디지털 트랜스포메이션(DX) 못 하는가, 안 하고 있는가?

2024-05-29 김강화 대표 intervog@naver.com

김강화의 패션산업 AI·빅데이터 활용 전략 01

Image
데이터에 의한 DX화 개념도(출처: https://www.ashisuto.co.jp)



‘디지털 트랜스포메이션(DX)’이란 무엇인가? DX란 기업이 크게 변화되고 있는 비즈니스 환경에 대응하기 위해 데이터와 디지털 기술을 활용해 고객과 사회의 니즈에 따른 제품 혹은 서비스, 비즈니스 모델의 변혁이나 그 변혁을 위한 과정이다. 업무와 조직, 과정, 기업문화를 변혁시켜 기업의 경쟁 우위를 확보하는 것을 목적으로 한다.


그렇다면 ‘디지털 마케팅’은 무엇일까? 이 역시 마케팅의 일종으로 DX의 방향을 찾아내 기업이 수익을 내는 방법을 일컫는다. 주로 디지털 기술을 활용한 데이터 드리븐(Data Driven) 방식으로 대상(Persona-Target) 유저 및 고객에게 상품이나 서비스를 인지시키고 소비자의 구매 前 행동 데이터에 근거해 흥미·관심·욕구를 유발시켜 구매 데이터를 취득하는 방식으로 진행된다. 이렇게 얻은 구매 데이터와 구매 후 소비자의 구매 평가 데이터는 상품 및 서비스 개발에 여러 시사점을 던져준다. EC 채널(E-commerce Channel)과 실 점포는 데이터를 취득해 소비자에게 구매의 전 과정에 걸쳐 최적의 구매 체험을 제공한다. 이같은 과정을 통해 기업은 소비자와 깊은 관계를 유지할 수 있고 결국 소비자를 충성 고객으로 만들게 된다.


디지털 트랜스포메이션과 디지털 마케팅의 핵심은 단연 ‘디지털 기술’과 ‘데이터’이며, 디지털 기술은 날로 발전하고 있다. 최근 챗 GPT(Chat GPT)의 등장으로 마침내 AI는 우리 곁의 가까운 존재가 되었다. 패션업계 또한 코로나 이후 디지털 기술의 도입이 다양하게 모색되고 있는 가운데 최근 업계를 둘러싼 과제 해결의 획기적인 방법으로 AI 활용을 기대하고 있다.


◇ 데이터 드리븐 경영


디지털 시대 기업 운영의 핵심은 ‘데이터 드리븐(Data Driven)’ 경영이다. 데이터 드리븐이란 경험 또는 촉과 같은 주관적 요소가 아닌, 다양한 종류와 방대한 양의 정보를 축적한 빅데이터와 알고리즘에 의해 분석된 결과를 바탕으로 비즈니스 의사 결정 및 과제 해결 등을 수행하는 차세대 업무 프로세스다. 이는 빅데이터 활용의 최대 가치이기도 하다. 데이터 드리븐을 모르고는 빅데이터와 AI를 활용하기란 결코 쉽지 않다.


데이터 드리븐은 크게 데이터의 수집, 분석(비주얼화), 의사 결정, 가치 향상 등 4개의 축으로 이루어져 있으며, 데이터의 종류도 크게 4가지로 나누어진다.


‘1차 파티 데이터(First Party Data)’는 이름, 생년월일, 성별, 관심사 등 기업이 직접 수집한 고객 데이터이다. 온오?프 라인 채널에서 회원이 제품을 살펴보거나 주문하는 것과 같은 활동 데이터로 정보 취득 비용은 가장 저렴하지만 신뢰도는 높은 자사만의 데이터를 말한다.


다음 ‘2차 파티 데이터(Second Party Data)’는 자신의 기업이 아닌 다른 기업이 수집한 데이터이다. 주로 경쟁사의 1차 파티 데이터로 데이터 기업과의 제휴 및 구매로 열람 가능하나 타사의 고객 데이터 프리이버시 보안 상의 리스크가 있고 데이터 양이 절대적으로 부족하다는 단점이 있다.


‘3차 파티 데이터(Third Party Data)’는 다양한 소스에서 구매한 데이터로, 대량의 고객 데이터 활용은 가능하나 고객과 직접적인 영향이 없어 데이터의 안전성과 정확도 확인이 불가능하다. 여기에 ‘제로 파티 데이터(Zero Party Data)’는 고객에게 혜택 및 개인화 서비스 제공으로 획득하는 정확도나 선호도가 높은 데이터를 말하는데, 데이터 획득을 위한 프로그램 프로세스의 구현이 필요하다는 게 문제다.


Image
데이터 드리븐(출처: https://data.wingarc.com)



◇ 그렇다면 우리 데이터는?


패션 업계를 살펴보면 대부분의 기업에 데이터가 거의 없다. 데이터를 수집할 수 있는 BM(비즈니스 모델) 수립이 안 된 기업이 많기 때문이다.


대체로 온라인 몰(오픈 몰)은 데이터 수집에 적극 나서고 있지만 오프라인 기반 브랜드는 데이터 수집 범위는 매우 한정적인 데 반해 비용은 많이 들다 보니 디지털 기술을 적용하기가 현재로선 쉽지 않다. 그나마 온라인 자사몰에서 고객 데이터를 수집해야 하는데 자사몰이 활성화 되지않아 자사몰의 데이터를 대량으로 수집해 전사적으로 활용할 수 있는 기업은 거의 없는 실정이다. 결국 데이터가 없기 때문에 디지털 트랜스포메이션 혹은 디지털 마케팅이 어렵고 실패할 수 밖에 없다.


따라서 ‘고객 데이터가 없다면 DX는 없다’라는 인식 전환이 중요하다. 자사 고객의 데이터마저 부족하거나 아예 없는 상태에서 AI를 검토하고 있는 기업이 있다면 이는 ‘어불성설’이다. AI의 전제는 좋은 빅데이터가 있어야 한다는 것이다. 자사 고객 데이터가 없는 상태에서는 어떤 데이터를 수집·구매해도 불완전한 빅데이터가 될 수 밖에 없다.


이처럼 데이터가 없거나 불완전한 상태에서 디지털 트랜스포메이션, 빅데이터 & AI의 활용은 기업이 망하는 지름길이나 다름 없다. 그럼에도 시중에는 미검증된 디지털 트랜스포메이션 프로그램이나 빅데이터 & AI 프로그램을 소개하고 영업하는 비즈니스가 성행하고 있다. 이를 무분별하게 활용하는 것은 위험하기 그지 없다.


온라인과 오프라인의 울타리를 없앤 마케팅 기법인 ‘옴니채널’과 ‘OMO(Online Mergeswith Offline, 온라인과 오프라인의 병합)’라는 개념이 SNS의 보급과 코로나19 영향으로 계속 확산 추세에 있다. 이제 판매 채널은 점포뿐만 아니라 EC 사이트나 온라인몰, SNS 등으로 다양해졌다. 옴니채널과 OMO의 최대 목표인 ‘사용자에게 가장 좋은 고객 경험을 제공하기’ 위해서는 1 to 1식의 접객이 절대적이다. 그리고 1 to 1에서의 접객을 실현하기 위해서는 각 판매 채널에 축적돼 있는 재고 데이터와 매출 데이터에 근거해 잘 팔릴만한 상품 및 서비스를 찾아내야만 한다. 실제로 최근 들어 이같은 프로세스를 구현하는 기업이 하나 둘씩 나타나고 있다. 따라서 DX에 앞서 데이터를 수집해야 한다. 데이터가 많아지면 빅데이터 & AI 도입이 자연스럽게 이루어지기 때문이다.


온라인 채널(주로 자사몰)에서 유저 및 고객의 데이터를 수집·분석하고 그 데이터를 오프라인 즉 실 점포에서 확인 가능한 옴니채널을 구축하는 것이야말로 디지털 트랜스포메이션 성공의 열쇠다.


무엇보다 DX를 위해서는 먼저 자사몰을 활성화시켜야 한다. 이는 경기 불황에도 무신사 같은 플랫폼(오픈 몰)의 성장세가 지속적으로 이어지고 있는 이유다. 가장 중요한 자신의 고객 데이터를 온라인 플랫폼에 내주게 되면, 패션 기업은 결국 그 온라인 플랫폼의 노예가 되고 말 것이기 때문이다.


Image
AI의 개념도(출처: https://emeritus.org)









커버
검색
닫기
닫기