페이지 선택

AI 기반 초개인화 서비스의 현재와 미래

2022. 4. 14

CLIPBOARD
image_pdf

글. 이기완(SAS코리아 상무)

이제는 속도의 시대

지난 2년은 코로나19 팬데믹으로 정치, 사회, 경제 및 문화 전반에 걸쳐 많은 변화를 가지고 온 해였다. 치료제 개발로 인해 조만간 코로나19의 극복이 예상되지만, 이로 인한 다양한 변화는 바이러스 극복 이후에도 뉴노멀로 자리 잡을 것이다. 또한, 최근 코로나19의 영향으로 과거 5~10년이 필요했던 변화가 단 1~2년 만에 이뤄졌다고 할 수 있다. 기업이 생존을 넘어 성장하려면, 변화의 방향성도 중요하지만 이제는 변화에 대한 대응 속도가 더욱 중요하다. 이러한 변화에 기민하게 대응하려면, 어떠한 신기술을 어떻게 비즈니스에 접목시킬 것인지가 중요하다.
최근 발표되는 국내외 분석 트렌드, 마케팅 그리고 기술 트렌드 보고서를 보면, 향후 변화를 주도할 기술로 거의 빠짐없이 ‘AI 기반의 초개인화’가 거론되고 있다. 반면, 지난 2020년 맥킨지의 ‘The State of AI’ 보고서에 따르면 대부분의 기업들이 디지털 혁신으로 AI에 대한 중요성을 인지하고 있지만, AI를 도입해 실제로 성공하는 기업은 2%에 불과한 것으로 나타나고 있다.
금융권에서도 이 같은 흐름은 분명해 보인다. 과거 CRM 기반의 개인화 작업이 AI 기반으로 진화되어 가고 있고, 개인화의 목적도 다변화되어 가면서 금융회사는 내부 데이터에만 의존했던 개인화 서비스를 고객의 라이프 전반에 걸쳐 있는 외부 데이터를 수집·결합해 맥락적 관점에서 분석하는 시도를 시행하고 있다. 이 과정에서 고객의 감성과 행동 이해 및 예측에 다양한 AI 알고리즘이 적용되면서 금융회사의 개인화 서비스 개발에 AI의 역할이 중요해지고 있다. 맥킨지는 초개인화 마케팅 전략이 실행했을 때 투자수익율(RoI)이 5~8배 증가하고 매출을 10% 넘게 늘릴 수 있다고 분석하기도 했다.
본고에서는 최근 화두가 되고 있는 ‘금융기관의 AI 기반 초개인화’에 대해서 살펴보고자 한다. 물론, 초개인화와 관련해서 다양한 시각이 존재하지만 분석의 관점에서 초개인화의 명확한 정의와 이것이 우리 생활을 어떻게 바꾸고 있는지, 기업에 어떤 시사점이 있는지도 함께 분석해본다.

국내 마케팅의 트렌드 변화

‘모두를 만족시키고자 한다면 어느 누구도 만족시킬 수 없다’는 말은 마케터에게는 설명이 필요 없는 명제와 같고, 개인화는 마케팅 업계의 아주 오래된 주제라고 말할 수 있다. 마케팅의 시작은 고객을 나누는 것에서부터 시작한다. 그래서 마케터가 집중해야 하는 영역은 어디를 인지하면서 고객을 나누고, 고객에게 언제, 어떻게 접근하는 것이 맞는 것인지를 분석하며, 타깃 고객에게 회사의 역량을 집중시키고, 리소스를 최적화하는 과정을 통해 최종적으로는 “해당 소비자가 관심을 가질 만한 메시지와 채널을 통해, 소비자의 반응을 이끌어 내는 것”이라고 할 수 있다.
이러한 일련의 마케팅 진화 과정을 간단히 살펴보면, 초기에는 기업에서 상품과 서비스를 만들고, 그 상품의 장점을 부각시키면서 다수에게 동일한 메시지를 전달하는 마케팅을 했다. 이는 다분히 상품 중심이고, 회사 중심의 마케팅이라고 할 수 있다. 이후, 데이터가 쌓이고 고객의 특성을 이해하면서, 고객을 더 세부적으로 나누는 작업을 반복하는 등 더 작은 비용으로 마케팅 성공 확률을 높이는 과정을 지난 10~20년 동안 지속해 왔다.

그렇다면, 가장 좋은 세그먼트는 무엇인가? 결국, 개개인을 이해하고, 각 개인의 특성에 따라 개인의 필요에 부합하는 상품과 서비스를 제공하는 것이라고 할 수 있다. 그래서 최근 다수의 기업들은 개인의 특성을 파악해서 이 사람은 “젊은 스포츠 매니아다”, “여행 매니아다”, “사회 초년생이다” 등의 키워드를 정의, 1대1 마케팅으로써 차별화된 상품과 서비스를 제공하고 있다. 이러다 보니, 기업은 분석을 기반으로 중복 마케팅 비용을 줄일 수 있고, 고객은 피로도를 줄일 수 있게 되었으며, 일관된 커뮤니케이션을 통해 마케팅 성공률을 증가시키게 되었다고 요약할 수 있다.

그렇다면 초개인화는 무엇일까? 초개인화의 ‘초’는 사전적인 의미로 ‘개인을 뛰어넘는 마케팅’을 말한다. 즉, 개인을 이제는 1명이 아닌 0.1명 단위로 쪼갠다는 것이다. 인문학적인 멀티 페르소나 관점에서 개인은 시간, 장소, 상황에 따라 많은 자아를 가지고 있다. 아침과 저녁이 다르고, 직장에 있을 때와 집에 있을 때가 다르며 가족과 술을 마실 때와 친구들과 술을 마실 때, 직장에서 회식을 할 때, 우리의 말과 행동이 다를 뿐만 아니라, 그때마다 필요로 하는 것도 달라진다는 것이다. 이러한 관점에서 앞서 언급한 1:1 개인화는 여전히 한계를 지니고 있다. 즉, “젊은 스포츠 매니아다”라는 정의는 개인의 대표적 특성을 나타낸 것일 수 있으나, 오히려 나머지 9가지 자아를 놓칠 수 있다는 것이다.
요즘 젊은 친구들 사이에서 오가는 단어 중 ‘편백족’이 있다. 낮에는 편의점에서 라면과 삼각김밥으로 끼니를 때우고, 저녁에는 백화점에서 옷이나 명품을 구매하는 사람을 말한다. 또한, ‘노무족’은 ‘No more uncle(더 이상 아저씨가 아니다)’의 의미로 나이와 상관없이 자유로운 생활과 소비를 하는 40~50대를 칭한다. 이는 과거의 기준으로는 정의하기 어려운 양면성을 가지고 있다고 볼 수 있다. 이와 같이, 각 개인은 시간, 장소에 따라 다양한 자아를 표출하고 있고, 최근 워라벨에 따라 나이가 많은 사람뿐만 아니라 젊은 사람들에게도 이러한 추세는 점점 강화되고 있다.
스마트폰만 보더라도 얼마나 많은 자아가 우리에게 있다는 것을 알 수 있다. 다른 사람과 문자로 대화할 때나 카톡할 때, 텔레그램을 할 때 모두 그 대상과 말투가 달라진다. 심지어, 필자의 중학생 딸은 인스타그램을 이용할 때 3개 이상의 계정을 사용하는데 가족에게 보여주는 계정, 절친과 공유하는 계정, 학교 친구들과 소통하는 채널이 다르고, 그때마다 자유자재로 변한다. 필자는 15년 넘게 같이 생활하고 있는 딸의 일부분만 보아 왔다고 할 수 있고, 오히려 인스타그램이 딸의 다양한 본 모습을 더 잘 알 수 있겠다는 생각을 할 수 있다.
요약하면 초개인화는 앞서 언급한 인문학 관점의 멀티 페르소나를 기술 관점에서 구현한 것이다. 사전적으로 초개인화는 “개인의 상황에 맞게 기업이 개별적인 맞춤 혜택을 제공하는 것”이라고 정의되어 있다. 반면, 필자가 근무하는 회사에서는 초개인화를 분석의 관점에서 “개인별 상황에 대한 데이터 가시성 확보를 통해 개인별 상황에 부합하는 최적의 상품과 서비스를 적시에 고객이 원하는 방법으로 제공하는 것”이라고 정의한다. 여기서 가장 중요한 것은 개인별 상황에 부합한다는 것이고, 이 상황이라는 것은 자아가 바뀌게 되는 시간, 장소, 이벤트를 모두 고려한다는 것이다. 그리고 이를 분석해 고객이 원하는 시간과 방법으로 의사소통을 한다.

따라서, 초개인화가 업무에 적용된다면 이제는 100명의 고객으로 100개의 시장을 만들어 내는 것이 아니라, 100명의 고객으로 1,000개의 시장을 만들어 낸다고 이야기할 수 있다. 이에 기업은 고객을 분석할 수 있는 데이터가 있다면 한 걸음씩 단계적으로 진화하는 것이 아니라 기술력에 기반해서 바로 초개인화 마케팅으로 퀀텀 점프를 할 수 있다고 요약할 수 있다.

위 화면은 필자 가족의 넷플릭스 초기화면이다. 필자는 약 1년 전부터 넷플릭스를 이용하고 있는데, 지금은 매우 놀라운 경험을 하고 있다. 어느 계정으로 접속하느냐에 따라 색깔부터 다르고, 추천 콘텐츠가 완전히 다르다. 필자는 액션, 판타지가 주로 나오는 반면, 배우자는 드라마와 육아가 중심이다. 단 한 번도 어떠한 정보를 입력하지 않았는데도 말이다. 그리고, 특정 콘텐츠를 클릭하면 시청자의 선호도가 수치화해서 나오고, 90%가 넘는 콘텐츠는 필자가 모르는 것이라도 지금까지 실망한 적이 없다. 예전에는 필자가 넷플릭스를 이용하고 있다고 생각했으나, 지금은 넷플릭스가 필자를 이끌어 가고 있다고 해도 틀린 말이 아닐 거라 생각한다.
유튜브는 어떠한가? 아이들이 10분짜리 동영상을 보기 시작하면, 2~3시간동안 쉬지 않고 보게 된다. 계속해서 관심사를 반영한 영상을 추천하기 때문이다.

유통과 관련해서 아마존닷컴의 초개인화 사례는 혁신 그 자체이다. 기존 마케팅에서는 설문조사를 하지 않는 이상 소비자의 행동 패턴과 심리 데이터를 모을 수 없다고 여겨왔지만, 아마존은 행동 패턴, 심리 패턴 속성까지 축적하는 마케팅 혁신을 가져왔다. 결과적으로 0.1명 단위로 고객을 세분화해서 매출을 향상시키고 있으며 고객이 보고, 비교하고, 장바구니에 담는 모든 패턴을 인지·학습하고 구매 확률을 분석해서 주문 전 미리 상품을 발송하는 단계에 이르렀다.
과거에는 그림의 회색 화살표와 같이, 고객의 구매를 시작으로 상품이 여러 단계를 통해 고객에게 배송됐다면, 이제는 빨간색 화살표와 같이 고객 물품 주문이 첫번째 단계가 아니라 그 이전에 예측기반으로 상품을 가까운 물류창고에 배송해서 당일에 상품을 받을 수 있게 된 것이다. 초개인화를 통해 물류의 혁신이 이뤄졌다고 할 수 있다.

금융권의 초개인화 서비스

글로벌 금융회사들은 AI를 기반으로 관련성 높고 책임감 있는 개인화 서비스 개발에 주력하고 있다. 지금까지의 개인화는 전 채널에서의 고객 특성, 행동, 과거 거래이력에 기반한 연관성(Releveant) 있는 가치를 제공하기에 부족했다. 특히 고객의 실체 혹은 잠재적 니즈를 이해하기 위한 맥락적 통찰력(Contexual insights)이 없는 제안들은 고객들을 피곤하게 만들었다.
또 다른 개인화 요소는 책임감(Responsible)이다. 특히 ‘My Data’의 도입은 다양한 소스의 고객 데이터가 통합적으로 모이고 분석되기 때문에, 금융회사들은 개인정보보호(Privacy)를 기반으로 책임감 있는 고객 데이터 관리에 대해 제안해야 한다. 뿐만 아니라 고객 데이터에 대한 책임지표(KPI)를 개발하는 방안도 고려해야 한다.
해외 사례를 살펴보면 뱅크오브아메리카의 행보가 눈에 띈다. 우리금융경영연구소의 ‘우리 리서치플러스’에 소개된 뱅크오브아메리카의 ‘라이프 플랜’은 맥킨지가 2030년 북미 자산관리업 트렌드를 전망한 보고서 ‘변화의 첨단(On the Cusp of Change)’에서 향후 10년 안에 북미 신규고객의 80%가 선택할 ‘넷플릭스형 자산관리 서비스’를 주요 골자로 한다.
넷플릭스형 자산관리 서비스란 데이터 기반, 초개인화, 지속적 접근, 구독형을 특징으로 넷플릭스의 알고리즘이 과거 시청 데이터를 분석해 기호에 맞는 콘텐츠를 추천하듯, 금융소비자 데이터를 바탕으로 맞춤형 자산관리 서비스를 제공하는 것을 의미한다. 라이프 플랜의 가장 큰 특징은 데이터에 기반을 둔 초개인화 서비스라는 점과 금융 소비자 데이터에 지속적으로 접근, 업데이트된 솔루션을 제시한다는 점이다.

국내 금융권에서도 초개인화 서비스의 사례가 등장하고 있다. 카드사에서는 요일뿐만 아니라 하루를 오전, 오후, 저녁 등 8개로 나눠 고객의 시간을 50개 이상으로 구분하고, 고객이 시간별로 어디서 무엇을 하고 어떤 관심을 갖고 있는지를 분석하고 있다. 과거에는 주유 쿠폰을 한 달 유효 기간과 함께 제공했지만, 지금은 매주 토요일에 주유하는 것을 미리 파악하고 당일 주유 쿠폰을 발송해 바로 구매로 이어지게 만들고 있다.

‘My Data’를 활용한다면, 타사 카드 정보를 분석해 주유 쿠폰 같이 당사 카드로 전환 마케팅을 통해 ‘Share of wallet’을 증대할 수 있는 것이다. 고객은 추가 지출 없이 쿠폰 이익을 얻을 수 있고, 기업은 보다 쉽게 당사로 고객을 이동시킬 수 있다.
증권업계에서는 AI 전문기업과 적극적인 파트너십 체결을 진행하고 있다. 현대차증권은 AI 기반 금융서비스와 디지털 사업 역량 강화를 위한 로보 어드바이저 솔루션 제공업체와 제휴 협약을 체결했고, KB증권은 AI 목표 중심 자산관리 플랫폼 기업과 초개인화 비대면 서비스 개발 및 추진을 위한 업무 협약을 체결했다. 교보증권 역시 AI 기반의 컴플라이언스 사업을 진행했던 사업자와 마이데이터 시스템 구축을 위한 사업 계약을 체결했다.
은행업계에서도 발빠른 움직임이 이어지고 있다. 광주은행은 AI 전문기업과 손잡고 고객에게 실시간으로 최적의 상품을 추천하는 초개인화 마케팅 서비스를 구축하고 있다. 고객 정보를 실시간으로 수집, 분석해 고객에게 맞는 상품을 추천하고 이를 모니터링해 효과를 분석 및 재반영하는 특징이 있다고 한다. 또한, 하나은행은 최근 마케팅 플랫폼 구축 프로젝트 1단계에 착수하고, 고객이 모바일 등 채널을 이용할 때 보는 ‘뷰(view)’를 기반으로 개인 맞춤형 마케팅을 제공하는 시스템을 개발하고 있다. 우리은행은 ‘실시간 오퍼링(offering)’ 시스템을 만들고 있으며 고객이 어떤 상품을 조회하는지 행동 정보를 취합해 필요로 하는 상품을 즉각 추천해주는 서비스를 계획하고 있는 것으로 알려졌다.
국내 금융회사의 AI 기반 개인화 서비스는 이제 막 첫 장을 연 것으로 보인다. AI에 기반한 다양한 서비스들이 출시되고 있지만, 막상 기초 데이터의 오류와 머신러닝 알고리즘의 편향으로 의미 있는 성과를 내지 못하거나 소비자 보호 등에 부작용이 발생하고 있다. 개인화 분석에 필요한 데이터 확보와 결합 역량이 초창기에 있어 빅데이터 분석에 적용되는 AI 알고리즘 역시 아직은 시작 단계라고 할 수 있다.
AI만 도입되면 모든 업무가 자동화되고 고도화될 것이라는 섣부른 기대에 대한 경고일지도 모른다. 이러한 우려에 대응하여 금융위원회는 지난해 금융분야 AI 가이드라인을 발표했다. 이 가이드라인은 금융회사가 AI 도입 시 선제적으로 위험관리 체계를 구축하도록 하고 AI 설계 시 감독과 통제가 가능하도록 하는 방안을 요구하고 있다.
금융회사들이 AI 기반의 상품추천, 대출한도모형 개발, AI 은행원 등 다양한 상품 및 서비스를 개발하고 있는 상황에서, 단순히 파일럿 방식의 연구과제가 아닌 모든 고객을 대상으로 실질적인 서비스를 제공하려면, AI 알고리즘에 대한 적정성 및 컴플라이언스 위반 여부를 지속적으로 리뷰하고 교정하는 작업이 필요하다.
올해 많은 금융권에서 초개인화를 화두로 잡은 만큼 가까운 시일 내 구체적인 그림들이 곳곳에서 보여질 것으로 기대된다. AI 서비스를 본격적으로 확산하는 과정에서 ‘설명가능한 AI’ 프로세스를 갖추는 작업에 노력을 기울이고, 개인화를 기반으로 데이터 관리 거버넌스를 구축하며 다양한 산업 분야에서 여러 파트너사와의 데이터 공유를 위한 API 네트워크 개발, 데이터 분석 프로세스 및 애플리케이션 개발에 보안 및 개인정보 보호 역량도 더욱 강화될 전망이다.

초개인화의 엔진, ‘Data, Data, Data’

이제는 초개인화 성공을 위한 필수 요소를 살펴보자. 그 첫 번째는 각 개인의 상황과 맥락을 파악할 수 있는 정확한 데이터이다. 반면, 방대한 데이터가 있더라도 유의미한 결과를 도출할 수 없다면, 그 데이터가 무슨 의미가 있겠는가? 결국, 두 번째로는 데이터를 분석하고 시사점을 도출할 수 AI 알고리즘이다. 마지막으로는 이러한 결과를 고객이 원하는 방식으로 소통하는 채널이다.
기업이 차별화시킬 수 있는 가장 중요한 요소는 바로 데이터라고 말할 수 있다. 최근 금융은 마이데이터를 기반으로 다양한 비즈니스 기회 창출을 위해 많은 노력을 기울이고 있다. 분석 전문가들은 공히 “데이터는 공식적으로 재무제표에 기재될 수 있는 만큼의 중요한 자산이고, 현금이나 부동산보다 더 가치 있는 자산으로 여겨질 것”이라고 확신하고 있다.
결국, 마이데이터와 제휴사를 통한 축적된 데이터를 기반으로 더 좋은 알고리즘을 적용할 수 있고, 더 좋은 알고리즘을 통해 고객 니즈 기반 더 적합한 가격 결정과 타깃팅을 할 수 있으며, 이를 통해 더 많은 고객을 확보할 수 있는 선순환 체계를 마련이 필요하다.

기업 성공의 열쇠, 초개인화

모두가 잘 아는 바와 같이 기업이 성공하기 위해서는 다양한 방법이 있다. 경쟁사보다 가격 경쟁력이 있거나, 혁신적인 상품 및 서비스를 제공하거나, 캡티브 마켓(Captive Market) 또는 채널 등이 있다면 기업이 성공할 확률은 매우 높아진다. 물론, 모든 영역에서 일등하는 것은 어렵지만 한가지만 잘해도 기업이 성공할 수 있는 사례는 굉장히 많다.
예를 들어, 알리바바그룹 산하 크로스보더 이커머스 ‘알리익스프레스(AliExpress)’는 배송이 한 달 넘게 걸리고 품질이 뛰어나지도 않지만, 엄청나게 저렴한 가격으로 국내에도 많은 마니아 층을 보유하고 있다. 유튜브는 5개의 계정을 사용할 수 있는 넷플릭스에 비해 가격이 비싸거나 광고가 너무 많지만, 유튜브를 대체할 콘텐츠가 현재 없다고 말할 수 있다. 물류를 통한 성공 사례는 이미 아마존닷컴에서 다루었다.

앞서 언급한 바와 같이, 특정 영역에 강점이 있는 기업들의 공통점을 발견했는가? 그들이 어떤 물건을 팔고 있던, 무슨 서비스를 제공하고 있던, 그 기반에는 초개인화를 중심으로 오퍼레이팅이 되고 있는 점이다.

현업의 분석 역량 내재화 필수

서두에서 언급한 것처럼 AI 시도에 최종적 성과를 내는 기업이 많지 않은 이유는 무엇일까? AI 기반 초개인화가 제대로 작동하려면, 먼저 ‘업’에 대한 명확인 이해를 보유한 도메인 전문가가 필요하고, 두번째로는 데이터를 처리하고 모델을 구현할 수 있는 프로그램 스킬, 마지막으로는 통계와 수학의 전문성을 바탕으로 결과를 해석하고 설명할 수 있는 전문가가 필요하다.
하지만, 현실에서는 AI&머신러닝 전문가가 부족하고, 전문가가 있더라도 다른 영역의 전문성이 부족해서 협업이 어려워 힘겹게 진행되거나, 실패하는 사례가 많다. 또 지속적으로 개발되는 새로운 알고리즘에 적응할 시간이 필요하며 제안된 플랫폼 구축에 많은 시간이 소요되고, 데이터를 처리할 수 있는 충분한 컴퓨팅 리소스 및 스토리지에 제약이 생기는 등 다양한 이유들이 산적해 있다. 맥킨지 분석에 따르면 90% 이상의 기업이 AI의 필요성을 느끼고 있으나 약 17%의 기업 만이 실질적 투자와 AI 관련 이니셔티브가 실행되었으며, 실제로 성과를 나타내는 기업은 2%에 불과한 것으로 나타나고 있다.

지난 5년간 데이터 증가와 더불어 기술도 엄청난 진화를 거듭해 왔다. 하지만 아직도 코딩 같은 전문지식이 있어야 고급 분석과 시각화 툴을 사용할 수 있는 것으로 알고 있는 사람들이 많다. 최근 진화한 AI 분석 플랫폼은 엑셀 피봇을 다룰 수 있는 정도의 노력과 스킬을 가지고 있다면, 드래그&드롭 방식으로 코딩없이 다양한 정형·비정형 분석이 가능하고, 고급 분석의 시각화를 통해 업무 활용을 극대화할 수 있다.
이를 통해, 비즈니스를 가장 잘 알고 있는 현업 스스로가 분석하고 결과를 해석하며 업무에 적용하는 과정으로 비즈니스 성공 확률을 훨씬 높일 수 있다고 요약할 수 있다. AI를 활용한 초개인화에 있어서 현업의 분석 역량 내재화는 이제 선택이 아닌 필수이다.
기업이 생존을 넘어 성장하려면 변화의 방향성도 중요하지만, 변화의 속도가 더욱 중요하다. 앞으로는 개별 분석가의 역량에 의존하지 않고 신기술 기반의 AI 분석 플랫폼을 활용해 새로운 성공신화를 만들어가는 게임체인저가 되길 바란다.

 

* 저작권법에 의하여 해당 콘텐츠는 코스콤에 저작권이 있습니다.

* 따라서, 해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금합니다.