'CMO' 를 위한 엔터프라이즈 클라우드 전략

전 소비자 관련 데이터를 한 곳에서 관리하여 고객 여정에 대한 포괄적인 시각을 확보하고 종합적인 분석이 이루어지면 각 채널별로 매끄럽게 연계된 통합마케팅을 수행할 수 있습니다. 기업 콜센터와 챗봇, 기업 웹사이트, 오프라인 매장, 3rd party E-Commerce 플랫폼, 소셜 미디어, 검색 엔진 등 채널별 구매 비중, 구매 패턴 및 구매 단계별 이탈률 분석 등을 통해 핵심 성과지표를 재정의하고 정확한 ROI를 측정하여 효과적인 투자를 할 수 있을 것입니다.  또한고객 관리 측면에서도 축적된 고객 응대 데이터들을 AI/ML 등 Emerging Tech와 접목하여 한층 개인화된 대응을 통해 만족도를 높이고, 궁긍적으로 고객의 브랜드 충성도를 높여나갈 수 있는 것입니다.

 

글로벌 기업들의 클라우드를 활용한 디지털 트랜스포메이션 사례 – 마케팅, 고객관리 중심

1. Amazon.com – 모든 고객/비즈니스 Data를 하나의 Data Lake에 구축하여 고객 인사이트 고도화 달성

​

 

아마존 닷컴은 50페타바이트 이상의 데이터를 재료로 매일 60만개 이상의 분석 작업을 진행하고 있었습니다. 끊임없는 인사이트 도출과 비즈니스 성과 평가 등을 위하여 데이터의 활용 필요성과 범위는 확대 되고 있었지만, 기존의 오라클 데이터 웨어하우스로는 확장과 유지관리가 어려웠고, 비용 역시 많이 소요 되었습니다. 아마존 닷컴(전자상거래 부문)의 CEO인 Jeff Wilke는 ‘Legacy IT 환경이 아마존 비즈니스 성장 속도를 따라올 만큼 확장성(Scalable)이 있는 것같지 않다. 특히, 데이터 분석(Analytics) 부분이 우려가 된다.’라고 했습니다. 

이에 아마존닷컴은 수십 페타바이트의 데이터는 물론이고 15,000개가 넘는 어플리케이션을 AWS의 퍼블릭 클라우드 환경으로 이전하는ANDES 라는 데이터레이크(Data Lake) 프로젝트를 2016년말부터 시작하였고, 결과적으로 2018년 11월에 기존 오라클 데이터 웨어하우스를 종료하고 프로젝트를 성공적으로 완료했습니다.  또한,  AWS의 비용 효율적인 아마존 S3 스토리지 서비스와 대규모 이종 데이터 분석이 가능한 개방형 시스템 아키텍쳐를 전폭적으로 도입하였습니다. 이로 인해 비용절감은 물론이고, 고객 행동 (Behavior) 정보 등 저장된 데이터는 2 배 이상(+100PB) 증가하게 되었고, ML 전문가들의 데이터 검색 속도를 획기적으로 높이는 등 인사이트 도출 속도 역시 증가하게 되었습니다.

 

 

2. 도미노 피자 –프로모션 개인화 통해 매출 전환율 증가 및 소비자 문자 확인 시간 단축

 

 

도미노 피자는 60% 이상의 피자 주문을 온라인 상에서 처리하고 있습니다. 수 년치 축적한 고객 정보와 모바일앱활동 이력 데이터를 기반으로 문자, 이메일 및 푸시를 발송하여 고객 맞춤형 서비스를 제공하고자 노력해 왔습니다. 그러나 고객 데이터 세그멘테이션 작업을 수작업에 의존하여 타겟팅 정확도와 캠페인 확장성 측면에서 한계를 보여 이를 극복하고자,  AWS와 Time-based test를 실행하였습니다. 고객이 SMS를 받는 시점이 중요하다는 가설을 수립하고 고객이 선호하는 시간 대에 메시지를 발송하면 클릭횟수가 증가할 것이라고 예측했습니다. 이에, 고객 데이터를 Amazon.com에서 사용하고 있는 ML 기반 개인화된 추천 알고리즘을 적용한 Amazon Personalize 서비스에 입력하여 3주 동안 SMS기반 프로모션 컨텐츠와 발송 시간을 개인화한 결과, 매출 전환율이 증가하였고 고객의 문자 확인 시점도 평균 33분을 앞당길 수 있었습니다. 

 

2. 디즈니 –ESPN+ 구독자 대상으로 디지털 활동 패턴 분석 및 터치포인트 최적화

 

 

3천 5백 만 명의 Disney+ 스트리밍 서비스 구독자 대상으로 개인화된 실시간 ESPN 스포츠 푸시 캠페인을 수행하기 위해서 디즈니는 각 유저를 식별하고 유저의 앱 활동을 분석하여 정확한 세그먼테이션 및 타겟팅이 가능한 플랫폼을 구축해야만 했습니다. 예를 들어, 야구 경기 중계 시 뉴욕 양키스가 홈런을 치면 양키스팬과 상대팀 팬에게 이를 정확하게 알려주는 개인화된 캠페인을 효과적으로 구현해야 했던 것입니다. 

이렇듯 인기있는 스포츠 이벤트에 앞서 유저가 응원하는 팀을 파악하고, 해당 팀에 대한 푸시 컨텐츠를 전송한 뒤, 푸시를 오픈한 소비자 대응률을 실시간으로 모니터링 하기 위해 Amazon Pinpoint 솔루션을 선택하였습니다.  Amazon Pinpoint가 제공하는 자동화된 솔루션을 통해 각 푸쉬 켐페인별 세그멘테이션을 매일 1,000개를 만들고 이를 통해 컨텐츠, 소통 채널 및 전송 시기 등 맞춤형 실시간 캠페인을 수행해서 고객 만족도를 높일 수 있게 되었습니다.        

 

3. T-Mobile – ML기반 고객 응대 인사이트 도출로 17분기 연속 JD Power 고객 응대 1위 달성

 

7년 만에 가입자 수를 3천 3백 만 명에서 8천 4백 만 명으로 증가시킨 T-Mobile의 성공에는 고객 중심의 전략적 활동들이 있었습니다. 고객 CS 응대시, 비용절감을 위해 통신사들이 주로 활용하고 있는 IVR(Interactive Voice Response)에 대해 고객들이 거부감을 가지고 있다는 것을 깨닫고, IVR을 최소화하려는 계획을 추진했습니다.  

이에,  기기고장에서 요금청구에 이르기까지 한 명의 콜센터 직원이 고객에 대한 전반적인 응대를 지원할 수 있는 TEX(Team of Experts)팀을 육성하고,  고객의 문제를 종합적인 하나의 시각에서 해결해줄 수 있는 기반을 마련했습니다. 그러나 이러한 TEX팀의 생산성을 높여야만 IVR을 최소화하면서도 질 높은 고객응대 서비스를 제공할 수 있었습니다.  따라서, AWS의 서비스인 Amazon SageMaker Ground Truth를 활용하여 고객 대화 내용의 라벨링(Labeling)을 자동화하고ML Training을 수행하여 매일 백 오십만개의 고객 Insight를 만들어서 TEX팀에게 제공하고 있습니다. 이러한 고객 응대 시의 디지털 트랜스포메이션을 통해 T-Mobile은 시간 당 대화종결율(Closed Conversion)을 44% 증가시켰고, Net Promoter 스코어를 60% 증가시켜서 17 분기 연속으로 JD Power 통신사 Customer Care 부문 1위를 달성할 수 있었습니다.

 

4. RedAwning – 클라우드기반 콜센터 서비스와 가상비서로 개인맞춤형 서비스를 1/10 비용으로 제공

 

 

매달 수만 명의 휴가 렌탈 게스트를 숙박업소와 연계해주는 RedAwning은 AWS의 클라우드 기반 콜센터 자동화 서비스 Amazon Connect와 대화형 인공지능 서비스 Amazon Lex를 결합하여 가상비서 스칼렛(Scarlet)을 구현하고,  게스트 예약 프로세스 자동화에 성공하였습니다. 

이를 통해 콜센터 관리의 복잡도를 낮추고 상담원에 대한 비용을 절감하면서 1/10의 비용으로, 10배의 기능들을 활용하고 있습니다.  Red Awning은 게스트가 가장 빈번하게 전화로 문의하는 문제들을 상담원과 상호 작용할 필요없이 스칼렛을 통해 해결할 수 있어서 빠르게 증가하는 고객 기반에 맞춰 사업을 손쉽게 확장시킬 수 있었습니다. 더불어, 자동화된 콜센터 시스템을 통해 고객 상담 시 상담 내용과 고객의 요청 사항들이 시스템에 자동 입력되어 휴가철에 재방문하는 고객들의 기존 요구 사항들을 자동 반영하고 있습니다.    

 

맺음말

소비자 여정이 디지털화 되고 다채널 엔드포인트 증가로 인한 데이터 오버로드가 대세인 지금, 디지털 트랜스포메이션을 통해 소비자 개개인을 이해하고 개별적으로 접근하는 것이 필수적인 상황이 되고 있습니다. 개인화된 추천서비스의 선구자인 Amazon.com의 검증된 ML 기술과 함께 AWS와 클라우드 컴퓨팅은 이러한 마케팅/고객관리의 디지털 트렌스포메이션에 있어서 ‘How’ 가 되어 드릴 것입니다.