박 세용 
차경진 교수님의 이야기를 들으면서 데이터 기반의 고객 분석에 있어 기존 접근 방식의 한계를 극복하고 더 깊이 있고 다양한 고객 인사이트를 제공하기 위해서는 리스닝마인드 허블이 꼭 필요하다는 생각을 더욱 강하게 가지게 되었습니다. 그렇게 생각하는 이유는 다음과 같습니다.
#1. 다양성과 깊이 있는 고객 이해: 리스닝마인드는 검색 키워드와 검색어 시퀸스 데이터 그리고 구글의 검색 결과 페이지의 콘텐츠 분석 데이터를 통해 고객의 진짜 의도와 필요를 파악할 수 있게 합니다. 이는 고객의 디지털 행동을 통해 그들이 처한 다양한 맥락과 그들의 성향을 이해하는 데 도움을 줍니다. 예를 들어, 고객이 특정 제품을 검색하는 이유는 제품 자체의 특성뿐만 아니라, 그들의 생활 방식, 가치관, 그리고 순간적인 필요 등 다양한 맥락에서 비롯될 수 있습니다. 리스닝마인드는 이러한 다양한 고객의 맥락을 파악하여 마케팅 전략에 반영할 수 있게 해줍니다.
#2. 고객 중심적 접근: 리스닝마인드는 고객의 검색 패턴과 행동을 분석함으로써 고객이 실제로 원하는 것이 무엇인지 파악합니다. 이는 전통적인 마케팅 방법이나 설문조사와 달리, 고객이 자발적으로 나타내는 데이터를 기반으로 하기 때문에 더 진솔하고 정확한 고객의 욕구와 필요를 이해할 수 있습니다. 이런 이유로 리스닝마인드는 고객 중심적인 마케팅 전략을 수립하는 데 매우 유용합니다.
#3. 빅데이터의 혁신적 활용: 리스닝마인드는 빅데이터인 검색데이터를 단순히 검색양이라는 볼륨 측면의 분석에서 접근하는 것이 아니라, 검색데이터 안에 숨겨진 검색어들과의 관계를 찾아 거기서 고객의 세밀한 욕구와 인텐트를 파악하는 데 초점을 맞춥니다. 이는 고객 데이터의 볼륨뿐만 아니라, 그 데이터들의 연결이 만들어내는 폭과 깊이에 대한 이해를 바탕으로 합니다. 따라서, 리스닝마인드는 검색 빅데이터 분석을 통해 고객의 다양한 맥락을 이해하고, 이를 혁신적인 고객 경험을 설계하는 데 이용할 수 있게 만들어줍니다.
#4. 혁신적인 고객 경험 제공을 통한 차별화: 고객의 다양한 맥락과 세밀한 욕구를 이해함으로써, 리스닝마인드는 기업이 고객에게 맞춤화된 경험을 제공할 수 있도록 지원하여 기업의 차별화된 브랜딩을 구축할 기회를 제공합니다. 이는 고객의 라이프스타일과 선호에 근거한 맞춤형 마케팅 메시지, 제품 추천, 서비스 경험을 가능하게 하며, 고객 만족도와 충성도를 높이는 데 결정적인 역할을 하는데 이 과정에서 기업은 타 경쟁사와 차별화 될 수 있게 됩니다.
이상의 내용을 요약하자면, 리스닝마인드 솔루션은 고객 데이터의 다양성과 깊이를 이해하고, 이를 바탕으로 고객 중심적인 마케팅 전략을 수립하며, 검색 빅데이터를 혁신적으로 활용하여 고객 경험을 설계하는 데 있어서 매우 효과적 솔루션입니다. 이러한 접근 방식은 전통적인 데이터 분석 방식의 한계를 극복하며, 고객의 진정한 요구와 맥락을 파악하는 데 필수적이라고 할 수 있습니다.
작지만 분명한 페인 포인트를 가진 양 극단에 있는 사람들에게 집중하라!! [차경진 교수] 차교수님 인터뷰 영상
질문1: DCX 프레임워크에서 말하는 데이터 기반 고객 분석이란 무엇인가요? 보고 잘 분석해서 초 개인화를 해야 되는 맥락은 맞는데, 데이터를 그냥 막 무조건 쌓고 활용한다고 되는 건 아니잖아요. DCX 프레임워크에서 이 데이터 기반이라고 하는 것은 예전에 데이터를 활용하는 것과 또 어떻게 다른가요?
차경진 교수님의 답변:
#1. 데이터 기반으로 고객을 분석하려고 했던 노력이 없었던 것은 아닙니다, 많이 했었죠. 문제는 우리가 수집하는 고객 데이터가 굉장히 유사할 거라고 생각하고 열심히 분석하다 보면 뭔가 나올 거라고 생각했는데, 생각보다 유의미한 결과가 나오지 않는 거예요.
#2. 그리고 회원 가입할 때 나이, 주소를 묻는 등 일률적인 정보만 물어보는 게 과거에는 도움이 됐습니다. 왜냐하면 사람들이 사는 곳과 지역에 따라서 비슷한 성향과 맥락이 있었기 때문에 그 정보를 가지고 세그먼팅해서 타겟팅하고 커뮤니케이션했으면 됐거든요.
#3. 근데 지금은 그런 시대가 아니에요. 실제로 디지털 세대들을 분석해보면 너무 다양합니다. 그들 안에 다양한 성향과 맥락이 있기 때문에, 저는 DCX에서 강조하는 건 빅데이터를 보는데 있어서 우리가 생각지 못했던 고객군을 찾고 생각지 못했던 고객의 맥락을 찾는 데 빅데이터를 활용하는 방법들을 이야기합니다.
#4. 과거에는 빅데이터를 다루는 분들이 주로 데이터의 볼륨만 보았어요. 이 사이즈가 엄청 크니 이 세그먼트를 타겟팅 하면 됩니다. 그런데 그 큰 세그먼트를 보면 너무 일반적이었어요. 빅데이터 분석을 안 해도 충분히 알 수 있는 정보들이었죠.
#5. 그래서 저는 분석할 때에도 학생들에게 극단의 맥락을 보게 합니다. 비록 그 세계가 크진 않지만, 최근 들어서 늘어나고 있는 세그먼트들은 굉장히 특이한 맥락을 가지고 있고, 그 특이함을 방법으로 그 문제들을 해결해 나가고 있더라고요. 거기에서 우리는 힌트를 얻어서 혁신적인 고객 경험 설계를 할 때 재료로 씁니다.
#6. 과거의 전통적인 마케팅 방법, 설문조사는 우리가 생각할 수 있는 가설을 확인하는 용도로는 괜찮았습니다. 그런데 지금은 다양한 가설을 찾을 때, 생각할 수 있는 가설을 확인하는 전통적인 방식에서 벗어나서 진짜 혁신적인, 끌리는 경험 설계를 해보려면 다양한 맥락과 다양한 고객을 찾아내서 그 고객에 맞는 그 라이트 타이밍에 맞는 메시지로 커뮤니케이션하는 경험을 하기 위한 데이터의 센싱 전략으로 좀 바꿔줘야 해요.
#7. 그래서 최근에는 이런 시도를 하는 기업들은 굉장히 특이한 질문들을 합니다. 과거에는 냉장고를 사러 오면 어떤 기능으로 사러 오셨나요? 이중문을 사러 오셨나요? 가격대는 어떤 거를 원하시나요? 같은 제품 중심적인 질문들을 했었는데, 영업사원이 이제는 다른 질문을 합니다.
#8. 집에서 몇 명이나 드세요? 채식을 주로 하시나요, 육식을 주로 하시나요? 아이가 있나요? 그거에 맞는 맥락적 경험을 주는 냉장고를 사는 방식이 고객 중심적으로 바뀌는 노력 또한 저는 일차적으로 좋은 질문을 고객한테 해서 피드백을 받아서 그걸 입력하는 데이터의 센싱 전략으로 생각합니다.
#9. 클라우드에 쌓이고 있는 그 IoT 센서 데이터로도 사실 뭘 할지 고민하지 않고 데이터 엔지니어가 그냥 데이터 엔지니어 관점으로 이 버튼을 많이 누르는 사용 시간이 어떻게 되는지 이런 걸 밖에 센싱을 못하고 있었는데, 그 센싱 전략도 바꾸고 있습니다.
#10. 왜냐하면 지난 2018년부터 4~5년 동안 열심히 모았는데 그걸로 고객 경험 혁신을 할 수 없었거든요. 주고 싶은 고객 경험에 대한 목적이 없이 그냥 무작정 쌓았기 때문에 아무리 봐도 언젠가는 엄청 대단한 데이터 분석가가 나타나서 이걸 뭔가 혁신적인 사이트로 이어질 것 같지만 그런 기적은 일어나지 않았어요. 아직은 안 일어난 거고, 앞으로도 일어날 수가 없기 때문에 클라우드 비용이 저는 아깝다고 이야기를 드렸고, 지금이라도 이 제품에서 어떤 경제적 목적이 아닌 데이터 수집을 해서 경험을 위한 데이터 기반한 전략을 세우시라고 이야기를 합니다.
질문2: 우리가 이제 앞으로 찾아야 되는 것은 없다가 생겨난, (그러니까) 아무것도 없었는데 갑자기 몇 개가 (새롭게) 모여졌네. 얘네 뭐지? 하고 이것을 분석을 하면 커질 수 있다는 거잖아요. 나중에 그걸 발견하는 용도로 데이터를 사용하시라 이런 말인거죠?
차경진 교수:
#1. 네, 우리가 미처 생각하지 못한 고객의 맥락을 찾는데 익숙해져 버려서 불편함으로도 못 느끼지만 그것을 문제로 데이터로 찾아내서 경험으로 연결시키는 능력(이 중요한거죠)
#2. 저는 이제 혁신은 문제를 찾는 혁신은 문제를 찾아내는 사람의 능력에서 시작된다고, 바로 그런 능력에서 (혁신이) 온다고 생각을 합니다.
#3. 고객의 문제를 찾는 능력, 즉 문제만 찾으면 해결할 수 있는 인제들이 세상에는 너무 많아요. 방법도 너무 많구요. 근데 생각보다 문제가 별로 없거든요. 그래서 문제를 잘 찾아내는 능력에 있어서 데이터가 분명히 도움이 된다(고 생각합니다.)