요즘 이커머스 트렌드에 빼놓지 않고 등장하는 단어가 있다. 바로 ‘MZ 세대’이다. MZ 세대는 1980년대에서 1990년대 중반에 태어난 ‘밀레니얼 세대’와 1990년대 중반에서 2000년대 중반에 태어난 ‘Z세대’를 통칭하는 것으로 10대 후반에서 30대의 청년층을 아우른다. 최근 ‘온택트’와 ‘디지털 전환’이 일상 생활에 큰 화두가 되면서, 디지털 환경에 가장 익숙한 디지털 네이티브 세대인 MZ세대는 오프라인 관계를 온라인으로 가져오는데 거리낌이 없으며, 디지털 환경 안에서 빠르게 참여하고 움직이며 개인의 취향이 반영된 ‘개인화 소비’를 추구하는 것이 특징이다. 

이러한 MZ 세대의 소비성향을 파악한 이커머스 업계는 다양한 고객의 니즈에 부합하는 상품을 개발하는데 주력하고 있다. 또한 거기에서 그치는 것이 아니라 인공지능과 빅데이터를 기반으로 한 개인화 마케팅 서비스를 통해 고객 취향에 맞는 상품을 제공하여 구매전환율을 높이기 위한 시도를 하고 있다.

그렇다면 ‘자신에게 맞는 정보를 빠르게 알아서 찾아주는 환경’에 익숙한 MZ세대에게 자신만의 취향과 선호를 반영한 상품 추천을 위해서는 어떤 개인화 마케팅 전략을 취해야 하는 것일까?

1) 전략적 고객 타겟팅

이전부터 마케팅 전략 수립 시, 모든 고객을 공략하기 어렵기에 세분화된 고객 타겟팅이 요구되어 왔다. 고객 타겟팅을 통해 제품, 서비스 및 콘텐츠에 관심이 있는 특정 타겟 고객을 정의하고, 그 타겟을 중심으로 마케팅 비용을 집중시킬 수 있기 때문이다. 그러나 점차 온라인 소비 시장이 커지면서 고객의 니즈는 다양화되고, 인구통계학적인 요소보다 고객 심리가 상품 구매의사결정에 큰 영향을 미치기 시작했다. 특히, 자기표현 욕구가 강하며 나의 만족이 최우선 고려요소로 최우선시되고, 개인주의와 다양성을 추구하는 MZ 세대의 성향은 그들의 소비 패턴에서도 그대로 드러나며 각 고객 개개인의 각자의 개인화된 특성을 분류한 고객 타겟팅 전략이 더 필요하게 되었다.

그렇다면 MZ세대의 니즈에 부합하는 개인화된 마케팅과 서비스를 제공하기 위한 타겟팅 전략을 위해서는 무엇이 필요할까? 

첫번째는 고객이 현재 어떤 상품을 주목하고 있는지, 즉 ‘행동 패턴’을 파악하는 능력이 필요하다. 그것을 가능케 하는 것이 바로 ‘고객 행동 데이터’다. 두번째는 그 데이터를 토대로 한 ‘개인화 기술’이다. ‘개인화 기술’ 없이는 고객의 행동 패턴을 파악할 수 없을 뿐만 아니라, 고객을 사로잡기 위한 개인화 마케팅 전략 실행도 어렵기 때문이다.

그루비의 경우, 머신러닝과 딥러닝 등의 최신 인공지능 기술을 보유, 이전과는 다른 인사이트와 함께 세분환 된 고객 타겟팅을 지원한다. 이를 통해 한층 세밀하게 캠페인을 진행할 수 있고, 덕분에 고객의 쇼핑 경험을 향상시킬 수 있었다.

특히, AI를 적용한 RFM 기법은 최근방문(Recency), 방문빈도(Frequency), 구매금액(Monetary Value) 3가지 지표를 중심으로 데이터를 분석해 고객의 상태를 세분화한다. 또한, 그루비는 이 RFM을 통해 고객들을 10가지의 상태로 분류한다. 단순 편의를 위해서라면 고객의 상태를 3~5가지 정도로 분류하겠지만, 그루비는 고객의 현재 상태를 세심하기 관리하기 위해 10가지로 분류하고 있다. 이는 곧 다양성과 개성을 중시하는 MZ세대를 대상으로 한 효과적인 마케팅 활동이 가능하게 되며, MZ세대의 쇼핑 행동에 대한 다양한 인사이트를 얻을 수 있다.

<그림1> 그루비 RFM 세그먼트

또한, 그루비는 자신의 가치관과 개인의 만족에 따라 쇼핑 구매의사결정 변동이 잦은 MZ세대를 고려해 고객들의 상태 이동을 실시간으로 체크  및 확인할 수 있는 기능 또한 가지고 있다. 예를 들어 구매가 활발해 VIP 고객으로 분류되었던 MZ 세대 고객이 이탈 우려로 변경 및 상태 전환이 되었다면 해당 고객만을 위한 재구매나 재방문 유도할 수 있는 마케팅 캠페인을 실행하여 구매를 이끌어내거나, AI가 분석한 VIP 고객군을 대상으로 신상품을 소개하고 이탈 우려가 있는 고객군에게 쿠폰을 전달하는 마케팅을 진행할 수 있다.

<그림 2> 그루비 구매확률 세그먼트

아울러 다양한 고객 행동 데이터를 바탕으로 구매 확률을 예측해 확률 구간별로 고객을 세분화해 마케팅 실행이 가능하다. 고객 속성, 행동 관련 40가지 행동 변수를 적용해 구매 전환 상승을 위한 타겟팅으로 캠페인 진행이 가능하다. 예를 들어 2주 전에는 구매 확률이 60~80%로 높았지만 10~30%로 떨어진 고객들을 찾아내 이 고객들의 구매 의욕을 높일 수 있는 마케팅 메시지를 푸시 알림으로 전달하는 등의 전략이 가능해진다. 

<그림 3> 그루비 세그먼트 이동 타겟팅

이렇듯 ‘개인화 기술’을 통한 전략적 마케팅은 MZ 세대에게는 본인이 원하는 상품을 빠르게 찾고 구매할 수 있는 편리성을 제공하며, 마케터와 자사몰 운영자는 그들의 구매 전환율을 높이며 MZ세대가 주목하고 있는 상품이나 서비스가 무엇인지 빠르게 파악해 새로운 상품 개발 및 향후 마케팅 실행 전략에까지 적용할 수 있게 된다.

2) 상품 추천 최적화 전략

통계형 알고리즘과 AI 기반 딥러닝 알고리즘 등 다양한 추천 알고리즘을 갖추고 있어도 각 고객에게 어떤 상품 추천 방식을 어떠한 상황에 적용시켜야 할지 마케터나 자사물 운영자 입장에서는 난감한 문제일 것이다. 이런 상황에서 새로운 소비의 권력층이자 구매의사결정 변동이 잦은 MZ세대의 관심을 이끌어 구매 전환을 높이기 위해서 어떤 추천 전략을 취해야 효과적일지에 대한 고민 또한 적지 않을 것이다. 또한, 기간별로 각기 다른 추천 방식을 하나하나 검증하는 것 역시 마케터와 자사몰 운영자 입장에서는 어렵고 고단한 작업이 될 수 있다.

특히, MZ세대는 별도로 원하는 제품이나 정보를 검색하는 시간이나 노력을 들이지 않고 알고리즘을 통해 알아서 추천해주는 방식을 선호하며 그러한 디지털 환경에 익숙해져 있다. 최근의 이러한 MZ세대의 성향에 맞는 상품 추천을 하기 위해서는 다양한 추천 방식을 동일한 추천 영역에서 동시에 노출하되 보다 높은 성과가 예상되는 추천 방식을 인공지능이 자동으로 선택해 주는 자동 최적화 기능이 필요하다. 

그루비의 경우, MAB(Multi Armed Bandit) 알고리즘을 활용해 앞서 언급한 상품 추천의 자동 최적화 기능을 수행하고 기본적으로 전환 손실의 최소화, 전환 기회의 최대화를 실현한다. 이를 통해 MZ세대가 원하는 추천 상품을 클릭하거나, 추천 상품의 구매가 이루어질 때마다 실시간으로 가장 성과가 좋다고 예측되는 추천 방식에 의한 상품 노출량을 적절히 늘려준다. 이 때 마케터나 운영자는 이 추천 영역을 통해 얻고자 하는 성과가 상품 뷰를 늘리는 것(상품노출, 클릭)인지, 구매 전환인지 등에 대한 목표를 정하기만 하면 설정한 성과 목표에 따라 자동 최적화가 진행된다. 

<그림 4> MAB(Multi Armed Bandit) 개념

또한,  그루비가 제공하는 AI 딥러닝, 머신러닝을 기반으로 12개의 AI 개인화 추천 알고리즘과 9가지 통계형 추천 알고리즘으로 사이트의 주요 페이지의 전환율 상승에 최적화된 상품 추천을 진행할 수 있다. 다만, 이 경우에는 이커머스 서비스의 상품 수나, 트래픽에 따라 성과 최적화에 시간이 소요될 수 있다. 따라서 마케터나 쇼핑몰 운영자가 이해하고 있는 상품 추천 영역 페이지의 특성이나 MZ세대의 고객 특성을 고려하여 통계형 추천 방식과 딥러닝 추천 방식을 비교하거나, 유저 기반 추천 방식과 아이템  기반 추천 방식을 비교하거나, 현재 세션 데이터 기반 추천 방식과 과거 이력 데이터 기반 추천 방식을 비교하는 등의 상이한 특성을 가진 추천 방식 몇 가지를 선택하여 MZ세대를 사로잡을 수 있는 자동화된 상품 추천 전략을 진행할 수 있다. 

마무리하며,

이커머스 기업의 실무자들과 마케터들은 개인화 마케팅을 통해 MZ세대를 사로잡기 위해선 그들의 행동 패턴을 기반으로 구매를 유도하는 정확한 트리거가 무엇인지 명확하게 파악해야 한다. 이를 통해 고객이 구매의사결정을 할 수 있도록 접점마다 메시지를 전달하여 관심을 끌고, 구매로 이어질 수 있는 기회를 잡아야 한다. 개인화 기술을 활용한 마케팅 전략은 마케팅 예산비용은 절감하고 MZ세대의 니즈와 성향에 맞는 맞춤형 타겟팅과 캠페인을 통해 효과적인 ‘개인화 소비’을 이끌어낼 수 있을 것이다.