데이터가 모든 것을 지배하는 곳, 아마존닷컴

아마존의 데이터 활용법

오늘은 온라인 서점으로 시작해 유통시장 큰 손이 된 아마존닷컴의 이야기를 들려드리겠습니다. 이를 통해 데이터를 기반으로 진행하는 마케팅이 꼭 필요하다는 점을 느끼고 이해할 수 있을 것입니다.

세계적인 공룡 기업 아마존은 지난 10년간 주가 1,900% 상승이라는 엄청난 성장을 이뤘는데요. 그 중심에는 ‘고객 집착(Customer Obsession)’ 정신이 있었습니다. 몇 가지 사례를 볼까요.

이야기 1. 한 할머니가 아마존에서 구입한 찻잔 세트를 옮기다가 잔 하나를 떨어뜨렸습니다. 상심한 할머니는 고객센터에 전화해 낱개로 구매할 수 있는지 물었습니다. 고객센터 직원은 고객정보 검색을 통해 그가 아마존을 꾸준히 이용해온 프라임 회원이라는 점을 확인했습니다. 이를 근거로 직원은 단독으로 결정을 내려 할머니에게 찻잔 세트를 다시 보내줬습니다.
이야기 2. 아들의 크리스마스 선물로 아마존에서 500달러짜리 플레이스테이션을 구매한 고객은 아무리 기다려도 물건이 오지 않자 배송 상황을 확인했습니다. 그리고 자신이 없을 때 배송된 선물이 누군가에게 도둑맞았다는 걸 알게 됐습니다. 고객은 지푸라기라도 잡는 심정으로 아마존 고객센터에 전화를 걸었습니다. 아마존은 모든 손실 비용을 감수하고 새 선물을 빠른 배송으로 보내줬습니다. 덕분에 고객은 크리스마스에 맞춰 아들에게 선물을 줄 수 있었습니다.

일반적으로 위와 같은 사례는 찾아보기 어렵습니다. 하지만 아마존에서는 비교적 자주 일어나는 일이죠. 이 같은 서비스에 감동한 고객은 적극적으로 입소문을 내어 또 다른 고객을 불러올 것입니다. 특히 두 번째 사례의 주인공은 신문사 직원이었습니다. 그는 자신이 일하는 신문사에 그와 같은 경험을 올렸죠. 결과적으로 아마존은 새로운 플레이스테이션 한 대 값에 비교할 수도 없는 어마어마한 광고 효과를 누렸습니다. “한 명의 고객에게 베푼 호의는 백 명의 고객을 데리고 온다.” 제프 베조스 회장이 입이 닳도록 했던 말이 실제로 증명된 셈입니다.

아마존 로고

이처럼 고객 한 명 한 명에게 잊지 못할 경험을 선사하는 것은 매우 중요합니다. 그러나 아마존닷컴이라는 거대 사이트에 들어오는 모든 고객을 대상으로 실행하는 데에는 뚜렷한 한계가 있습니다. 그렇다면 더 많은 고객에게 만족스러운 경험을 제공하려면 어떻게 해야 할까요? 해법은 ‘데이터’에 있었습니다. 아마존이 왜 그렇게 고객에 집착하는지 그리고 데이터를 어떻게 활용해 고객 경험을 개선하는지 함께 알아보도록 하겠습니다.

아마존 성장의 동력: 플라이 휠

‘플라이휠(Flywheel)’은 아마존의 사업 성장 모델입니다. 매주 모든 사원들이 관련 내용을 상기하도록 권유할 만큼 중요한 모델이죠. 베조스 회장이 식사를 하는 도중 냅킨 위에 그렸다는 점에서 따와 ‘냅킨 스케치(Napkin Sketch)’라고도 부르는데요. 한번 살펴보겠습니다.

아마존의 사업 성장 모델 플라이휠

단순해 보이지만 고객 경험의 개선과 고객의 증가가 어떻게 영향을 주고받고 그를 통해 선순환 관계를 쌓아가는지 잘 드러내고 있습니다. 플라이휠을 잘 보면 선순환 바퀴가 두 개 있는데요. 하나씩 살펴보겠습니다.

첫 번째 바퀴
제품 종류(Selection) → 고객 경험(Customer Experience) → 방문자 수(Traffic) → 판매자 수(Sellers) → 제품 종류(Selection)로 순환하며 회사가 성장함을 의미
두 번째 바퀴
성장(Growth) → 낮은 비용구조(Lower Cost Structure) → 낮은 판매 가격(Lower Prices) → 고객 경험(Customer Experience)으로 이루어져 있으며, 성장을 통해 더 큰 성장을 견인함을 의미

두 개의 선순환 바퀴가 모두 포함하고 있는 것이 바로 ‘고객 경험(Customer Experience)’입니다. 이를 통해 위 모델은 ‘회사가 성장하기 위한 선순환 과정이란 고객 경험에서 비롯된다’라는 점을 강조하고 있다는 것을 알 수 있죠. 동시에 아마존이 그토록 고객에게 집착하는 것도 이해할 수 있습니다. 그렇다면 이토록 필수적인 고객 경험 개선을 위해 아마존은 데이터를 어떻게 활용하고 있을까요?

아마존의 데이터 활용법

아마존에서는 데이터가 모든 것을 지배한다(Data is King at Amazon).”

아마존의 디렉터로 근무했던 로니 코하비(Ronny Kohavi)의 말입니다. 그만큼 매우 다양한 방면으로 데이터를 수집하고 활용하는 아마존의 방식을 알 수 있죠. 회사의 본질이 전자상거래 사이트나 시스템이 아니라, 빅데이터에 있다고 해도 될 정도입니다. 그중에서도 핵심이라고 할 수 있는 고객 집착과 관련된 데이터 활용 방안 두 가지를 짚고 이를 벤치마킹하기 위한 전략까지 살펴보겠습니다.

1. 데이터를 활용한 자동화 추천 시스템

아마존은 엄청난 양의 데이터를 수집합니다. 전 세계 소비자의 모든 클릭스트림(Clickstream, 한 사람이 인터넷을 하며 수행한 모든 행동 정보) 데이터를 수집한다고 하니, 얼마나 방대한 양인지 쉽게 짐작되지 않을 정도입니다.

‘아마봇(Amabot)’이라는 AI는 이렇게 수집한 소비자 행동 빅데이터를 실시간으로 학습합니다. 아마봇은 ‘아마존’과 ‘로봇’의 합성어인데, 아마존닷컴 고객의 행동 데이터 분석 결과를 바탕으로 각 페이지에 상품을 구성하는 역할을 합니다. 해당 페이지를 조회하는 고객 각각이 자신에 맞는 페이지를 볼 수 있도록 구성하는 일입니다. 초반에는 같은 비율로 제품을 노출하지만, 데이터가 쌓일수록 고객이 좋아할 만한 제품을 알아내 노출합니다.

아마봇은 다양한 취향을 가진 고객들이 서로 다른 페이지를 볼 수 있게 구성하는 개인화 작업을 진행함으로써 매출 상승에 기여했습니다. 실제로 아마존을 방문한 소비자의 구매 전환율은 약 13퍼센트로, 국내 온라인 쇼핑몰 평균 수치인 6.2퍼센트의 두 배에 달합니다.(2) 아마봇은 소비자 행동을 분석해 그들이 원하는 제품을 보여줘 탐색 시간을 줄입니다. 고객 경험 개선의 일종입니다.

전자상거래가 점점 일반화되면서 웹사이트 상의 고객 행동을 매우 정밀한 수준으로 파악할 수 있게 됐습니다. 이에 따라 고객 행동을 분석하고 그 결과를 마케팅에 활용하기 위한 노력도 더 많이 일어나고 있습니다. 아마존의 고객 집착 성공 사례를 벤치마킹해 고객의 행동을 분석하기 위해 제작된 툴은 어떤 것이 있을까요?

1) 앰플리튜드(Amplitude, https://amplitude.com)

앰플리튜드는 모바일/웹 고객 행동 분석 툴로 잘 알려진 서비스입니다. 고객의 이벤트 정보를 수집하고 다양한 방법으로 보여줍니다. 대표적인 기능으로 퍼널 분석(Funnel Analysis), 비슷한 특징을 가진 고객 집단 그룹화 등이 있습니다. 처음 툴을 익히는 데에 다소 허들이 있지만, 기능을 잘 알아둔다면 고객 행동 정보를 파악하는 데에 많은 도움을 받을 수 있습니다.

2) 믹스패널(Mixpanel, https://mixpanel.com)

믹스패널은 고객 추적을 기본으로 하는 분석 툴로, 특정 고객을 지정하면 그와 관련된 클릭스트림 데이터를 실시간으로 조회할 수 있습니다. 퍼널 분석을 지원하며 비개발 직군에서도 웹사이트 내 UX 개선을 위한 A/B 테스트 진행이 가능합니다. (A/B 테스트 관련 내용은 여기(https://brunch.co.kr/@biginsight/5)를 참고해 주세요.)

3) 빅인 (bigin, https://www.bigin.io)

국내에서도 고객 행동을 분석하기 위한 움직임이 활발하게 일어나고 있습니다. 빅인 애널리틱스도 고객 행동 데이터를 저장하고 활용합니다. 수집된 고객 행동 데이터는 기계 학습을 통해 상품별 구매 확률이 높은 고객 리스트를 추출하는 데에 쓰입니다. 이미 구매를 수행했던 고객과 유사한 행동을 보인다면 그를 잠재고객으로 분류하는 원리입니다. 빅인 또한 앞에서 소개한 해외 서비스들과 마찬가지로 고객의 행동 스트림 데이터를 조회할 수 있습니다.

빅인(bigin) 애널리틱스의 사용자 타임라인

빅인이 다른 분석 툴과 차별되는 것 중 하나는 잠재 고객 리스트를 자동으로 추출한다는 점입니다. 덕분에 사용자는 별다른 학습 없이도 서비스를 사용하고 실무에 바로 활용할 수 있죠. 또 고객 행동 분석 데이터를 바탕으로 비슷한 행동을 한 고객끼리 그룹화해 관리할 수 있습니다. 예를 들어 구매 건수 10건 이상 또는 총 구매금액 10만 원 이상의 우수 고객을 추출해 그룹화하면 리텐션 및 충성도 제고 목적으로 활용할 수 있는 것이죠.

빅인(bigin) 애널리틱스의 사용자 보고서

데이터를 활용한 웹사이트 개선

고객 행동 데이터를 분석하던 아마존은 2008년에 이미 웹페이지 로딩 시간과 판매 사이의 상관관계를 찾아냈습니다. 로딩이 0.1초 지연될 때마다 판매가 1퍼센트 감소된다는 것입니다. 2012년에는 로딩이 1초 지연되면 연간 1.6조 달러의 손실이 발생할 것이라는 결과가 조사됐습니다.

아마존의 모든 팀은 웹페이지가 0.6초 안에 로딩되는 것을 목표로 협력합니다. 페이지를 구성하는 모든 요소의 로딩 시간을 감시하고, 문제가 생기면 담당 팀에 경보를 울려 해결 방안을 찾습니다.(3) 이러한 노력의 역시 고객 집착 정신에서 비롯됐습니다. 고객은 빠르고 편리한 서비스를 좋아하기 때문입니다. 웹사이트 이용 경험을 개선하는 전략에도 고객의 행동 데이터가 필요하다는 점을 보여주는 사례입니다.

다음으로는 고객 이탈을 줄이고 체류 시간을 늘리기 위한 위한 서비스를 소개해 드리고자 합니다.

1) 구글 애널리틱스 (GA·Google Analytics, https://analytics.google.com)

GA 행동 > 행동 흐름 보고서

GA의 행동 흐름 보고서는 우리 웹사이트 내의 어떤 페이지에서 이탈이 많이 발생했는지 보여줍니다. 하지만 어떤 구간 때문에 이탈을 했는지에 대한 정보는 볼 수 없기 때문에, 웹사이트 개선에 활용하려면 감으로 추측해야 한다는 한계가 있습니다.

2) 빅인 (bigin, https://www.bigin.io)

빅인 애널리틱스는 고객의 이탈 구간을 파악할 수 있습니다. 어느 구간에서 얼마나 많은 이탈이 발생했는지 직관적으로 확인할 수 있습니다.

빅인(bigin) 애널리틱스의 히트맵 화면

이에 더해 빅인 애널리틱스는 특정 페이지에서 종료한 고객 목록까지 확인할 수 있습니다.

빅인(bigin) 애널리틱스의 행동흐름 조회 페이지

흐름 차트 위에 마우스를 올리면 나타나는 ‘종료 고객 목록’은 매우 다양하게 활용할 수 있습니다. 예를 들어 종료가 유난히 많이 발생하는 페이지라면 종료 고객를 대상으로 설문조사를 실시해 웹사이트 개선을 위한 인사이트를 얻을 수 있습니다. 또 상품 상세 페이지에서 종료한 고객에게 쿠폰을 발송함으로써 재방문 및 구매를 유도할 수도 있습니다.

글을 마치며

아마존의 고객 집착 정신에서 비롯된 고객 경험 개선을 위한 노력과, 이를 벤치마킹한 서비스들을 알아봤습니다. 고객 집착 정신은 지금의 아마존을 있게 했으며, 지금 이 순간에도 끊이지 않는 혁신을 가능케 하는 원동력입니다. 또한 이들은 4차 산업혁명의 시대에 유통업을 이끌고 있는 회사답게 데이터를 기반으로 해 고객의 경험을 개선하고 있음을 알 수 있었습니다.

아마존 사례에서 볼 수 있듯이 해외에서는 많은 기업이 데이터 기반 마케팅 전략을 실시하고 있고, 이를 지원하는 서비스도 다수 존재합니다. 이에 비해 국내에서는 데이터 기반 마케팅이라고 하면 대기업에서나 하는 일이라고 생각하는 경우가 많은 듯합니다.

그러나 데이터 기반 마케팅은 디지털 마케팅 시대에서는 이미 필수적인 일입니다. 아마존 사례를 벤치마킹해 현 단계에서 시작할 수 있는 것부터 실행해보는 건 어떨까요? 사업의 현재 규모와는 상관없이 장기적인 성장을 위한 첫걸음이 될 것이 분명합니다.


참고자료
– 박정준, 『나는 아마존에서 미래를 다녔다』, 한빛비즈(2019)
(1) p124-126, (2) p114-115, (3) p122-123, (4) p200-202
https://bit.ly/396Qz9N

Credit
에디터
저자 빅인사이트(support@bigin.io) ()
레퍼런스
© DIGITAL iNSIGHT 디지털 인사이트. 무단전재 및 재배포 금지

뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.

Related Posts
Refresh
Go to back