왼손엔 ‘망원경’, 오른손엔 ‘현미경’

단 한 번도 소비하지 않은 하루를 달력에 기록할 수 있을까? 24시간 동안 침대 밖을 나가지 않아도 최소한 수돗물과 전력 정도는 소비해야 한다. 그러니 ‘無소비의 날’은 불가능하다. 그리고 우리의 호흡과도 같은 크고 작은 소비 모두는 다양한 형태의 ‘흔적’으로 남는다. 카드 사용 내역은 기본이고 단순한 검색 행위마저 어딘가에 저장된다.

이렇게 저장된 막대한 양의 데이터는 AI와 결합돼 가치가 추출되고 결과가 분석돼, ‘소비 인류(Homo Consumus)’의 패턴과 상태를 파악하는 핵심 도구가 된다. 이런 빅데이터에 대한 관심의 증폭은 최근 통계학과의 높은 경쟁률만 봐도 알 수 있다.

여러 정황이 말해주듯 확실히 빅데이터는 ‘4차산업의 기반’이라 불러도 무방하다. 전 세계 풍력 발전기 중 1/3을 생산하는 덴마크의 글로벌 에너지 기업 베스타스(Vestas)는 빅데이터 솔루션으로 가장 많은 전력을 생산할 수 있는 최적의 장소를 찾아 풍력 터빈을 배치한다고 한다. 쉽게 말해, 발품을 팔지 않아도 전 세계 기후 데이터를 종합해 바람이 가장 많은 부는 곳을 찾는다는 얘기다.

그런가 하면 빅데이터가 아닌 스몰데이터의 위력을 실감케 한 사례도 있다. 2000년대 초, 경영 위기에 처한 레고는 빅데이터 분석을 통해 “디지털 세대는 즉각적인 만족에 익숙하다”는 결론을 내리고 어린이들이 쉽게 조립할 수 있는 큼지막한 블록을 생산하기로 결정했다. 그러나 결과는 그다지 좋지 않았다.

이에 레고의 마케터들은 어린 고객들을 대상으로 직접 방문 조사를 실시했고, 그 결과 “레고는 어린이들에게 성취의 증표가 돼야 한다”는 또 다른 결론을 얻었다. 이 스몰데이이터를 기반으로 어린이들이 ‘작품’을 완성하는 성취의 희열을 느낄 수 있도록 블록은 작게, 조립 설명서는 어렵게 만들어 성공을 이뤄냈다.

최근 고객의 니즈를 정교하게 분석해 상품과 서비스를 제공하는 ‘초개인화 기술’이 각광받고 있다. 그도 그럴 것이 한 사람의 캐릭터와 니즈, 욕망이 하나일 수 없고, 그것들은 불변하는 것이 아니다. 그러니 마케터는 소비자들의 니즈가 언제 어떤 식으로 변화하는지를 실시간(?)으로 감지해야 한다.

소비자 개인에게 최적화된 수요와 니즈를 파악하고 제공하는 것이 기업의 중요 전략인 시대에 기업은 빅데이터라는 망원경와 스몰데이터라는 현미경을 동시에 사용할 수 있어야 한다.

크게도 보고, 작게도 보라 

‘거시(巨視)’라는 단어는 클 ‘거’에 볼 ‘시’로 이루어져 있고, ‘미시(微視)’는 작을 ‘미’에 볼 ‘시’로 구성돼 있다. 그런데 ‘거(巨)’가 상형문자이고, ‘미(微)’가 형성문자라는 점은 참으로 의미심장하다. ‘거’는 목수들이 사용하는 기역자 모양의 큰 자를 본뜬 글자라고 한다. 목수들이 집을 제대로 지으려면 전체를 총괄하는 큰 그림, 아귀가 맞는 설계 도면이 필요할 것이다.

‘미’는 ‘자축거리다’와 ‘자잘하다’라는 두 단어가 결합되어 새로운 의미를 갖게 된 형성문자인데, 여기서 ‘자축거리다’란 사람이 걷는 모양새를 뜻한다. 사람은 저마다 걷는 모양새가 다르다. 집을 제대로 짓는 것도 중요하지만, 그렇게 지은 집이 가치 있으려면 그곳에 사는 사람의 걸음새, 지향점과 조화를 이뤄야 한다.

빅데이터 열풍 뒤에 스몰데이터가 화두로 떠오르고 있는 지금, 둘 중 하나를 포기하고 다른 하나를 선택해야 하는 것은 아니다. 둘은 대척점에 있는 개념이 아니라 서로 맞물려야 하는 개념이기 때문이다. 거시와 미시를 함께 통찰해야 더 좋은 결과를 얻을 수 있지 않을까.

‘데이터’라는 말이 실제 쓸모보다 마케팅 용도로 더 많이 쓰이다 보니, 그 영향력을 극대화하는 단어들이 엉뚱한 의미로 주목받는 경우가 많다. 현재 데이터의 의미가 가장 왜곡되는 단어는 ‘빅데이터’가 아닐까? ‘큰 데이터’라는 말은 아직 준비되지 않은 기업들에게 그 자체로 불안함을 불러일으키기 때문이다.

물론 빅데이터가 말 그대로 ‘큰 데이터’를 가리키는 것은 맞다. 문제는 데이터가 크다는 것이 으레 양적인 의미를 기대하게 한다는 점이다. 예를 들어 ‘전 국민의 의료 정보 데이터’나 ‘지난 10년간의 실시간 환율 변동 데이터’처럼 숫자 한두 개로 읽어낼 수 없는 막대한 양의 정보를 떠올리게 된다. 하지만 사실 이 정도로 명확하게 수집되는 데이터는 빅데이터의 범주에 넣을 필요가 없는 경우가 많다. 대부분 수치로 이뤄지는 정보들은 기존의 전통적인 데이터베이스로 충분히 처리할 수 있고, 심지어 날로 성능이 높아지는 PC에서 엑셀로도 처리할 수 있기 때문이다.

빅데이터에서 집중해야 하는 가치, 즉 ‘크다’의 의미는 기존 우리가 갖고 있는 데이터와 전혀 다른 형태의 정보들이 수집될 수 있다는 것이다. 단순히 숫자나 글자가 아니라 이미지, 영상, 소리를 비롯해 우리가 이제까지 데이터라고 생각하지 못해서 다루지 않았던, 또 기술적으로 다룰 수 없었던 것들이 ‘데이터’로서 가치를 가질 수 있는 가능성을 바라보는 것이 바로 빅데이터에서 놓치지 말아야 할 가치다.

그래서 새로운 형태의 데이터를 무작위로 담아둘 수 있는 파일 관리 시스템부터, 이를 효과적으로 처리하는 클라우드, 그리고 그 안에서 일어나는 미묘한 가치들을 읽어내는 인공지능 등 최신 IT 트렌드가 더해지면서 기술적, 사회적, 또 기업으로서는 경영, 영업, 마케팅 측면에서 의미를 찾을 수 있게 되는 것이다.

빅데이터 트렌드는 짧은 유행도 아니고, 윈도우나 엑셀처럼 소프트웨어 하나 구입해서 배울 수 있는 일도 아니다. 오랫동안 데이터를 다루고 데이터를 이해할 수 있어야 비로소 그 가치를 찾아낼 수 있다. 그래서 그 반대의 의미로 비춰지는 스몰데이터에 대한 관심이 늘어나고 있다.

사실 데이터의 의미는 아주 사소한 데에서 시작한다. 우리가 숨을 한 번 쉬고, 눈을 한 번 깜빡이는 것도 데이터다. 다만 그게 가치가 있느냐에 따라 데이터가 될 수도, 그렇지 않을 수도 있다. 데이터에서 의미를 읽어낼 수 있는 역량에 달린 셈이다.

특히 스몰데이터는 개인화에 대한 분석을 중심으로 한다. 스몰데이터의 사전적 의미는 ‘사람을 이해할 수 있을 만큼의 충분히 작은 데이터’다. 개개인이 어떤 관심사를 갖고 있고, 어떤 생활 패턴을 보이는지에 대한 데이터를 통해 개개인의 행동을 분석하는 것을 목표로 한다. 이 역시 빅데이터가 그랬던 것처럼 데이터의 직접적인 크기보다는 분석되는 대상을 좁힌다는 의미에 가깝다. 스몰데이터라고 해서 우습게 볼 수 있을 만큼 데이터의 양과 크기가 작기만 한 것은 아니기 때문이다.

코넬대학교는 작고 사소한 데이터를 기반으로 환자들의 건강 문제를 모니터링할 수 있는 방법을 고민했다. 단순히 환자들의 통증만이 질병을 판단할 수 있는 기준이 아니라는 점에 초점을 맞춰 온라인 식료품 구입 정보와 환자들의 상태를 매칭해 의미있는 정보를 얻어냈다. 식습관을 통해 인지 능력이나 피로, 약의 부작용, 수면 부족, 통증 등의 상관 관계를 찾아낸 것이다.

스몰데이터 역시 분석을 중심으로 하는 데이터 기술이다. 기술적으로 보면 전혀 새로운 개념은 아니다. 그 동안 개인화, 소비자 맞춤 서비스 등으로 고민하던 것이다. 이미 우리는 데이터를 개인화해 주는 서비스를 익숙하게 쓰고 있다. 바로 스마트폰이다. 구글은 안드로이드를 비롯해 여러 구글 서비스를 통해 이용자들의 행동 데이터를 수집, 분석하고 있다. 인터넷에서 어떤 정보를 검색하고, 어떤 주제에 관심을 갖고 있는지를 파악하는 것에서 시작해 이동 경로나 운동량, 누구와 e메일을 주고 받았는지, 오늘 어떤 비행기를 타고 어느 호텔에서 잘 계획을 갖고 있는지 등 셀 수 없을 만큼 많은 종류의 사소한 데이터들을 하나하나 수집한다.

기본적으로 구글은 이런 정보들을 수집해 개개인에게 더 정확한 맞춤 서비스를 제공하는 것을 목표로 한다. 개인화를 통해 서비스를 고도화하고, 이를 통해 검색 결과의 정확도를 높이는 것으로 서비스 이용자를 늘리는 순환 구조가 일어나는 것이다.

사람 한 명씩의 데이터를 분석하기 때문에 작아 보이지만 구글이 다루는 이용자 데이터는 수십 억 명 분이고, 그 종류와 양은 세상에서 가장 큰 빅데이터의 예이기도 하다. 빅데이터를 통해서는 사람들의 보편적인 관심사부터 전염병 정보, 선거 예측 등의 분석을 하는 반면 스몰데이터를 통해서는 쇼핑, 휴가, 건강 등의 개인 맞춤 서비스를 하는 것이라고 보면 된다.

특히 스몰데이터는 작은 습관을 바탕으로 사람을 이해하는 데에 초점이 맞춰지기 때문에 마케팅적인 의미를 읽어내기에도 유리한 기술로 꼽힌다. 날씨부터 문화적 규범, 종교와 정치적 상황 등이 기존의 범용적인 데이터 분석이 놓칠 수 있는 오차를 보완하고 극복할 수 있는 수단이 되는 데에 집중할 필요가 있다.

▲ 로에스푸드 매장

노스캐롤라이나에 본사가 있는 슈퍼마켓 로에스푸드(Lowes Foods)는 소비자들이 매장에 들어와 쇼핑하고 나가는 동안 만드는 사소한 데이터를 관찰해 구매 과정에서 보이는 반응, 상관관계를 통해 정서적으로 신뢰가 이뤄지는지를 판단하고, 그에 따르는 대응 방법을 찾아내고 있다. 각각의 상품과 서비스, 보상에 사람들이 어떻게 반응하는지를 판단하는 것이다. 빅데이터를 통해 데이터들이 만들어내는 상관 관계를 찾는 데 집중한다면 스몰데이터는 ‘왜 사람들이 그렇게 반응하는지’ 원인을 찾아낸다.

결국 빅데이터와 스몰데이터는 따로 움직이는 것이 아니라 어느 부분에서 데이터의 의미를 찾을 수 있느냐에 대한 관점 차이에 가깝다. 특히 데이터를 통해 마케팅 계획을 세우고자 하는 기업들 입장에서는 어느 한쪽도 소홀히 할 수 없는 부분이다. 이제까지 많은 기업들이 오랫동안 데이터 분석에 실패한 이유 역시 ERP, CRM 등 숫자를 단편적으로 해석하던 초기의 데이터 환경 때문일 것이다. 지금은 클라우드와 인공지능 등 도구와 기술이 발전하면서 데이터를 다각도로 분석할 수 있는 조건이 갖춰지고 있다.

하지만 막무가내로 데이터를 모두 모을 수는 없는 일이다. 데이터가 많아지면 그만큼 관리가 어려워질 뿐 아니라 적절한 사용도 쉽지 않다. 무엇보다 보관과 처리에 들어가는 비용이 기하급수적으로 늘어나게 마련이다. 또한 스몰데이터의 핵심인 대중들의 데이터를 모으는 일이 앞으로는 더 어려워진다. 단순히 사생활 정보를 떠나 의료 정보, 미성년자 데이터 등 법적인 규제가 더 까다로워지고 있다. 당연한 수순이다. 다만 그동안 사회적으로 데이터의 가치를 진지하게 인지하지 못했고, 공론화도 되지 않았을 뿐이다.

앞으로 데이터는 더 큰 의미를 갖게 될 것이다. 기존에 데이터화할 수 없다고 생각한 것들도 빅데이터 도구로 수집과 분석이 이뤄지고, 그 결과는 다시 스몰데이터들과 함께 현장에서, 또 이용자 가까이에서 가치를 만들어낼 것이다. 중요한 것은 데이터의 크기나 형태가 아니라 필요한 정보가 무엇인지에 대해 더 유연하게 생각하고, 그에 맞는 데이터를 차근차근 모아 나가는 것이다. 데이터는 원하는 결과를 결코 순순히 내어주지 않는다.

마케팅이 세분화되면서 ‘고객 맞춤형’을 표방하는 상품이나 서비스를 주변에서 흔히 볼 수 있게 된 지 오래다. 과거 많은 기업이 해 왔던 개인화 마케팅은 고객의 이름, 직책, 조직과 같은 개인 정보와 구매 내역 등을 기반으로 고객을 구분해 마케팅하는 방식이었다. 개인화라고 하지만 실제로는 고객들을 비슷한 사람들끼리 유형화해서 묶는 일종의 타깃 마케팅이다.

타깃을 ‘남자’로 좁히고 ‘20대’로 좁히고 ‘직장인’으로 좁히면 구매 유도 확률을 훨씬 높일 수 있다. 하지만 20대 남성이라고 해서 모두 자동차가 필요하고, 30대 여성이라고 해서 화장품이 반드시 필요한 것은 아니다. 특정 브랜드 상품을 한 번 구매했다고 해서 평생 그 제품을 좋아하리라는 보장도 없다. 여기에 타깃팅된 개인화의 맹점이 있다. 고객 맞춤형 서비스를 표방하면서도 정작 고객을 잘 모른다. 그래서 나타난 것이 바로 ‘초개인화(Hyper-personalization)’ 마케팅이다.

모처럼 점심 식사를 일찍 끝내고 자리에 앉은 직장인 A 씨. 무료함도 달랠 겸 잠시 인터넷에 접속해 평소 관심 있던 신발을 사기 위해 이리저리 온라인 쇼핑몰 사이트들을 둘러본다. 하지만 꿀맛 같았던 쇼핑도 잠시, 어느새 점심 시간이 훌쩍 지나가 버리고 상사가 급한 자료를 요청하는 바람에 아쉽게도 서둘러 쇼핑몰을 떠나 본격적인 오후 업무에 몰입한다.

한창 업무에 집중하다가 메일함을 보니 쇼핑몰에서 메일이 한 통 날아와 있다. A 씨는 메일을 열어보고 깜짝 놀라고 말았다. 점심 시간에 찾다가 만, 자신의 마음에 쏙 드는 브랜드와 색상의 신발에 대한 구매 추천 메일이었기 때문이었다. 자신도 아직 결정하지 못한 신발을 쇼핑몰에서 브랜드와 모델, 색상까지 안성맞춤으로 추천해 주니 놀라지 않을 수 없었다. A 씨는 마치 누군가에게 자신의 마음을 들킨 것처럼 주위를 두리번거리며 추천 메일의 링크를 따라 가서 신발을 구매했다.

이것은 세계 최대의 온라인 쇼핑몰 업체인 아마존이 제공하고 있는 초개인화서비스의 한 형태다. 초개인화 서비스란 나이, 직업, 사는 곳 등 고객의 기본 정보에 과거 구매 내역, 구매 상품에 대한 반응, 장바구니 내역 그리고 검색 등을 통해 수집된 실시간 데이터를 AI 알고리즘을 통해 분석해서 그 고객을 대상으로 개별화된 서비스를 제공하는 것이다.

온라인 쇼핑몰에서 쉼 없이 날아오는 이메일이 아무도 열어보지 않는 스팸메일로 바뀐 지 오래지만, 아마존의 경우 추천 메일을 통해 직접 구매로 연결되는 비중이 상당히 높은 편이다. 아마존의 이런 추천 서비스는 때로 고객의 마음을 앞서가는데, 이는 AI 알고리즘을 통해 고객의 세밀한 취향까지 분석함으로써 고객도 미처 생각하지 못했던 마음속 욕망까지 추천할 수 있기 때문이다.

개인화 서비스가 비슷한 카테고리의 사람을 묶는 것이라면 초개인화 서비스는 고객 한 사람의 그때그때 기분이나 상황에 따라 다른 서비스를 제공한다. 아마존이 ‘0.1명을 위한 세그멘테이션’을 한다는 것도 바로 이런 의미다.

고객의 세밀한 취향을 분석해 제안하는 초개인화 서비스로 성공한 대표적인 기업 중 하나가 넷플릭스다. 넷플릭스는 방대한 빅데이터에서 고객의 취향을 분석, 개별 고객이 좋아할 만한 콘텐츠를 제공한다. 이러한 알고리즘이 없었다면 아마 넷플릭스에서 영화를 보는 시간보다 무엇을 볼지 검색하는 시간이 더 많았을지도 모른다.

넷플리스에 맞서 국내에서도 OTT(Over the Top)라고 불리는 실시간 영상 재생 서비스들이 잇달아 등장하면서 치열한 경쟁을 예고하고 있다. 최근 새롭게 OTT 서비스를 선보이는 KT의 시즌(Seezn)은 개인별 사용 이력, 요일, 시간대, 날씨 등은 물론 ‘내 감정을 읽는 스캐너 검색’을 통해 사용자의 얼굴 표정을 분석해 기쁨, 슬픔, 화남 등 기분에 맞는 최적의 콘텐츠를 추천하겠다는 의지를 보였다.

사람들은 저마다 취향이 있지만 기쁠 때, 또는 슬플 때 보고 싶은 영화가 다를 수 있다. 개인의 감정까지 파고드는 초개인화된 서비스다.

▲ KT의 새로운 OTT 서비스’Seezn’

마케팅을 가장 치열하게 전개하고 있는 업종 중 하나가 카드사이다. 금융업계에서 가장 대표적인 초개인화 서비스를 실시하는 곳은 신한카드다. 카드사 가운데 국내 최대의 고객을 갖고 있는 신한카드 역시 일찌감치 초개인서비스에 관심을 갖고 오랫동안 연구를 해 왔다.

카드사의 경우 각종 할인 혜택과 쿠폰 등을 통해 고객들에게 다양한 서비스를 제공하지만, 정작 사용할 수 있는 것은 그다지 많지 않다. 1년에 백화점 한 번도 가지 않는 사람에게 매달 백화점 주차권을 보내주는 서비스만큼 무의미한 것은 없다.

반면에 신한카드는 빅데이터 분석과 AI 알고리즘을 사용해 2만 5,000개 소비 패턴을 정립하고, 고객이 알림과 이벤트를 원하는 시간에 메시지를 자동 전달한다. 똑같은 커피숍 할인 쿠폰이라도 모닝 커피를 즐기는 A에게는 출근 시간에, 식사 후 커피를 즐기는 B에게는 점심 시간에 제공하는 식이다. 고객의 소비 패턴을 보고 해당 시간과 공간에 적합한 쿠폰을 제공하는 것이다.

▲ 신한카드의 초개인화 상품 ‘Deep Making, Deep Taking’ 카드

보다 세밀한 초개인화 서비스를 위해서는 내부 데이터만으로는 부족하다. 날씨나 미세먼지 등처럼 외부에서 끌어올 수 있는 공공 데이터가 있다면 끌어오고, 다른 기업들과 제휴를 통해 데이터를 가져올 수도 있다. 21세기의 석유라는 ‘데이터’. 데이터가 많은 기업일수록 초개인화 마케팅에서도 성공할 가능성이 높은 게 사실이다.

앞으로도 기업들은 더 많은 고객 경험을 축적하기 위해 다양한 방법으로 고객의 참여를 늘리려고 할 것이다.무심코 누르는 마우스 클릭 한 번, 특정 페이지에서 표정 짓는 얼굴 근육 하나까지 데이터는 우리에 대해 더 많은 것을 알려줄 것이다.

일상에 보다 근접하다

일상은 월 단위로 구성되지 않는다. 지금 현재, 바로 오늘이 일상을 이루는 최소 단위. 신한카드가 밀레니얼 세대를 겨냥해 출시한 ‘디데이(D-day) 카드’는 빅데이터 분석을 통해 이들의 소비 성향에 특화된 혜택을 담았다. 기존 월 단위의 소비 성향 분석에서 벗어나 주 단위, 요일 단위로 혜택을 구성했는데 예를 들어 월요일부터 수요일까지는 편의점, 금요일에는 음식점, 토요일에는 뷰티 업종, 일요일에는 온라인 쇼핑몰에서 5%가 적립되는 식. 이쯤 되면 월요일부터 일요일까지 포인트 적립 릴레이다!

나 이제 더 촉촉해질 테다!  

당신의 피부 타입은 건성? 아니면 지성? 건성인 듯 아닌 듯, 지성인 듯 아닌 듯 애매한 경우라면 그냥 복합성으로 치부해 버리기 일쑤. 그래서 우리가 흔히 알고 있는 피부 타입은 총 3개다. 그런데 자연주의 화장품 브랜드 이니스프리는 그보다 더 많은 피부 타입을 제안했다. 온라인 전용 상품인 ‘퍼스널 원크림’은 고객들의 피부 타입과 고민, 제품 리뷰, 화장품 성분 데이터 등 총 108만5,870건의 데이터를 분석해 개발된 수분 크림. 기존 분류 대신 소비자들이 많이 언급한 피부 고민을 중심으로 5가지 라인과 4가지 레벨로 구성했다.

이토록 화끈하고 쫄깃한 컬래버레이션

식품 브랜드와 프로야구가 뭉치면 무슨 일이 벌어질까? 풀무원이 한화이글스와 컬래버레이션한 마라탕면이 그 대답이 될 수 있겠다. 한화이글스를 상징하는 주황색 컬러를 포장재 디자인에 적용한 이 제품의 이름은 ‘포기하지 마라탕면’. 풀무원은 빅데이터를 분석한 결과 마라탕 마니아들이 당면의 쫄깃한 식감을 가장 선호하는 것을 알게 됐고, 쫄깃함을 살리기 위해 기름에 튀기지 않은 생면 식감의 건면을 사용했다. 이 제품은 1차 오픈 4일 만에 완판에 성공했다고.

꽃보다 남자, 겨울보다 어묵!

추운 겨울에는 따끈한 어묵국이 최고다. CJ제일제당에서 출시한 ‘삼호어묵 어묵국’은 전자레인지에 그대로 데워 간편하게 즐길 수 있는 어묵 요리 제품. 그런데 단지 ‘겨울’이라서 이 제품이 출시된 건 아니다. CJ제일제당은 어묵과 가장 잘 어울리는 레시피가 무엇인지 고민을 거듭했고, 데이터 분석을 통해 소비자 선호 메뉴를 조사했다. 그 결과 출시된 것이 바로 꽃게와 오징어, 가쓰오, 계란 등을 활용한 ‘삼호어묵 어묵국’ 3종 세트였다.