게시물 검색

ICT/정보통신 빅데이터 활용 해외 사례 주요 4선

  • 관리자 (irsglobal1)
  • 2020-11-16 14:57:00
  • hit120
  • 59.16.96.96

출처 : http://devnissen.xsrv.jp/wp/articles/ai-for-big-data-foreign-examples/

 

해외에서는 2013년경부터 소매업계에서 본격적으로 빅데이터를 활용하기 시작했다. 최근에는 AI를 추가적으로 도입함으로써 고객의 구매 행동에 대한 편의성을 높이고 있는데, 이것 역시 빅데이터를 제대로 이용할 수 있는 방침을 갖고 있기 때문이다.

 

이번에는 AI(인공지능)를 활용함에 있어 필요한 빅데이터를 활용하는 해외의 사례를 소개하고자 한다.

 

슈퍼마켓 옵팀 아이(Tesco)

영국의 소매 기업 TESCO는 일상용품 및 식품을 중심으로 취급하며, 전 세계에 7천 개 이상의 점포를 보유한 슈퍼마켓 체인회사이다. 그들은 회원 시스템을 갖고 있으며, 1990년대부터 그러한 시스템을 통해 얻을 수 있는 데이터를 비즈니스에 활용해 왔다.

 

특히 1995년에 도입한 TESCO 클럽 카드는 3800만 명의 회원을 거느리고 있으며, 그 중 1600만 명이 액티브 유저이다. 이러한 회원들 각자에게 맞는 광고를 e메일로 보내는 데 빅데이터를 사용하고 있다.

 

또한 여기서 얻은 데이터와 기후 데이터, 매출 데이터를 함께 분석함으로써, 여름 식품의 폐기로 인한 손실을 900만 달러 이상 절감하였다. 또한 점포 운영을 최적화하여, 제품 전체의 폐기 금액을 4700만 달러, 창고의 재고 역시 7800만 달러나 절감하였다. 이는 재고의 적정화와 더불어 추가 지출을 크게 절약할 수 있다는 의미에서 발주 업무의 효율을 향상시켰다.

 

그뿐만이 아니다. 2013년에 TESCO는 소매 점포 내에 Amscreen이 개발한 ‘OptimEyes screen’이라는 디지털 사이니지용 디스플레이와 어떤 분석을 하기 위한 영상을 받아들이는 카메라로 구성된 시스템을 도입했다. 이 디스플레이에는 상품 광고를 띄우는데, 스크린에 부착된 카메라는 그 광고를 보려고 모니터 앞에 선 고객의 성별 및 나이를 분석한다. 그렇게 함으로써 과거의 구매 데이터 중에서 성별이 같고 나이대가 비슷한 사람들이 많이 구매하는 상품의 광고를 내보낸다. 이것 역시 클럽 카드를 통한 정보를 빅데이터로 분석한 결과를 응용하는 사례이다.

 

이처럼 TESCO는 과거의 구매 데이터를 빅데이터로 만들어 활용함으로써 발주 및 재고 관리를 최적화하고 있다.

 

패션 백화점 Nordstorm

두 번째 사례는 미국의 고급 패션 백화점으로서, 225개 이상의 점포를 보유한 Nordstorm이다. 당사는 2016년에 145억 달러의 매출을 올렸다. 당사는 1901년에 창업한 이후 빅데이터를 포함한 새로운 기술을 적극적으로 채용해 왔다.

 

당사는 빅데이터를 통해 고도의 수요 예측 및 접객 맞춤화함으로써 선진적인 소매 점포로 발전시켜 나가고 있다. 예를 들어, 온라인 매장과 실제 점포의 재고 데이터를 통합하여, 고객이 점포를 찾기 전에 온라인으로 원하는 상품을 확인할 수 있도록 하고 있다. 물론 그것이 어느 점포이며, 언제 시착ㆍ구입할 수 있는지도 파악할 수 있다. 그에 더해 고객이 점포를 방문한 경우, 직원들이 어떻게 응대해야 하는지 온라인을 통해 알려주고 있다.

 

당연히 재고 관리에서도 빅데이터를 활용하고 있다. 당사는 화장품 등도 취급하고 있으며, 고객의 구매 사이클과 구매 상품을 분석하여 어느 타이밍에 어떤 상품을 얼마나 구매할지 예상한다. 이를 바탕으로 입고하기 때문에, 재고를 최적화할 수 있다.

 

또한 고객에게 상품을 추천할 때에도 빅데이터를 활용한다. 지금까지 구입한 옷의 색상을 분석하여 해당 고객의 취향에 맞는 옷을 추천하며, 뿐만 아니라 그 색상에 맞게 코디할 수 있는 색상의 옷도 추천한다. 만약 그 고객이 유행에 민감하다는 결과가 나오면, 그 시기에 유행하는 상품을 추천한다. 즉 고객이 ‘나를 잘 이해하고 있다’는 느낌을 갖게 하는 전략을, 빅데이터를 이용함으로써 실현하고 있다.

 

사무용품을 취급하는 Staples

세 번째 사례는 미국에서 사무 용품을 중심으로 취급하는 소매 체인회사 Staples이다. 미국 내에서는 Amazon에 이어 두 번째로 큰 온라인 스토어를 운영하고 있다. 당사는 2013년에 온라인 매장의 고객 구매율을 상승시키는 ‘Runa’라는 솔루션을 제공하는 빅데이터 분석 기업을 매수했다.

 

그밖에도 기존 점포의 과거 구매 실적, 입지 속성 등을 분석함으로써 최적의 점포 후보지를 선정한다. 그 결과, 수백만 달러의 폐점 비용을 절감하는 데 성공하였다. 이것은 앞선 두 회사에서는 활용하고 있지 않은, 살짝 다른 이용 방법인데, 일본 국내에서 실시되고 있는 편의점 출점 장소에 관한 마케팅 분석을 조금 더 고도화한 것이라 생각하면 되겠다.

 

또한 2016년에는 자사가 전개하는 비즈니스를 대상으로 하는 발주 소프트웨어 ‘Easy System’ 상에서 IBM의 Watson Conversation을 활용하기 시작했다. 이를 통해 발주를 위한 온디맨드 환경을 고객에게 제공하였다. 이로 인해 언제 어디서든 원하는 디바이스를 통해 주문할 수 있는 환경을 제공하는 데 성공했다. 실제로 Watson의 기능을 이용함으로써 당사는 Easy Button이라는 음성 입력 방식의 스마트 디바이스, 스마트폰용 앱, Facebook 메신저, Slackbot 등 다양한 온라인 환경에서 고객에게 원활한 주문 인터페이스를 제공할 수 있게 되었다. 보충을 위한 물품을 신속하게 발주하고, 출하한 물품을 추적하는 등 커스터머 서비스에서는 채팅도 이용할 수 있게 되었다. 당연히 여기서 발주되는 데이터 역시 빅데이터로 저장되고 활용된다.

 

패션을 전문으로 하는 Otto

마지막으로 소개할 Otto 그룹은 유럽에 본거지를 둔, 세계에서 두 번째로 큰 패션 및 라이프스타일 관련 부문의 소매 기업이다. 이곳은 유럽 최대의 온라인 스토어를 운영하고 있다. 메일 주문도 받고 있다.

 

동사는 Webtrends를 솔루션 파트너로 삼아, 자신의 브랜드 인지도, 고객의 취향, 구매 경향 변화를 실시간으로 파악하는 툴을 도입했다. 이 솔루션은 소셜, 모바일, 인터넷을 횡단적으로 계측하여, 고객을 이해하고 고객과 의사소통하는 구조를 만든다.

 

Otto 그룹은 당시 그룹 전체에서 120개나 되는 브랜드를 보유하고 있었으며, 각각의 브랜드의 인지도 및 시장에서의 포지션 변화를 빠른 속도로 파악할 수 있는 기술을 보유하기를 원했다. 그래서 해당 솔루션을 활용하여 각각 서로 다른 KPI를 포함하는 100개 이상의 보고서를 만들고, 분석 결과를 프로모션 시책을 검토하거나 웹사이트를 최적화하는 데 활용하였다.

 

그리고 최근에는 AI를 도입하고, 빅데이터도 분석하고 있다. 응대량, 속도, 그리고 정확성과 같은 면에 있어서 AI는 일정 수준을 월등히 뛰어넘는 작업 효율을 보인다.

 

또한 Otto에서는 고객의 과거 구매 이력 및 기후 정보 등 방대한 양의 데이터를 통해 각 요소를 분석하고 고객이 어떤 상품을 구입할지 미리 예측한다. 이것은 ‘Blue Yonder’라는 기술로서, 90%의 확률로 30일 이내에 판매될 상품을 예측한다. 이 기술 덕분에 당사는 매달 20만 종류의 상품을 제3자 브랜드로부터 인간의 개입 없이 주문하고, 관리할 수 있게 되었다. 이로 인해 잉여 재고를 20% 감소시켰고, 반품 수도 연간 200만 개 이상 감소하였다. 이러한 효율 향상이 상품의 배송 속도를 향상시켰고, 그로 인해 고객의 재구매율도 높아졌다.

 

Otto에서는 고객 관리에서 한 걸음 더 나아가, 비스니스적인 판단도 컴퓨터가 자동으로 실시한다. 이는 동종 업계의 타사에서도 활용할 수 있는 기술이라 할 수 있다.

 

정리

이와 같이, 이번에는 해외의 빅데이터 이용 사례 4가지를 살펴보았다. 각각의 기업이 기존의 구매 이력을 통해 발주량을 자동으로 산출하거나 재고를 관리한다는 면에서는 거의 비슷한 방식을 보이고 있다.

 

여기서 더 나아가, TESCO는 점포 내에서 고객에게 제시하는 광고를 맞춤화하고 있다. 마찬가지로 Nordstorm에서는 고객에게 맞춤 추천을 하는 방식으로 활용하고 있다. 이 두 회사가 고객에게 먼저 다가가는 접근방식을 취한 것에 반해, 다른 두 회사는 조금 다른 방식을 활용하고 있다. Staples는 출점 장소를 물색하는 데 사용하고, 자연언어를 처리하는 AI를 이용함으로써 고객이 주문하기 쉬운 환경을 구축하였다. Otto 그룹은 방대한 데이터를 AI를 통해 분석함으로써 재고를 최적화하고 있다. 특히 해당 그룹은 취급하는 상품의 수가 많아, 사람이 관리하는 데에는 한계가 있는 부문에서 AI를 활용한다는 특징이 있다.

 

 

이러한 점을 생각하면, 어쨌든 많은 고객들이 구입한 다양한 종류의 데이터를 취득ㆍ정리하고, 그것을 어떤 식으로 이용할지 확실한 전략을 세운 다음 수집하고 있음을 알 수 있다. 물론 수집해 놓았더니 생각지도 못한 데서 활용하게 되는 경우도 있지만, 이러한 기업들의 사례를 보면, 데이터를 어떻게 활용할지 용도를 정하는 것이 빅데이터를 활용하는 기본적인 방법이며, 성공하는 데 필요한 요소임을 알 수 있다.

 
 
 

[범용 인공지능(AGI)과 AI 반도체(뉴로모픽) 기술개발 동향과 향후 전망] 보고서 상세 보기

http://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=84254&goods_bu_id=

 

 

[2021 글로벌 AI(인공지능)ㆍ빅데이터 관련 시장ㆍ사업화 동향과 기술개발 전략] 보고서 상세 보기
 
게시글 공유 URL복사