'이탈 예측, 감정 분석, 개인화된 경험'...MS, 고객 충성도 높이는 방법 소개

'오는 사람 막지 않고, 가는 사람 잡지 않는다'는 말을 입에 달고 사는 사람이 있다. 그것이 그만의 인생철학이고, 그렇게 살고 싶다면 그는 그렇게 살아도 된다. 하지만 기업은 그렇게 사람을 대하면 곤란하다. 기업에게 모든 사람은 '고객'이다. 영업과 판매의 대상인 소비자는 외부 고객, 협조와 협업의 대상인 직원은 내부 고객이다. 그래서 새로운 고객을 늘리는 것만큼, 떠나는 고객을 줄이는 것이 중요하다. 

베인 앤 컴퍼니의 '비용 절감을 위한 처방(Prescription for Cutting Costs, Bain & Company)'에 따르면, 고객 유지율을 5%만 높이면 매출이 25% 이상 증가할 수 있다. 충성도 높은 고객이 많으면 머무르는 고객이 많아지고, 그것은 곧 매출로 이어진다. 새로운 고객을 유치하는 것도 중요하지만, 기존의 고객의 충성도를 높이는 것이 훨씬 적은 투자로 높은 효과를 얻을 수 있다. 이러한 사실은 마케터라면 누구나 알고 있는 기본 상식이다.

 

충성도 높은 고객을 유지하기 위해서는 고객 이탈을 이해하고, 개선의 여지를 만들며, 독특한 경험을 만드는 세 가지 조치가 필요하며, 마이크로소프트 다이내믹 365 커스터머 인사이츠(Microsoft Dynamics 365 Customer Insights)는 이러한 조치에 필요한 정보와 분석을 제공한다. (자료:Microsoft)

마이크로소프트의 수석 제품 마케팅 관리자(Senior Product Marketing Manager)인 다이애나 호프만(Diana Hoffman)이 바로 그런 상식을,  현업에서 실제로 어떻게 이해하고 접근해야 하는지에 대해 마이크로소프트 다이내믹 365 블로그를 통해 소개했다. 그는 고객 이탈을 이해하고, 개선의 여지를 만들며, 독특한 경험을 만드는 세 가지 조치가 필요하다고 설명한다.

그리고 브랜드를 떠나려는 고객을 잡기 위해 시도할 수 있는 그런 세 가지 조치를 위해, 마이크로소프트 다이내믹 365 커스터머 인사이츠(Microsoft Dynamics 365 Customer Insights)로 무엇을 하고 어떻게 도움이 되는 지를 소개하고 있다. 그는 어떤 고객이 머물고 어떤 고객이 떠나려고 하는 지를 어떻게 아는지, 고객들이 긍정적인 경험을 하도록 하는 가장 좋은 방법은 무엇인지를 고민해야 한다고 조언한다. 

어떤 고객이 이탈할 가능성이 있는 지를 아는 것은 중요한 일이지만 쉬운 일은 아니다. 그래서 이러한 조짐을 사전에 알 수 있는 솔루션들이 계속해서 개발되고 있고, 기계 학습과 다양한 인공 지능 알고리즘 분석이 도입되면서 이탈 가능성과 시기를 예측하는 능력이 점점 향상되고 있다. 어떤 고객에게서 그런 조짐이 보이는지 예측이 가능하면, 더 높은 가치를 제공하고 충성도는 높이는 전략이나 정책을 구사할 수 있다. 

다이내믹 365 커스터머 인사이츠의 경우는 사용자 지정 인공 지능을 훈련하고 정기적으로 실행하도록 모델을 만들고, 이러한 결과의 출력을 고객 레코드의 속성으로 통합한다. 결과를 지속적으로 개선하고 정기적으로 모델을 재학습하도록 설정하며, 고객과 기업 데이터를 결합해 기계 학습 모델을 개발하고 교육하는 애저 머신 런닝(Azure Machine Learning)이나 애저 시냅스 애널리틱스(Azure Synapse Analytics)를 사용할 수 있다.

예를 들어 특정 제품 범주에서 마지막 구매 이후 시점을 기준으로 고객 이탈을 예측하거나, 온라인 구매에 사용되는 장치 유형과 같은 추가 요소를 분석 모델에 추가하면 고객이 구매 프로세스에서 겪을 수 있는 문제나 불편함을 개선하는 데 활용할 수 있다. 또는 특정 장치나 쇼핑 방법에 따라 제품 반품이 높다면, 이를 근거로 지원 서비스를 개선해 고객의 이탈을 예측하고 이를 개선하는 데 활용하는 것이 가능하다.

이탈할 가능성이 있는 고객을 예측하고, 떠나려는 고객의 발길을 잡으려면, 그의 마음을 알아야 한다. 그래야 개선의 여지를 만들 수 있기 때문이다. 이를 위해서는 고객의 감정을 분석해 비즈니스 측면과 고객 피드백을 종합해야, 고객의 요구와 필요를 더 잘 이해하고 대응할 수 있다. 이를 테면 배송 지연에 따른 온라인 댓글, 좋은 매장 경험을 제공한 직원에 대한 감사 메시지 등이 중요한 정보가 된다.

다이애나 호프만은 "고객이 자신의 의견을 표현하고 공유할 수 있는 채널과 플랫폼이 그 어느 때보다 많다. 오늘날의 고객은 고품질의 제품, 서비스 및 브랜드 경험을 기대하며, 이러한 점을 다른 쇼핑객과 고객이 놓치면 주저하지 않는다. 문제는 정확성을 떨어뜨리거나 인건비를 증가시키지 않으면서, 증가하는 고객 데이터의 양을 이해하는 것이다"며 감정 분석의 필요성을 강조한다.

그는 인공 지능을 활용한 자연어 처리를 댓글 분석에 활용하면, 댓글에 감정 점수를 할당하고 이를 비즈니스 관점에서 분석할 수 있다고 설명한다. 이러한 자동화 프로세스를 통해 고객이 말하는 내용뿐만 아니라 그 이유를 알아낼 수 있어야, 고객과의 실제 접점이 생기는 비즈니스 현장에서 무엇이 중요하고 필요한지를 알 수 있다는 것이다. 

그는 "부정적인 감정을 가진 고객을 식별하고, 더 높은 만족도와 충성도를 가질 수 있도록, 캠페인과 참여에 집중하도록 한다. 고객이 지적한 문제가 무엇인지에 이를 해결할 접점이 무엇인지 확인하고, 성과가 낮은 프로세스나 업무 방법을 최적화하기 위해 노력한다. 감정을 기반으로 고객을 세분화하고, 고객의 만족감을 높일 수 있는 개인화된 캠페인을 실행한다"를 감성 분석을 활용한 고객 경험 개선 사례로 소개했다. 

매킨지(McKinsey & Company)의 '고객 경험 개인화 : 소매점 차별화 추진(Personalizing the customer experience: Driving differentiation in retail)'은 '고객은 브랜드가 만든 경험이 기대에 미치지 못하기 때문에 이탈하는 경우가 많다. 긍정적인 고객 경험은 판매 전환율을 10~15% 높일 수 있지만, 소비자는 긍정적인 경험을 원할 뿐만 아니라 80%가 개인화되기를 원한다'고 밝히고 있다.

다이애나 호프만은 고객은 가치를 느끼고 싶어 하고, 그것이 자신만을 위해 특별히 준비된 것일 때, 그렇게 독특한 경험을 가졌을 때 고객의 관심을 끌고 긍정적인 피드백을 얻을 수 있다고 역설한다. 그는 개인화가 새로운 개념은 아니지만 기존의 방법으로는 고객의 관심을 더 이상 끌지 못하며, 인공 지능을 기반으로 한 초 개인화(Hyper-personalization)가 고객 데이터에 담겨있는 엄청난 가치를 실현할 수 있다고 밝혔다. 

이를 테면 "거래, 인구 통계 및 행동 데이터를 결합하고, 고객에 대한 360도 보기를 생성하여 맞춤형 개인 여정을 제공할 수 있다. 고객이 생각하는 중요한 가치와 브랜드 선호도와 같은 개별 인사이트를 기반으로 한 맞춤형 참여는, 고객이 지금 원하는 것을 제공하는 데 필요한 노력을 줄여준다. 맞춤형 차선책을 제공하여 고객이 실제로 필요한 것을 빠르게 찾을 수 있도록 하여 구매 프로세스의 마찰 지점을 최소화한다"는 것이다.

 

⧉ Syndicated to WWW.CIOKOREA.COM