안녕하세요, 오프라인 공간을 더 똑똑하게 만드는 인공지능 스타트업 메이아이입니다.

오프라인 마케팅에서 체류 시간은 매장 만족도를 가장 직관적으로 나타내는 KPI입니다. ‘무언의 피드백’이라고도 볼 수 있는 지표인데요. 우리가 리테일 매장에 들어가서 하는 행동을 떠올리면 무슨 말인지 바로 와 닿을 겁니다. 마음에 들지 않는 곳에서는 바로 나가고, 마음에 드는 곳에서는 시간을 들여 꼼꼼히 돌아보지 않나요? 이번 콘텐츠에서는 고객의 관심도와 몰입도를 측정하는 지표인 체류 시간에 대해 알아보겠습니다.

체류 시간은 어떤 데이터일까?

체류 시간(dwell time)은 고객(이용자)이 특정 공간에 얼마 동안 머물렀는지 나타내는 지표입니다. 앱이나 웹사이트를 데이터 기반으로 운영하는 사람이라면 친숙할 거예요. 온라인 환경에서는 체류 시간을 통해 콘텐츠의 몰입도라든가, 웹페이지 레이아웃의 효율성을 평가할 수 있어요.

오프라인 환경에서 ‘매장 체류 시간’은 방문객이 매장에 입장했을 때부터 퇴장할 때까지 시간이 얼마나 걸렸는지, 특정 구역에 얼마나 오래 머물렀는지 등을 의미하는 데이터입니다.

체류 시간 데이터로는 다음과 같은 맥락을 알아낼 수 있어요.

• 고객의 관심도 및 몰입도: 매장 전체 또는 특정 매대의 체류 시간이 높으면, 고객이 흥미를 느낄 만한 요소가 충분했다고 해석할 수 있습니다.
• 상품 매력도 측정: 똑같은 매대라도 어떤 상품을 배치하느냐에 따라 체류 시간이 달라질 수 있어요. 이를 통해 어떤 상품이 고객을 사로잡는지 아닌지 판단 가능합니다.
• 고객 불만족 조기 감지: 체류 시간 데이터가 점진적으로 떨어지는 것을 관찰하면 매장 만족도에 문제가 있다고 해석할 수 있습니다.
• 팝업 이벤트 성과 분석: 플래그십 스토어 내에 팝업스토어를 열었을 때, 체류 시간 데이터를 통해 팝업스토어의 마케팅 효과를 측정할 수 있습니다.

체류 시간은 만능 데이터일까?

매장 운영 측면에서 체류 시간이 많은 맥락을 알려주지만, 완벽한 지표는 아닙니다. 몇 가지 부분은 주의해서 살펴야 합니다.

• 불만족 신호일 가능성: 체류 시간이 높다고 다 긍정적인 신호는 아닙니다. 제품을 찾기 어렵거나, 대기줄이 길어 오래 머문다면 만족도가 떨어지는 상황으로 해석해야 합니다. 
• 고객 특성 반영 어려움: 매장에 픽업만 하러 들르는 경우 체류 시간이 짧을 수밖에 없습니다. 이 데이터를 다른 고객의 체류 시간과 평균을 내어 분석할 경우 잘못된 인사이트를 도출하게 됩니다.
• 매출 성과를 대변하지 않음: 매장 운영 성과의 핵심인 매출이 오르려면 방문객 수와 전환율이 높아져야 합니다. 체류 시간을 중심으로 매장 성과를 측정하기보다는, 다양한 데이터를 종합적으로 봐야 합니다.

매장 방문객의 체류 시간, 어떻게 측정할까?

체류 시간을 측정하는 데는 전용 솔루션의 도움을 빌릴 수밖에 없습니다. 매장 방문객이 입장할 때부터 퇴장할 때까지 시간을 한 명 한 명 스톱워치로 측정하기는 불가능하니까요. 

매장 방문객의 체류 시간을 분석하는 데는 다음과 같은 솔루션을 활용할 수 있습니다.

• Wifi 신호 기반 솔루션: 매장 방문객의 스마트폰 Wifi 신호를 잡아, 입장·퇴장 시각을 기초로 체류 시간을 계산합니다. 다만 방문객이 Wifi를 켜두어야 측정이 가능해, 일부 데이터가 누락되는 한계가 있습니다.
• RFID 기반 솔루션: 매장 곳곳에 설치된 센서로 방문객이 보유한 RFID 칩을 인식하는 방식입니다. 신호 간섭, 중복 인식 한계가 있습니다. 성별&연령대를 기반으로 체류 시간 데이터를 세부적으로 나눠보기 어렵습니다.
• CCTV 기반 AI 솔루션: 딥러닝 기반으로 매장 전체, 층별, 매대별, 대기줄 등 각종 체류 시간을 파악할 수 있습니다. 모든 데이터는 성별&연령대에 따라 세분화해서 분석할 수 있습니다.

매장 체류 시간 데이터, 활용 예시는?

타깃 고객 맞춤 체류 시간 최적화

체류 시간을 성별&연령대에 따라 나눠서 살펴보면 타깃 고객에게 소구력이 높은 매대 특성을 알아낼 수 있습니다. 30대 여성이 타깃인 매장이 있다고 가정해볼게요. 이때 매대별 체류 시간을 30대 여성 기준으로 필터링해서 보면 이들이 특별히 선호하는 제품을 알 수 있습니다. 이를 통해 해당 제품군을 강화하면 타깃 고객의 충성도를 높일 수 있고, 이는 체류 시간이 상승하는 결과로 나타납니다.

체류 시간 기반 이탈률 성과 개선

매장이 재밌어서 오래 머무는 경우도 있지만, 대기 시간이 길어져 오래 머무르는 경우도 있습니다. 이때 체류 시간과 이탈률의 상관 관계를 분석하면 대기 시간을 관리해 이탈률을 줄일 수 있습니다. 예를 들어 피팅룸 대기줄에서 5분이 경과했을 때 이탈률이 크게 상승하는 경우, 이를 해결할 방법을 고민하는 거죠. 피팅룸을 늘린다든가, 직원을 투입해 대기줄 고객을 케어한다는 등의 액션을 취할 수 있습니다. 이를 통해 이탈률을 줄이면, 매출 상승 성과로 이어질 수 있습니다.

팝업스토어 브랜드 메시지 몰입도 분석

체험형 팝업스토어를 준비하는 마케터는 브랜드 메시지를 최대한 강화하기 위해 노력합니다. 이를 위해 브랜드 스토리로 한쪽 벽을 장식하는 등의 콘텐츠를 기획합니다. 하지만 기성 솔루션으로는 방문객이 이를 제대로 체험했는지 측정하기 어려웠는데요. 체류 시간을 활용해 그 성과를 정확히 측정할 수 있습니다. 오래 머물렀다는 건 그만큼 몰입해서 체험했다는 뜻이기 때문입니다. 이를 통해 오프라인 브랜드 마케팅의 성과를 정확히 측정하고 이후 팝업스토어 기획에도 활용 가능합니다.

분초까지 정확한 방문객 체류 시간, 매쉬로 분석하세요

체류 시간을 측정하면 매장 구석구석의 맥락을 알 수 있습니다. 방문객의 꾸밈없는 반응을 데이터를 통해 살필 수 있습니다. 방문객 수, 연령대, 전환율 데이터와 함께 보면 매장에 대한 인사이트는 수없이 늘어납니다. 매장 분석 AI 솔루션 매쉬는 이러한 데이터를 분석해 대시보드 형태로 제공합니다. 더 자세한 정보가 궁금한 분들은 아래 버튼을 클릭해 서비스 소개서를 받아보세요. 매장 맞춤 상담은 contact@may-i.io를 통해 연락 부탁드립니다.