어를 세밀하게 데이터 처리하고 음악끼리 매칭시킬 때 지표로 사용한다.

이들 알고리즘이 있어서 유저 취향의 콘텐츠를 제공할 수 있는 것이다. 스포티파이가 Discover Weekly만으로 70억 이상이나 되는 음악 스트리밍 실적을 가진 것이 당연할지도 모른다.

스포티파이는 작년 새로운 추천 플레이리스트 Time Capsule을 론칭했다. 이것은 16세부터 85세까지의 유저에게 옛날에 들었던 추억의 멜로디를 추천해주는 것으로, 계정 등록시 생년월일이나 유저 행동 데이터를 토대로 추천하는 듯하다.

이처럼 스포티파이는 현재뿐만이 아니라 과거와 미래라는 다른 시간 축에서도 콘텐츠를 제공함으로써 지속적으로 유저의 흥미를 불러일으키고 있다.

 하이퍼-퍼스널라이제이션 = 궁극의 유저체험 

아마존과 스포티파이의 사례에서 보듯이 타겟 유저의 관심이나 흥미, 행동 데이터를 토대로 최적화한 정보를 제공하는 것을 ‘하이퍼-퍼스널라이제이션’이라고 한다. 그렇다면 기존의 퍼스널라이제이션과의 차이는 무엇일까?

퍼스널라이제이션의 구체적인 예를 들면 다음과 같다. 타겟 유저의 이름을 수신인으로 한 뉴스레터를 보낸다, SNS 포스팅을 다른 지역이나 언어로 나눠서 포스팅하는 등 최소한의 정보량(유저의 기본 정보나 취미, 관심도 등)만으로 유저에게 맞춘 콘텐츠를 제공한다.

그렇다면 하이퍼-퍼스널라이제이션의 구체적인 예는 다음과 같다. 유저에 관한 최소한의 정보+유저의 행동을 파악해 좀 더 유저 관점에 가까운 콘텐츠를 제공한다. 예를 들어 당신은 온라인 쇼핑에서 B라는 브랜드의 신발을 보고 있다고 하자. 당신은 행동(1)과 행동(2)에 대한 특징을 가졌다. 행동(1)은 과거에 같은 브랜드의 신발을 검색 및 구입한 적이 있다는 것이다. 행동(2)는 온라인 쇼핑을 할 때 대개 19~21시에 구입하는 경향이 있다는 것이다. 이 2가지 행동을 토대로 브랜드 B가 당신에게 19~21시 사이에 할인 안내를 푸시 통지로 보내는 것이 하이퍼-퍼스널라이제이션이다. 유저가 제공하는 정보만이 아니라 유저의 행동도 잘 활용함으로써 유저가 ‘그래! 이런 상품을 원했어!’라고 느끼도록 하는 것이다.

하이퍼-퍼스널라이제이션을 위해 우선적으로 필요한 것, 그것은 다각적인 관점을 가지고 유저를 이해하는 것이라고 생각한다. 유저의 일상적 움직임이나 보는 것, 접하는 것, 느끼는 것을 눈여겨보고 다양한 가설을 세워 실제로 검증하는 것이다.

 

 

 

페이스북으로 댓글을 달아주세요!

About Author

국내 모바일 산업과 창업 생태계를 응원합니다. 모바일 트렌드에 대한 전문 컬럼을 기고하거나 유망한 스타트업을 소개하고 싶으시면 연락바랍니다. 적극 수용하겠습니다~♥

댓글 남기기