Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

여행업계 고객의 충성도를 제고할 시점

요즘 소비자들의 브랜드에 대한 충성도가 예전 같지 않다. 디지털 여행 시장이 전에 없이 치열한 경쟁 상황으로 돌입하면서 소비자의 상품 조사가 한층 복잡해졌을 뿐 아니라 최종 의사결정을 내릴 때도 평소 주로 이용하던 브랜드나 익숙한 상품이 아닌 자신만의 요구사항을 만족하는지를 근거로 이루어지고 있어 소비자의 지속적인 충성도를 얻기가 좀처럼 쉽지 않다. 하지만 인공지능(AI)을 활용하면 이 문제를 좀 더 쉽게 해결할 수 있다.

데이터 파편화와 소비자들의 가장 완벽한 옵션 찾기

기존 고객을 상대로 판매가 성사될 가능성이 새 고객을 상대로 판매할 때보다 높다는 것은 익히 알려진 사실이다. 수치로 따지면 전자는 무려 60-70% 대의 성공률에 달하고, 후자는 5-20% 정도에 그치는 것으로 알려져 있다. 기존 고객은 브랜드를 알고 있을 뿐만 아니라, 이전에 이용했을 때 좋은 경험을 했다면 어느 정도 신뢰까지 갖게 되기 때문이다.

그러나 한 소비자가 단 한 건의 구매를 완료하는 여정에서도 다수의 웹사이트와 다양한 광고 등을 접하면서 수백 가지 터치포인트에 노출될 수 있다. 따라서 다음번 예약도 같은 회사에서 진행할 것이라고 확신할 수 없다. 궁극적으로 흥미를 자극하는 다른 브랜드가 나타난다면 이 소비자는 망설임 없이 옮겨갈 것이다.

적립 카드나 포인트 제도로는 충분치 않다. 요즘 소비자들이 추구하는 것은 친숙한 브랜드나 적립 포인트가 아닌 자신에게 꼭 맞는 완벽한 여행 상품을 찾는 것이고, 자신의 결정에 확신을 갖기 위해 상품 후기와 평점 확인도 마다하지 않는다. 따라서 이제 고객의 충성도를 얻기 위해서는 탁월한 고객 경험을 제공하는 것이 필수적이다. 다시 말해 소비자가 원하는 것을, 그들이 원하는 시기에, 원하는 곳에서 제공할 수 있어야 한다.

VIP 고객의 충성도 올리기

기존에는 고객의 예약이나 재방문을 유도하기 위해 내부 데이터를 분석하여 고객이 원하는 것이 무엇인지 파악하는 방식이 일반적이었다. 예를 들어, 상미라는 소비자가 특정 웹사이트를 통해 태국으로의 단기 여행 상품을 예약한 경험이 있다고 하면, 해당 웹사이트는 태국과 비슷한 성격의 여행지 관련 상품을 제안하며 상미에게 다시 접근하는 식이었다.

하지만 이렇게 한정된 접근 방식은 결과를 예측하기 어렵다는 단점이 있다. 상미가 해당 여행 사이트를 벗어난 곳에서는 스키 부츠를 검색했을 가능성도 있다. 그렇다면 그 다음번 여행은 동남아가 아닌 스키 리조트로의 여행에 더 관심을 가질 수도 있다는 의미가 된다.

이처럼 인공지능(AI)은 외부의 제삼자(3rd party) 데이터와 내부 데이터를 결합하여 고객이 관심 가지고 있을 다른 주제나 다른 사이트에서 어떤 상품을 검색했는지 밝혀내는 데 도움을 준다. 그러면 고객이 타 사이트로 이동하기 전에 맞춤 캠페인이나 상품으로 맞춤 제안할 수 있다.

또한, 인공지능의 예측 전환 모델을 적용하여 예약 횟수나 평균 지출 등 사용자의 이전 행동에서 추출한 시그널을 바탕으로 높은 가치를 가진 고객을 찾아낼 수 있다. 그런 다음 이들을 전환 가능성에 따라 순위를 부여하고, 그 순위에 따라 캠페인 포커스를 조정할 수 있다.

리타겟팅 효율 향상을 위한 효과적인 세그먼테이션

일단 구매력이 높은 고가치 고객을 파악하면 인공지능(AI)으로 더욱 심층적인 드릴다운(drill down) 작업을 시행하여 더욱 효과적인 세분화를 수행할 수 있다. 어떻게 하는 것일까? 바로 타사(3rd party) 데이터를 철저히 분석하여 공통된 관심사를 파악하는 것이다.

인공지능은 고객의 온라인 행동을 분석하여 상미가 방문한 웹사이트, 관심을 보인 브랜드, 그리고 이전에 구매한 상품 등 여행에 관련된 것은 물론 여행과는 관련이 없는 것까지 모두 알아볼 수 있다. 이렇게 나온 데이터에서 패턴을 찾아 키워드를 추출한다.

도출한 키워드 정보를 사용하여 공통된 관심사를 지닌 고객들을 몇 개의 그룹으로 세분화할 수 있다. 그러면 각 그룹이나 세그먼트별로 관련성 있고 고도로 개인화된 여행 상품 및 광고 캠페인으로 좀 더 정밀하게 타겟팅할 수 있다.

한편, 리마케팅 캠페인을 아무리 정밀하게 세팅해도 목표로 한 타겟 고객 세그먼트에서 이를 볼 수 없다면 아무런 효과가 없을 것이다. 이 문제를 극복하기 위해 인공지능은 온라인 유저 데이터도 분석한다. 여러 다양한 디바이스에 걸쳐 발생하는 이들의 행동 패턴을 알아보는 것이다.

상미의 사례로 돌아가서, 인공지능을 통해 상미가 오전 시간에는 스마트폰으로 상품을 검색하는 편이고, 실제 예약은 저녁 시간대에 노트북 컴퓨터를 이용하는 경향이 있다는 것을 알아낼 수 있다. 이런 정보를 사용하면 적당한 시간대에, 최적의 디바이스를 통해 고객에게 꼭 맞는 여행 상품이나 광고 캠페인을 제안하여 캠페인 효율을 높일 수 있다.

고객 충성도 구축이 점점 더 어려워지고 있는 것은 분명하다. 사람들은 변덕스럽고 구매까지의 소비자 여정은 여러 단계로 파편화되어 있기 때문이다. 하지만 인공지능을 활용하여 기존 고객에 대해 한층 심층적으로 이해하고 세분화한 다음 개인화된 상품과 광고 캠페인으로 리타겟팅하면 고객이 지속적으로 찾는 브랜드가 될 수 있다.

 

*애피어의 인공지능(AI) 기반 데이터 사이언스 플랫폼인 AIXON 이용해 고객 충성도를 높일 수 있는 방법을 알아보려면 오늘 바로 연락주세요!

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

딥러닝이 자연어 처리(NLP)에 가장 효과적인 이유

자연어 처리(Natural Language Processing, NLP)는 앞으로 인공지능(AI)이 인간의 욕구와 행동을 이해하는 방식을 크게 바꿔 놓을 전망이며, 이 자연어 처리의 비약적인 발전에 딥러닝이 핵심 역할을 하게 될 것이다. 이는 비즈니스와 마케팅에 어떤 영향을 미칠 것인가? 때로 인공지능(AI)을 직접 구축해보면 인간의 사고방식이 얼마나 복잡하게 작용하는지 절실히 체감하게 된다. AI가 인간의 언어를 이해하는 방식에 있어서 그 미묘한 차이를 연구하는 기술의 한 분야인 자연어 처리도 마찬가지로 굉장히 복잡하게 작용한다. 일례로 ‘plaster’(회반죽, 벽면을 바를 때 쓰는 물질)와 ‘plasters’(일회용 반창고)의 차이점을 학습하는 단순한 작업이 AI에게는 무척 버거운 일일 수 있다. 이 차이를 구분하게 만들려면 AI에 두 가지 경우에 대해 사전에 확인된 컨텍스트를 대량으로 주입하여 AI가 충분한 경험을 바탕으로 구매자가 검색 요청에서 찾는 것이 집수리 재료인지 응급치료 용품인지 파악할 수 있도록 해야 한다. 애피어의 최고 AI 과학자인 민 선(Min Sun) 박사는 이렇게 고전적인 방식이 효과적으로 작동하려면 “사람이 각 단어의 의미와 여러 단어 사이의 관계를 명확하게 밝혀주어야 한다”고 설명한다. 즉, 예외 사항을 정의하려면 어느 정도는 인간의 개입이 필요하다는 뜻이다. 이와 같은 고전적인 방식으로도 기본적인 언어 처리가 가능한 것은 사실이지만, 이 방식은 사실상 AI가 언어와 그 의미를 기계적으로 외워서 쓰게 만드는 것과 다름없다. 미리 확인된 컨텍스트를 대량으로 취합하고 정리해야 하며 그러려면 인간의 개입도 상당한 수준으로 요구된다. 이 때문에 비즈니스 영역에서 언어 처리 기법이 널리 도입되지 못하고 있다. 인간이 소통하는

불확실한 시기일수록 데이터 기반 의사결정이 필수인 이유

비즈니스에서 데이터가 갖는 가치는 아무리 높게 평가해도 지나침이 없다. 지금과 같은 불확실성의 시기에는 더욱 그렇다. 한 때 브랜드가 수익성을 높이기 위해 가지고 있으면 좋은 것으로 여겨졌지만, 이제는 데이터를 활용하여 중요한 결정을 내리는 것이 비즈니스를 지속적으로 유지하는 데 반드시 필요한 것으로 널리 인식되고 있다. 새로운 표준(New Normal) 지금을 불확실한 시기라고 표현하는 것은 상황을 과소평가하는 것이다. IMF에 따르면, 전 세계적으로 코로나 바이러스와 관련한 불확실성의 수준은 2002-3년의 사스(SARS, 중증급성호흡기증후군) 유행 때보다 3배 이상 높고, 에볼라 바이러스 발발 때보다 약 20배 더 높다. 이로 인해 OECD는 글로벌 GDP 성장 추정치를 1.5%로 대폭 낮췄는데, 2019년 2.9%나 2020년에 대한 이전 추정치 3%의 절반에 해당하는 수치다. 코로나19는 또한 글로벌 생산 및 공급망에도 영향을 미치고 있다. 세계무역기구(WTO)는 2020년의 글로벌 무역 거래량이 2019년 대비 13에서 32%까지 감소할 수 있다고 예측했다. 당연히 소비자 신뢰도 타격을 받았다. 맥킨지(McKinsey)는 경제가 회복될 수 있을 것이라는 확신은 지역에 따라 크게 차이가 있지만, 소비자 지출이 생활 필수품과 더 저렴한 품목 구매에 집중되고 있다고 밝혔다. 이처럼 전례 없는 상황에서 많은 비즈니스 관련 인사이트가 쓸모 없어지고 있기 때문에, 데이터를 활용하여 현재 상황을 정확히 진단하는 것이 그 무엇보다 중요하다. 데이터 기반 접근 방식으로 큰 이점을 얻을 수 있는 비즈니스 영역   데이터 사용 방법을 이해하면 비즈니스의 다양한 측면에 긍정적인 영향을 미칠 수 있다. 가령 예측 애널리틱스는 과거의 데이터, 트렌드 및 추세를

AI 중심 기업이 되려면 무엇이 필요한가?

인공지능(AI)에는 비즈니스를 성장시킬 수 있는 엄청난 잠재력이 있다. 업무를 자동화하고 빅데이터의 힘을 활용하여 혁신과 통찰, 의사결정을 향상시킬 수 있는 능력이 있다. 기업이 이와 같은 인공지능의 힘을 이용해서 많은 결실을 거둘 수 있기 위해서는 어떻게 해야할까? 모든 업무의 핵심에 AI를 두는 AI 중심 기업이 되어야 한다. 어디서부터 어떻게 시작해야할지 모르겠다면, 아래 내용이 도움될 것이다. AI 중심 기업이 무엇을 의미하는지, 어떻게 착수할 수 있는지, 어떤 어려움이 있고 그것을 극복할 방법은 무엇인지 등 정확히 설명해줄 것이다. 시리(Siri)야, 비즈니스 제국을 건설해줘: AI가 기업을 위해 할 수 있는 것 대부분의 사람들은 Apple의 시리(Siri)나 Amazon의 알렉사(Alexa) 같은 개인비서로서의 소비자 용도를 통해 인공지능(AI)을 알고 있을 것이다. 그렇다면 어떻게 같은 기술이 기업의 목표 달성을 도울 수 있는가? 즉, AI 중심 기업이란 정확히 무엇인가? 애피어(Appier)의 엔터프라이즈 AI 부문 부사장 찰스 응(Charles Ng) 박사는 “AI 중심 기업은 데이터와 AI 기술을 지속적으로 활용하여 사업을 성장시키고 개선하는 기업이다. 이를 위해서는 탄탄한 데이터 인프라, 데이터 기반 의사결정 마인드와 실험 정신이 요구된다”고 설명한다. AI는 생산성 향상, 오류 최소화에서 인력 자원의 창의력 확보, 새로운 시장 진출, 기업 내부 운영 최적화에 이르기까지 사실상 경영의 모든 측면에 도움을 줄 수 있다. AI를 잘 알고 있는 사람들은 이미 그 혜택을 보고 있다. 워크마켓(WorkMarket)의 2020 인사이트 보고서, AI와 자동화가 실제 업무에 미치는 영향(What AI & Automation Really Mean for

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다