MECCA가 매장 내 고객 경험을 온라인에 재현하여 극적인 결과를 얻을 수 있었던 비결

1997년에 설립된 MECCA는 세계에서 가장 인기 있는 미용 및 스킨케어 제품으로 이루어진 120여개 브랜드를 호주와 뉴질랜드의 200만 고객에게 판매합니다. IBISWorld에 따르면, 이는 42억 USD 규모인 호주 뷰티 시장의 10%, 그리고 프레스티지 뷰티 부문의 약 25%를 차지하는 규모입니다.

MECCA의 성공 비결 중 하나는 하이 터치, 하이 서비스 뷰티 부티크입니다. Vogue에 따르면, MECCA는 매출의 약 3%를 직원 훈련에 사용하여 모든 고객에게 개인화된 맞춤형 추천을 제공합니다.

MECCA는 이제 이 독특한 대면 경험을 온라인으로 재현할 방법을 찾고 있습니다. MECCA의 CRM 및 로열티 책임자인 Lauren Shepherd는 "우리 직원이 MECCA 매장에서 고객에게 제공하는 개인화 서비스와 추천을 온라인 세계로 옮겨 놓고자 합니다"라고 설명합니다.

MECCA는 2001년에 온라인 쇼핑 서비스를 개시한 전자 상거래의 얼리 어답터로서, 데이터와 분석 기술을 활용하여 온라인 고객 참여를 개선하기 위해 전략적 파트너인 Amazon Web Services(AWS)와 Servian의 도움을 받았습니다.

비즈니스 성장을 촉진하기 위한 고객 경험(CX) 개선의 핵심은 극도로 개인화된 제품과 맞춤형 여정을 제공하는 것입니다. 하지만 Gartner에 따르면, CX 리더의 70% 이상이 "고객 충성도를 높이고 성과를 실현할 프로젝트를 설계하는 데 어려움을 겪고 있다"고 합니다.

MECCA의 데이터 트랜스포메이션 여정은 AWS와 협력하여 데이터 플랫폼을 구축하고 비즈니스 인텔리전스 보고 도구로 Tableau를 사용한 2018년에 시작되었습니다.

MECCA의 기술 팀은 비즈니스 전반에 걸쳐 긍정적인 평가를 받은 후 데이터를 사용하여 고객에게 더 많은 가치를 부여하고자 했습니다. 최종 목표는 비즈니스의 여러 부분에서 셀프 서비스를 제공하는 것입니다. 즉, 누구나 자신의 역할과 관련된 데이터를 드릴다운할 수 있는 비즈니스 인텔리전스의 한 형태입니다. 

MECCA의 CRM 및 로열티 팀은 특히 데이터를 사용하여 어떤 제품이 다른 고객에게 가장 매력적일지 무척이나 예측하고 싶어 했습니다.

Shepherd는 "우리는 고객에 대한 많은 정보를 가지고 있었지만 실제로 고객의 경험을 최적화하기 위해 이를 사용하지 않았습니다. 각 고객은 동일한 컨텐츠와 프로모션을 받게 될 것입니다"라고 말합니다.

MECCA 데이터 팀은 Servian과 협력하여 개인화 모델을 구축하고 실행할 수 있는 간단한 프레임워크를 제공하는 기계 학습 서비스인 Amazon Personalize의 평가판 사용을 시작했습니다. 이 서비스는 혁신적인 소매업체에서 특정 제품 추천, 개인화된 제품 순위 재지정 및 맞춤형 다이렉트 마케팅을 제공하는 데 사용됩니다.

MECCA는 AI 기반 개인화된 마케팅으로 전환하기 전에 이메일 플랫폼에 포함된 23년 분량의 데이터를 정리하고 재구성하여 조직적이고 깨끗하고 쉽게 액세스할 수 있는 데이터 시스템을 만들어야 했습니다.

이로써 MECCA의 ML 여정의 '탐색' 단계가 시작되었습니다. CRM, 데이터 및 Servian 전문가로 구성된 학제간 기술 팀이 개념 증명(POC)을 개발하기 위해 협력했습니다. 표적화된 마스카라 마케팅 캠페인의 일환으로 Amazon Personalize를 사용하여 제품 추천을 제공하는 POC에서 문제가 될 수 있는 장애물을 예측하고 해결하는 것이 그들의 일이었습니다. 이 캠페인은 기존 메타데이터를 활용하여 마스카라 프로모션 이메일을 통해 마지막 구매 후 90일 후 고객을 대상으로 합니다.

기술 팀은 '실현' 단계로 넘어가면서 Amazon S3 데이터 환경으로 마이그레이션하고 마케팅 시스템에 대한 새로운 통합을 구축하여 자동화된 엔드 투 엔드 데이터 처리를 가능하게 하는 등 여러 가지 변경 사항을 적용했습니다. 또한 경영진 이해 관계자와 관리자가 개인화 및 기계 학습으로의 전환이 각 비즈니스 분야에 긍정적인 영향을 미칠 수 있는 방법을 이해할 수 있도록 시간을 할애했습니다.

MECCA의 Digital and Data 부문 IT Delivery Manager인 Paul Erskine은 이것이 POC 성공의 열쇠라고 말했습니다. "많은 경영진이 데이터 과학의 복잡성에 대해 의구심을 갖고 있었고 이런 문제를 제기했습니다. '누군가가 사업을 그만두면 누가 모델을 관리해야 하는가? 비용 대비 가치는 얼마인가? 장기적으로 누가 지원해야 하는가?’"

이러한 문제를 해결하기 위해 기술 팀은 데이터 거버넌스 포럼에서 비전과 계획을 공유했습니다. 이들은 Amazon Personalize에서 생성된 제품 추천을 공개하고 데이터 과학이 고객 전환 및 참여율을 최적화하는 데 어떻게 사용될 수 있는지 설명했습니다. 그들이 제시한 증거는 매우 설득력 있었고, MECCA의 경영진은 POC에 강력한 청신호를 주었습니다.

2019년 말 호주에서 Amazon Personalize가 출시되었을 때 MECCA와 Servian은 즉시 이를 배포했습니다. 이는 호주 최초의 Amazon Personalize 배포 사례 중 하나입니다. 몇 시간 안에 맞춤형 제품 추천을 제작하기 시작했고, 오늘날에는 MECCA의 전체 카탈로그에서 제품 추천을 생성하고 있습니다.

Erskine은 "Amazon Personalize를 사용하면 AWS 관리형 서비스의 기존 데이터를 사용하여 사용자 지정 모델을 손쉽게 훈련할 수 있습니다. 이를 통해 개발자는 데이터 사이언티스트뿐만 아니라 추천 알고리즘을 구축할 수 있습니다"라고 설명합니다.

또한 MECCA는 제품 보충을 위한 최적의 타이밍을 식별하기 위해 장단기 메모리(LSTM) 성향 모델을 배포했습니다. AB 테스트에서 이메일의 50%는 개인화된 제품 추천을 포함하고 있었지만 50%는 그렇지 않았습니다. 개인화된 추천을 제공하는 기업은 훨씬 더 높은 전환율을 달성했습니다.

MECCA의 Chief Digital Officer인 Sam Bain은 "Amazon Personalize를 통합한 이후 이메일 클릭률이 크게 증가하고 추천 제품과 관련한 이메일 매출이 증가하고 있습니다"라고 말합니다.

MECCA는 현재 모든 활성 고객을 대상으로 매주 개인화 모델을 실행하고 있으며, 모든 마케팅 캠페인에서 매주 1,000만 건 이상의 제품 추천을 생성하고 있습니다.

또한 Amazon Personalize는 이메일 관리 시스템의 기본 기능을 사용하여 제품 추천을 구현하는 MECCA의 이전 시스템을 능가하고 있습니다.

Shepherd에 따르면, "우리는 이메일 공급자의 시스템 추천과 비교하여 Amazon Personalize 추천을 테스트했습니다. 이론적으로 이메일 플랫폼을 통해 제공되는 추천도 구매 이력을 기반으로 하지만 Personalize 모델만큼 많은 측정값을 고려하지 않으므로 효과가 떨어집니다.

"고객의 수명 단계, 여정 및 구매 기록과 관련된 제품을 보여주면 전환률이 훨씬 높아진다는 것을 입증했습니다."

MECCA는 디지털 경험을 재정립하고 충성도 높은 고객의 만족도를 높이기 위해 AWS 및 Servian과의 협력을 이어가고 있습니다. 이 회사의 목표는 기계 학습의 이점을 활용하여 고객이 원하는 제품을 예측하고, 수요를 충족하는 MECCA의 능력을 최적화하는 동시에 기본 데이터 세트를 개선하여 예측 성능이 더 높은 모델을 구축하는 것입니다.