초개인화 추천으로 구매율 230% 올리기 -리텐틱스 고객사례
모든 고객에게 똑같은 메세지는 통하지 않아요. 구매로 이어지게 만드는 리텐틱스만의 초개인화 추천, 실제 고객사 사례로 확인해보세요!
Nov 15, 2022
‘OO몰 신상품, 지금 10% 할인하고 있어요!’
만약 이런 메세지를 받으신다면 어떤 느낌이 드시나요? 기다리던 상품이었다면 반가운 정보일테지만, 그렇지 않다면 불쾌하거나, 이런 메세지가 자주 온다면 해당 쇼핑몰의 수신거부까지 고민하실 거예요.
이번 글에서는 고객에게 환영받는 메세지, 즉, 구매로 이어지게 만드는 리텐틱스의 추천 시스템을 <우리집은 도서관>의 실제 사례를 통해 얘기해보려고 해요.
우리집은 도서관
비대면 도서 공유 서비스를 운영하는 플랫폼 회사입니다. 필독서, 인기 원서 등 책을 문 앞에서 대여 및 반납하고, 반대로 위탁하여 판매도 가능한 서비스를 제공해요!
1. <우리집은도서관>이 해결하고 싶은 문제
<우리집은도서관>에서는 격주로 ‘북파티'라는 행사를 하고 있어요. 전 도서의 대여료를 30% 할인해주는 혜택이 매우 큰 행사입니다. 할인율도 크고 할인 대상 폭도 매우 넓어서 기존 고객들은 이미 인지하고 있는 행사였죠. <우리집은도서관>은 이탈할 가능성이 높은 고객들을 ‘북파티'를 이용해 잔존시키고자 했어요. 그러나 이탈할 가능성이 높은 고객들은 이미 ‘북파티' 행사의 혜택에 대해 잘 알고 있기 때문에 단순히 ‘전 도서 대여료 30% 할인'이라는 메시지로는 그들을 잡아둘 수 없었습니다. 그 고객들에게는 좀 더 개인화된 메시지를 발송해야 했어요.
2. 리텐틱스의 초개인화 추천 시스템 활용
리텐틱스는 고객이 지금까지 구매해 온 여정을 인공지능이 학습하여 고객마다 다음으로 구매할 가능성이 가장 높은 상품을 찾아드려요! 이렇게 선별된 추천 아이템을 통해 고객별 다른 메시지를 전달할 수 있는 초개인화 마케팅이 가능해져요.
![Image 1: Retentics의 Recommendation 기능](https://inblog.ai/_next/image?url=https%3A%2F%2Fwww.notion.so%2Fimage%2Fhttps%253A%252F%252Fwww.retentics.com%252F_next%252Fstatic%252Fimage%252Fsrc%252FAssets%252Fimages%252FBlog_UseCase1_2.057da0c88f8ddcf92b4c540e98006287.png%3Ftable%3Dblock%26id%3D15f8a13a-caa3-46fe-9313-f2005c09a86b%26cache%3Dv2&w=3840&q=75)
일반적으로 사용하는 규칙 기반(rule-based) 방식으로 재구매를 유도하는 것은 고객마다 선호하는 제품이 다르고, 구매 주기와 구매 시점이 전부 다르기 때문에 리스크가 클 수 있어요.
리텐틱스의 추천 시스템은 미국과 한국의 여러 회사에 도입해 보면서 이미 그 성능을 검증했고 지금은 저희 데이터팀 멤버들의 손길로 더욱 최적화 되어가고 있습니다 🙌🏻
3. A/B 테스팅으로 성능 검증
이탈 직전의 고객들을 선별하여 두 그룹으로 나누어 마케팅 캠페인을 진행한 결과, 리텐틱스의 추천 알고리즘을 적용한 그룹이 구매자 수로는 230%, 객단가(ARPPU)의 차이는 280% 높게 나왔어요.
리텐틱스의 추천 알고리즘 성능을 확인하기 위해 두 그룹으로 나누어 캠페인을 진행했는데요, 공정한 비교를 위하여 모든 변수를 고정하고 추천 대상 아이템만 다르게 선택했습니다. 한 그룹(비교군)에는 가장 인기있는 아이템을 추천, 다른 그룹(대조군)에는 리텐틱스의 추천 알고리즘을 적용하여 마케팅 메세지를 전달했어요.
테스트 이외의 나머지 고객들에게는 기존에 <우리집은도서관>에서 진행하던 방식을 적용하였는데 여기서는 리텐틱스의 알고리즘이 무려 920%나 높은 구매율을 기록했어요!(*구매 가능성이 높은 고객 2,500명을 먼저 선별하여 A/B 테스트를 진행하였고, 그 외의 고객들에게 추천한 결과이므로 공정하지 않다고 판단하여 본문의 타이틀로 인용하지 않았어요.)
4. <우리집은도서관>의 피드백
리텐틱스의 AI 솔루션도 훌륭하지만, 더 좋았던 건 팀의 열정과 헌신이었습니다. 비즈니스의 특색별로 표준화하기 어려운 부분도, 함께 고민하며 팀의 역량으로 결과를 만들어가는 과정이 좋았습니다.
지금도 리텐틱스의 추천 시스템은 계속해서 발전하고 있어요. 현재는 최종 구매 시점 기반으로 추천 대상 고객을 필터링할 수 있지만, 22년도 4분기에는 고객의 상태(이탈 위험군, 아하 모먼트 범위, 골든 타임 등)를 인공지능이 판단하여 각기 다른 최적의 추천 알고리즘을 적용시키는 기능이 추가될 예정이에요. 또한, 3~6개 정도로 고객을 세분화하는 고객 세분화(Segmentation) 기법을 넘어 미시한 패턴까지 잡아내어 고객군을 최대 4~50개까지 확장시키는 초세분화(Hyper-segmentation) 기법 역시 이미 개발을 완료하여 검증 단계에 있으니 많은 기대 부탁드려요.
리텐틱스는 단순히 매출을 올리는 것에 그 기능을 다하지 않고 고객에게 더 나은 경험을 제공하는 데에 집중하고 있어요!
글: 임영재
Share article
Subscribe to our newsletter