안녕하세요!
오늘은 지난번 글에 이어서 AI를 더 잘 활용하는 방법에 대하여 저희가 많이 경험한 커머스 산업을 위주로 이야기해보려고 합니다.
많은 기업들이 AI를 도입하는 이유는 다양하지만 가장 상위의 목표는 결국 두 가지 중 하나입니다.
회사의 비용을 줄여주거나, 회사의 매출을 늘려주거나
주제가 거래액 상승이니만큼 오늘은 매출을 늘려줄 수 있는 AI에 대해 말씀드리도록 하겠습니다.🙂
시작점: AI로 매출을 올리는 일이 정말 가능할까?
지금까지의 글에서도 여러 번 말씀드렸다시피 AI는 아쉽게도 만능이 아닙니다.
매출을 올리는 일 역시 AI가 쉽게할 수 있는 일은 아니며 몇 가지 조건들이 충족되었을 때 비로소 가능해집니다. (매출 올리는 일은 항상 어렵죠..)
AI가 커머스 매출에 도움을 줄 수 있는 대표적인 상황을 몇 가지 요약해보면 아래와 같습니다.
커머스에서 취급하는 상품들이 많은 경우
커머스가 온라인 플랫폼의 성격으로 계속 발전하고 있기 때문에 각 커머스마다 취급하는 상품의 수가 점점 늘어나고 있습니다. 상품의 수가 적은 곳도 몇 백개, 많게는 백 만개 이상의 상품을 취급하는 곳도 많습니다.
취급하는 상품이 많다는 것은 동시에 유저에게 할 수 있는 제안의 가짓수도 많다는 것을 의미합니다. 상품의 진열을 고민할 때도 10개의 상품을 진열하는 일은 사람이 잘 할 수 있지만 진열해야 하는 상품이 5000개만 되어도 사람이 직접 수행하기는 너무나 어려운 일이 되어 버립니다.
(산업마다 조금은 다르겠지만 1000개 이상의 상품을 취급한다면 AI가 도움을 줄 수 있는 부분이 많은 것 같습니다)
커머스에 유저들이 많은 경우
유저의 수는 유저의 다양성을 의미합니다. 우리 커머스에 월 500명이 방문한다면 그 500명의 취향이나 선호는 크게 다르지 않을지도 모릅니다. 하지만 우리 커머스에 10만명이 방문한다면 그 10만명이 모두 비슷한 사람들이길 기대하기는 어려울 것 같습니다. 즉 유저 수가 많다면 그만큼 우리 유저들도 서로 다른 점들이 많고 각기 다른 유저는 다른 제안에 잘 반응할 것입니다. 일반적으로 월에 방문하는 유저가 5만명이 넘는다면 AI를 활용해 유저에게 맞춤형 제안(큐레이션, 푸시 메시지 발송, 할인 제공)을 하는 것이 유의미하게 매출에 영향을 줄 수 있는 것 같습니다.
커머스에서 유저가 탐색을 하는 상황이 많은 경우
세번째 경우는 1,2번 보다 덜 직관적입니다. 하지만 유저가 해당 커머스에서 얼마나 탐색을 하는지는 AI의 역할을 크게 바꿀 수 있습니다. 예를 들어 어떤 커머스에서는 유저가 앱/웹에 접속하기도 전에 이미 구매할 상품을 모두 확정하고 앱에 와서는 바로 구매만 하고 이탈하는 경우가 있습니다. 이런 경우에는 AI가 아무리 똑똑하다고 해도 마음을 모두 정한 소비자의 마음을 돌리거나 추가 제안을 하는 것은 쉽지 않습니다. 반대로 앱 활성도가 높아 유저들이 앱에 와서 다양한 상품에 대한 탐색도 하고 시간을 보낸다면 AI가 유효한 제안을 하여 소비자의 지갑을 열게 할 확률이 높겠죠.
요약하면 AI가 사람보다 잘할 수 있는 일은 동시에 여러가지 제안을 각기 다른 사람들에게 하는 일입니다. 저를 잘 아는 제 친한 친구는 아마도 제가 좋아할 만한 식당을 AI보다 잘 추천해주겠지만, 어떤 사람도 만 명의 사람들을 대상으로 천 개의 식당 후보군에서 유효한 추천을 하지 못할 것입니다. 이렇게 많은 제안을 다양한 사람에게 하는 것이 유효한 커머스에서 특히 AI는 유효하게 매출을 올려줄 수 있습니다.
인공지능은 어떤 원리로 매출을 증가시킬까요?
그렇다면 인공지능은 어떤 방법으로 매출을 올릴 수 있는 걸까요? AI는 맞춤형 제안을 통해 유저 당 평균 구매 객단가를 향상시킴으로써 매출을 증가시킬 수 있습니다.
유저의 수가 어느정도 고정되어 있다고 할 때 (물론 좋은 마케팅이나, 바이럴을 통해 증가하기도 하지만 너무 다양한 요소들이 영향을 끼치기 때문에 그 부분은 빼고 생각해보겠습니다) 매출이 증가하기 위해서는 유저 1인당 소비하는 금액을 늘리는 것이 중요합니다.
패션 커머스를 운영하는 상황으로 예시를 들어보면, 요즘의 플랫폼은 취급하는 상품의 수가 많기 때문에 A 유저는 어떤 제안을 받는지에 따라 1개도 구매하지 않을 수도 있고 기존 예상보다 많은 지출을 하게 될 가능성도 있습니다.
최근 플랫폼들이 매우 많고 다양하기 때문에 유저는 한 개의 플랫폼에 많은 기회를 주지는 않습니다. 한 번 휙 둘러보고 마음에 드는 상품이 없다는 판단이 된다면 빠르게 이탈하는 경우가 대부분이죠. 그렇기 때문에 한정된 시간동안 얼마나 유효한 제안을 할 수 있는지가 결국 그 유저의 지갑을 열 수 있을 가능성과 직접 연계됩니다. 정확히 같은 상품들을 보유하고 있는 두 개의 커머스가 있다고 해도 제안의 유효성이 30%인 커머스와 50%인 커머스는 점점 거래액의 차이가 벌어질 것입니다.
그 과정에서 인공지능이 도움이 되는 부분은 얼마나 확률이 높은 제안을 할 수 있도록 하는지 입니다. 기존 유저의 데이터를 기반으로 학습했을 때 A 유저에게 B제안이 유효할 확률이 어느 정도일지 예측하고 그 결과를 다시 학습하여 점점 제안의 유효성을 올려가는 방식입니다. 사람이 제안을 하는 방식이 “우리 커머스의 유저는 40~50 여성이 많으니까 할인률이 큰 상품들을 더 많이 홍보해보자!” 와 같은 가설 기반 방식으로 이루어진다면, 인공지능은 지금까지 유저들이 어떤 제안에 어떻게 반응하였는지에 대한 데이터를 기반으로 모든 유저에 대해 각각 최적화 과정을 진행합니다. 그렇기 때문에 위에서 말씀드린것처럼 유저가 많을수록, 취급하는 상품의 수가 많을수록 사람이 만드는 가설에 비하여 인공지능이 데이터에 기반하여 최적화 하는 것의 효율이 올라갈 수 있는 것이죠.
조금 더 구체적으로 생각해볼까요?
유저가 소비금액을 늘리는 것은 1) 인공지능에 의한 제안이 없었다면 원래 구매가 이루어지지 않았을 유저에게 구매를 유도함 2) 인공지능을 활용한 추가 제안으로 원래 다른 상품을 구매할만한 유저에게 더 많은 상품을 구매하도록 유도함 두 가지 방식으로 나누어서 생각해볼 수 있습니다.
구매가 이루어지지 않았을 유저에게 구매를 유도함
이러한 제안은 특히 상품의 평균단가가 높거나 유저의 관여도가 높을 때 더 유효하게 작용할 수 있습니다. 명품 커머스가 대표적으로 이에 해당하는데요, 명품 커머스 플랫폼은 공통적으로 취급 상품수도 많고 한 상품당 가격대가 높기 때문에 플랫폼에 방문하는 유저 중 실제로 구매까지 이어지는 유저의 비중이 아주 높지는 않습니다. 그렇기 때문에 인공지능에 의해 유저가 구매할 확률이 높은 상품을 예측하여 노출시킬 때 매출의 상승이 잘 이루어질 수 있습니다.
이에 따라 제안이 이루어져야 하는 방식도 유저가 탐색을 많이 진행할만한 홈화면에 집중하여 제안을 하거나 카카오톡이나 앱 푸시 메시지를 활용하여 정확한 제안을 하는 것이 필요합니다.
다른 상품을 구매할만한 유저에게 더 많은 상품을 구매하도록 유도함
두 번째 경우는 조금 더 유저의 관여도와 상품의 평균 단가가 낮은 경우 입니다. 생필품이나 생활용품을 취급하는 커머스가 대표적인 예시입니다. 이러한 플랫폼은 상품의 평균 가격이 낮더라도 방문한 유저는 대부분 구매를 하는 경우가 많습니다. 직관적으로 생각해볼 때에도 명품을 구매하려는 고객이 갑자기 마음에 든다고 명품 가방 2개를 구매하는 경우는 적겠지만 물티슈를 구매하려던 고객이 휴지나 마스크 정도를 추가로 구매하는 일은 흔할 것 같습니다.
이번 글에서 인공지능이 성능을 낼 수 있는 조건과 방법에 대해 말씀드렸는데요, 조건이 잘 충족될수록 인공지능으로 최적화를 진행하여 기대할 수 있는 매출의 향상은 매우 유의미합니다.
물론 얼마나 많은 영역을 인공지능에게 맡겨서 최적화하는지에 따라 매출의 향상폭이 조금씩 차이가 있겠지만 올바르게 도입되었을 때 전체 매출(GMV)가 10~20% 상승하는 것도 어렵지 않게 기대할 수 있는 수준입니다.
따라서 만일 위에서 말씀드린 조건에 해당되지만, 아직 인공지능으로 커머스 효율의 최적화를 진행하지 않았거나 그 효용을 체감하시지 못하고 계신다면 인공지능 서비스 도입을 다시 한 번 검토해보셔도 좋을 것 같습니다.
다음 글에서는 위 두 가지 방법에 대해 저희가 고민하고 실행한 내용을 실제 사례를 바탕으로 공유드리도록 하겠습니다.
서비스하고 계신 커머스에 AI가 도움이 될지, 어떻게 하면 더 좋은 도입이 가능할지 고민이 되신다면 편하게 문의주세요!