AI 기반 마케팅을 사용한 초개인화

Jake Burns:
먼저 사용 중인 기술 스택이 무엇인지 간단히 말씀해 주시죠. 저는 당장 AI와 생성형 AI를 시작하려고 하는 많은 고객들과 이야기를 나누는데, 상당수가 어디서부터 시작해야 할지 막막해 합니다. 어떤 조언을 하실 수 있을까요?

Vijay Chittoor:
첫째로, 특히 이 도메인에서 AI의 본질에 대해 생각해 보면, 모든 것은 먼저 대량의 데이터를 보유하는 것에서 시작된다고 생각합니다. 우리 회사의 경우 데이터는 모두 브랜드별로 구성된 소비자의 퍼스트 파티 데이터입니다. 기본적으로 각 고객은 과거에 추적했을 수도 있고 그렇지 않았을 수도 있지만 대규모 데이터 리포지토리를 보유하고 있습니다. 하지만 Blueshift를 사용하면 데이터 통합 여정을 쉽게 시작할 수 있습니다. 이것이 종종 AI로 전환하기 위한 핵심 단계 중 하나라는 것을 경험을 통해 알게 될 것이라고 저는 확신합니다. 그래서 첫 번째 단계는 풍부한 데이터를 잘 구성하고 실시간으로 캡처하고 통합하는 것이라고 생각합니다. 하지만 두 번째로 AI 여정을 시작하는 모든 사람에게 할 수 있는 조언은 실제로 최종 고객을 먼저 생각하라는 것입니다.

우리 회사의 경우 고객을 생각할 때 어떻게 하면 AI를 사용하여 최종 소비자에게 개인화된 상호 작용을 제공할 수 있을지 진지하게 고민합니다. 이 중 상당수는 고객 AI와 관련된 것입니다. 고객 AI에서 중요한 것은 고객 데이터, 즉 앞서 언급한 퍼스트 파티 데이터를 활용하여 누가, 무엇을, 언제, 어디서, 어떻게 고객과 소통할 것인지를 결정하는 것입니다. 매우 수동적인 경우가 많고 AI를 기반으로 하지 않는 기존 마케팅에서는 특정 캠페인의 타겟 고객, 제안 내용, 고객에 도달해야 할 시점, 고객과 소통할 채널 또는 위치에 대해 고려가 부족한 단순한 결정을 내릴 수 있습니다. AI를 사용하지 않는 경우, 앱에서 이런 결정을 수동으로 내리다 보면 지나치게 단순화해서 많은 고객을 하나로 묶어 이 전체 세그먼트를 하나의 제안으로 타겟팅하려고 시도하게 됩니다.

하지만 최종 소비자는 고유한 개인이므로 각각 다르게 대응해야 한다는 것이 현실입니다. AI가 정말 잘하는 것은 시장이 잠들어 있을 때에도 개별 고객 수준에서 결정을 내리고, 이런 결정을 수백만 건 만들어 낼 수 있다는 것입니다. 저는 이것이 일종의 의사 결정 엔진, 즉 AI가 제공하는 일종의 의사 결정 능력, 강력한 개인화라고 생각합니다. 따라서 AI 여정을 시작하는 방법을 조언할 때는 먼저 데이터를 구성하는 것부터 시작하고, 다음으로 고객을 먼저 생각하고, 사용 사례에 대해 생각하라고 말합니다. 그러나 대규모로 결정을 내릴 수 있고 개별 고객에 맞게 개인화할 수 있는 AI의 이점을 활용할 수 있어야 하고 이러한 요소를 염두에 두고 최종 고객 경험을 혁신할 수 있어야 합니다.

Jake Burns:
그렇군요. 좋은 지적입니다. 경험을 개인화하는 것이 정말 중요한데 수동 프로세스이기 때문에 모든 사람이 24시간 일하더라도 모자랄 것 같습니다.

Vijay Chittoor:
네, 맞습니다.

Jake Burns:
하지만 AI를 사용하면 더 다양한 데이터 포인트에 대해 더 많은 시나리오를 사용하기 때문에 더 자주 올바른 결과를 얻을 수 있을 것입니다.

Vijay Chittoor:
맞습니다. 중요한 말씀을 하셨는데요. 최종 고객 여정입니다. 이에 대해서는 매우 다양한 접점이 등장한 오늘날의 디지털 세계에서 고객 여정이 훨씬 더 복잡해졌다고 많은 사람들이 말하고 있습니다. 여기에는 그 복잡성 때문에 수백만 개의 고객 여정이 뒤섞여 있습니다. 어떤 면에서는 오늘날의 고객 참여 문제는 각 고객의 자기 주도적 여정을 육성하는 데 있다고 생각합니다. 모든 고객은 자동으로 브랜드와 함께 하는 여정을 시작하게 되기 때문입니다. 그렇다면 각 고객이 시작하는 여정을 어떻게 인식할 수 있을까요? 어떻게 그 순간에 고객에게 도움이 될 수 있고 또 이를 대규모로 실행하려면 어떻게 해야 할까요? 실제로 AI가 등장하여 모두에게 도움이 되고 있는 분야입니다. 마케터들과 함께 일할 때 보면 그들은 스토리텔링에 아주 능숙하다는 생각이 듭니다. 하지만 오늘날의 과제는 어떻게 스토리의 핵심을 짚으면서도 이런 다양한 자기 계획형 여정들 모두에 걸쳐 이를 개인화할 것인가입니다. 이것이 바로 마케터들이 AI와 정말 잘 협력할 수 있는 부분이라고 생각합니다. 그리고 그것은 매우 강력한 파트너십이었습니다.

Jake Burns:
정말 대단한 것 같네요. 그렇다면 이 모든 것에서 인간의 역할은 무엇일까요?

Vijay Chittoor:
저는 인간이 이 모든 것에서 핵심 크리에이티브 요소라고 생각합니다. 이 모든 것의 배경에는 전략적 동인도 있습니다. 어떤 면에서는 많은 자동화 기술을 생각해보면 자동화 기술의 첫 물결은 근본적으로 인간이 좀 더 전략적이고 창의적으로 행동하기가 더 어렵게 만들었다고 생각합니다. 자동화는 대부분 조건부라고 생각하기 때문입니다. 일종의 규칙 기반 자동화인 것이죠.

기업에서 마케터와 다른 부서가 버튼과 노브만 누르다 결국 업무에서 창의성과 전략적 사고가 사라지는 경우가 많았습니다. 저는 AI의 새로운 방식이 진정한 자동화를 이끈다고 생각합니다. 앉아서 이 버튼 저 버튼 누를 필요가 없고 실제로 전략적 가치와 창의성을 전달하기 위해 더 많은 도전을 받고 더 많은 권한을 부여받게 됩니다. 이제 최종 고객에게 전달하고 싶은 스토리에 대해 진지하게 생각할 수 있고, 어떻게든 기술에 맞서 싸우느라 수렁에 빠지지 않으면서 기술을 어시스턴트로 활용하여 대규모로 전달할 수 있습니다. 그런 의미에서 AI는 많은 사람의 잠재력을 해방시켰다고 생각합니다. 매우 기쁜 일이죠.

Jake Burns:
인간을 완전히 대체하기보다는 공동 창조자 관계에 가깝습니다.

Vijay Chittoor:
그렇습니다. 공동 창조자 비유를 말씀하셨는데, 어떤 면에서는 모든 사람이 편집자가 된다는 생각을 가끔 이야기합니다. 말 그대로 지금 글을 쓰는 사람들은 초안을 빨리 작성할 수 있고 편집에 더 많은 시간을 할애합니다. 하지만 좀 더 전략적인 차원에서는 인간의 역할에 대해 생각하게 됩니다. 기업 모든 부서의 모든 역할은 편집자 수준으로 상향되고 있으며, 초안 작성과 초기 작문과 같은 번거로운 작업도 할 필요가 없거나 줄어들 것이라 생각합니다.

Jake Burns:
획일적인 작업은 줄어들고 개인화와 최종 손질을 더 많이 하는 것이죠.

Vijay Chittoor:
네,

Jake Burns:
그렇군요. 그러면 이런 회사를 만드는 데 필요한 기술에 대해 이야기를 해보죠. 저와 함께 일하는 대부분의 기업은 모두 AI와 함께 일하기를 원하기 때문인데요. 하지만 오늘날 데이터 과학자와 AI 분야 전문가를 채용하기란 매우 어렵기 때문에 AI는 활용하기가 무척 어려운 기술입니다. 매우 귀중하죠. 그렇다면 조직 내에서 이러한 인재를 영입하기 위해 어떤 접근 방식을 취하셨나요?

Vijay Chittoor:
좋은 질문이십니다. 올바른 채용을 해야겠죠. 하지만 올바른 문화를 조성하는 것도 중요하다고 생각합니다. 채용에 대해 생각하면 처음부터 우리 회사에 AI 인재가 있었다는 것이 행운이라고 생각합니다. 공동 창립자인 Manyam은 Chief AI Officer로 근무하고 있는데 AI가 그다지 유행하지 않았던 시절부터 매우 인상적인 일을 해냈습니다. 그런 사람부터 시작해서 올바른 방식으로 팀의 기반을 다지는 것이 좋다고 생각합니다. 적절한 기술과 인재를 찾는 것이 분명히 중요하지만 문화도 중요하다고 생각합니다. 기계 학습 및 AI 엔지니어뿐만 아니라 회사 전체에 올바른 프레임워크를 설정해야 합니다. 그래야 이러한 기술을 활용할 수 있고 고객에게 전달하고 고객을 성공으로 이끌 수 있습니다.

Blueshift에서는 다섯 가지 핵심 문화 가치에 대해 이야기합니다. 이 다섯 가지 가치는 첫 글자를 따서 ‘MORPH’라고 합니다. 첫 번째 M은 make new mistakes, 즉 새로운 실수 저지르기입니다. 실수를 저지르라니 조금 놀랍지 않습니까? 중요한 것은 새로운 실수를 저지르는 것입니다. 빠르게 배우고 다양한 것을 시도해 볼 수 있어야 한다는 것입니다. 하지만 지속적인 학습 문화와 호기심과 학습의 요소도 갖춰야 합니다. 이것이 매우 중요하다고 생각하기 때문에 이 가치부터 시작합니다. AI와 같은 새로운 기술에서는 더욱 그렇습니다. 둘째는 obsessing over customer success, 고객 성공에 집착하기입니다. MORPH의 O입니다. 다시 말씀드리지만, 기술이 정말 가치가 있으려면 최종 고객을 염두에 두어야 합니다.

기술 팀이든 마케팅, 영업, 고객 성공 팀이든 상관없이 모든 사람이 어떻게든 고객 성공에 집착해야 합니다. R은 raise the bar, 기준 높이기입니다. 우리 회사는 스스로 최고의 모습을 보여주기 위해 도전하고 고객에게 제공할 수 있는 최고의 혁신이 무엇인지 진정으로 고민합니다. 이것이 기준을 높인다는 것입니다. 네 번째 P는 play as one team, 한 팀으로 플레이하기입니다. 이러한 혁신이 고객의 성공에 기여하기 위해서는 개발하는 사람들부터 일선에서 고객을 마주하는 사람들에 이르기까지 회사 전체가 하나의 팀으로 플레이해야 합니다. 마지막 H는 have fun, 재미있게 놀기입니다. 진심입니다. 이 모든 일이 힘들 것이라고 인정하는 것이기는 하지만 우리는 모든 사람이 목적지를 바라보는 것만큼이나 즐겁게 일하고 여정을 즐기는 문화를 만들 것입니다.

Jake Burns:
아까 말씀하실 때 M이었던 것 같은데요 실수를 저지르라는 것은 어떤 이들에게는 무섭게 들릴 수도 있습니다. 실패로 인한 비용을 줄여 그러한 실수가 치명적이지 않도록 하려면 어떻게 해야 할까요?

Vijay Chittoor:
네, 그것이 정말 중요한 것 같습니다. 실수를 저지르라고 하는 이야기는 새로운 실수를 저지르라는 이야기입니다. 회사 내부의 학습 문화에 훨씬 무게를 둔 것이죠. 하지만 마찬가지로 고객 성공에 집착하라는 이야기도 하고 있습니다. 우리 회사가 서비스를 제공하는 업무상 중요한 사용 사례가 많이 있습니다. 다시 말씀드리지만, 우리 회사는 고객 성공에 집착한다는 생각에 기반을 두고 있기 때문에 업무상 중요한 것은 무엇이든 매우 진지하게 받아들여야 합니다. 그런 부분에서는 실수를 저지르면 안 되겠죠.

하지만 개발 과정에서 일어날 수 있는 혁신의 균형을 맞추는 동시에 최종 개발 제품을 고객 성공에 대한 집착의 기준에 진정으로 부합하는 형태로 만드는 것이 중요합니다. 이것이 바로 우리가 노력해야 할 두 가지입니다. 그런 점에서 Amazon과 같은 환상적인 회사와 파트너 관계를 맺은 것은 다행이라고 생각합니다. 저희는 많은 인프라를 Amazon에 의존하고 있기 때문입니다. 인프라는 안정적이어야 하고, 성능이 우수해야 하고, 지연 시간이 짧아야 합니다. 이것이 바로 고객에게 제품을 제공하고 고객 성공에 집착할 때 갖는 사고방식이라고 저는 생각합니다.

프로토타입을 만들 때, 내부에서 무언가를 구축할 때, 빠르게 실수를 저지르고 싶은 것들이 있습니다. 누구나 실험하고 싶어하는 문화가 바람직하지만, 실수를 해서는 안 되는 때를 인식하고 고객 성공에 집착하고 최종 고객에 대한 책임을 매우 진지하게 받아들이는 문화도 필요합니다.

Jake Burns:
그 과정에서 어떤 어려움이 있었나요? 그랬다면 어떻게 극복하셨나요?

Vijay Chittoor:
좋은 질문이십니다. 이 혁신적인 기술 중 일부를 시장에 출시하면서 시간이 지남에 따라 특히 AI와 관련하여 몇 가지 흥미로운 과제가 해결되었다고 생각합니다. 먼저 말씀드리고 싶은 것은 AI를 신뢰할 수 있고 설명 가능하게 만드는 것입니다. 왜냐하면 AI는 기업 상황에 배포되기 때문입니다. 또한 고객은 최종 소비자에게 제공하는 경험이 자사 브랜드와 일관된 것이기를 원하고, 원활한 개인화된 부가가치 상호 작용이기를 원합니다. 기업에는 이러한 모든 결정을 AI가 내린다고 말하면서 고객 경험 팀, 마케팅 팀에는 AI가 올바른 결정을 내리고 있다고 어떻게 확신시킬 수 있을까요? 이들이 수작업으로 모든 결정에 대해 감사를 실시할 수는 없는 일이고 또 그렇게 한다면 목적에도 부합하지 않을 텐데요. 우리 회사는 이 문제를 해결하기 위해 다양한 노력을 하고 있으며, 지금까지 AI를 여러 수준에서 설명 가능하게 만드는 데 매우 성공적이었다고 저는 생각합니다.

기술 전문가가 아닌 마케터가 Blueshift 플랫폼을 사용하여 AI가 배포되기 전에 그 효과를 이해할 수 있도록 하려면 어떻게 해야 할까요? 이를 이해하기 위해서는 AI의 다양한 파라미터를 완전히 따라가지 못하는 사람이라도 모델 자체가 높은 신뢰도를 가진 모델인지 여부, 모델링에 사용된 데이터의 특성, 추출되어 사용된 특성 등을 이해함으로써 AI를 충분히 이해할 수 있는 UI를 구축해야 합니다. 예를 들어 AI가 특정 부문의 가상 고객을 위해 어떻게 결정을 내렸는지 설명하는 사용자 인터페이스일 수 있습니다. 그리고 이 모든 것을 애플리케이션 사용자 인터페이스에 구축한 것이 AI를 자신 있게 배포할 수 있었던 핵심 요소라고 생각합니다. 이것이 바로 AI 기술을 출시하려는 모든 기업에게 인간이 AI와 협업할 수 있는 부분에 대해 생각해 보라고 권하고 싶은 부분입니다. 인간이 성공적으로 협업하기 위해서는 설명 가능하고 직관적이며 해석 가능한 AI가 필요합니다.

Jake Burns:
다시 말하면 AI가 답을 주지만 그 답을 어떻게 얻었는지 설명해야 하는 것이죠.

Vijay Chittoor:
대체로 그렇습니다. 아니면 답변이 직관적으로도 옳다고 느껴져야 하며, 수백만 건의 결정을 거치지 않고도 충분한 증거가 있어야 하고 최종 고객을 위해 올바른 일을 하고 있다는 확신을 가질 수 있어야 합니다.

Jake Burns:
모두가 알고 싶어하는 것 중 하나는 미래가 어떻게 전개될 것인가 아닐까요? 누구도 수정 구슬은 갖고 있지 않지만, 2~3년 후의 미래를 추측한다면 AI, 더 구체적으로 말하자면 생성형 AI가 고객 경험 측면에서 미래를 어떻게 변화시킬 것이라고 생각하시나요?

Vijay Chittoor:
좋은 질문이십니다. 지난 몇 달 동안 생성형 AI의 첫 물결을 보면, 우리는 생성형 AI에 대해 많은 이야기를 듣고 있습니다. 모두 생성형 AI가 전 세계를 휩쓸고 있다는 이야기를 하고 있습니다. 생성형 AI의 초기 사용 사례 중 상당수는 콘텐츠와 점점 더 많은 변형을 생성하는 것, 복잡성을 줄이고 새로운 콘텐츠를 생성하는 데 걸리는 시간을 단축하는 것이라고 생각합니다. 과거에 고객 경험을 제공하려는 팀에서 다루었던 고객 경험의 세계를 생각해 보면, 모든 상호 작용을 개인화하는 데 적합한 콘텐츠를 생성하려 할 때 콘텐츠 병목 현상이 심하게 발생했습니다. 수백만 개의 개인화된 상호 작용을 생각한다면 어떻게 수백만 개의 콘텐츠를 생성할 수 있을까요? 어떤 면에서 생성형 AI가 가장 먼저 한 일은 동일한 콘텐츠의 다양한 변형에서 콘텐츠 생성의 병목 현상을 제거하거나 적어도 축소한 것입니다.

하지만 앞으로 나아갈 방향은 생성형 AI를 우리가 고객 AI라고 부르는 것과 결합하여 진정한 개인화를 제공하는 것입니다. 고객 AI가 할 수 있는 일은 각 개인이 무엇을 원하는지, 어떤 콘텐츠가 각 개인에게 어필할지 예측하는 것입니다. 그리고 생성형 AI가 할 수 있는 일은 실제로 모든 콘텐츠를 실시간 또는 거의 실시간으로 생성하여 사용할 수 있게 하는 것입니다. 간단한 예로 브랜드가 SMS를 통해 보내는 프로모션을 예로 들 수 있습니다. 고객마다 카피가 달라지죠. 생성형 AI가 조작하기 쉬운 감정뿐만 아니라 고객이 어떤 제안에 관심을 가지는지 정확히 이해하는 고객 AI도 이러한 카피를 작성하기 위한 정보를 제공할 수 있을까요? 이 두 가지 요소를 결합하면 어떤 식으로든 개인화의 성배를 한 단계 더 진전시킬 수 있을 것이라고 생각합니다. 생성형 AI와 고객 AI가 결합하여 훌륭한 고객 경험을 제공하는 미래가 정말 기대됩니다.

Jake Burns:
다른 기업에 해주고 싶은 조언이 있나요? AI 여정의 시작 단계에 있는 기업들도 있을 수 있고 꽤 오랫동안 AI를 사용해 온 기업들도 있을 것입니다. 많은 기업들이 지금 시작하는 중이죠. 이러한 기업이 가장 중요하게 고려해야 할 사항은 무엇인가요?

Vijay Chittoor:
생각해 보면 기업에는 많은 잠재력이 있습니다. 많은 잠재 지식이 있고, 최종 소비자에게 가치를 전달하는 데 사용할 수 있는 잠재 데이터도 많습니다. 그렇다면 이 모든 것의 가치를 어떻게 활용할 수 있을까요? 전통적으로 브랜드는 사람이 주도하는 노력으로 시작했다고 저는 생각합니다. 그런 다음 약간의 디지털 혁신을 통해 일부 기술을 사용하여 가치를 창출하기 시작했습니다.

하지만 실제로 AI를 사용하면 이제 기업의 모든 사람이 최종 고객에게 이러한 혁신적인 가치를 실제로 제공할 수 있습니다. 그런 관점에서 생각하기 시작하면 전체 전략과 프로세스를 어떻게 다시 구축할 것인지 생각하게 됩니다. 모든 것을 AI 우선으로 구축해야 한다면 이 중 일부에서는 프로세스를 재발명해야 할 것입니다.

Jake Burns:
그렇군요. 말씀 중에서 이 기술의 민주화를 암시하신 것 같은데요. 조직의 모든 사람들 또는 조직의 더 많은 사람들에게 사용 권한을 주는 것 말이죠. 또한 이 기술을 사용하여 이미 보유하고 있지만 아마도 거의 사용하지 않는 데이터에서 인사이트를 얻으라는 말씀 같은데요.

Vijay Chittoor:
네, 그렇습니다. 민주화입니다. 이 기술은 기술 전문가가 아닌 사용자도 사용할 수 있을 정도로 성숙해지고 있기 때문입니다. 많은 기업에서 대규모로 활용되므로 엄청난 기업 가치를 창출할 수 있습니다. 따라서 고객 대면 팀이 이 기술을 회사의 다른 많은 비기술 부서에 제공하여 가장 큰 성장 동력이 될 수 있는 방법을 고민하는 것이 확장의 핵심이 될 것입니다.