SW융합 우수사례

[빅데이터 편] 고객 행태에서 마음까지 분석하며 고객 가치를 높인다!

SW중심사회 2016-12-23 4046명 읽음


 

 

빅데이터는 이제 생소한 기술이 아니다. 빅데이터가 유행하기도 한참 전인 1941년 ‘정보 폭발(Information explosion)’이란 단어로 옥스퍼드 사전에 이름을 올린 빅데이터는 1944년 미국 대학교 도서 목록이 16년 주기로 배가된다는 사실이 공개되면서 정보의 양이 기하급수적으로 급성장할 수 있음을 보여주었고, 이후 데이터양에 대한 연구가 진행되었다. 1975년에는 어마어마한 규모의 데이터양을 의미하는 VLDB(Very Large Data Base)의 빠른 처리에 대해 논의하는 컨퍼런스 등이 개최된 적도 있다.

 

현재 통용되는 빅데이터의 정의는 2001년 더그 레이니(Doug Laney)의 저서인 <3D Data Management>를 통해 선보였다. 이 책은 빅데이터를 데이터의 양(Volume), 입출력 속도(Velocity), 다양성(Variety)이란 3V 모델로 정의하고, 단순히 데이터의 용량이 크다는 의미가 아닌 데이터 처리의 흐름을 강조하였다. 가트너 역시 빅데이터는 큰 용량, 빠른 속도, 높은 다양성을 갖는 정보 자산으로, 의사 결정 및 예측을 할 수 있는 데이터라고 정의를 내렸다. 이후 3V 모델은 IBM이 주장한 진실성(Veracity) 또는 브라이언 홉킨스(Brian Hopkins) 등이 주장한 가변성(Variability)을 추가한 4V 모델로 확장되어 정의되고 있는 상태다.

 

어떻게 보면 빅데이터는 최근 들어 유행한 기술처럼 보이지만 오래전부터 논의되고 활용되었던 기술이다. 실제로 우리 생활 곳곳에서 쉽게 발견할 수 있는 기술이기도 하다. 대표적인 사례로 아마존의 추천 기능을 꼽을 수 있다. 아마존에서 도서를 구매한 사람들의 목록을 분석해 추가로 구매할 것으로 예상하는 도서를 추천하는 시스템을 개발해 할인 쿠폰과 증정하는 이벤트를 진행했다. 이는 국내 많은 쇼핑몰 업체에서 자주 하는 일로, 이것이 바로 빅데이터 기술이다. 미디어 콘텐츠 유통업체인 넷플릭스(Netflix)의 경우 이용자의 영화 대여 목록을 기초로 새로운 영화를 추천하는 시네매치(Cinematch) 시스템을 개발했는데, 이 역시 빅데이터 기술이다.

 

 

<빅데이터 기반으로 버스 노선도를 결정해 운행 중인 서울시 올빼미 심야버스>

 

 

국내 사례로는 지난 2013년부터 운영 중인 올빼미 버스를 빼놓을 수 없다. 요즘 같은 연말연시 심야버스의 이용률이 높은데, 이 심야버스의 운행 노선이 빅데이터로 결정되고 있는 것. 즉, 밤 시간대 유동인구가 높은 구간을 묶어 노선을 만드는 방법으로, 이 구간은 휴대전화 통화 이력과 통화량을 분석해 유동인구 분포도를 그려냈고, 승하차 분포에 따라 배차 간격을 조절하는 방식으로 운영하고 있다.

 

이와 함께 서울시는 어린이 보행자 교통사고 빅데이터를 분석해 교통사고의 58%가 초등학교 반경 300m 이내에서 초등학교 저학년 남자 어린이들에게 가장 많이 발생하며, 해당 지역은 과속 방지턱이 부족하다는 의견 등을 도출해 교통안전시설을 추가로 설치하고 어린이 대상으로 안전교육 등을 시행하며 교통사고율을 낮추기 위해 노력해 왔다.

 

이 외에도 빅데이터는 전 산업 분야에 걸쳐 비즈니스 용어로도 활용되며 접목되고 있다. 데이터를 통해 돈을 버는 일이 핵심 가치로 등극한 만큼, 빅데이터를 도입해 경쟁력을 높이는 기업들이 늘고 있다. 또한, 기존의 데이터 분석과 처리 기술은 인공지능, 빅데이터 시각화 등의 기술을 접목해 고도화하는 중이다. 이에 우수 사례 중심으로 국내 활용 사례를 알아보고 향후 진화 방향을 살펴보기로 한다.

 

 

#1. 빅데이터 원천 자료의 차별화로 고객 만족 높이는 LG생활건강

30대 초반의 신소영 씨는 여느 여성들처럼 미용에 민감하다. 하지만 그동안 바쁜 직장 생활 때문에 시간을 내서 맘 편히 화장품을 구입하기 힘들었다고 한다. 퇴근길 화장품 로드숍을 방문해 신제품들을 둘러보았지만, 민감성 피부 타입에 맞을지 고민하다가 발길을 돌리기 일쑤. 하지만 언제부터인가 LG생활건강의 화장품을 구입한 이후로 제품이 떨어질 때쯤 해서 관련 할인쿠폰이 날아오기 시작했다.

 

“백화점에서 기초 화장품을 샀던 것 같은데, 그 후로 화장품이 떨어져 가는 걸 어떻게 아는지 신제품 정보와 함께 할인쿠폰을 제공하더라고요. 정말 신기했어요.” 아울러 신소영 씨는 굳이 화장품 브랜드를 바꿀 필요가 없어 정가보다 싼 가격으로 제품을 구입하고 있다고 말한다. 이처럼 LG생활건강이 고객에게 필요한 상품을 구매 시기에 맞춰 추천하기 시작한 것은 빅데이터를 도입한 2년 전부터다. 당시 전 세계 유통업체들은 빅데이터에 관심을 두기 시작했고, 특히 세계 1위의 코스메틱 브랜드 로레알의 경우 빅데이터를 기반으로 실시간 마케팅 태세에 돌입하겠다고 발표하던 때다.

 

LG생활건강은 LG CNS를 통해 빅데이터 기술을 활용하기 시작했다. 마케팅 활동의 RIO를 높이고자 개개인의 구매 심리를 예측하고 판매율을 높이는 개인화 추천 솔루션을 적용한 것인데, 이는 앞서 말한 아마존의 사례와 유사하다. 다만 LG CNS는 아마존이 사용하면서 유명해진 협업 필터링(Collaborative Filtering) 알고리즘, 개인별 구매 패턴을 분석하는 구매주기 분석, 연관 상품 분석 알고리즘에 개개인의 구매 심리를 적용한 독자적인 하이브리드 알고리즘을 개발해 빅데이터 시스템을 구축했다. 그리고 이를 통해 신소영 씨와 같이 한 번 구매한 고객들의 구매 주기, 구매 품목, 반품 기록 등의 데이터를 축적하여 마케팅 용도로 활용하는 것이다.

 

 

<소비자의 요구를 분석하기 위해 도입한 LG생활건강의 빅데이터 기술 및 LG CNS 오디피아>

 

 

신제품 개발 아이디어를 얻거나 마케팅을 할 때도 소셜네트워크 데이터를 활용한 빅데이터 기술이 이용되고 있다. 보통 신제품을 개발하기 전 소비자의 숨겨진 요구를 찾아내기 위해 많은 시간과 노력을 투자하는데, 차별화된 아이디어 도출을 위해 소셜미디어까지 포함해 분석하는 게 트렌드가 되었다. 이에 LG CNS는 소비자들이 내놓는 소셜 데이터를 기반으로 고객의 행동 양식을 직접 관찰하고 인사이트를 분석할 수 있는 빅데이터 기술을 계속해서 연구해 왔다. 이는 올 초 일반인들도 손쉽게 소셜데이터와 연계해 시장을 분석할 수 있도록 LG CNS가 공개한 오디피아(ODPi, www.odpia.org) 사이트에서 그 기술력을 엿볼 수 있다. 실제로 언론기사와 블로그, SNS 통해 일반인들의 관심 키워드를 카테고리별, 일간 및 주간 단위로 확인할 수 있다.

 

한편, LG생활건강의 빅데이터 기술은 여기에 그치지 않고 계속 진화 중이다. 데이터를 활용한 정보 기술이 향후 기업 발전에 핵심일 될 것이라고 판단, 색조 메이크업과 관련한 빅데이터 사업을 고도화시키고 있다. 특히 소셜미디어 등의 외부 데이터가 아닌, 피부와 직접적인 자체 데이터를 수집해 축적하면서 빅데이터 기술을 확장하고 있다는 점에 주목할 필요가 있다.

 

그 하나로 LG생활건강의 메이크업 브랜드 VDL이 작년 3월부터 제공하는 ‘컬러인텔서비스’다. 컬러인텔서비스는 고객의 피부 톤을 측정해 110개로 분류한 피부 톤 중 어디에 해당하는지 판단하고, 이에 어울리는 파운데이션, 립스틱 등을 추천하는 간단한 서비스다. 하지만 업체는 이를 통해 제품의 환불을 줄이면서도, 선호하는 피부 톤을 파악하고 피부 톤별로 제품 생산량을 조절할 수 있는 이점이 생긴다. 실제로 컬러인텔서비스를 도입하면서부터 환불 요청이 대거 줄어들었고, 매장에서 측정한 피부 톤에 맞춰 제품을 구매하는 객단가도 약 2배 정도 늘었다고 한다.

 

 

<자체 데이터 축적으로 차별화된 서비스를 제공하는 LG생활건강 VDL 컬러인텔서비스>

 

 

최근에는 서울대학교 산학협력단, 한국정보화진흥원과 컨소시엄을 구성하여 사용자들의 ‘메이크업 평가 인공지능’ 앱도 개발 중이다. 고객이 올린 사진을 분석해 메이크업 완성도를 점수로 나타내는 엔진과 응용 프로그램을 개발하는 프로젝트인데, LG생활건강은 메이크업 초기 데이터 및 매칭 점수 데이터를 제공하고, 서울대학교는 딥러닝을 통한 엔진 개발을, 한국정보화진흥원의 빅데이터센터는 엔진 설계 검수와 자원 제공을 담당하여 내년 1월경 출시를 목표로 하고 있다.

 

LG생활건강의 권도혁 상무는 이번 프로젝트의 추진 배경에 대해 “메이크업에 관심이 많은 10~20대 여성들 사이에서 셀카 및 시뮬레이션 서비스의 수요가 증가하고 있고, 피부 측정 등의 맞춤형 서비스가 성숙하고 있습니다.”라며, 무엇보다도 기업 입장에서는 이미 존재하고 있는 스킨케어 관련 데이터보다 색조 메이크업 데이터 자료의 빅데이터 구축이 필요했다고 설명한다(참고로 아모레퍼시픽이 스킨케어, LG생활건강이 색조 메이크업에 집중해 맞춤형 화장품을 제공하고 있다).

 

이 프로젝트를 위해 LG생활건강은 민낯, 베이식, 러블리, 스모키 등 다양한 메이크업 이미지 데이터 1만 건 이상을 확보하고, 이에 대한 평가 데이터 3만 건 이상을 확보했다. 그리고 확보한 데이터를 가공 및 분석하여 인공지능의 초기 모델을 구현했는데, 이 과정에서 주목할 3가지가 있다.

 

첫째는 기존 메이크업 서비스들이 본인 얼굴에 화장품을 덧칠해 보는 시뮬레이션 형식이었다면, 이번에는 화장한 모습을 진단하여 근본적으로 화장법 개선에 도움을 준다는 점이다. 또한, 미적 평가란 주관적인 요소를 평가 결과로 객관화했다는 점도 돋보인다. 마지막 세 번째는 화장품 업체들의 빅데이터 활용 사례에서 보기 드문 이미지 빅데이터를 구축한 점이다. 특히 이미지 마이닝 기술은 대용량의 이미지 자료를 다루는 만큼 처리 속도 등에 신경을 써야 할 뿐만 아니라, 통제되지 않은 상태에서 수집한 자료 가운데 중요한 의미가 있는 패턴을 찾으려면 경험과 학습에 의한 분석이 더 요구되는 만큼 인공지능이 전제될 수밖에 없다.

 

이렇게 구축한 이미지 기반의 빅데이터 자료는 향후 색조 메이크업 제품 개발은 물론, 마케팅에 응용될 계획이다. 전문가들의 참여로 평가된 메이크업 점수에 따라 본인 메이크업 개선점을 확인하면서 관련 제품들을 추천받는 형태로 세일즈에 긍정적인 영향을 미칠 수 있다. 또한, 질적으로 향상된 빅데이터를 경험하는 이용자가 많아질수록 기업의 색조 데이터 정보와 이를 처리하는 엔진은 더욱 정교해질 것으로 전망된다.

 

 

<빅데이터 기반의 메이크업 평가 인공지능 앱을 개발 중인 LG생활건강 @빅데이터 발표자료>

 

 

한편, 이번 취재에서 LG생활건강 외에도 많은 화장품 기업들이 빅데이터 기술을 활용하고 있고, 향후 확장할 계획을 하는 것으로 확인되었다. 예컨대 아모레퍼시픽의 경우 LG생활건강의 VDL보다 1년 전부터 아이오페의 ‘바이오랩 피부진단’ 서비스를 제공 중이다. 해당 매장을 방문하면 피부에 대한 정밀 진단을 제공하는 것으로, 색소 침착, 유분, 수분, 눈가주름, 모공, 피지분포 등 피부의 전반적인 상태를 측정해 생활 습관부터 필요한 제품들까지 꼼꼼하게 추천하고 있다. 고운세상도 지난 7월부터 닥터지 브랜드에 대한 ‘마이스킨멘토 DNA’ 서비스를 제공하며 유전자 검사 및 바우만 피부 타입 테스트 결과를 제공하고 있다.

 

아모레퍼시픽, 애경, 더페이스샵, 토니모리, 이니스프리 등 자체적으로 빅데이터 솔루션을 구축하거나 도입해 시장 트렌드를 분석하기도 하지만, 정부의 빅데이터 지원정책을 활용해 성공한 사례도 꽤 된다. 한방화장품으로 알려진 존스킨화장품이 대표적인 예로, 신제품 개발에 난조를 겪던 이 업체는 빅데이터 수집 및 가공, 분석을 통해 한방 효과를 대중화시킬 수 있는 남성용 에프터 쉐이브 에센스를 출시해 예상했던 것 이상의 성과를 거두기도 했다.

 

이처럼 화장품 업계는 제품 기획부터 마케팅, 판매까지 전 과정에서 고객의 작은 소비 심리까지도 파악하기 위해 빅데이터를 구축 및 활용하고 있으며, 더 나아가 빅데이터 품질과 분석 결과의 질을 높이기 위해 자체 데이터 생산 및 축적에 신경을 쓰고 있다. 이를 통해 다양한 소비자 경험을 제공하고 고객 가치를 높이겠다는 움직임이다.

 

 

#2. 빅데이터에서 출발한 신한카드 고객 맞춤형 혜택 서비스

금융권에서는 카드사 중심으로 빅데이터 기술을 도입하기 시작했다. 특히 단순히 많은 양의 데이터를 수집 및 가공해서 마케팅에 활용하는 것 외에도 신상품을 설계하거나 빅데이터 플랫폼을 구축하는 등 다양한 형태로 확장되는 양상이다. 그 대표적인 곳이 신한카드사. 신한카드는 지난 2014년 초에 빅데이터 센터를 출범하여 2,200만 고객의 데이터를 바탕으로 코드나인 등의 신상품을 개발했을 뿐만 아니라, 한국문화관광연구원과 협력하여 한국을 방문하는 외국인들의 신용카드 지출액을 분석하는 등 활발한 분석 활동을 펼쳐왔다.

 

물론 초반에는 빅데이터 도입을 두고 상당히 많은 고민을 했다고 한다. 기업이 확보한 데이터가 정말 빅데이터인지, 그 양이 얼마나 많아야 원하는 결과를 도출할 수 있는지, 기업에 필요한 데이터를 어떻게 정의할 것인지, 실시간 정보 분석 및 도출을 위해 막대한 시스템 투자가 필요한데 그만한 가치가 있는지 등 따져볼 게 많았다. 무엇보다도 빅데이터 활용 방안을 수립하는 것이 관건이었다. 아무리 빅데이터가 세상을 바꿀 중요한 기술이자 21세기 원유라고 해도 어떻게 활용할지를 결정하지 못하면 무용지물이기 때문이다.

 

이에 신한카드 이종석 센터장은 자산을 면밀히 확인하는 것부터 시작했다고 말한다. 22%의 시장을 점유하고 있는 만큼 빅데이터의 원천 소스가 광범위했기 때문이다. 실제로 2,200만 회원과 270만 가맹점 통해 매월 약 2억 건의 승인이 이뤄지고 있었다. 또한, 580만 명의 모바일앱 회원과 매월 640만 명의 온라인 방문 회원들이 생성하는 소비 관련 데이터와 상담센터로 들어오는 300만 통의 콜 등도 포함하면 그 양은 93테라바이트에 달하는 규모.

 

신한카드는 곧장 고객의 소비 패턴 빅데이터 분석에 들어갔다. 이 과정에서 세대나 계층과는 무관하게 유사한 소비 성향의 고객 집단을 도출했고, 고객 집단의 최신 소비 트렌드를 찾기 위해 이전에는 사용하지 않던 웹 로그, 상담 내용, 소셜데이터 등과 외부 데이터를 활용해 ‘코드나인’이란 인사이트 모델을 만들었다. 이 과정에서 신한카드는 고객관계관리시스템(CRM)을 넘어 사업 영역을 확장할 수 있는 고급 컨설팅 정보들을 확보할 수 있게 된 것이다. 그리고 코드나인 모델을 상품화하여 출시했는데, 기존 카드 대비 이용률이 23.7% 증가하는 성과를 거두었다.

 

 

<빅데이터 기반의 개인별 맞춤 할인 서비스 샐리>

 

 

고객의 반응도 좋았다. 특히 고객 소비 패턴의 빅데이터 기반으로 개인별 맞춤 할인 서비스 ‘샐리(Sally)’를 가동하면서부터 고객의 체감지수와 반응이 뜨거워졌다고 한다. 많은 고객이 자신의 상황과 소비 생활에 필요했던 광고 정보를 받으면서 할인 혜택을 받을 수 있었기 때문이다. 신사동에서 직장을 다니는 이수진 씨도 샐리 서비스의 혜택을 톡톡히 본 고객 중 한 명이라고 말한다.

 

“작년에 임신하게 되었는데, 어떻게 알았는지 태교 관련한 상품을 광고 메일로 보내더라고요. 물론 평소랑 쓰는 게 많이 달라지긴 했죠. 커피 대신 우유를 찾고, 산부인과 찾는 일이 많아졌으니까요. 아마도 빅데이터로 분석한 것 같은데 여러모로 편하더라고요. 게다가 ‘FAN’이란 앱카드에 통합되어 제공되니까 원하는 정보를 확인하고 바로 결제할 수 있어서 더 좋았고요.”

 

이종석 센터장은 현재 고객별 소비 패턴 기반의 선호 업종 예측 모델을 개발 중이라고 했다. 소비 업종 간의 연관성을 분석하는 토픽(Topic) 알고리즘 통해 신한카드를 이용하지 않는 고객 중 예상되는 소비 고객을 발굴하는 것이다. 또한, 목표 고객의 전략적 관리를 위해 빅데이터 분석용 신규 변수도 계속 개발하며 추가하고 있으며, 다양한 가맹점 업종 데이터와 연계한 타깃 마케팅도 준비 중이다. 현재 고객 집단별로 선호하는 마트와 품목을 도출하고 있다면, 앞으로는 구입한 요일과 품목, 날씨, 관심사, 구매자 유형 등의 데이터를 연계해 다음 구매를 예측한다는 것이다.

 

최근에는 지금까지 추진해 온 빅데이터 경험을 토대로 성장 가능성이 높은 인공지능 기술을 결합해 고객의 소비 생활을 조언해주는 ‘FAN페이봇’도 선보였다. FAN페이봇은 고객이 원하는 비용 관리 항목을 인공지능의 도움으로 체크하고, 비용 관리 항목별 예산 설정 시 예산 내에서 지출할 수 있도록 안내하는 기능을 제공한다. 즉, 매일매일 빅데이터를 공부해서 현명한 소비를 도와주는 서비스이다.

 

이종석 센터장은 이 서비스의 특징에 대해 “기존에는 공급자 입장에서 고객의 소비 패턴을 분석해 관리하는 경향이 높았습니다. 하지만 FAN페이봇은 소비자 관점에서 고객 요구에 맞춰 취미나 자기관리, 노후준비 등을 관리하게 도와줍니다.”라고 설명한다. 또한, 구글의 알고리즘을 이용해 고객의 소비 패턴과 소비 전반에 대해 개인 맞춤형으로 종합 진단하고 알람 및 처방 내역 등을 제공하는 점을 강조했다.

 

구체적으로 FAN페이봇은 카드 실적을 토대로 고객의 소비 현황을 다각적으로 보여준다. 지난달 소비 내역과 예산 대비 소비 내역, 키워드 중심의 월간 소비 리포트, 최근 6개월간의 소비 순위 등을 제공한다. 특히 월간 소비 리포트에서는 소비 수준이 이용자와 비슷한 성별 및 연령층 기준으로 어느 정도 되는지 보여주고 있고, 집중적으로 소비하는 지름신이 오신 날 등은 흥미로운 기능을 제공한다. 현재 임직원 대상으로 시범 서비스 중인 FAN페이봇은 구글 알고리즘을 통해 소비 패턴 분석을 정교하게 학습하는 과정을 거쳐 전체 고객 대상으로 서비스될 예정이다.

 

 

<고객의 소비 패턴을 분석해 현명하게 관리해주는 신한카드 FAN페이봇>

 

 

한편, 신한카드 이외의 다른 업체들도 빅데이터 활용에 적극적으로 참여하는 중이다. 삼성카드의 경우 지난 2014년부터 빅데이터를 기반으로 한 개인 맞춤형 마케팅을 제공하고 있다. 일명 ‘스마트 알고리즘’을 개발해 고객들의 결제 기록과 장소 등의 다양한 원천 데이터에서 314개의 소비 트렌드를 분석하는 빅데이터를 구축하고, 개인 맞춤형 혜택 서비스인 링크(LINK)를 통해 고객이 자주 찾는 마트나 상황에 맞는 할인 정보를 제공 중이다. 또한, 최근에는 빅데이터 기반의 가맹점 지원 통합 서비스 브랜드인 BMP(BIgdata Marketing Partnership)를 시행하면서 가맹점들의 매출 증대를 위한 컨설팅 서비스를 제공하기 시작했다.

 

또한, 현대카드는 카드사 중 처음으로 인공지능 부서를 설립해 알고리즘 개발에 집중하고 있다. 개인 소비 패턴은 물론 경제 전반의 각종 활동 정보 등을 폭넓게 활용하여 유망 사업을 파악하는 등 가치 있는 정보를 추출하기 위해 노력하고 있다. 그밖에 국민카드는 빅데이터를 활용한 마케팅은 물론 음성 상담에 있어도 빅데이터 기술을 접목해 불완전판매를 예방하고 있다. 이처럼 금융업계는 자사에 축적되는 고객 결제 기록 등을 활용해 개인 맞춤형 사업은 물론 사업 영역을 확장하기 위해 매진 중이다.

 

 

#3. 뚜렷한 빅데이터 접근 방식이 성공의 관건

지금까지 화장품 및 금융업에서 활용되는 빅데이터 우수 사례에 대해 살펴보았다. 하지만 일반 중소기업의 입장에서는 빅데이터의 장점을 알아도 큰 비용 투자에 대해 섣불리 결정하지 못할 수도 있다. 무엇보다도 빅데이터를 어떻게 도입할 것인지에 대한 방향을 잡지 못할 수도 있다. 이에 대해 빅데이터 컨설턴트 김영석 실장은 전략적이고 순차적인 접근 방법이 필요하다고 말한다.

 

“기업 상황에 따라 사용할 수 있는 전략은 두 가지가 있습니다. 첫째가 빅데이터의 도입 목적이 뚜렷한 경우죠. 이럴 때는 먼저 분석의 목표를 정의하고, 그 목표 달성을 위해 필요한 빅데이터를 찾아 분석하면서 패턴을 해석하는 순서로 접근해야 합니다.” 이어 김영석 실장은 “빅데이터는 있는데 어떻게 활용할 지 방향이 서지 않을 경우도 있는데, 이 경우 먼저 빅데이터를 파악하고, 여기에서 도출할 수 있는 목표 목록을 만들어, 순차적으로 그 목표를 위한 빅데이터 분석 및 해석의 과정을 밟아야 합니다.”라고 설명한다.

 

실제로 이런 과정을 밟아 성공한 중소기업도 꽤 있다. 미래창조과학부, 한국정보화진흥원, K-ICT 빅데이터센터의 빅데이터 활용지원 사업에 선정되어 새로운 경쟁력을 창출한 죠샌드위치가 그중 한 곳이다. 2000년부터 사업을 시작해 온 죠샌드위치는 고객의 입맛을 사로잡을 신메뉴를 찾겠다는 뚜렷한 목적이 있었다. 이에 다음소프트의 온라인데이터 분석 솔루션을 활용하여 2010년부터 2015년까지 축적된 뉴스, 트위터, 블로그 등에서 생산된 약 79억 건의 데이터에 대한 빅데이터 분석에 들어갔다.

 

빅데이터의 분석 요건은 샌드위치 관련한 트렌드는 물론, 샌드위치를 구매하는 소비자층, 시간대, 장소 등이었다. 그리고 빅데이터 분석을 통해 5년 연속 ‘집밥’이란 트렌드와 함께 샌드위치와 관련 키워드로 ‘집’, ‘숙소’ 등이 상위권에 자리 잡고 있음을 발견했다. 이에 더욱 정확한 정보를 얻기 위해 경쟁 제품인 햄버거, 도넛 등과의 감성어를 비교한 결과 집밥의 대표 감성어인 ‘따뜻하다’, ‘건강하다’란 키워드를 샌드위치에서도 확인할 수 있었다. 결국 죠샌드위치는 빅데이터 분석을 통해 집밥 이미지를 찾아냈고, 주요 고객층인 대학생과 자취생, 직장인을 집중 분석하여 이들이 주로 아침에 샌드위치를 구매한다는 점도 도출해냈다.

 

 

<빅데이터 분석을 통해 집밥 개념의 신메뉴 빠네디까사를 개발한 죠샌드위치>

 

 

이런 빅데이터 분석을 통해 죠샌드위치는 건강한 이탈리아 집빵 개념의 ‘빠네디까사’란 신제품을 출시하게 되었다. 또한, 아침에 든든하게 먹을 수 있는 새로운 모닝 세트 메뉴인 쁘띠빵도 출시했다. 둘 다 집밥처럼 신선하고 건강한 재료를 강조해 천연 발효 빵으로 만들었고, 수프를 포함한 세트 메뉴도 고안해냈다. 고객의 반응도 좋았다. 이탈리아 홈메이드의 맛을 느낄 수 있었다는 고객 평이 입소문 나면서 매출로 이어졌다.

 

이는 다른 중소기업들도 응용해 볼 수 있는 사례다. 실제로 이 과정을 모두 경험한 죠샌드위치는 빅데이터의 중요성을 깨닫게 되고 경영에 적극적으로 도입하는 부분을 모색하고 있다. 빅데이터를 활용하기 위해서는 어떤 방식으로 경영에 도입할 것인지 뚜렷한 목표를 갖고 접근해야 한다는 중요한 교훈을 얻은 만큼, 향후 어떻게 활용할지에 대해 방향을 잡은 셈이다.

 

우리는 수많은 언론보도 등을 통해 빅데이터의 필요성을 감지하고 있다. 전 세계인들이 쏟아내는 구글 검색 키워드만으로 2008년 미국 대서양 연안 중부지역에 독감이 퍼질 것이란 걸 예측한 사례나 범죄 발생 가능성을 예측하고 제조 비용을 대폭 감소한 사례들을 언급하지 않아도 완연한 빅데이터 기술 시대란 걸 알기 때문이다. 더욱이 빅데이터는 단순한 분석과 해석에서 벗어나 인공지능 기반으로 향후에 벌어질 행태 등을 예측하고, 고객 가치를 높이는 다양한 용도로 활용되고 있다. 사람들이 쏟아내는 데이터에서 소비자의 행태는 물론 속마음까지 파악하는 과정으로 넘어가는 만큼, 그 어느 때보다 체계적이고 효율적인 빅데이터 활용 방안의 모색이 필요하다.

 

※본 기사는 ICT 전문필자들의 모임 테크스토리가 소프트웨어를 활용한 우수사례를 발굴하여 작성한 내용으로, 업체 선정 등에 있어 SW중심사회의 편집 방향과 다를 수 있음을 밝힙니다.

홈페이지 만족도

콘텐츠 내용에 만족하십니까? 현재 페이지의 만족도를 평가해 주십시요. 의견을 수렴하여 빠른 시일 내에 반영하겠습니다.

등록