지금까지 기계 및 제조 라인 등의 물리적인 자산에 적용되어 왔던 디지털 트윈 기술이 사람에게도 응용되기 시작했다. 새로운 접근방식으로서 ‘고객의 디지털 트윈’이라는 개념이 등장했다. 이 기술은 금융 서비스의 유연성 및 고객 체험의 질을 높일 가능성이 있다.

▣ 예측 불가능한 변화에도 대응할 수 있는 디지털 트윈

디지털 트윈은 현실 데이터를 사용하여 대상물의 행동이나 상태 변화를 디지털 공간에서 표현하는 기술이다. 데이터를 통해 지속적으로 정보가 갱신되기 때문에, 기존의 데이터 분석 방법에서는 실시하기 어려웠던 예측하지 못한 변화에도 반응할 수 있는 유연성을 갖추고 있다. 2002년에 미시간대학의 Michael Grieves 박사가 제조업에서 제품의 라이프사이클을 관리하는 방법으로 제시한 것이 처음이었으며, 이후 물체 및 시스템의 행동 예측 및 시뮬레이션에 이용되어 왔다.

▣ 디지털 트윈의 대상이 ‘고객’으로 확대

지금까지의 디지털 트윈은 주로 물리적인 ‘사물’을 대상으로 했지만, 기술이 발전함에 따라 오늘날에는 인간 즉 ‘사람’을 대상으로 하는 디지털 트윈에 대한 기대감이 고조되고 있다.

하지만 물리적인 행동을 수학적으로 재현하는 연구가 오랫동안 진행되어 온 사물과는 달리, 사람의 행동 원리는 아직 완전히 해명되지 않았다. 다만 기업의 서비스를 이용하는 ‘고객’은 상품의 구매 및 서비스의 이용 등으로 상황이 한정되어 있기 때문에, 사람이라 해도 행동을 모델화하기 쉽다고 할 수 있다. 또한 최근 몇 년 동안 디지털화가 발전함에 따라 모델을 구축하기 위한 데이터를 수집하는 일이 전보다 쉬워졌다. 이러한 배경으로 인해, 사람 중에서도 ‘고객 디지털 트윈’이 선행적으로 실현될 것으로 보인다.

‘고객 디지털 트윈’을 실현하려면 먼저 사물의 디지털 트윈도 마찬가지로 ‘데이터를 수집’하고 ‘모델 구축’해야 한다. 데이터에는 스마트폰 앱이나 E커머스 등의 온라인 서비스 이용 이력, 점포 방문 이력 및 상품 구매 등의 온라인을 통해 수집되는 데이터, 소셜미디어 및 시장 조사 정보가 포함된다. 이러한 데이터를 바탕으로 고객의 구매 행위, 기호, 서비스의 이용을 재현하는 모델을 만든다. 그리고 계속해서 수집되는 데이터를 활용하여 모델을 업그레이드해 나감으로써 더욱 정확하게 현실 세계를 재현할 수 있다. 이 프로세스는 비즈니스의 효율 향상 및 CX의 최적화에 기여하며, 유익한 인사이트를 획득할 수 있다.

<그림1> ‘고객 디지털 트윈’의 흐름

▣ 산업 분야의 선행 사례와 금융 분야에서의 활용안

고객의 디지털 트윈을 만들고자 하는 선행 사례가 산업 분야에서 등장하였다. 북미의 한 음료 기업이 영업 직원을 위한 디지털 트윈을 개발했다. 이 디지털 트윈에는 성별 및 나이와 같은 고객의 속성과 함께 IoT 센서와 카메라를 이용하여 취득한 고객이 매장에서 어떤 상품을 집어 들었는지와 같은 행동 데이터도 포함된다. 또한 맛이나 가격 등의 상품 특성, 판매 채널인 레스토랑이나 소매 점포의 입지/상권에 관한 정보도 포함된다. 이러한 것들을 바탕으로 작성한 고객의 구매 행동을 재현하는 모델을 사용하여 50만 개에 달하는 판매 채널을 재현하는 디지털 트윈을 만들었다. 영업 직원은 이 디지털 트윈을 사용하여 각 채널에서 어떤 상품을 제공하면 매출이 어떻게 변화하는지 검증할 수 있게 되었다. 이를 통해 채널별로 최적화된 판매 계획을 세울 수 있다.

계획의 정확도가 향상하게 되어 동사의 이익이 확대되었지만, 특히 주목해야 하는 점은 팬데믹 상황에서의 예기치 못한 급격한 변화를 이 시스템을 변경하지 않고 대응할 수 있다는 점이다. 기존의 데이터 분석 시에는 모델을 작성할 때 방문 고객의 수와 판매 채널의 개점 시간 등에 일정한 전제를 두었다. 그래서 방문 고객 수가 격감하거나 많은 점포가 영업시간을 단축하는 등의 예상치 못한 변화에는 대응할 수 없었고, 정확도가 현저하게 떨어져, 상황에 맞는 모델을 다시 설계해야만 했다. 하지만 디지털 트윈은 데이터를 통해 지속적으로 모델을 업데이트하기 때문에, 급격한 변화에도 대응할 수 있다.

고객의 디지털 트윈은 금융기관에서도 유용하다. 예를 들어 현재 고객의 신용 리스크는 과거의 행동이나 인구 통계 데이터를 바탕으로 산출되는데, 경제 정보 및 금융 서비스의 이용 상황을 계속해서 도입하게 되면, 고객의 생활 전체를 더욱 정확하게 이해하여 여신 한도액 및 리스크 허용도를 지속적으로 미세 조정할 수 있다. 또한 구축한 디지털 트윈을 통해 고객에 대한 이해를 심화함으로써 저축, 대출, 보험 등의 다른 금융 업무에 대한 크로스세일을 할 수 있는 기회를 만들 수 있다.

▣ 적용할 때의 과제와 전망

고객과의 접점이 다양해지고 변화가 커지고 있는 상황에서, 고객의 디지털 트윈은 앞으로 점점 더 가치를 더하게 된다. 하지만 이 기술은 아직 발전해 나가는 중이므로 유의해야 한다. 데이터 수집과 관련해서는, 프라이버시를 고려해야 한다. 모델을 구축할 때는, 사업 회사가 이용할 수 있는 범용적인 플랫폼이 존재하지 않기 때문에, AI에 대한 전문 지식을 가진 기업과 제휴할 수밖에 없다.

각 단계에서 적절한 대책과 솔루션을 선정하려면 시행착오를 반복해야 한다. 그러므로 먼저 데이터를 많이 활용하고 있는 마케팅이나 온라인 서비스의 UX 향상, 센서를 통한 데이터 수집이 이루어지고 있는 실제 점포 및 지점의 개선, 데이터의 활용을 모색하는 새로운 서비스 개발 부문에서부터 적용할 수 있다. 일찍 시작하여 지식을 축적한다면, 경쟁사에 대해 지속적으로 우위성을 획득할 수 있다.

[디지털 트윈 글로벌 트렌드 및 연구개발과 활용사례 분석] 보고서

https://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=96161&goods_bu_id=