성공하는 이커머스를 위한 개인화 상품 추천
이봉교의 '진짜 이커머스 이해하기'

발행 2020년 06월 12일

어패럴뉴스 , appnews@apparelnews.co.kr

 

이봉교 그루비 이사
이봉교 그루비 이사

 

이커머스 비즈니스의 경쟁력, 차별화를 고민하는 리더라면 한 번 쯤은 반드시 들어봤을 단어 중 하나가 ‘개인화’이다. 해외 조사 자료를 인용해 보면 이커머스 서비스에 있어서 개인화는 고객의 구매/재구매에 영향을 미치고, 마케터들 역시 이를 통한 매출 향상이 가능하다고 보고있다.


반면 개인화 되지 않은 마케팅 메시지에 대한 고객 불만 등은 커지고 있다.


성공적인 개인화를 위해 이커머스 리더가 준비할 것은 많다. 먼저 비대면 서비스의 특성 상 고객의 필요나 특성을 이해하고자 한다면 적정한 데이터 수집/분석이 필수 조건이 된다.


다만, 상품 추천 하나만 생각해 보더라도 단순한 인기상품 추이를 분석한 결과를 반영하거나 또는 MD 마케터들의 감에 의존할 경우 고객에게 성공적인 개인화 경험을 제공하기는 어렵다. 다행히도 이러한 어려운 업무를 최근에는 AI 기술이 대체하고 있다. AI는 데이터 분석과 동시에 각각의 고객 니즈와 특성에 맞는 상품을 추천해 준다.


이커머스의 상품 추천 성과에 대해 가장 많이 알려진 사례는 아마존이다. 아마존이 진행한 초기 상품 추천 방식은 협업 필터링이었는데 이 상품을 본 사람들이 좋아한 상품, 이 상품을 구매한 사람들이 선호한 상품 등을 추천하는 방식이었다. 현재 이러한 상품 추천 방식은 많은 이커머스 서비스에서 찾아볼 수 있다.


최근에는 상품 추천 방식(알고리즘)이 더욱 다양하고 고도화되고 있다. 왜냐하면 이커머스 서비스 및 이용자 특성과 니즈가 더 다양화 되고 진정한 개인화를 위해서는 세밀한 접근 방법이 필요해졌기 때문이다. 따라서 한 두 가지 정도의 추천 방식으로는 특정 이커머스 서비스나, 이용자에게 최적화된 개인화 추천 서비스를 제공하기가 어려워졌다.


만약 자사 내에 시스템 개발 및 인공지능을 위한 데이터 사이언스 역량을 확보하지 못했다면, 이러한 개인화 추천 서비스를 지원하는 외부 솔루션 등의 활용을 검토해야 할 것이다.다음은 솔루션 도입 검토 시 살펴봐야 할 항목이다.


1. 추천 방식의 다양성
- 머신러닝, 딥러닝 등의 다양한 인공 지능 추천 방식 제공
- 기존의 인기 상품, 트래픽 기준의 통계형 추천 방식 제공
2. 추천 방식 검증 방식
- 다양한 추천 방식 중 어느 것이 효과가 있는 지를 검증하는 기능
- 가능하다면 검증과 동시에 최적의 추천 방식을 자동으로 운영하는 기능
3. 타깃팅 믹스 기능
- 보다 세밀한 상품 추천을 위해 고객 행동, 상황, 속성을 기준으로 한 타깃팅과 추천 방식을 조합하는 기능


코로나19로 인해 비즈니스 상황이 급속도로 변화하고 있다. 비대면 서비스의 선두에 있는 이커머스 비즈니스는 이러한 상황 속에서 일부 혜택을 누리는 측면이 없지 않다.


경쟁력을 키우고 한 걸음 앞서 가는 이커머스 비즈니스를 원한다면 ‘개인화’에 대한 역량을 조직 내에 준비하는 것이 중요하다.



< 저작권자 ⓒ 어패럴뉴스, 무단전재 및 재배포 금지 >

지면 뉴스 보기