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!