고객 맞춤형 추천을 위한 데이터 식별 방법: 2편

기존 고객을 충성고객으로 만들기 위한 ‘개인화 추천 서비스’의 중요성은 이전 글에서 여러 번 강조했습니다. 고객의 개인화 추천을 위해서는 클라이언트의 서비스를 이용하는 ‘고객 행동 데이터’가 필요하며, 기존에는 ‘User ID’ 또는 ‘Device ID’를 활용해 식별해 왔습니다.

‘User ID’를 사용하는 경우, 한 고객이 여러 기기를 사용해도 식별이 가능합니다. 하지만 로그인이 완료된 고객만 가능하며 비로그인 고객은 식별할 수 없었습니다. 반면 ‘Device ID’를 사용하는 경우, 로그인 여부에 상관없이 고객을 식별할 수 있으나 한 고객이 여러 기기를 사용할 때는 식별이 어려웠습니다.

그렇다면 다양한 상황에서 고객을 식별하려면 어떻게 해야 할까요?

‘User ID’와 ‘Device ID’ 중 어느 하나가 아닌, 두 개 모두를 사용하면 각각의 단점을 상쇄할 수 있지 않을까요? 실제로 해외 프로덕트 분석 솔루션 기업 ‘앰플리튜드(Amplitude)’ 역시 비슷한 방법으로 고객을 식별하고 있습니다.

블럭스(Blux)는 이 점에 착안하여 로그인 여부 및 사용하는 기기에 모두 상관없이 고객을 정확하게 식별하고자 ‘User ID’와 ‘Device ID’를 동시에 활용한 ‘Blux ID’를 발급해 고객 식별에 사용하고 있습니다. 이번 글에서는 구체적인 상황별로 ‘Blux ID’가 어떻게 발급되어 고객을 정확히 식별할 수 있는지에 대해 알아보겠습니다.

무분별한 ‘고객 행동 데이터’,  Blux ID로 식별하기

현재 ‘Blux ID’는 현재 ‘로그인 여부’, ‘기기의 개수’, ‘고객의 명수’에 따른 상황에 맞춰 발급되어 고객의 행동 데이터를 식별하고 있습니다. 이해를 돕기 위해 무슨 상황에서 어떤 방법으로 Blux ID가 발급되고 있는지 알아보겠습니다.

비로그인 상태로 활동하는 경우

비로그인 상태에서는 고객의 User ID가 존재하지 않으므로, Device ID를 기반으로 Blux ID가 발급됩니다.

위 이미지를 보면, 총 세 명의 고객이 비로그인 상태로 존재합니다. 처음 A 기기에서 ‘좋아요’가 발생한 경우, A 기기에 대해 Blux ID가 ‘1’로 발급됩니다. 두 번째 행동으로 B 기기에서 ‘클릭’이 발생했습니다. B 기기에서 발생한 최초의 행동 데이터이므로 Blux ID가 ‘2’로 발급됩니다.

세 번째 행동 데이터는 다시 B 기기에서 발생한 ‘장바구니’ 담기 입니다. 이전에 B 기기에 대해 Blux ID가 2로 발급된 이력이 있으니, 해당 행동 데이터에도 Blux ID는 2로 발급됩니다. 네 번째 행동 데이터로 C 기기에서 '클릭'이 발생했습니다. C 기기에서 발생한 최초의 행동 데이터이므로 Blux ID가 '3'으로 발급됩니다.

다섯 번째, 여섯 번째로 발생한 ‘장바구니’ 담기와 ‘좋아요’는 각각 A, C 기기에서 발생했으며, 동일한 로직에 따라 Blux ID는 1, 3으로 발급됩니다. 결과적으로 세 명의 비로그인 고객을 각각 식별할 수 있습니다. 이후 C 기기에서 발생한 행동 데이터와 A 기기에서 다시 발생한 행동 데이터에 대해서도 동일한 로직이 적용되며, 결과적으로 세 명의 비로그인 고객을 각각 식별할 수 있습니다.

하나의 기기에서 한 명의 고객이 로그인/로그아웃하는 경우

고객이 비로그인 상태로 활동하다가 로그인하는 경우, 또는 반대로 로그인 상태로 활동하다가 로그아웃을 하는 상황일 때는 Device ID를 활용하여 로그인 전후로 동일한 Blux ID를 발급됩니다.

비로그인 상태에서 처음으로 D 기기에서 ‘클릭’이 발생한 경우, D 기기에 대해 Blux ID가 ‘4’로 발급됩니다. 이어서 고객이 ‘Tommy’라는 아이디로 로그인을 진행한 후 상품을 ‘구매’했습니다. 이때 아이디 ‘Tommy’가 발생시킨 ‘구매’ 행동 데이터는 D 기기에서 발생한 것이므로 Blux ID가 4로 발급됩니다.

구매 후에 모종의 이유로 고객이 Tommy 아이디에서 로그아웃하고,  다른 상품을 ‘클릭’했습니다. 이 행동 데이터 역시 D 기기에서 발생한 것이므로 Blux ID가 4로 발급됩니다. 이처럼 로그인/로그아웃이 발생하여 User ID가 변경되었으나, Device ID를 활용한 덕분에 로그인 전후로 고객의 행동 데이터가 끊어지지 않는 걸 확인할 수 있습니다.

한 명의 고객이 여러 기기를 사용하는 경우

한 명의 고객이 여러 기기를 사용하는 경우에는 User ID를 기반으로 Blux ID가 발급됩니다.

위 그림을 보면, 비로그인 상태에서 처음으로 E 기기에서 ‘클릭’이 발생하여 E 기기에 대해 Blux ID가 ‘5’로 발급됐습니다. 이어서 고객이 E 기기에서 ‘Luna’ 아이디로 로그인을 진행한 후 상품을 ‘구매’했고, Blux ID는 마찬가지로 5가 발급됩니다.

이번에는 F 기기에서 처음으로 ‘클릭’이 발생하여 해당 기기에 대해 Blux ID가 ‘6’으로 발급됐습니다. 그리고 고객이 F 기기에서 ‘Luna’ 아이디로 로그인을 진행한 후 상품을 ‘장바구니’에 담았습니다. Blux ID 6으로 발급받은 기기이지만, 이미 이전 ‘Luna’ 아이디에 Blux ID 5를 발급받은 이력이 있기 때문에 6이 아닌 5로 Blux ID가 발급되어 행동 데이터가 쌓입니다. 서로 다른 기기에서 발생한 행동 데이터지만, User ID를 활용했기 때문에 동일한 Blux ID로 식별할 수 있습니다.

그렇다면 Blux ID가 6으로 발급된 ‘클릭’은 어떻게 처리하면 좋을까요? 전후 상황을 살펴보면 해당 행동 데이터는 Luna가 로그인 전에 발생시킨 것이므로, Blux ID가 5로 발급되어야 할 것입니다. 이를 실시간으로 처리하기에는 무리가 있기 때문에, 전후 상황을 바탕으로 해당 데이터의 Blux ID를 6에서 5로 수정되게끔 사후에 따로 처리하는 수밖에 없습니다. 만약 위와 같은 상황이 드물고 중요하지 않다는 판단이 든다면 별도 처리를 하지 않는 방안도 있습니다.

하나의 기기를 여러 고객이 사용하는 경우

하나의 기기를 여러 고객이 사용하는 경우에도 User ID를 기반으로 Blux ID가 발급됩니다.

먼저 G 기기에서 고객이 ‘Jeff’ 아이디로 로그인하여 처음으로 ‘좋아요’를 눌렀습니다. 이 행동 데이터는 G 기기에서 처음으로 발생했을 뿐만 아니라 Jeff 아이디를 쓰는 고객이 처음 발생시킨 데이터입니다. 따라서 새롭게 Blux ID가 ‘7’로 발급됩니다. 이어서 고객이 로그아웃을 하고, 다른 상품을 ‘클릭’했습니다. 역시 G 기기에서 발생했으므로 Blux ID가 7로 발급됩니다.

몇 시간 뒤 G 기기에서 ‘클릭’이 다시 발생했고, 마찬가지로 Blux ID가 7로 발급됩니다. 이때 다른 고객이 ‘Esther’ 아이디로 로그인하여 상품을 ‘구매’했습니다. Esther 아이디가 처음 발생시킨 데이터이므로 새로운 Blux ID인 ‘8’이 발급됩니다.

다시 얼마 후 Esther 아이디가 로그아웃하여 G 기기가 비로그인 상태에서 상품을 ‘클릭’하는 행동이 발생했습니다. 해당 행동은 G 기기에서 발생했으므로 위 논리대로라면 두 번째, 세 번째 행동 데이터와 동일하게 Blux ID 7로 발급되어야 합니다.

그렇지만 Blux ID는 ‘8’로 발급되었습니다. 그 이유는 ‘클릭’이라는 행동이 G 기기에서 발생했으나 해당 기기에서 가장 마지막으로 로그인한 고객의 아이디가 Jeff가 아닌 Esther이기 때문에 7이 아닌, 8로 발급됐습니다.

하나의 기기를 여러 고객이 공유하여 사용해도 User ID와 Device ID를 동시에 활용한 덕분에 서로 다른 고객, 로그인 상태 전후로도 행동 데이터가 끊어지지 않습니다.

Blux ID로 실제 매출 상승효과 경험하기

지금까지 ‘Blux ID’를 활용하여 여러 상황에서 고객을 식별하는 방법에 대해 알아보았습니다. 이제 블럭스 솔루션을 사용하는 클라이언트들은 ‘User ID’와 ‘Device ID’의 장점을 동시에 활용하여 발급하는 ‘Blux ID’ 덕분에 로그인 여부와 기기의 개수, 그리고 고객의 명수에 상관없이 고유한 고객을 정확하게 식별할 수 있습니다.

실제로 블럭스 클라이언트 중 하나인 D사에서는 고객 개인화 상품 추천 시 User ID로만 고객을 식별했었는데요. 데이터 분석 결과 비로그인 상태로 탐색하는 고객의 비중이 높다는 사실을 알게 되었고, 이를 개선하기 위해 Blux ID를 도입하게 되었습니다. 그 결과, 다양한 상황에서 고객을 정확히 식별하면서 고객 상품 추천 매출액이 이전 대비 150% 상승하기도 했습니다.

저희는 앞으로도 Blux ID처럼 클라이언트의 서비스에 도움이 되는 기술을 지속적으로 개발하여 매출 상승에 도움을 줄 수 있도록 노력하겠습니다!

👉 고객 맞춤형 추천을 위한 데이터 식별 방법: 1편이 궁금하다면?