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

금융 기업의 주도적인 고객 참여 유도 방법

금융 서비스 기업이라면 아시아태평양(APAC) 지역 고객 참여를 향상시키기 위해 할 수 있는 것들이 많다. 이들 기업의 상당수가 주도적인 고객 관리 방식이 아닌 대응적인 방식에 의존하고 있는데, 그로 인한 폐해가 생각 보다 크기 때문이다. 사후 대응적인 고객 관리 방식은 고객 참여와 고객 경험 수준 모두의 저하를 불러 결국 고객을 경쟁사에 잃는 결과로 이어진다.

이런 상황을 방지할 방법은 있다. 적절한 인공지능(AI) 도구를 사용하면 금융 서비스 기업도 고객 참여 전략을 사후 대응적 방식에서 주도적인 사전 대응적 방식으로 전환하여 좋은 성과를 낼 수 있다.

상황의 문제점: 사후 대응적 전략

아태지역 금융 서비스 기업들이 고객 참여 부문에서 취약성을 보이고 있다는 것은 널리 알려진 사실이다. IDC 파이낸셜 인사이트에 따르면 아태지역 은행의 80%가 여전히 일관성과 예측가능성이 결여된 고객 경험을 제공하고 있으며, 절반(46.4%)에 가까운 은행이 옴니 채널 전략에 대한 임시방편식 접근만을 고수하고 있어, 고객 경험의 깊이 역시 피상적인 수준에 그치고 있다고 언급하고 있다.

해당 보고서는 또한 은행의 고객 참여 유도 방식이 실시간 기반, 조정 가능하고 자립적인 방식으로 이루어져야 한다고 주장한다. 하지만 이와 같은 현실이 역설적으로 아태지역의 금융 서비스 기업들에게는 커다란 기회를 의미하기 때문에, 보고서는 전체적으로 낙관적인 전망을 유지하고 있다. 고객의 기대에 부응하거나 초과 달성할 수 있는 기업은 충성도가 높은 고객 뿐만 아니라 최고의 직원들과 사업 파트너들을 유치할 수 있는 가능성을 확보하게 된다.

금융 서비스 기업들의 당면 과제

고객 참여와 관련하여 여러 난관이 금융기관들의 앞을 가로막고 있어 현재 상황이 녹록치 않다. 그러한 어려움에는 데이터를 활용하여 실행 가능한 인사이트를 얻어 내는 방법에 대한 정보의 부족, 그리고 데이터를 통해 알 수 있는 고객 기회와 위험 요인에 대한 이해의 부족에서 비롯된다.

또 하나의 원인은 과거의 업무 방식을 탈피하지 못하는 현실을 들 수 있다. 다수의 금융 서비스 기업들이 과거부터 내려오는 업무 방식을 고집하고 있다. 과거의 방식은 복잡하고 번거로운 데이터 및 분석 관련 업무로 지원 부서에게는 커다란 부담이 된다. 이와 같은 과거의 방식은 현실을 반영하지 못하는 데이터 정책과 맞물려 사전 대응적 고객 참여 전략을 펼치는 것을 불가능에 가까운 과제로 만들고 있다.

이러한 문제를 모두 해결하고 사전 대응적 접근법을 구현할 수 있는 방법은 없을까?

금융기업이 주도적으로 이끌어가는 고객 참여 전략을 구사하려면 고객에 대한 깊은 이해가 선행되어야 한다. 고객들이 금융 분야에서 뿐만 아니라 삶의 다른 영역에서 원하는 것이 무엇인지 파악해야 한다. 그런 정보를 파악하기 위해서 필요한 것이 인공지능(AI)과 데이터 사이언스이다.

고객 알아가기

고객 이해는 온라인과 오프라인의 고객 데이터를 통합하여 개별 고객에 대한 가급적 완벽한 프로필을 만들어 내는 것이 그 첫 걸음이다. 데이터의 볼륨은 문제가 되지 않는다. APAC 전역에 걸친 디지털 자금 결제의 확산과 가상화폐에 대한 시장의 거부 추세로 인해 금융기관들은 엄청난 양의 데이터를 활용할 수 있게 됐다. 문제는 웹사이트, 마케팅 캠페인, 앱, 고객관계관리(CRM), API 통합 등 다양한 경로를 통해 유입되는 데이터를 고속으로 처리하고, 그 속에서 가장 의미 있는 인사이트를 도출하는 것이 쉽지 않다는 점이다.

이 문제를 해결하기 위한 최고의 방법은 고객 데이터를 통합하고 보강할 수 있는 데이터 사이언스 플랫폼 등의 도구를 활용하여 방대한 양의 데이터에서 의미 있는 정보를 찾아내는 것이다. 서로 다른 성격의 여러 데이터 소스에서 취합한 데이터를 단순화하면 금융과 비금융 분야 모두에서 고객의 관심사가 무엇인지 파악하는 것이 가능해진다. 이렇게 고객을 좀 더 자세히 들여다볼 수 있게 되면 고객의 니즈와 욕구에 더 효과적으로 대응할 수 있다.

고객 생활 주기에 따른 고객 니즈 예측

고객과 관련된 다방면의 정보를 파악하고 나면, 행동과 관심사를 기준으로 정밀하게 세분화할 수 있다.

제3자 데이터를 추가하고 딥러닝을 구동하면 브랜드 자체 채널에서 뿐만 아니라 외부 웹사이트에서 드러나는 고객의 관심사도 이해함으로써 추천 상품이나 메시지를 고도로 정밀하게 맞춤화할 수 있다. 고객의 생활 주기에 맞추어 언제 무엇을 필요로 할 것인지를 예측할 수도 있다. 가령, 이제 막 취업하여 사회 생활을 시작한 고객이 있고, 영국 프리미어 리그의 팬이라고 하자. 이 고객의 경우 앞으로 적금 통장 개설에 관심을 보일 수 있고, 무료 런던 여행을 경품으로 내건 이벤트에 참가할 가능성이 높다고 할 수 있다.

더 높은 전환율을 끌어내기 위해서는 가장 가치가 높은 프리미엄 고객의 참여를 유도하는 것도 중요하다. 딥러닝을 활용하여 각 고객 세그먼트별 전환율(CVR) 및 광고지출대비수익(ROAS)을 예측하고 그 순위를 매길 수 있다. 순위에 따라 캠페인에 참여할 가능성이 가장 높은 세그먼트, 그리고 전환 가능성이 가장 높은 세그먼트 등, 세그먼트별 가치를 측정할 수 있다.

맞춤형 메시지 제작

고객과 고객의 니즈에 대해 상세히 파악했기 때문에, 그 정보를 바탕으로 각 세그먼트별 맞춤형 마케팅 캠페인을 전개할 수 있다. 연금 상품에 관심이 있는 세그먼트와 단기 대출 상품을 찾고 있는 세그먼트의 니즈는 확연히 다를 것이다. 각 세그먼트에 속한 고객들에게 가장 의미 있는 주제에 대해 이들이 이해할 수 있고 수긍할 수 있는 표현으로 메시지를 전달할 수 있다.

또한, 이메일, 푸시 알림, 인앱 메시지, SMS 등 메시지를 전달하는 방식도 선택할 수 있다. 인공지능은 과거 캠페인 데이터를 분석하여 어떤 채널이 그리고 어떤 종류의 콘텐츠가 고객 반응을 이끌어 내는 데 가장 적절한지 파악할 수 있다. 예컨대 아침 출근 시간에는 스마트폰을 통한 푸시 알림, 그리고 태블릿으로 인터넷을 서핑할 저녁 시간에는 이메일이 가장 효과적일 수 있다.

주도적이지 못하고 사후 대응적인 고객 참여 전략으로는 고객에게 어떤 좋은 상품이 있는지 알릴 수 없다. 위에서 소개한 접근법을 포함, 선제적인 고객 참여 전략을 수립하면 고객의 삶에 훨씬 더 의미 있는 변화를 이끌어내도록 지원할 수 있다.

 

* 금융 서비스 기업은 인공지능(AI)통해 데이터를 분석하고, 정확한 예측을 실현하고, 효과적인 마케팅 전략과 캠페인 구축에 필요한 인사이트를 획득할 있습니다. 구체적인 방법을 애피어의 최신 백서 ‘금융서비스기업을위한고객행동기반예측마케팅: 인공지능(AI), 데이터사이언스도입으로마케팅효율및 ROI 향상’에서 알아보세요!

 

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

머신러닝을 통해
최적의 고객을 찾아내다

소비자 행동 패턴은 점점 더 세분화되고 있으며, 이로 인해 마케터가 감당하기 힘들 정도의 데이터 쓰나미가 몰려오고 있다. 하지만 마케터들은 오늘날의 인공지능(AI) 툴이 지원하는 행동 기반 모델 덕분에 기존의 변수를 뛰어넘어 타겟 고객 집단을 더욱 세분화하고 좀 더 정확한 개인별 행동 패턴을 추적할 수 있게 되었다. 인공지능(AI)을 적용함으로써 대상 고객 집단을 매우 정밀한 수준으로 세분화하는 것이 가능해지고, 어떤 고객 집단이 기업의 궁극적 목표 달성에 가장 도움이 되는지도 파악할 수 있게 될 것이다. 절반 이상의 고객이 자신과 관련성이 떨어지는 광고 문자를 보내오는 브랜드는 이후 다시 찾지 않는다고 답했다는 것을 감안할 때, 고객이 지금 그리고 앞으로 어떤 요구를 갖게 될 것인지를 최대한 정확하게 파악하는 것이 정말로 중요하다. 개인 대 범주: 단순한 ‘타입’을 넘어서 인공지능(AI)은 마케터가 달성하려는 목표에 긍정적 또는 부정적 영향을 미칠 수 있는 숨겨진 사용자 패턴을 읽어 낼 수 있고, 따라서 마케터가 미리 정한 최종 목표에 도달하도록 도움을 줄 수 있다. 즉, 구매 가능성이 높은 고객 집단을 찾아 매출 상승을 도모할 수도, 또한 기존 고객들에게는 그들의 관심사에 좀 더 부합하는 개별 맞춤형 상품이나 콘텐츠를 제공하도록 지원할 수도 있다. 인공지능의 이러한 능력은 마케터에게 매우 유용하다. 특정 웹사이트의 회원 수가 1백만 명에 이를 경우, 마케터들은 자신들에게 좀 더 큰 가치가 있는 특정 고객 집단을 타겟으로 삼고자 할 것이다(상품 구매 가능성이 더 높거나 관련된 소개글을

인공지능(AI) 101: 마케팅에서 자연어처리(NLP)의 역할은 무엇인가?

고객이 온라인 쇼핑몰에 접속한 경우 보통 둘 중의 하나를 수행한다. 아무 제품이나 두리번거리며 구경하거나, 아니면 특정 제품의 정보를 바로 검색하는 것이다. 그런데 만일 옆에서 이야기를 나누듯이 채팅을 하면서 고객이 정확하게 원하는 제품을 찾을 수 있도록 도와주는 가상의 비서가 있다면 어떨까? 오프라인 상점의 점원처럼 말이다. 이렇게 매끄럽고도 고객 최적화된 쇼핑 경험을 제공할 수 있도록 해 주는 기술이 바로 자연어처리(Natural Language Processing, NLP)다. 자연어처리(NLP)는 인공지능(AI) 기술의 여러 분야 중 하나로 기계를 훈련시켜 인간의 말을 알아듣고 해석하며, 이를 토대로 대화를 할 수 있도록 만드는 기술이다. NLP는 말투 또는 음성과 같은 입력 형식도 고려한다. 오늘날의 NLP 모델은 딥 러닝 알고리즘을 활용하여 “다음 문장 예측”에 초점을 맞추고 있으며, 이는 아직 대화가 마무리되지 않은 상황에서 그 내용에 맞게 나올 수 있는 문장에 순위를 매긴 목록 생성을 의미한다. 초기에는 이런 기능이 통계적인 정보를 바탕으로 한 단순한 모델로 구현되었다. 특정 내용을 입력하면 해당 내용에 대해서는 항상 같은 결과가 나왔다. 그러나 딥 러닝을 사용하는 오늘날의 모델들은 데이터로부터 정보를 추출하는 과정이 훨씬 더 복잡하게 구성되어 있기 때문에 상당한 수준의 정확도로 예측 결과를 도출해 낸다. 이로 인해 기존에는 생각하지 못했던, 여러 가지의 새로운 목적으로도 이 기술을 활용할 수 있는 길이 열리게 되었다. 예를 들어, NLP 기능을 갖춘 로봇을 이용하여 고객 서비스 지원 업무를 수행하도록 할 수 있다. 이러한 로봇들은 제한된 영역에서

현재 보험 산업계 변화를 선도하고 있는 4가지 AI 애플리케이션

경영컨설팅 전문 기업 베인앤컴퍼니(Bain & Company)의 최근 보고서에 따르면 아시아태평양 지역 보험 부문의 경우, 디지털 혁신으로 인한 엄청난 변화와 함께 큰 호황을 누리고 있다. 경쟁이 심화되고 새로운 업체들의 시장 진입이 늘어나면서 보험 회사들은 살아남기 위해 인공지능(AI) 기반 솔루션에 눈을 돌리고 있다. 아태 지역 보험 시장은 현재 세계에서 가장 빠른 성장세를 보이고 있다. 이같은 호황은 두 가지 핵심 요소, 즉 중산층 확대와 중국 및 인도 등의 시장 진입 장벽 철폐와 관련이 있다. 동시에 디지털 혁신에 따른 디지털 환경 조성으로 사람들이 온라인으로 보험 서비스 약관을 손쉽게 비교할 수 있게 되었고, 한층 더 개인화된 서비스 및 상품을 제공받을 수 있게 됐다. 보험사들은 태생부터 디지털로 출발하여 변화에 신속하게 적응할 수 있는 혁신 서비스 기업들과의 경쟁에서 우위를 점하기 위해 첨단 분석, 머신러닝(ML) 및 기타 인공지능(AI) 기반 다양한 도구를 사용하여 고객 경험을 향상시키고 있다. 프라이스워터하우스쿠퍼스(PwC) 또한 조사에서 80% 이상의 보험사 CEO들이 이미 AI를 비즈니스에 도입했거나 향후 3년 이내에 그렇게 될 것으로 전망했다고 밝혔다. 보험사는 인공지능(AI)을 활용하여 다음과 같은 4가지 측면에서 고객 참여 기능을 강화하고, 보험 사기를 막고, 비즈니스 프로세스를 간소화할 수 있다. 1. 보험 사기 감지 및 신용 분석 싱가포르손해보험협회는 업계가 처리하는 보험 청구 5건 중의 1건은 허위 또는 과장 청구 건이며, 이로 인해 연간 1억4천만 싱가포르 달러(미화 1억1백만 달러)의 비용이 발생하는 것으로  추정하고 있다. 많은

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다