피 재승 
해외 기업과 브랜드들의 마케팅 성공사례 중 실제로 어떻게 빅데이터를 활용해 마케팅 전략을 기획하고 실행하는지 성공사례를 통해 분석해보았습니다. 실제 우리 생활과 연관된 쉬운 사례들을 통해 각 기업들이 어떤 데이터를 수집하고 어떻게 데이터를 분석하고 어떻게 데이터를 활용하는지 사례를 정리했습니다.
1. 넷플릭스의 빅데이터 활용
마케터들 사이에서는 넷플릭스가 빅데이터를 활용해서 성공한 전략들이 이미 유명하기도 합니다. 넷플릭스의 빅데이터 전략을 구글은 검색엔진과의 연관성을 알아보기 위한 연구를 진행하기도 했습니다. 구독자들로부터 어떤 데이터들을 수집하고 분석해서 어떻게 세계 최고 스트리밍 서비스로 거듭날 수 있었는지 빅데이터 마케팅 활용법을 분석해보았습니다.
넷플릭스 추천알고리즘을 위해 수집 & 분석한 데이터
- 유저 평점
- 유저의 지역
- 유저의 시간 및 날짜
- 유저의 관심 콘텐츠
- 유저 사용 디바이스
- 유저가 정지, 다시 재생, 빨리감기, 되감기를 누른 시점
- 유저의 재생 속도
- 유저가 영상을 끝까지 보았는지 시청 유무
- 콘텐츠를 끝까지 본 유저가 영상을 평가했는지, thumbs-up을 눌렀는지
- 유저 브라우징 히스토리
- 등등
해당 데이터들은 넷플릭스가 유저들이 만족할 수있는 콘텐츠 추천 시스템을 기획하기위해서 수집하고 분석한 자료들이라고 합니다. 넷플릭스는 이렇게 모인 데이터로 각 프로필별 시청 습관이나, 관심 카테고리를 파악하고 추천하기도하며, 자주 돌려본 영상들을 캡쳐해 이미지로 남겨두어 이렇게 모아진 데이터를 활용해 추천 알고리즘을 제공할때 사용하기도 합니다. 이렇게 유저들을 충성고객으로 만들기 위한 추천 알고리즘 뒤에는 넷플릭스의 어마어마한 빅데이터 수집, 활용, 분석 능력에 있다고 볼 수 있습니다. 넷플릭스 Joris Evers 의 말에 의하면 “약 3천3백만개 버전의 넷플릭스가 있다” 라고 합니다.
넷플릭스가 라이브 스트리밍을 시작하기 전 2006년에 유저들의 관심에 근거한 DVD 추천 알고리즘을 제공하기위해서 가지고 있던 데이터의 양은 1만 7천여개의 영화를 본 48만명의 유저의 1억개의 평점이었다고 합니다. 2007년 라이브스트리밍 서비스를 시작한 뒤, 현재 약 2억 5천만명의 유저를 가진 넷플릭스는 가늠하기도 어려운 많은 양의 데이터를 갖고 분석하여 추천 알고리즘, 마케팅, 콘텐츠 제작에 활용하고 있습니다.
어떻게 OTT 1위가 되었을까? 넷플릭스 마케팅 전략 더 알아보기<<
2. 패션 산업의 빅데이터 활용
패션 산업에서 각 패션 브랜드들은 빅데이터를 통해 어떤 곳에 적용하고 있는지들을 먼저 살펴보겠습니다.
- 수익 극대화를 위한 생산 시기 & 재고확보 시기 조절
- 세분화된 타겟팅
- 트렌드 예측
- 디자인 기획
- 개인화 혜택 제공
궁극적으로 패션 브랜드들은 수익의 극대화를 위해서 잘 팔리는 상품의 수요를 예측해 재고를 가장 적게 남기고 많은 매출을 이끌어 내기 위한 예측을 하거나, 앞으로의 패션 트렌드 예측해 상품을 디자인하는 등 빅데이터를 적극적으로 활용해서 브랜드를 전략적으로 이끌어가고 있습니다.
Zara 의 빅데이터 활용
패션 브랜드 Zara는 빅데이터 분석을 통하여 재고를 조절함으로 수익극대화를 하는 대표적인 브랜드로 알려져있습니다. 쉽게 말하면 잘 팔리는 상품의 수요를 예측해 재고를 재빠르게 생산해 소비자들에게 판매하고, 잘 팔리지 않는 상품을 예측해 남는 재고를 최소화합니다. 또한 인기 제품들을 최대한 많은 수량을 정가에 팔 수 있도록 하여 수익을 극대화 하기도 합니다. 이런 빅데이터 활용 방식을 통해 경쟁사들 중 가장 낮은 수준의 연간 재고율을 기록하고 있습니다.
온라인 패션 플랫폼 ASOS 의 빅데이터 활용
가장 큰 온라인 패션 리테일 웹사이트 중 하나인 영국 리테일러 ASOS는 빅데이터를 활용해 마케팅과 시장 활동을 진행하고있습니다. ASOS의 성공 요인 중 하나로는 바로 빅데이터를 활용단 데이터 드리븐 의사 결정 문화로 꼽고 있습니다. 8만5천개가 넘는 제품과 매주 새로 추가되는 약 5천개의 제품들을 판매하여 수익을 극대화하기 위해서는 2천 3백만의 활동 유저들을 사로잡을 수 있는 개인화 모델이 필요했기 때문입니다.
실시간 머신러닝을 통한 고객과 제품 매칭
ASOS 는 고객들에게 최대한 많은 노출이 되기 위해서 실시간 머신러닝을 통한 상품 매칭 기술을 이용해 빠르게 상품을 추천할 수 있도록 하여 잠재고객들이 어디서든, 언제든지 상품들과 노출 될 수 있도록 기술을 활용했습니다. 실제 구매까지 이어질 수 있도록 소비자가 원하는 상품을 만나도록 하는 것 입니다.
이미지 인식
ASOS 가 다른 리테일러와 다른 차별점을 가질 수 있었던 기술 중 하나로 여겨지는 요인은 바로 이미지 인식 기능이었습니다. 고객들이 웹사이트에서 옷을 찾는 동안 이미지의 제품의 특징들을 바탕으로 개인화된 제품 추천 리스트를 제공했습니다. 또한 어플을 이용하는 고객들에게는 고객이 보았던 아이템들과 어울리게 매칭할 수 있는 제품들을 추천해 보여주기도했습니다. 빅데이터를 통한 이미지 검색기능을 발전시켜 머신러닝을 통해 고객들이 원하는 제품들을 개인화하여 보여주었고 그 기능을 통해서 성공적으로 유저들이 웹 페이지 안에서 제품을 찾아보고 는 시간이 늘어났음을 확인했습니다.
빅데이터의 활용은 필수지만 당장 구축이 어렵다면
이미 실생활 속 그리고 많은 기업들이 활용하고 있는 빅데이터 활용은 이제 선택이 아닌 필수 전략이 되었습니다. 하지만 데이터 자체를 수집하고, 분석하고, 활용하기 위해서 머신 러닝을 만드는 작업은 단기간에 준비되기 힘들뿐더러 막대한 비용을 투자해야한다는 점, 그리고 막대한 데이터를 수집했지만 중복, 부정확한 정보, 포맷 오류, 빈약한 디테일 등으로 인해 잘못된 결론을 도출하게 되면 데이터에 투자한 막대한 자원들 무의미해지기도 합니다.
검색데이터 활용이 필수
당장 잠재고객들이 어떤 키워드를 얼마나 검색하는지, 각 키워드별 평균 검색량과 어떤 연관검색어들을 함께 검색하는지, 어떤 카테고리 혹은 어떤 브랜드의 제품들을 주로 검색하는지를 통해서 브랜드는 확인하고 예측해 대응할 수 있습니다. 리스닝마인드 허블은 검색엔진에서 유저들이 검색하는 빅데이터 이미 수집, 정제, 처리, 그리고 분석까지 되어져 있어 바로 사용자가 빅데이터를 활용한 전략을 구상할 수 있도록 도와줍니다. 검색 키워드 속에 담긴 소비자들의 의도를 정확하고 빠르게 분석한다면 소비자들의 수요를 예측하고 소비자들이 원하는 상품을 성공적으로 기획할 수 있습니다.