인공지능(AI) 활용 개인맞춤화로 사이트 첫 방문자를 전환시키는 방법

요즘 마케터들 사이에서 개인맞춤 마케팅 캠페인과 콘텐츠를 통해 재방문 고객을 확보하고 이들과의 의미 있는 상호작용으로 성과를 향상시키는 것은 이미 일반적이다. 이제는 인공지능(AI) 기반 마케팅 자동화 툴을 접목하여 사이트를 처음 방문하는 사용자에게도 맞춤 콘텐츠를 제공함으로써 이들의 트래픽을 구매로 전환하는 비율을 높일 수 있게 되었다.

오늘날의 떠들썩한 디지털 공간에서 브랜드들은 콘텐츠와 서비스를 고객 개개인에 맞추어 제공하는 데 주안점을 두고 있다. 모바일 앱이나 웹사이트 상에서 방문자들의 관심사에 부응하는 맞춤형 콘텐츠를 제공하면 이 방문자들을 리드(판매 기회), 더 나아가 구매자로 전환할 수 있는 강력한 수단이 된다.

액센츄어 인터랙티브(Accenture Interactive)의 2018 개인화 펄스 조사(Personalization Pulse Check)에 따르면, 91퍼센트에 달하는 소비자들이 자신들과 관련된 상품이나 프로모션을 제공하는 브랜드를 구매할 가능성이 더 높은 것으로 나타났다.

전통적인 방식으로 개인화를 어디까지 실현할 있을까?

마케터들은 지금까지 기존의 소비자를 연구하고 타겟 페르소나를 정교하게 설정하여 시간이 지나면서 점점 맞춤형 콘텐츠를 제공하는 식으로 개인화 문제에 접근해왔다. 사이트나 앱을 다시 찾는 사용자들의 유형에 관한 더 많은 데이터를 확보하면서 이 사용자들에게 어필할 수 있는 크리에이티브에 대한 이해도 높아지게 된다.

이런 방식은 사이트나 앱을 재방문하는 사용자들에게 개인화된 다양한 경험을 제공하는 데는 도움이 되지만, 실제로 많은 사용자들이 첫 방문 시에 전환하고 있다는 사실은 간과하기 쉽다. 최근 진행된 한 조사에 따르면, 전환(구매)의 84%가 사용자 첫 방문 시에 일어났음을 알 수 있다. 이는 신규 방문자들에게 맞춤 경험을 제공하지 못함으로써 좋은 기회를 놓칠 수도 있음을 의미한다.

사이트의 사용자 경험을 개인맞춤화 하는 데 사용할 수 있는 눈에 띄는 몇 가지 신규 방문자 속성들이 존재한다. 전통적으로 IP 주소, 위치, 사용된 기기 및 트래픽 소스 등과 같은 데이터 포인트들을 통해 마케터는 신규 방문자들이 어떤 목적으로 사이트를 방문했는지에 대한 어느 정도의 통찰력을 얻을 수 있다.

예를 들어 지오로케이션 필터(Geolocation filters)는 의류 브랜드들이 첫 방문자들의 IP 주소에 근거하여 계절별 테마 의류를 현지어로 나타낼 수 있도록 자체 온라인 스토어를 개인화하는데 도움이 될 수 있다. 이처럼 브랜드 보유 데이터 포인트 분석을 통해 첫 방문자들만을 대상으로 한 인기 상품 긴급 할인 또는 사은품 정보와 같은 프로모션 정보를 제공할 수도 있다.

인공지능을 통한 효과적인 개인맞춤화

이와 같은 전통적인 방식은 웹사이트나 모바일 앱 내에서 이루어진 유저 행태 기반 정보에 근거를 두고 있기 때문에 한계를 가지고 있다. 뿐만 아니라, 여러 기기를 사용하고 있는 동일한 유저의 행태를 구분해 낼 수 없기 때문에 기기 맞춤 개인화는 실현할 수 없다.

하지만 이제는 인공지능 덕분에 자체 보유 온라인 채널 외부에서 이루어지는 소비자들의 다양한 관심사와 행태를 이해할 수 있게 되었으며, 이는 신규 고객이 사이트를 처음으로 방문하기 전에 이미 해당 사용자를 이해하고 첫 방문부터 사용자 경험을 개인맞춤화 할 수 있다는 의미다.

  • 다양한 기기별 개인화

지난 수년간 마케팅 자동화 툴이 폭발적으로 늘어났지만, 여러 기기 및 채널 등 터치포인트가 다양해지고 많아지면서 마케터들은 여전히 소비자들의 동향을 추적하는 데 어려움을 겪고 있다. 예를 들어, 한 여성 유저가 일요일 오후에 태블릿으로 패션 상품 사이트를 검색하고, 그 날 밤 가장 마음에 드는 드레스를 자신의 PC에 북마크해 두었다가 나중에 휴대폰으로 결재했다고 가정하자. 기존 방식으로는 이 세 가지 상호작용은 각각 서로 다른 세 명의 유저에 의해 이루어진 것으로 간주될 것이다.

인공지능 기반 선제적인 마케팅 자동화 툴을 활용하게 되면, 모든 기기 상에서의 사용자 구매 여정을 통합 매핑하고 통합고객관점(single customer view)을 획득할 수 있다. 이를 통해 해당 여성 유저에게 상품을 결제하도록 상기시키는 푸시 알림을 월요일 오전 출근길에 전송하는 것과 같이 최적의 메시지를 최적의 타이밍에 전달할 수 있게 된다.

  • 외부 데이터에서 드러나는 관심사를 기반으로 보다 정확한 프로파일링

마케터는 브랜드에서 보유하고 있는 1차 데이터 외에도 외부 데이터를 추가로 활용함으로써 잠재고객의 행태나 선호도를 파악할 수 있다. 일부 통합 형태의 온라인 소비자 데이터를 제공하는 플랫폼이 있긴 하지만, 이들은 주로 로그인한 유저의 행태에서 취합했거나 일부 유저를 대상으로 한 설문조사를 통해 수집된 자료가 일반적이다.

인공지능 기반 툴은 이보다 강력한 힘을 발휘할 수 있다. 수십억 개의 데이터 포인트를 분석하여 여러 기기에서 발견되는 패턴들을 구별해 내고 유저들이 각 기기 상에서 보이는 행태를 모델화 한다. 애피어의 AIQUA를 예로 들 수 있는데, 수 천 건의 캠페인을 통해 획득한 20억개 이상의 데이터 포인트를 분석함으로써 사용자의 관심사와 주요 키워드를 발견해 낸다. 이렇게 발견한 정보를 브랜드 보유 데이터와 결합함으로써 타겟 고객을 보다 정확하게 분류하고 각 그룹별 맞춤 콘텐츠를 첫 방문부터 제공할 수 있다.

AIQUA와 같은 인공지능 기반 툴은 여기서 더 나아가 외부 데이터에 드러난 콘텐츠를 보다 깊이 분석함으로써 “스포츠”나 “기술” 같은 추상적인 키워드가 아닌 “농구” 또는 “FIFA”, 그리고 “비트 코인” 또는 “가상 현실”과 같은 보다 구체적인 키워드를 제시한다.

여행 사이트를 처음으로 방문한 유저가 있다고 하자. 해당 유저가 외부 사이트에서 읽은 기사를 분석함으로써 그의 사이트 방문 목적이 단순 검색인지, 케냐에서의 사파리 투어인지, 또는 투스카니에서의 와인 투어인지를 파악할 수 있다. 더불어 이와 같은 관심사를 바탕으로 해당 유저를 “모험가“ 또는 “와인 애호가” 등으로 분류할 수 있고, 사이트에 처음 방문할 때부터 그 분류에 맞는 웹 콘텐츠나 추천 상품을 제공할 수 있다.

물론 웹사이트나 모바일 앱을 찾는 방문자들이 모두 첫 방문에 전환할 것으로 기대하기는 어렵다. 하지만, 인공지능 기반 마케팅 자동화 툴을 통해 고도로 개인화된 경험을 제공함으로써 첫 방문 전환 가능성을 대폭 높일 수 있다.