고객 데이터에 대한 흔한 오해

고객을 이해하기 위해서는 고객 데이터를 방대하게 수집해야 한다고 합니다. 그래서 많은 기업들은 경쟁처럼 고객 데이터를 활발하게 수집하고 있습니다. 기업은 고객 데이터로 인한 경쟁우위를 크게 평가하고 있지만, 경쟁 우위가 정말 ‘사용자 데이터’ 자체에 기반한 것인지는 다시 한번 생각해 볼 필요가 있습니다. 

대부분은 가입자가 증가함에 따라 발생하는 네트워크 효과로 서비스나 상품의 경쟁우위가 올라가는 경우가 많기 때문입니다. 그럼에도 불구하고 많은 기업들이 고객 데이터에 대한 환상으로 고객 데이터 확보에 집중합니다. 이미 예전부터 고객 데이터를 통해 좋은 제품, 서비스를 만들고자 하는 노력은 있었지만, 고객 데이터를 얻기까지 제도적 규제나 기술적 문제로 데이터를 확보하기 쉽지 않았습니다. 

요즘은 데이터를 활용할 수 있는 제도적 규제가 완화되고, 데이터를 모으고 분석할 수 있는 기술이 발달해 얼마든지 고객의 위치, 검색, 구매활동 등 직접적인 행동 정보를 수집할 수 있습니다.

그러나 고객 데이터를 분석하더라도 모든 기업이 데이터로 인한 경쟁 우위를 확보하진 않습니다. 데이터를 모으는 데는 비용이 발생하고, 데이터 자체가 사업적으로 매력적이지 않은 경우도 있기 때문입니다. 이번 글에서는 고객 데이터가 어떤 경우에 중요하고, 어떻게 사업 경쟁우위를 차지할 수 있는지 알아보겠습니다.

독립적으로 제공할 수 있는 핵심 데이터

먼저 고객 데이터 분석이 기업의 경쟁우위를 형성하고, 의미를 갖기 위해서는 고객 데이터 자체의 가치가 높아야 합니다. 즉, 수집하고 분석하고자 하는 데이터들이 고객들의 구매 결정 요건과 연결되어야 합니다. 

예시로 자율주행 기술을 개발하는 ‘모빌아이(Mobileye)’라는 업체를 살펴보겠습니다. 1999년에 설립하여 BMW, GM, 아우디 등 세계 유수의 차량에 자율주행 기술을 적용하고 있는데요. 자율주행 기술은 사람의 생명과도 직결되기 때문에, 고객들의 구매 결정 요건과 밀접하게 연결되어 있습니다. 이에 모빌아이는 안전성을 최대로 끌어올리기 위해 고객 데이터를 활용하고 있습니다. 

안전 검증을 위해 사전 테스트를 통해 피드백 데이터를 반영하여, 모빌아이의 솔루션 정확도를 올리고 있습니다. 고객 검증 데이터가 쌓이면 쌓일수록 모빌아이의 안전성도 올라가게 됩니다. 안전성은 고객의 구매 결정 요건과 밀접한 관련이 있으니, 월등한 경쟁 우위를 차지할 수 있게 됩니다. 특히 잠재적 경쟁자가 단번에 안전성 테스트 데이터를 얻기란 무척 어려운 일이죠. 그래서 이러한 핵심 데이터는 데이터 가치가 크고, 별도 판매까지 이뤄질 수 있습니다. 

한편 모두가 비슷한 서비스를 할 때, 핵심 고객 데이터 분석으로 많은 고객의 관심과 사랑을 받을 수도 있습니다. 대표적으로 델타항공의 고객별 맞춤 서비스를 생각해 볼 수 있습니다. 델타항공은 승객이 붐비는 상황에서 비행기 탑승의 불편함을 해소하기 위해, 고객별 맞춤 정보를 보여주는 서비스를 개발했습니다. 

보는 사람에 따라 탑승 게이트 번호, 출발 시각은 물론 어느 방향으로 걸어가야 하고, 얼마나 시간이 걸리는지 보여주면서 공항 안내를 승객 맞춤형으로 설계했습니다. 시간적으로 여유가 없는 승객이나, 중간 경유 시간이 짧을 땐 이러한 맞춤 서비스 제공이 매력적으로 다가올 것이고, 타사 대비 델타항공의 경쟁우위가 올라갈 것입니다. 즉 항공권의 탑승 데이터 정보를 사업에 직접적인 영향을 주는 핵심 데이터로 활용하고 있는 셈이죠. 

그러나 모든 기업들의 데이터 확보가 모빌아이처럼 직접적인 구매 결정으로 연결되지는 않습니다. 예를 들어, 고객들이 정수기를 살 때 구매를 결정하는 요건은 디자인, 정수 기능, 가격이 먼저 떠오릅니다. 정수기 업체에게 고객 데이터의 가치는 상대적으로 가치가 낮은 편입니다. 고객 데이터에 따른 물 온도 큐레이션, 음성 명령 기능은 정수기를 살 때 구매를 결정하는 직접적인 요건은 아니기 때문이죠. 그래서 현재 수집하고 분석하고자 하는 데이터가 고객들의 구매 결정 요건과 연결되는지 먼저 판단하는 것이 중요합니다. 

오랜 시간 가치가 유지되는 데이터

두 번째로 고객 데이터 분석이 사업에 영향을 미치려면 시간 개념이 적용되어야 합니다. 이는 오랜 기간 축적된 데이터를 통해 시간별 변화 방향을 볼 수 있거나, 장기간 학습된 분석을 의미합니다. 위의 모빌아이(Mobileye)의 사례는 오랜 기간에 걸쳐 고객 데이터 학습이 이뤄졌습니다. 단순히 하루 이틀에 걸쳐 고객 데이터를 확보한 것이 아니라, 수년에 걸쳐 학습한 고객 안정성 테스트 데이터는 모빌아이 제품의 경쟁력을 높이는데 기여했습니다. 

만약 아마존에서 고객이 어떤 물건을 구매하고 장바구니에 넣는지에 대해 오랜 기간 데이터를 축적한다면, 상품 추천 서비스를 제공할 때 핵심적인 역할을 할 것입니다. 요즘 은행에서 제공하는 대출 서비스도 같은 맥락입니다. 오랫동안 쌓은 고객들의 소비 패턴을 분석해, 어느 정도 대출 한도가 나올 수 있을지 시뮬레이션 할 수 있습니다. 이는 돈과 직결되므로 단순히 일회성 분석을 통해 판단할 수 없을 것입니다. 학습한 고객 데이터가 사업적으로 영향을 주고, 이를 장기간 축적했다면 틀림없이 사업에 큰 경쟁력이 되어, 오래 유지할 수 있을 것입니다.

그러나 이 또한 오랜 기간 데이터를 축적하고, 시계열적인 변화를 확인한다고 해서 모두 의미 있는 것은 아닙니다. 항상 전제조건은 사업에 영향을 미치는 핵심 데이터이면서, 쉽게 확보하기 어려운 정보여야만 의미가 생깁니다. 

예시로 어떤 사용자가 마실 때 선호하는 물 온도가 있다고 가정했을 때, 1년이 지나도, 5년이 지나도 선호하는 물 온도가 크게 달라지진 않을 것입니다. 만약 달라진다 하더라도 물 온도 변화가 정수기를 구매하는 큰 변수로 작용할 확률도 적습니다.

한때 심시티 더 소셜(Simcity the social), 팜빌(farmville.com)이나 마피아워(Mafiawars.com)와 같은 소셜 게임 서비스가 선풍적인 인기를 끌던 적이 있습니다. 특히 팜빌, 마피아워와 같은 게임을 만든 징가(Zynga)는 페이스북 소셜 게임의 일인자로 평가받았죠. 하지만 얼마 안 가 징가는 인원을 감원하고 일부 게임 서비스를 중단하게 됩니다. 

그 대표적인 원인은 게임의 인기가 하락하여 매출이 떨어졌기 때문이죠. 분명 징가(Zynga)는 고객 데이터를 수집하고 분석하며, 고객별 맞춤 게임 서비스를 제공하고 있었습니다. 그들은 맞춤형 서비스를 제공하고자 노력했지만, 데이터의 가치는 오래 유지되지 못했습니다. 한 게임에서 얻은 분석 결과를 다른 게임에 이식하는 데 한계가 있었기 때문입니다. 이처럼 고객 데이터 수집과 분석이 의미를 가지려면, 데이터에 시간적 가치가 있고 다른 서비스나 제품에도 이식할 수 있어야 한다는 것을 알 수 있습니다.

네트워크 효과를 만들 수 있는 데이터

마지막으로 고객 데이터 분석 결과와 인사이트가 다른 고객들에게 도움을 주고, 서비스나 제품의 품질 향상에 반영될 수 있다면 네트워크 효과를 만들 수 있습니다. 단순히 가입자가 많이 늘어나 네트워크 효과가 발휘된다기보다, 고객 데이터의 분석 결과로 인해 다른 고객들이 만족하면서 네트워크 효과가 만들어지는 셈입니다. 

다시 모빌아이를 예시로 든다면 고객 테스트 데이터는 자동차 회사라면 어디든 관심을 가질 수밖에 없는 데이터입니다. 어떤 자동차 회사에 자율주행 기능이 더욱 정교해진다면 다른 회사도 자율주행 기능을 적용할 때 고려 대상이 될 것입니다. 여러 회사에 솔루션이 적용될수록 다양한 문제 상황을 처리하면서 기능이 향상됩니다. 문제 상황을 더 자주 마주하고 해결한다면, 데이터를 더 많이 확보하게 되고 솔루션은 정교해집니다. 이렇게 다양한 회사들이 사용하면 할수록 네트워크 효과가 발휘되어 기능이 더욱 좋아지는 것입니다.

이처럼 여러 회사들의 사례를 분석했을 때, 성공적으로 고객 데이터를 수집하고 분석하기 위해서는 데이터 분석에 대한 목적이 사업과 직결된다는 점을 알 수 있습니다. 막연한 환상으로 고객 데이터를 무작정 모은다면, 생각지도 않은 유지보수 비용이 소비되거나 막대한 투자 대비 미비한 성과를 가져올 수 있습니다. 

이전에 비해 최근 고객 데이터를 활용하기가 훨씬 수월해졌습니다. 막연히 장밋빛 미래를 꿈꾸며 데이터를 분석하기보다는, 분석하고자 하는 고객 데이터가 정말 사업에 영향을 줄 수 있는 핵심 데이터인지 먼저 판단해야 합니다. 아울러 분석을 결정했을 때 가져올 수 있는 이익에 대해서도 깊이 고민하는 것이 좋습니다. 

©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.