이슈하이라이트 리테일산업에서의빅데이터활용 유통 물류및소비재산업본부리더이재훈전무 02-6676-1134 jaehoolee@deloitte.com October 2014 No.3 23
많은선진소매유통기업들은관련사업으로의다변화, 옴니채널 (omni-channel) 및인수합병 (M&A) 등사업포트폴리오확대를통해변화된소비자의편의증대와소비자경험차별화를시도하고있다. 10여년전과비교해소매유통업은다음세가지측면에서극적인변화를겪고있다. 1. 소매유통기업관련산업으로의다변화추진및온라인, 오프라인, 모바일을융합한옴니채널 (omni-channel) 의등장으로소비채널이급속히확장했으며기능또한다양해졌다. 2. 소비자의편리한쇼핑을가능하게해, 소비자는그들의니즈가즉각적으로반영되길원하게되었다. 3. 소매유통기업간, 채널간경쟁심화로소매유통기업의수익성은악화되고있다. 많은선진소매유통기업들은관련사업으로의다변화, 옴니채널및인수합병 (M&A) 등의사업포트폴리오확대전략을수립하고변화된소비자의편의증대와소비자경험차별화를시도하고있다. 특히, 고객과보다효과적으로소통할수있는채널을확보하고소비자에게차별화된쇼핑경험을제공함으로써치열한경쟁하에서성장과수익을동시에누리고있다. 그러나고객과의소통은생각보다는단순하지않다. 고객을향해유통기업이전달하고자하는정보를일방적으로전달하는시대는오래전에끝났다. 오늘날소비자는어느시대보다더똑똑해졌으며더세분화되고개인화되고있다. 2020년에가서는모바일기기와인터넷으로무장한소비자중최소 3분의 1이온라인이나모바일을통해구매할것으로예상된다. 현재우리에게좋은혹은위대한고객이든아니면우리를떠나려고하는고객이든고객에대한이해와통찰이반드시필요하다. 고객경험에대한이해는필수다회사의상품을단한번이라도구매해주는고객은우리에게좋은 (Good) 고객이다. 그리고단골손님으로다른고객까지데리고와서자기와똑같이구매하게만들어주는고객은위대한 (Great) 고객이다. 그러나주목할대상은어느때보다더많은정보로무장하고가격, 서비스나제품을비교해조그만차이에도쉽게우리를떠날수있는고객이다. 더나은고객만족을통해더높은매출과수익을창출하기위해서는현재우리에게좋은혹은위대한고객이든아니면우리를떠나려고하는고객이든 ( 혹은다른쇼핑채널로떠나려는잠재고객이든 ) 고객에대한이해와통찰이반드시필요하다. 다행히, 소매유통업은제조업등타산업에비해고객의목소리를직접들을수있는채널을보유하고있어이를활용해고객과의소통과매장조정이나상품구색등을소비자의요구에맞춰개선시켜나갈수있는위치에있다. 그러나수많은채널에서쏟아져나오는정보로부터고객의쇼핑경험에대한이해와통찰을추출해내기는쉽지않다. 오늘날의데이터애널리틱스 (data analytics) 도구는회사내부에떨어져보관된데이터풀 (pool) 및외부의다양한데이터로부터의미있는데이터를추출하고분석하여고객경험에대한이해와통찰을제공하고있다. 24
소매유통기업이성공하기위한요소는여러가지가있다. 딜로이트가발간한 이례적으로우수한기업의세가지법칙 (The Three Rules: How exceptional companies think) 인 1 저가보다는고품질 (Better Before Cheaper): 가격이아닌가치, 2 원가보다는수익률 (Revenue Before Cost): 비용절감보다는판매량확대지향 3 이외에다른규칙은없다 (There are no other Rules) 는소매유통기업에적용된다. 마케팅관점에서본다면 1 Better Customer Satisfaction Before Cheaper 2 Revenue Before Cost 3 There are no other Rule로볼수있을것같다. 소매유통기업은고객관점 (customer insight) 에가치소비와차별화된경험을제공하고상품관점 (product insight) 에서는효과적인상품구색과머천다이징및타깃마케팅을통해수익을증대시켜야한다. 국내유통기업에서아직빅데이터를활용하여성공한사례는많지않지만해외글로벌선진유통기업들은빅데이터를적극활용하고있다. 선진유통기업은빅데이터를중요하게활용하고있다 2012년부터뜨거운감자로떠오른빅데이터는기존에사용됐던관계형데이터베이스가처리할수있는수준을뛰어넘는엄청난양 (volume) 과빠른속도 (velocity) 로증식하며정형및비정형데이터로구성된다양성 (variety) 이라는특성을가지고있다. 국내유통기업들, 특히주로오프라인매장을보유하고있는유통기업에서아직빅데이터를활용해성공한사례는많지않지만해외글로벌선진유통기업들은빅데이터를적극활용하고있다. 이미잘알려진사례로, 세계최대유통업체인월마트 (Walmart) 는월마트랩스 (Walmart Labs) 를통해소셜미디어에서수집한빅데이터를이용해소비자들의심리와행동양식을파악, 상품구성결정에반영하고있으며, 검색엔진인 폴라리스 (Polaris) 를개발해자사온라인쇼핑몰과모바일웹과애플리케이션에전면적용하는등빅데이터로부터소비자패턴을분석한자료를활용해재고관리를최적화하고매장별로소비자가원하는제품을원활히공급함으로써고객만족도를제고하고있다. 미국의온라인쇼핑몰인아마존닷컴 (Amazon.com) 의경우고객이구입한상품정보를분석해구매예상상품을추천하고개인화된쿠폰을제공해회사매출의약 35% 가빅데이터기반추천시스템을통해발생하며매년이익의 10% 를추천시스템성능향상에투자하는것으로알려져있다. 스페인의류업체인자라 (ZARA) 는전세계매장의판매및재고데이터를실시간분석해최대매출을달성할수있는 재고최적분배시스템 을개발해최적화를통한실시간고객의니즈에대응함으로써현재 77개국에 2,000여개의매장을가진세계최대의류기업중하나로부상하고있다. 이외에도테스코, 베스트바이, H&M 등빅데이터선두주자들은고객니즈에대응하기위해빅데이터를중요하게활용하고있다. October 2014 No.3 25
국내유통기업도경쟁우위를확보하기위해서는빅데이터도입을서두르고있다. 국내온라인유통기업들중 GS홈쇼핑, 쿠팡등은고객구매이력분석을통해매출상승을이루어냈다. GS샵은국내유통업체최초로하둡 (Hadoop) 1) 기반빅데이터플랫폼을직접구축하고이를기반으로추천시스템을구축해서관심을끌고있으며롯데그룹은옴니채널의 3대과제중하나로빅데이터를선정했다고한다. 빅데이터분석은더방대한자료의탐구와발견을통해인사이트를추출하여미래를예측하고마케팅프로세스에반영해야진정한효과를이끌어낼수있다. 국내유통기업의빅데이터활용에대한인식은여전히부족하다아직많은국내유통기업들의빅데이터활용필요성에대한인식이부족한것은사실이다. 그첫째이유는기업내부문화의문제다. 이해하기어려운복잡한고급통계와수학적기법을사용하는데이터기반문화는, 기존직관에의존해왔던의사결정권자에게도전으로받아들여졌기때문이다. 둘째는데이터분석의효과에대한의문이다. 의사결정권자는오랫동안기존의비즈니스인텔리전스 (business intelligence) 를통한과거자료및현재실적자료를통해검증가능한보고자료를의사결정의기초로삼아왔다. 반면빅데이터분석은더방대한자료의탐구와발견을통해인사이트를추출해미래를예측하고마케팅프로세스에반영해야진정한효과를이끌어낼수있다. 그러나아직까지해보지않은미지의세계에대한불안감때문에빅데이터를적극적으로수용하지못하고있다. 셋째는내부데이터분석전문가의부족이다. 빅데이터플랫폼을구축하기위해무엇부터시작해서, 무엇을할수있는지를이해하고시스템구축을추진할수있는빅데이터전문가를대부분의기업들이보유하지못하고있다. 넷째로는고객개인정보활용의한계및안정성문제다. 빅데이터인프라구축에대한투자의사결정에여전히많은걸림돌이있고유통기업들마다각각직면한상황이다르기때문에빅데이터구축전략또한기업마다다를수밖에없다. 단순히글로벌유통기업의빅데이터구축사례를벤치마킹하기에는비용대비효과를확신할수없는상황하에서의사결정권자로서는부담이클수밖에없다. 그렇다고치열한경쟁속에서손놓고가만히앉아있을수는없다. 현재의데이터로가능한일부터시작해보아야한다. 빅데이터를활용한작은프로젝트부터시작해데이터주도적인마케팅모델을지향하다보면데이터활용에대한새로운관점을가지게될것이다. 1) 저가서버와하드디스크를이용해빅데이터를상대적으로쉽게활용, 처리할수있는분산파일시스템. 26
딜로이트의 DA(Data Analytics) 팀이최근에수행한프로젝트에서 온라인유통기업이기업내 외부의빅데이터를어떻게활용해기업의 목표인매출신장과이익증대를가져왔는지살펴보면다음과같다. 현황 온라인상에서수백만개의아이템 (item) 을판매하는쇼핑몰을운영 회원정보및거래데이터등내부정형데이터와웹로그데이터가축적되어있으나이를활용할분석도구가부족 과거에도온라인몰에서의쇼핑만족도향상및구매유도를위한추천알고리즘개발에노력했으나실제로구매가이루어지는상품의수가한정되어있고, 등록고객중에구매발생고객수가많지않아희망하는수준의서비스가이루어지지못함 데이터분석을통한이해 (Understanding) 와통찰 (Insight) 상품에대한이해와통찰 (Product Insight) 고객장바구니는독립적인개별상품집합이아니라고객이보유한상황 (context) 하에서로연관된복수카테고리상품의집합이라는특성반영필요 개별 MD의관리수준을넘나드는상품아이템간의연관성에기반을둔교차판매 (cross selling 그림 1) 필요성대두 그림 1. Product Insight 개념도 A 사온라인몰 연관카테고리 주로함께구매 클릭되는카테고리 Category A Category B Category N 연관브랜드 주로함께구매 클릭되는브랜드 Category Aa Category Ba 연관상품 주로함께구매 클릭되는상품 Category Ab Category Ac Item Ac001 Item Ac002 Item... Brand B8 Brand K1 Brand D3 Category Bb Item Bb001 Item Bb002 Item... Category Bc Brand C9 Brand D4 Brand X5 Category Nt Item... Item... Item Nt453 Brand G4 Brand J6 Brand D7 예 ) Item Bb002 가격반응 ( 판매량 ) 가격 P1 가격 P2 가격 P3 October 2014 No.3 27
고객장바구니구성에서또하나의중요요소인가격에대해개별 상품이어느정도민감한가 ( 가격변화에따라구매의사가얼마나 변하는가 ) 에대한이해필요 고객에대한이해와통찰 (Customer Insight) 수백만고객들은이제까지주로매출을중심으로등급화되었고, 고객이선호하는브랜드및상품은개별 MD소관으로분리, 관리되어더욱체계적인고객이해기반필요성이대두됨 성과지표로고객매출이중요하게취급되다보니개별 MD의관심은자연스럽게쿠폰할인등을통한판매량증대에놓이게되었고, 이에따라외형적성장에비해마진율이좀처럼증가하지못하는상황이됨 고객별로기여매출이외에도모든거래비용을고려한이익기여도를관리하도록했으며 ( 그림 2 상단 ), 고객별기존구매이력과웹행동이력을통합해상품선호도를지수화함으로써실제거래가이루어지지않았더라도고객이표출한모든행동을활용할수있게됨 ( 그림 2 하단 ). 그림 2. Customer Insight 개념도 구매총금액기준고객등급 A B C D E F G H I J 고객수 손익기여도등급 예 ) 특정고객의카테고리선호도 예 ) 특정고객의브랜드선호도 선호도 선호도 C1 C2 C3 C4... 카테고리구분 B1 B2 B3 B4... 브랜드구분 연관기반의확장된선호도 구매 클릭기반의선호도 연관기반의확장된선호도 구매 클릭기반의선호도 28
개별상황에최적화된커뮤니케이션수행 (Offer Insight) 추천서비스의개선 과거에도일부상품에대해추천이이루어지고있었지만, 프로젝트를통해확대된추천상품 Pool과고객에대한이해를바탕으로모든상품에대해정제된연관추천과개인화추천을제공함 추천영역은다양한응용을통해사이트곳곳으로확대되어상품상세, 검색, 장바구니, 위시리스트, 개인화이메일등모든영역에서추천서비스가능하도록함 ( 그림 3) 그림 3. Offer Insight 개념도 ( 추천서비스 ) 예 ) 특정상품의연관상품추천스토어 상품상세페이지 대체재 특정상품의상세정보를조회하는화면 해당상품의대체재 보완재성격의상품추천 Item T001 S-Item S001 우선순위 검색 기준상품 보완재 C-Item S001 우선순위 고객이특정키워드를입력해관심상품을검색 키워드정확도및추천스코어를동시에고려한결과노출 위시리스트 예 ) 특정고객의개인화상품추천스토어 매출극대 고객이직접관심도를표시한상품목록 위시리스트조회시연관 개인화스코어를반영한상품추천 장바구니 Category Ab R-Item S001 우선순위 구매의사결정을내리기직전의상품목록 장바구니페이지조회시추가구매유도를위한상품추천 기준고객 이익 개인화이메일 P-Item S001 우선순위 캠페인고객을대상으로정기 비정기적으로발송하는메일 콘텐츠및상품목록을연관 개인화스코어기반으로구성 동태적가격정책 (Dynamic Pricing) 동태적가격정책은취급하는주요상품들의가격에대한고객반응을분석해매출또는이익극대화가가능한가격을판별할수있게함 1차가격의사결정권을가진 MD들이매출과이익등의전략목표실현관점에서어떻게가격을변화시켜나갈것인가에대한객관적이고과학적인의사결정체계를제공함 October 2014 No.3 29
캠페인고도화 모든고객이선호하거나선호할만한카테고리단위의정보를보유하게됨 과거고객선호에대한면밀한고려없이일부고객에게집중되었던캠페인관행에서벗어나서, 캠페인목적에따라대상고객을선별하거나, 고객개인에게맞추어캠페인을개인화하는등 정밀성높은최신미사일 역할을수행함 ( 그림 4) 그림 4. Offer Insight 개념도 - 캠페인고도화 총구매액기반캠페인 프로모션 (As-Is) 카테고리 브랜드선호도캠페인 / 프로모션 (To-Be) G1 G2 반복적인집중타깃 G1 G2 카테고리 A 가망고객 브랜드 C 가망고객 고객등급 G3 고객등급 G3 G4 G4 G5 G5 목적에따른맞춤형타깃 빅데이터분석시스템구축효과 추천영역에서의고객클릭빈도와장바구니에담기는횟수가과거에비해 70~80% 증가 동태적가격정책시스템의파일럿테스트결과모두모형이제시한방향으로가격을조정했을때, 의도했던목표 ( 매출또는이익증가 ) 를달성했으며상품별매출및이익률이 10~30% 까지증가 30
엄청난양과다양한형태로실시간쏟아져나오는데이터에서어떻게의미있는통찰을도출해고객과소통하느냐에유통기업의미래가달려있다고볼수있다. 유통업은디지털시대에신속히적응해야하며그출발점은데이터플랫폼구축과데이터분석기술의도입에있다디지털기술의발전으로유통업은변혁의시대에들어섰다. 매일기업내 외부에쌓이는데이터의양은방대하다. 특히웨어러블및사물인터넷기술의발전을통해앞으로유통기업이축적할데이터는엄청날것이다. 이미미국백화점의경우, 매장내외에쇼핑객의행동을포착할수있는다수의센서를설치해고객들의구매행태와성별, 연령대등을실시간으로포착하고집계한후이를구매내역결과와결합하여분석함으로써소비자의행동패턴의특성을파악해내고있다고한다. 엄청난양과다양한형태로실시간쏟아져나오는데이터에서어떻게의미있는통찰을도출해고객과소통하느냐에유통기업의미래가달려있다고볼수있다. Contact Points 본기고에대한문의는하단의연락처를참고해주시기바랍니다. 이재훈전무유통 물류및소비재산업본부리더 T. 02-6676-1134 E. jaehoolee@deloitte.com 이성욱상무딜로이트애널리틱스 T. 02-6676-3816 E. sungwlee@deloitte.com October 2014 No.3 31