빅데이터 리더십
데이터 분석 없이 신사업 꿈꾸지 말라
Article at a Glance
21세기 원유, 4차 산업혁명 시대의 원유로 불리는 데이터는 새로운 비즈니스 창출의 기회도 가져오지만 기존 기업들에도 새로운 기회를 만들어준다. 미국의 캐피털원은 더 이상 폭발적인 성장이 어려워 보이던 신용카드 업계에서 데이터 분석과 맞춤형 카드 제공으로 성공 신화를 썼고, 전통적 유통기업 월마트 역시 소셜 분석으로 고객의 변화에 대응하고 있다. 이런 성공기업들로부터 배울 수 있는 교훈의 핵심은 바로 “빅데이터 시대에 경쟁의 승부는 누가 더 많은 데이터를 갖고 있고, 누가 그것을 다른 사람들보다 더 잘 활용하는가에 달려 있다”는 것이다.
데이터 분석으로 포착한 새로운 기회
데이터가 폭증하는 빅데이터 시대에 많은 기업이 디지타이징 비즈니스(Digitizing Business)로 자신의 사업을 재무장하려고 하고 있다. 즉, 빅데이터 시대의 5대 핵심 기술인 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터 분석(기계학습)을 활용해 자신의 사업을 혁신하려고 하는 것이다. 이러한 디지타이징 비즈니스의 유형을 지난 글에서는 [그림 1]과 같이 구분했다. 기업이 현재 사업을 하고 있는 기존 시장(그림 1 아랫부분)에서는 디지타이징 비즈니스를 4개의 유형으로 구분했고 새로운 시장(벤처기업)에서는 디지타이징 비즈니스 유형을 3개로 구분했다. 지금까지는 기존 사업에서의 디지타이징 비즈니스 유형 중에서 관찰/보고, 진단, 이상 탐지, 개인화 추천의 사례를 설명했다. 이번 글에서는 데이터 분석으로 새로운 기회를 포착한 사례를 먼저 다룬다.
오늘날 경영에 있어서 중요한 흐름은 다양한 산업 영역에서 빅데이터를 고객 만족을 위한 새로운 기회(제품 혹은 서비스)를 찾으려는 도구로 활용하는 것이다. 이런 추세를 대표적으로 보여주는 사례가 미국의 신용카드 회사인 캐피털원(Capital One)이다. 캐피털원은 빅데이터 분석을 바탕으로 한 대중맞춤(mass customization) 카드의 개척자로 무려 6000여 종의 신용카드를 발행하고 있는데 짧은 역사에도 불구하고 미국 5대 카드회사로 폭발적인 성장을 기록했다. 캐피털원이 신용카드 시장에 일대 혁신을 일으키며 새로운 기회를 포착하고 시장의 규칙(rules)을 바꾼 그 과정은 매우 흥미롭다.
캐피털원의 공동 창립자인 페어뱅크(Richard Fairbank)와 모리스(Nigel Morris)는 신용카드 시장에 전혀 경험이 없는 경영컨설턴트였다. 하지만 그들은 카드 고객들에 대한 데이터를 분석해 고객들을 세분화한 뒤 각각에 맞는 (이자율, 계약조건, 수수료 등) 맞춤형 카드를 개발하면 많은 고객을 끌어올 수 있을 것이라고 생각했다. 그들은 이 아이디어를 실행하고자 여러 은행과 접촉했지만 카드 연회비에 집착하는 보수적인 은행들의 문턱을 넘지 못했다. 거의 2년에 걸친 노력 끝에 두 사람은 버지니아 중부의 작은 은행인 시그넷(Signet Bank)에서 기회를 잡을 수 있었다. 시그넷에서 그들은 회원 정보, 구매 기록 등 회원들에 관한 다양한 정보를 축적해 집중적으로 분석했다. 분석 결과 고객들을 약 300개의 집단으로 분류할 수 있었고, 각 세분 그룹 고객들의 예상된 선호에 맞춰 이자율과 계약 조건 등을 조정한 약 300개의 맞춤형 신용카드를 출시했다. 특히 고객 데이터 분석을 통해서 확인한 가장 이상적인 신용카드 고객들은, 즉 카드회사에 가장 많은 이윤을 가져다주는 고객들은 카드 대출을 매달 일부만을 갚아나가는 사람들이었다. 신용카드 시장에서는 그런 고객들에게 13%에서 17%의 이자율을 부과하고 있었다. 캐피털원은 그런 고객들을 다른 카드회사로부터 빼내오기 위해 신용카드 시장에서는 혁명적이라고 할 수 있는 방법을 고안했다. 그것은 고객들이 높은 이자율의 카드에서 시그넷의 낮은 이자율의 카드로 채무를 이전할 수 있도록 하는 채무이전(balance transfer) 카드였다. 또한 채무이전을 더욱 유인하기 위해서 최초 이율이 거의 0%에 가까운 티저금리(teaser rate)를 창안했다.
시그넷의 이런 혁신적인 카드는 기존 카드회사로부터 수백만 명의 고객들을 유인해서 성공을 거두기 시작했다. 타깃 마케팅을 시작한 1992년에 매출이 크게 늘기 시작해서 3년 만에 신용카드 부문이 본사인 시그넷은행보다 더 커지게 됐고, 캐피털원이라는 회사로 분사(spin-off)했다. 이후 8년 동안 캐피털원은 약 5000만 명의 회원을 유치했는데 2002년에는 매일 1만 명의 새로운 회원이 가입했을 정도였다. 현재 캐피털원에는 연회비가 없는 신용한도 2000만 원의 벤츠동호회 카드도 있고, 연회비도 있지만 신용한도가 20만 원인 카드도 있다. 이렇게 빅데이터 분석을 바탕으로 한 대중 맞춤 전략으로 캐피털원은 알맞은 고객에게 알맞은 가격으로 맞춤형 신용카드를 제공하고 있는 것이다.
많은 은행과 카드회사들이 캐피털원의 성공의 비결을 그대로 따라 했지만 별로 성공을 거두지는 못했다. 그 이유는 두 가지로 볼 수 있다. 하나는 경쟁회사들이 데이터베이스, 즉 고객에 대한 다양한 정보 축적 측면에서 캐피털원에 크게 뒤져 있었다는 것. 캐피털원의 고객정보는 20만 대 이상 PC의 하드 드라이브를 꽉 채울 정도로 풍부하다. 둘째는 이런 다양한 정보로부터 인사이트를 추출하는, 즉 새로운 카드 서비스를 창안하는 알고리즘과 운용 경험에서도 크게 뒤처져 있기 때문이다. 캐피털원은 데이터 분석을 통해서 새로운 카드의 아이디어를 추출하면 실험과 조정 등의 과정을 통해서 확인한 뒤 가능한 한 빨리 출시한다. 다시 말해서 카드 서비스 하나를 디자인하는 데도 과학적인 방법을 그대로 따르고 있는 것이다. 빅데이터 시대에 데이터는 새로운 원유와 같다. 원유가 정유 과정을 거쳐야만 가솔린, 플라스틱 등의 다양한 물질로 변하듯이 데이터도 분석 과정을 거쳐야만 새로운 가치를 드러낸다. 캐피털원 사례는 빅데이터 시대의 가장 중요한 핵심을 시사하고 있는데, 그것은 바로 “빅데이터 시대에 이제 경쟁의 승부는 누가 더 많은 데이터를 갖고 있고, 누가 그것을 다른 사람들보다 더 잘 활용하는가에 달려 있다”는 것이다. 그리고 활용의 경쟁에서 개인 선호에 대한 예측을 바탕으로 새로운 서비스나 상품을 개발하려는 노력이 전성시대를 맞고 있다.
월마트의 소셜 게놈 프로젝트
월마트(Walmart)는 전 세계 27개국에 1만1695개의 점포를 운영하고 있으며 종업원은 약 230만 명, 매출(2016)은 4850억 달러(약 533조 원)로서 현재 세계 최대의 유통업체다. 매주 2억5000만 명의 고객이 구매한 데이터만 해도 엄청나서 시간당 2.5페타바이트의 데이터를 분석하고 있다. 월마트는 이미 1990년대부터 ‘리테일 링크(Retail Link)’라는 재고관리 시스템을 사용하고 있다. 월마트에 납품하는 업체들은 이 시스템을 통해서 각 점포 내의 재고량은 물론 시간당, 일당 판매량 등의 세세한 정보를 확인해 납품시기 결정과 재고관리에 효과적으로 활용한다. 2004년부터는 고객이 구매한 내역도 분석해 구매한 상품 간의 연관성을 찾아내기 시작했다. 이를테면 각 고객이 언제, 어떤 아이템을 샀는지, 구매원가는 얼마였는지, 어떤 제품을 함께 구매했는지, 심지어 그날 날씨는 어땠는지를 분석한 것이다. 예를 들면 허리케인이 오기 직전에 고객들이 함께 구매한 상품을 분석해보니 손전등과 팝타르츠(Pop-Tats) 과자의 판매량이 동시에 증가하는 패턴이 나타났다. 이는 팝타르츠 과자가 허리케인이 닥쳤을 때 비상식량으로도 활용된다는 것을 의미했다. 이를 바탕으로 월마트는 허리케인 용품 옆에 팝타르츠 박스를 진열해 편리한 구매를 유도했다.
빅데이터 시대에 들어서는 SNS와 모바일의 중요성이 커지자 월마트는 지역별로 모바일과 소셜 쇼핑의 특징을 실시간으로 분석해 새로운 기회를 찾으려는 시도를 하기 시작했다. 이를 위해 월마트는 2011년에 소셜미디어 분석 회사인 코스믹스(Kosmix)를 인수해 사내에 월마트랩(@WalmartLabs)이라는 조직을 만들었다. 월마트랩은 각 지역의 트윗과 페이스북 담벼락 정보 등을 분석해 지역별 고객 선호도와 그 변화를 예측한 뒤 이를 토대로 고객이 관심을 가질 만한 상품을 실시간 추천하거나 인근 점포의 상품 라인업과 전시를 조정한다. 예를 들어 캘리포니아 마운틴뷰 지역에서 자전거에 대한 관심이 증가하는 것으로 분석되면 해당 지역 매장들의 입구에 자전거 코너를 특별히 배치하고 제품 구색도 다양하게 함으로써 매출을 증가시켰다.1
소셜 게놈 프로젝트는 월마트랩에서 수행되는 많은 혁신 중 하나다. 소셜 게놈은 수억 건의 페이스북 메시지, 트윗, 유튜브 비디오, 블로그 포스팅 등을 분석하는 솔루션이다. [그림 2]는 월마트랩이 설명하는 소셜 게놈 솔루션의 한 사례를 보여준다.2
한 고객이 “나는 솔트(salt)가 정말 좋아!”라고 열정적으로 트윗을 했다. 이 작은 트윗이 수초 안에 월마트랩에 도착한다. 여기에서 주요 관련 내용들이 번개같이 분석된 뒤 몇 분 후에 그 고객의 친한 친구에게 이런 e메일을 보낸다: “굿모닝, 줄리아나. 저희에게 친구 한나의 생일을 상기시켜 달라고 요청하셨죠. 한나 양의 생일이 다가오고 있습니다. 그녀는 방금 앤젤리나가 출연한 새로운 영화인 솔트(SALT)에 대해서 긍정적으로 트윗을 했어요. 당신은 그녀를 위해 그 영화와 관련된 상품을 사지 않으시겠습니까? 추천드릴 상품이 몇 개 있습니다.” 이런 시나리오를 현실화하기 위해서 월마트랩은 무엇을 하고 있을까? 그 고객이 솔트(salt)라고 했을 때 그것이 소금이라는 양념이 아니라 영화 제목(SALT)인 것을 월마트랩은 어떻게 알아차렸을까? 이 여성에 대한 정보를 축적하고 지속적으로 분석해 취향을 파악하고 있었기 때문이다. 구매 이력 등 고객 정보와 SNS 게재글 등 외부 데이터를 통합해 고객의 행동을 예측하는 데 활용하는 것이다. 이를 위해 월마트랩은 SNS 글에서 단순 키워드 검색이 아닌 문장의 의미를 파악하는 분석 엔진도 개발했다.3
링크트인 도약의 계기
기업은 데이터 분석을 통해 효율 증대, 비용 절감, 위험 관리, 빠르고 더 나은 의사결정 지원 등의 효과를 거둔다. 하지만 기업이 빅데이터로 이루려는 가장 큰 목표는 새로운 서비스와 제품을 개발하는 데 데이터 분석을 사용하는 것이다. 그리고 이런 목표가 성공하면 기업은 성과를 크게 올리면서 새로운 도약의 계기를 맞게 된다. 간단한 새로운 서비스 하나를 제공함으로써 기업 도약의 발판을 마련했던 대표적인 사례로는 링크트인(LinkedIn)의 PYMK(People You May Know)라는 약자로 불리는 서비스, 즉 ‘당신이 알 수도 있는 사람’을 제안해 주는 서비스다.
링크트인은 미국의 비즈니스 중심의 소셜네트워크서비스 기업이다. 주로 관심 있는 분야나 경력에 속한 친구들이나 동료를 연결해주는 전문적인 네트워킹 서비스를 제공한다. 현재 200여 개 국가에 약 5억 명의 회원이 있으며 적극적으로 참여하는 회원만도 1억 명 이상으로 세계적으로 20번째로 인기 높은 사이트다. 링크트인은 마이크로소프트가 2006년 말에 264억 달러(약 28조 원)라는 천문학적 금액으로 인수하면서 높은 기업 가치가 입증됐다.
링크트인의 수익모델은 구인을 원하는 기업이나 채용기관에 링크트인 회원들의 정보에 접근할 수 있는 권한을 파는 것이었다. 따라서 회원 수 확보가 기업 성장에 필수적이었다. 2003년에 설립된 링크트인은 2006년에 회원이 약 800만
명 정도였는데 이는 경영진의 기대에 크게 못 미쳤다. 더욱이 다른 회원들과 교류를 하거나 인맥을 활발하게 맺지 않는 것이 문제였다. 친구나 동료들을 사이트에 초청한다든지 하는 회원들의 활동도 매우 미흡했다. 사용자 경험에 중요한 무엇인가가 빠져 있었기 때문에 회원들 간의 교류를 활성화하는 새로운 돌파구가 필요했다.4 링크트인의 한 매니저는 당시의 상황을 이렇게 표현했다: “마치 콘퍼런스의 환영 연회에 참석했는데 아는 사람이 한 명도 없다는 것을 깨달은 것과 같았어요. 그러면 한쪽 구석에 홀로 서서 음료나 홀짝이다가 아마도 일찍 자리를 떠나겠죠.”
‘당신이 알 수도 있는 사람(PYMK)’은 링크트인이 2006년에 처음으로 시작한 서비스로 두 회원들 간에 잠재적인 연결(link)이 있는지를 정확히 예측하는 시스템이다. PYMK는 그 이름에서 알 수 있듯이 회원들이 네트워크를 넓힐 수 있도록 그들이 알 수도 있는 다른 회원들을 제시해 준다. 이 서비스를 고안한 사람은 링크트인의 데이터 사이언티스인 골드만(Jonathan Goldman)이다. 그는 회원들의 프로필 데이터 속에서 회원들 간의 연결을 찾아내어 이를 제시해주는 알고리즘을 개발했다. 하지만 사이트의 확장 작업에 몰두하고 있던 링크트인의 개발자들은 골드만의 아이디어에 관심이 없었다. 심지어 일부 동료들은 ‘왜 링크트인이 고객들의 네트워크까지 찾아줘야 하느냐’며 그의 아이디어를 멸시하기까지 했다.
하지만 그 당시 링크트인의 공동 설립자이자 CEO였던 호프만(Reid Hoffman)은 데이터 분석의 힘을 신봉하는 경영자였다. 호프만은 골드만으로 하여금 전형적인 서비스 릴리스 방식을 피해갈 수 있도록 했다. 즉, 링크트인 사이트의 가장 인기 있는 페이지에 PYMK를 광고 모듈 형태로 싣도록 했다. 구체적으로는 회원가입 시에 작성한 프로필을 기반으로 해서 각각의 회원들이 가장 잘 알고 있을 것으로 예측된 3명의 다른 회원을 [그림 3]과 같은 광고 형태로 제시했다. 이런 방식으로 골드만은 회원들에게 아직 연결을 맺고 있지는 않지만 알 수도 있는 사람(예를 들면 동일한 시기에 같은 학교에 다녔거나 같은 직장에서 근무한 사람)을 제시하면 어떤 일이 일어날지를 테스트하기 시작했다.
테스트를 시작한 지 며칠도 지나지 않아 놀라운 변화가 일어났다. 그런 광고에 대한 전환율이 이전에는 경험하지 못한 수준으로 가장 높았던 것이다. 링크트인의 경영진은 PYMK의 위력에 놀라서 임시였던 이 서비스를 아예 정식의 표준 서비스로 제공하기 시작했다. 또한 골드만은 PMYM 예측이 만들어지는 방법을 계속해서 개선했다. 예를 들면 친구의 친구 관계, 혹은 ‘삼각친밀관계(triangle closing)’도 활용했다: 만약 앨리스(Alice)가 밥(Bob)을 알고 밥(Bob)이 캐럴(Carol)을 안다면, 아마 앨리스도 캐럴을 알 것이다. 더욱이 이런 삼각관계는 앨리스와 캐럴의 학교, 조직, 나이, 지역 등의 배경에 있어서 중복 여부와 중복 기간을 감안해 점수화했다. 예를 들면 같은 조직에 있었던 경우에도 지역과 중복 기간이 긴 경우에 점수가 높도록 했더니 두 사람의 관계 예측이 성공할 확률이 높아졌다.
결과적으로 데이터 분석을 바탕으로 한 PYMK 서비스는 링크트인을 위해 많은 새로운 고객을 만들어냈다. 링크트인이 사람들을 그 사이트로 돌아오게 하기 위해서 보냈던 다른 메시지와 비교하면 PYMK 메시지는 30%나 더 많은 클릭률을 달성했다. 그렇지 않았으면 재방문하지 않았을 수백만 명의 사람들이 그 사이트를 재방문한 것이다. 이 단 하나의 새로운 서비스 덕분에 링크트인의 성장 곡선은 상당히 위쪽으로 급상승했다. PYMK의 가치를 입증하는 또 하나의 요소는 다른 많은 소셜 사이트가 이와 유사한 기능을 추가했다는 점이다. 지금은 페이스북, 트위터, 구글 등 대부분의 사이트도 유사한 기능의 서비스를 제공하고 있다.
지난 글과 이번 글에서는 기존 시장에서의 디지타이징 비즈니스로 생산성 향상, 이상 탐지, 개인화 추천, 새로운 기회(서비스/상품) 발견 등을 다뤘다. 이런 과정을 거쳐서 기업이 해당 영역(domain)에서 분석적 역량을 축적하면 이를 활용해 다른 기업의 유사한 문제도 해결할 수 있는 컨설팅 서비스를 할 수 있다. 기업이 축적된 분석적 경험과 역량을 해당 산업에서 기존의 업무와는 전혀 다른 새로운 사업의 기회로 활용할 수 있게 되는 것이다. 이글의 처음에서 제시한 [그림 1]에서 보는 바와 같이 유형 3은 축적된 분석적 역량을 서비스화해 개별적으로 컨설팅하는 형태다. 유형 4는 아예 이런 서비스를 종합적으로 제공하는 플랫폼을 만들어서 다수의 고객에게 동시에 서비스를 제공하는 유형이다. 다음 글에서는 유형 3과 유형 4의 사례를 다루기로 한다.
편집자주
4차 산업혁명의 중심에 빅데이터가 자리 잡고 있습니다. ‘혁명적인 변화’가 일어나고 있는 만큼 리더십 자체도 혁명적으로 변화해야 합니다. 국내 최고의 빅데이터 전문가인 김진호 교수와 영업혁신의 대가 최용주 교수가 ‘빅데이터 리더십’을 통해 새로운 리더십 해법을 제시합니다.
김진호 서울과학종합대학원 빅데이터 MBA학과 주임교수 jhkim6@assist.ac.kr
최용주 서울과학종합대학원 산학협력단장 yjc@assist.ac.kr
김진호 교수는 서울대 경영대를 졸업하고 미국 펜실베이니아대(Wharton School)에서 경영학 석사와 박사 학위를 받았다(통계학 부전공). 사회와 기업의 다양한 문제를 계량 분석적으로 접근하는 연구를 주로 했다. 저서로는 『Keeping Up With the Quants: Your Guide to Understanding+Using Analytics(Harvard Business Review Press)』와 『빅데이터가 만드는 제4차 산업혁명』이 있으며 DBR에 ‘Power of Analysis’를 연재했다.
최용주 교수는 기업경영 성과에 직접적인 영향을 미치는 기능인 영업(Sales)에 대한 연구를 해왔다. 연구의 결과로서 『영업의 미래』라는 저서와 『영업혁신』을 발간했다. 최근 들어 ‘영업성과의 향상을 위한 빅데이터 활용에 관한 연구’를 진행하고 있다. 국내 제약회사 및 식품회사의 현장사업본부장 및 부사장, 컨설팅사 대표를 역임했다. 현재 서울과학종합대학원(aSSIST) 교수이자 산학협력단장으로 재직하고 있다.
21세기 원유, 4차 산업혁명 시대의 원유로 불리는 데이터는 새로운 비즈니스 창출의 기회도 가져오지만 기존 기업들에도 새로운 기회를 만들어준다. 미국의 캐피털원은 더 이상 폭발적인 성장이 어려워 보이던 신용카드 업계에서 데이터 분석과 맞춤형 카드 제공으로 성공 신화를 썼고, 전통적 유통기업 월마트 역시 소셜 분석으로 고객의 변화에 대응하고 있다. 이런 성공기업들로부터 배울 수 있는 교훈의 핵심은 바로 “빅데이터 시대에 경쟁의 승부는 누가 더 많은 데이터를 갖고 있고, 누가 그것을 다른 사람들보다 더 잘 활용하는가에 달려 있다”는 것이다.
데이터 분석으로 포착한 새로운 기회
데이터가 폭증하는 빅데이터 시대에 많은 기업이 디지타이징 비즈니스(Digitizing Business)로 자신의 사업을 재무장하려고 하고 있다. 즉, 빅데이터 시대의 5대 핵심 기술인 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터 분석(기계학습)을 활용해 자신의 사업을 혁신하려고 하는 것이다. 이러한 디지타이징 비즈니스의 유형을 지난 글에서는 [그림 1]과 같이 구분했다. 기업이 현재 사업을 하고 있는 기존 시장(그림 1 아랫부분)에서는 디지타이징 비즈니스를 4개의 유형으로 구분했고 새로운 시장(벤처기업)에서는 디지타이징 비즈니스 유형을 3개로 구분했다. 지금까지는 기존 사업에서의 디지타이징 비즈니스 유형 중에서 관찰/보고, 진단, 이상 탐지, 개인화 추천의 사례를 설명했다. 이번 글에서는 데이터 분석으로 새로운 기회를 포착한 사례를 먼저 다룬다.
오늘날 경영에 있어서 중요한 흐름은 다양한 산업 영역에서 빅데이터를 고객 만족을 위한 새로운 기회(제품 혹은 서비스)를 찾으려는 도구로 활용하는 것이다. 이런 추세를 대표적으로 보여주는 사례가 미국의 신용카드 회사인 캐피털원(Capital One)이다. 캐피털원은 빅데이터 분석을 바탕으로 한 대중맞춤(mass customization) 카드의 개척자로 무려 6000여 종의 신용카드를 발행하고 있는데 짧은 역사에도 불구하고 미국 5대 카드회사로 폭발적인 성장을 기록했다. 캐피털원이 신용카드 시장에 일대 혁신을 일으키며 새로운 기회를 포착하고 시장의 규칙(rules)을 바꾼 그 과정은 매우 흥미롭다.
캐피털원의 공동 창립자인 페어뱅크(Richard Fairbank)와 모리스(Nigel Morris)는 신용카드 시장에 전혀 경험이 없는 경영컨설턴트였다. 하지만 그들은 카드 고객들에 대한 데이터를 분석해 고객들을 세분화한 뒤 각각에 맞는 (이자율, 계약조건, 수수료 등) 맞춤형 카드를 개발하면 많은 고객을 끌어올 수 있을 것이라고 생각했다. 그들은 이 아이디어를 실행하고자 여러 은행과 접촉했지만 카드 연회비에 집착하는 보수적인 은행들의 문턱을 넘지 못했다. 거의 2년에 걸친 노력 끝에 두 사람은 버지니아 중부의 작은 은행인 시그넷(Signet Bank)에서 기회를 잡을 수 있었다. 시그넷에서 그들은 회원 정보, 구매 기록 등 회원들에 관한 다양한 정보를 축적해 집중적으로 분석했다. 분석 결과 고객들을 약 300개의 집단으로 분류할 수 있었고, 각 세분 그룹 고객들의 예상된 선호에 맞춰 이자율과 계약 조건 등을 조정한 약 300개의 맞춤형 신용카드를 출시했다. 특히 고객 데이터 분석을 통해서 확인한 가장 이상적인 신용카드 고객들은, 즉 카드회사에 가장 많은 이윤을 가져다주는 고객들은 카드 대출을 매달 일부만을 갚아나가는 사람들이었다. 신용카드 시장에서는 그런 고객들에게 13%에서 17%의 이자율을 부과하고 있었다. 캐피털원은 그런 고객들을 다른 카드회사로부터 빼내오기 위해 신용카드 시장에서는 혁명적이라고 할 수 있는 방법을 고안했다. 그것은 고객들이 높은 이자율의 카드에서 시그넷의 낮은 이자율의 카드로 채무를 이전할 수 있도록 하는 채무이전(balance transfer) 카드였다. 또한 채무이전을 더욱 유인하기 위해서 최초 이율이 거의 0%에 가까운 티저금리(teaser rate)를 창안했다.
시그넷의 이런 혁신적인 카드는 기존 카드회사로부터 수백만 명의 고객들을 유인해서 성공을 거두기 시작했다. 타깃 마케팅을 시작한 1992년에 매출이 크게 늘기 시작해서 3년 만에 신용카드 부문이 본사인 시그넷은행보다 더 커지게 됐고, 캐피털원이라는 회사로 분사(spin-off)했다. 이후 8년 동안 캐피털원은 약 5000만 명의 회원을 유치했는데 2002년에는 매일 1만 명의 새로운 회원이 가입했을 정도였다. 현재 캐피털원에는 연회비가 없는 신용한도 2000만 원의 벤츠동호회 카드도 있고, 연회비도 있지만 신용한도가 20만 원인 카드도 있다. 이렇게 빅데이터 분석을 바탕으로 한 대중 맞춤 전략으로 캐피털원은 알맞은 고객에게 알맞은 가격으로 맞춤형 신용카드를 제공하고 있는 것이다.
많은 은행과 카드회사들이 캐피털원의 성공의 비결을 그대로 따라 했지만 별로 성공을 거두지는 못했다. 그 이유는 두 가지로 볼 수 있다. 하나는 경쟁회사들이 데이터베이스, 즉 고객에 대한 다양한 정보 축적 측면에서 캐피털원에 크게 뒤져 있었다는 것. 캐피털원의 고객정보는 20만 대 이상 PC의 하드 드라이브를 꽉 채울 정도로 풍부하다. 둘째는 이런 다양한 정보로부터 인사이트를 추출하는, 즉 새로운 카드 서비스를 창안하는 알고리즘과 운용 경험에서도 크게 뒤처져 있기 때문이다. 캐피털원은 데이터 분석을 통해서 새로운 카드의 아이디어를 추출하면 실험과 조정 등의 과정을 통해서 확인한 뒤 가능한 한 빨리 출시한다. 다시 말해서 카드 서비스 하나를 디자인하는 데도 과학적인 방법을 그대로 따르고 있는 것이다. 빅데이터 시대에 데이터는 새로운 원유와 같다. 원유가 정유 과정을 거쳐야만 가솔린, 플라스틱 등의 다양한 물질로 변하듯이 데이터도 분석 과정을 거쳐야만 새로운 가치를 드러낸다. 캐피털원 사례는 빅데이터 시대의 가장 중요한 핵심을 시사하고 있는데, 그것은 바로 “빅데이터 시대에 이제 경쟁의 승부는 누가 더 많은 데이터를 갖고 있고, 누가 그것을 다른 사람들보다 더 잘 활용하는가에 달려 있다”는 것이다. 그리고 활용의 경쟁에서 개인 선호에 대한 예측을 바탕으로 새로운 서비스나 상품을 개발하려는 노력이 전성시대를 맞고 있다.
월마트의 소셜 게놈 프로젝트
월마트(Walmart)는 전 세계 27개국에 1만1695개의 점포를 운영하고 있으며 종업원은 약 230만 명, 매출(2016)은 4850억 달러(약 533조 원)로서 현재 세계 최대의 유통업체다. 매주 2억5000만 명의 고객이 구매한 데이터만 해도 엄청나서 시간당 2.5페타바이트의 데이터를 분석하고 있다. 월마트는 이미 1990년대부터 ‘리테일 링크(Retail Link)’라는 재고관리 시스템을 사용하고 있다. 월마트에 납품하는 업체들은 이 시스템을 통해서 각 점포 내의 재고량은 물론 시간당, 일당 판매량 등의 세세한 정보를 확인해 납품시기 결정과 재고관리에 효과적으로 활용한다. 2004년부터는 고객이 구매한 내역도 분석해 구매한 상품 간의 연관성을 찾아내기 시작했다. 이를테면 각 고객이 언제, 어떤 아이템을 샀는지, 구매원가는 얼마였는지, 어떤 제품을 함께 구매했는지, 심지어 그날 날씨는 어땠는지를 분석한 것이다. 예를 들면 허리케인이 오기 직전에 고객들이 함께 구매한 상품을 분석해보니 손전등과 팝타르츠(Pop-Tats) 과자의 판매량이 동시에 증가하는 패턴이 나타났다. 이는 팝타르츠 과자가 허리케인이 닥쳤을 때 비상식량으로도 활용된다는 것을 의미했다. 이를 바탕으로 월마트는 허리케인 용품 옆에 팝타르츠 박스를 진열해 편리한 구매를 유도했다.
빅데이터 시대에 들어서는 SNS와 모바일의 중요성이 커지자 월마트는 지역별로 모바일과 소셜 쇼핑의 특징을 실시간으로 분석해 새로운 기회를 찾으려는 시도를 하기 시작했다. 이를 위해 월마트는 2011년에 소셜미디어 분석 회사인 코스믹스(Kosmix)를 인수해 사내에 월마트랩(@WalmartLabs)이라는 조직을 만들었다. 월마트랩은 각 지역의 트윗과 페이스북 담벼락 정보 등을 분석해 지역별 고객 선호도와 그 변화를 예측한 뒤 이를 토대로 고객이 관심을 가질 만한 상품을 실시간 추천하거나 인근 점포의 상품 라인업과 전시를 조정한다. 예를 들어 캘리포니아 마운틴뷰 지역에서 자전거에 대한 관심이 증가하는 것으로 분석되면 해당 지역 매장들의 입구에 자전거 코너를 특별히 배치하고 제품 구색도 다양하게 함으로써 매출을 증가시켰다.1
닫기소셜 게놈 프로젝트는 월마트랩에서 수행되는 많은 혁신 중 하나다. 소셜 게놈은 수억 건의 페이스북 메시지, 트윗, 유튜브 비디오, 블로그 포스팅 등을 분석하는 솔루션이다. [그림 2]는 월마트랩이 설명하는 소셜 게놈 솔루션의 한 사례를 보여준다.2
한 고객이 “나는 솔트(salt)가 정말 좋아!”라고 열정적으로 트윗을 했다. 이 작은 트윗이 수초 안에 월마트랩에 도착한다. 여기에서 주요 관련 내용들이 번개같이 분석된 뒤 몇 분 후에 그 고객의 친한 친구에게 이런 e메일을 보낸다: “굿모닝, 줄리아나. 저희에게 친구 한나의 생일을 상기시켜 달라고 요청하셨죠. 한나 양의 생일이 다가오고 있습니다. 그녀는 방금 앤젤리나가 출연한 새로운 영화인 솔트(SALT)에 대해서 긍정적으로 트윗을 했어요. 당신은 그녀를 위해 그 영화와 관련된 상품을 사지 않으시겠습니까? 추천드릴 상품이 몇 개 있습니다.” 이런 시나리오를 현실화하기 위해서 월마트랩은 무엇을 하고 있을까? 그 고객이 솔트(salt)라고 했을 때 그것이 소금이라는 양념이 아니라 영화 제목(SALT)인 것을 월마트랩은 어떻게 알아차렸을까? 이 여성에 대한 정보를 축적하고 지속적으로 분석해 취향을 파악하고 있었기 때문이다. 구매 이력 등 고객 정보와 SNS 게재글 등 외부 데이터를 통합해 고객의 행동을 예측하는 데 활용하는 것이다. 이를 위해 월마트랩은 SNS 글에서 단순 키워드 검색이 아닌 문장의 의미를 파악하는 분석 엔진도 개발했다.3
링크트인 도약의 계기
기업은 데이터 분석을 통해 효율 증대, 비용 절감, 위험 관리, 빠르고 더 나은 의사결정 지원 등의 효과를 거둔다. 하지만 기업이 빅데이터로 이루려는 가장 큰 목표는 새로운 서비스와 제품을 개발하는 데 데이터 분석을 사용하는 것이다. 그리고 이런 목표가 성공하면 기업은 성과를 크게 올리면서 새로운 도약의 계기를 맞게 된다. 간단한 새로운 서비스 하나를 제공함으로써 기업 도약의 발판을 마련했던 대표적인 사례로는 링크트인(LinkedIn)의 PYMK(People You May Know)라는 약자로 불리는 서비스, 즉 ‘당신이 알 수도 있는 사람’을 제안해 주는 서비스다.
링크트인은 미국의 비즈니스 중심의 소셜네트워크서비스 기업이다. 주로 관심 있는 분야나 경력에 속한 친구들이나 동료를 연결해주는 전문적인 네트워킹 서비스를 제공한다. 현재 200여 개 국가에 약 5억 명의 회원이 있으며 적극적으로 참여하는 회원만도 1억 명 이상으로 세계적으로 20번째로 인기 높은 사이트다. 링크트인은 마이크로소프트가 2006년 말에 264억 달러(약 28조 원)라는 천문학적 금액으로 인수하면서 높은 기업 가치가 입증됐다.
링크트인의 수익모델은 구인을 원하는 기업이나 채용기관에 링크트인 회원들의 정보에 접근할 수 있는 권한을 파는 것이었다. 따라서 회원 수 확보가 기업 성장에 필수적이었다. 2003년에 설립된 링크트인은 2006년에 회원이 약 800만
명 정도였는데 이는 경영진의 기대에 크게 못 미쳤다. 더욱이 다른 회원들과 교류를 하거나 인맥을 활발하게 맺지 않는 것이 문제였다. 친구나 동료들을 사이트에 초청한다든지 하는 회원들의 활동도 매우 미흡했다. 사용자 경험에 중요한 무엇인가가 빠져 있었기 때문에 회원들 간의 교류를 활성화하는 새로운 돌파구가 필요했다.4 링크트인의 한 매니저는 당시의 상황을 이렇게 표현했다: “마치 콘퍼런스의 환영 연회에 참석했는데 아는 사람이 한 명도 없다는 것을 깨달은 것과 같았어요. 그러면 한쪽 구석에 홀로 서서 음료나 홀짝이다가 아마도 일찍 자리를 떠나겠죠.”
‘당신이 알 수도 있는 사람(PYMK)’은 링크트인이 2006년에 처음으로 시작한 서비스로 두 회원들 간에 잠재적인 연결(link)이 있는지를 정확히 예측하는 시스템이다. PYMK는 그 이름에서 알 수 있듯이 회원들이 네트워크를 넓힐 수 있도록 그들이 알 수도 있는 다른 회원들을 제시해 준다. 이 서비스를 고안한 사람은 링크트인의 데이터 사이언티스인 골드만(Jonathan Goldman)이다. 그는 회원들의 프로필 데이터 속에서 회원들 간의 연결을 찾아내어 이를 제시해주는 알고리즘을 개발했다. 하지만 사이트의 확장 작업에 몰두하고 있던 링크트인의 개발자들은 골드만의 아이디어에 관심이 없었다. 심지어 일부 동료들은 ‘왜 링크트인이 고객들의 네트워크까지 찾아줘야 하느냐’며 그의 아이디어를 멸시하기까지 했다.
하지만 그 당시 링크트인의 공동 설립자이자 CEO였던 호프만(Reid Hoffman)은 데이터 분석의 힘을 신봉하는 경영자였다. 호프만은 골드만으로 하여금 전형적인 서비스 릴리스 방식을 피해갈 수 있도록 했다. 즉, 링크트인 사이트의 가장 인기 있는 페이지에 PYMK를 광고 모듈 형태로 싣도록 했다. 구체적으로는 회원가입 시에 작성한 프로필을 기반으로 해서 각각의 회원들이 가장 잘 알고 있을 것으로 예측된 3명의 다른 회원을 [그림 3]과 같은 광고 형태로 제시했다. 이런 방식으로 골드만은 회원들에게 아직 연결을 맺고 있지는 않지만 알 수도 있는 사람(예를 들면 동일한 시기에 같은 학교에 다녔거나 같은 직장에서 근무한 사람)을 제시하면 어떤 일이 일어날지를 테스트하기 시작했다.
테스트를 시작한 지 며칠도 지나지 않아 놀라운 변화가 일어났다. 그런 광고에 대한 전환율이 이전에는 경험하지 못한 수준으로 가장 높았던 것이다. 링크트인의 경영진은 PYMK의 위력에 놀라서 임시였던 이 서비스를 아예 정식의 표준 서비스로 제공하기 시작했다. 또한 골드만은 PMYM 예측이 만들어지는 방법을 계속해서 개선했다. 예를 들면 친구의 친구 관계, 혹은 ‘삼각친밀관계(triangle closing)’도 활용했다: 만약 앨리스(Alice)가 밥(Bob)을 알고 밥(Bob)이 캐럴(Carol)을 안다면, 아마 앨리스도 캐럴을 알 것이다. 더욱이 이런 삼각관계는 앨리스와 캐럴의 학교, 조직, 나이, 지역 등의 배경에 있어서 중복 여부와 중복 기간을 감안해 점수화했다. 예를 들면 같은 조직에 있었던 경우에도 지역과 중복 기간이 긴 경우에 점수가 높도록 했더니 두 사람의 관계 예측이 성공할 확률이 높아졌다.
결과적으로 데이터 분석을 바탕으로 한 PYMK 서비스는 링크트인을 위해 많은 새로운 고객을 만들어냈다. 링크트인이 사람들을 그 사이트로 돌아오게 하기 위해서 보냈던 다른 메시지와 비교하면 PYMK 메시지는 30%나 더 많은 클릭률을 달성했다. 그렇지 않았으면 재방문하지 않았을 수백만 명의 사람들이 그 사이트를 재방문한 것이다. 이 단 하나의 새로운 서비스 덕분에 링크트인의 성장 곡선은 상당히 위쪽으로 급상승했다. PYMK의 가치를 입증하는 또 하나의 요소는 다른 많은 소셜 사이트가 이와 유사한 기능을 추가했다는 점이다. 지금은 페이스북, 트위터, 구글 등 대부분의 사이트도 유사한 기능의 서비스를 제공하고 있다.
지난 글과 이번 글에서는 기존 시장에서의 디지타이징 비즈니스로 생산성 향상, 이상 탐지, 개인화 추천, 새로운 기회(서비스/상품) 발견 등을 다뤘다. 이런 과정을 거쳐서 기업이 해당 영역(domain)에서 분석적 역량을 축적하면 이를 활용해 다른 기업의 유사한 문제도 해결할 수 있는 컨설팅 서비스를 할 수 있다. 기업이 축적된 분석적 경험과 역량을 해당 산업에서 기존의 업무와는 전혀 다른 새로운 사업의 기회로 활용할 수 있게 되는 것이다. 이글의 처음에서 제시한 [그림 1]에서 보는 바와 같이 유형 3은 축적된 분석적 역량을 서비스화해 개별적으로 컨설팅하는 형태다. 유형 4는 아예 이런 서비스를 종합적으로 제공하는 플랫폼을 만들어서 다수의 고객에게 동시에 서비스를 제공하는 유형이다. 다음 글에서는 유형 3과 유형 4의 사례를 다루기로 한다.
편집자주
4차 산업혁명의 중심에 빅데이터가 자리 잡고 있습니다. ‘혁명적인 변화’가 일어나고 있는 만큼 리더십 자체도 혁명적으로 변화해야 합니다. 국내 최고의 빅데이터 전문가인 김진호 교수와 영업혁신의 대가 최용주 교수가 ‘빅데이터 리더십’을 통해 새로운 리더십 해법을 제시합니다.
김진호 서울과학종합대학원 빅데이터 MBA학과 주임교수 jhkim6@assist.ac.kr
최용주 서울과학종합대학원 산학협력단장 yjc@assist.ac.kr
김진호 교수는 서울대 경영대를 졸업하고 미국 펜실베이니아대(Wharton School)에서 경영학 석사와 박사 학위를 받았다(통계학 부전공). 사회와 기업의 다양한 문제를 계량 분석적으로 접근하는 연구를 주로 했다. 저서로는 『Keeping Up With the Quants: Your Guide to Understanding+Using Analytics(Harvard Business Review Press)』와 『빅데이터가 만드는 제4차 산업혁명』이 있으며 DBR에 ‘Power of Analysis’를 연재했다.
최용주 교수는 기업경영 성과에 직접적인 영향을 미치는 기능인 영업(Sales)에 대한 연구를 해왔다. 연구의 결과로서 『영업의 미래』라는 저서와 『영업혁신』을 발간했다. 최근 들어 ‘영업성과의 향상을 위한 빅데이터 활용에 관한 연구’를 진행하고 있다. 국내 제약회사 및 식품회사의 현장사업본부장 및 부사장, 컨설팅사 대표를 역임했다. 현재 서울과학종합대학원(aSSIST) 교수이자 산학협력단장으로 재직하고 있다.
-
김진호 | -서울과학종합대학원 빅데이터 MBA 주임교수
jhkim6@assist.ac.kr
이 필자의 다른 기사 보기 -
최용주 | 서울과학종합대학원(aSSIST) 부총장
yjc@assist.ac.kr
이 필자의 다른 기사 보기
인기기사
