AI가 소매 수익을 창출하지 않는 이유

AI는 소매 업계에서 큰 관심을 받고 있으며, 이는 합리적인 이유가 있습니다. 예측 행동, 맞춤형 제안, 브랜드가 더 반응적으로 느끼도록 도와주는 등 다양한 기능을 수행합니다. 거의 90%의 소매 업체가 AI가 고객 만족도를 향상시켰다고 말합니다.

하지만 만족도는 항상 매출과 동일하지는 않습니다. 실제로, 반数 미만의 소매 업체가 매출에 영향을 미친다고 말합니다.

그렇다면 무엇이 부족한 걸까요?

종종, 기술이 문제가 아닙니다. 전략이 문제입니다. 가장 성공적인 소매 업체는 고객과의 실제 연결을 구축하고, 실제 구매를 유도하는 전략을 세우기 위해 AI를 활용합니다. 오늘날의 쇼핑객들은 자동화에 감동받지 않습니다. 그들은 보임을 원하고, 이해되기를 원하며, 진정으로 도움을 받기를 원합니다.

여기에서는 무엇이 효과가 있는지, 무엇이 효과가 없는지, 그리고 소매 업체가 AI를 성장의 실제 원동력으로 전환하는 방법에 대해 설명합니다.

고객 연결 재고하기

AI는 많은 것을 할 수 있습니다. 얼굴을 읽을 수 있고, 행동을 예측하고, 맞춤형 제안을 대규모로 생성할 수 있습니다. 하지만 이러한 모든 기능에도 불구하고, 많은 AI 기반 전략은 궁극적인 목표인 전환에 도달하지 못합니다.

예를 들어, 감정 AI를 생각해 보세요. 일부 소매 업체는 카메라와 마이크를 사용하여 표정과 음성을 분석하고, 혼란, 좌절, 또는 관심과 같은 신호를 찾습니다. 이를 통해 직원이 적절한 시점에 개입하거나 자동으로 제안을 조정할 수 있습니다. 하지만 이러한 개입이 잘 시기화되고 진정으로 도움이 된다면, 침투적이거나 어색하게 느껴질 수 있습니다.

다른 사람들은 쇼핑 여행을 미리 시뮬레이션하여 사람들이 새로운 레이아웃, 제품, 또는 프로모션에 어떻게 반응할지 모델링합니다. 이러한 예측 통찰력은 강력할 수 있지만, 소매 업체가 실제 고객 동기를 이해하고 행동에 따라 데이터를 사용하는 경우에만 효과적입니다.

보다 직접적인 접근법은 제로 파티 데이터를 통해 등장하고 있습니다. 여기서 쇼핑객들은 채팅봇, 가상 어시스턴트, 또는 제품 페이지 설문조사를 통해 의도적으로 선호도를 공유합니다. 이 방법은 더 투명하고 신뢰를 구축할 가능성이 있습니다. 하지만 이후의 반응이 관련성이 있다면만 효과적입니다. 고객이 미니멀한 홈 데코를 좋아한다고 말했지만, 사이트가 큰 패턴과 트렌드가 아닌 아이템으로 홍수처럼 물들면, 신뢰가 빠르게 사라집니다.

이러한 예는 소매 업체가 도구가 부족하지 않음을 보여줍니다. 하지만 이러한 도구를 실제로 전환하는 고객의 순간으로 번역하는 것이 부족합니다. 여기서 관련성, 시기, 그리고 음调이 모두 일치하여 판매를 유도합니다.

소매 업계를妨げ는 것

대규모 AI 투자에도 불구하고, 많은 소매 업체는 여전히 데이터가 어지럽고, 개인화가 부족하며, 성과 지표를 잘못 측정하는 문제에 직면해 있습니다. 이러한 문제를 해결하지 않으면, 가장 先進的な 도구도 매출에 영향을 미치지 못합니다.

1.    어지러운 구식 데이터

소매 업체는大量의 고객 데이터를 수집하지만, 많은 데이터가 불완전하거나 구식이거나, 다른 시스템에 산재되어 있습니다. 이는 AI가 의미 있는 패턴을 식별하거나 신뢰할 수 있는 추천을 생성하는 것을 어렵게 만듭니다. 고객 프로필에 중요한 정보가 누락된 경우, 시스템은 관련이 없는 제품을 제안하거나 잘못된 제안을 보내서 더 많은 피해를 줄 수 있습니다.

이를 해결하려면, 소매 업체는 데이터를 정기적으로 정리하고 한 곳에 통합해야 합니다. 고객 데이터 플랫폼(CDP)은 이메일, 판매 등록기, 로열티 프로그램, 소셜 미디어에서 정보를 가져와 단일한 최신 뷰를 제공하여 도움이 될 수 있습니다. 더 나은 데이터로, AI는 행동을 더 정확하게 해석하고, 제안을 개인화하고, 전환과 장기적인 충성도를 이끌어내는 경험을 지원할 수 있습니다.

2.    로봇적인 AI 상호작용

청결한 데이터가 있더라도, AI는 개인화가 충분히 개인화되지 않는 경우에 짧게 떨어질 수 있습니다. 너무 souvent, 소매 업체는 기본적인 노력에 만족합니다. 예를 들어, 쇼핑객의 이름을 일반적인 판매 이메일에 사용하거나, 특정 제품 카테고리를 브라우징한 모든 사람에게 동일한 제품 추천을 표시합니다. 이러한 일괄적인 접근법은 로봇처럼 느껴질 수 있으며, 거의 판매를 증가시키지 않습니다.

대신, 소매 업체는 AI를 사용하여 기본 정보를 넘어 고객이 최근에 본 제품, 제품 페이지에서 얼마나 시간을 보냈는지, 또는 장바구니에 항목을 남겼는지와 같은 것을 고려해야 합니다. 예를 들어, 고급 신발을 본 후 구매하지 않은 사람들은 정확한 제품이나 유사한 속성을 가진 더 저렴한 제품에 대한 후속 할인에 더 잘 반응할 수 있습니다. 제안과 메시지가 시의적이고 관련성이 있다면, 쇼핑객은 더 많이 클릭하고, 구매하고, 돌아옵니다.

3.    잘못된 KPI 사용

소매 업체가 AI를 통해 판매를 증가시키고 싶다면, 올바른 결과를 측정해야 합니다. 더 빠른 서비스 시간이나 더 낮은 마케팅 비용을 추적하는 것은 유용하지만, AI가 실제로 판매를 증가시키는지 나타내지 않습니다. 대신, 소매 업체는 고객 여정에 직접 연결된 지표에 초점을 맞출 수 있습니다. 예를 들어, 개인화된 제안을 받은 후 구매를 완료하는 쇼핑객의 빈도, 지출 금액, 반환 빈도, 및 장바구니를 포기하는 빈도입니다. 이러한 수익 기반 지표에 대한 초점을 맞추면, 무엇이 효과가 있는지 더 쉽게 볼 수 있으며, AI를 사용하는 방법을 계속 개선할 수 있습니다.

소매 AI로 전진하기

한 가지 명확한 것은, 소매 업체가 더 많은 AI 도구가 필요하지 않다는 것입니다. 기존 기술을 더 잘 사용해야 합니다. 데이터 품질 문제를 해결하고, 개인화를 의미 있게 만들고, 올바른 KPI에 초점을 맞추면, AI를 성장의 실제 원동력으로 전환할 수 있습니다. 목표는 판매를 유도하는 더 강한 고객 관계를 구축하는 것입니다.