마이크로마케팅의 진화와 개인정보보호, 그리고 기업의 사회적 책임

날짜2017.01.23
조회수21168
글자크기
    • 마이크로마케팅은 소비자의 인구통계적 속성과 생활방식에 대한 정보를 활용하여 소비자의 욕구를 최대한 충족시키는 마케팅 전략
    • 선두 기업은 아마존·넷플릭스·구글·월마트·이베이 등이고 전 세계 2%가 안 되는 조직이 소비자가 기대하는 수준의 마이크로마케팅 역량을 갖춤
    • 이 글에서는 마이크로마케팅에 필요한 추천시스템의 진화와 구글·페이스북·아마존·넷플릭스의 성공사례를 다루고, 관련 제도의 한계에 대한 상반된 의견과 기업의 사회적 책임에 대해 살펴봄
  • 마이크로마케팅의 개념과 재발견
    • 개념 : 마이크로마케팅이란, 소비자의 인구통계적 속성과 생활방식에 관한 정보를 활용하여 소비자의 욕구를 최대한 충족시키는 마케팅 전략(매경닷컴, 2016.12)
    • 시장을 가장 작은 상권 단위로 나눈 다음 시장별로 소비자 특성에 관한 데이터를 수집해 마케팅 계획을 세우며, 대형 유통업체, 은행, 보험회사 등에서 주로 활용
    • 기존 매스마케팅 방식과의 차이는 마케팅 대상을 세분화하여 개인화하고, 실시간으로 이루어지는 양방향 상호작용을 바탕으로 하며, 네트워크 효과를 통해 메시지의 전달이 개인 대 개인으로 계속 이루어진다는 것
    • 기존 매스마케팅과 마이크로마케팅의 차이
    • 그림 1-마이크로마케팅의 예시
    • 구글의 마이크로마케팅 관련 최근 연구 결과(2015.6)에 따르면 특정한 순간에는 광고라 할지라도 소비자가 가진 구매 의도와 필요(Needs)에 관련성이 높은 정보를 제공하면 소비자의 만족도가 높아지며 이를 마이크로모멘트라 부름
    • 82%의 스마트폰 사용자가 상점에서 물건을 구매하기 전에 온라인 검색을 하고, 특정 순간에는 구매 의도와 관련성이 높은 정보(광고 등)를 고맙게 생각하며, 그에 따라 51%가 본래 의도와 다른 브랜드의 물건을 구매한 경험이 있음
    • 마이크로모멘트란 소비자가 필요에 의해 행동하는 순간으로서, 이 순간에는 정보의 종류(광고성, 비광고성정보)에 상관없이 관련성이 높은 정보가 주어지면 소비자의 만족도는 높아짐
    • 마이크로마케팅의 전통적인 선두 기업은 아마존, 넷플릭스, 구글, 월마트, 이베이 등이며, Forrester(2015.7)의 연구에 의하면 전세계의 2%가 안되는 조직이 소비자가 기대하는 마이크로마케팅 관련 역량을 갖추고 있음
  • 마이크로마케팅 시대, 추천 시스템의 패러다임 변화
    • 추천 시스템은 일반적으로 인기 있는 물건에 대한 추천 뿐 아니라, 마이크로마케팅 시대에 맞게 개인별, 개인이 속한 커뮤니티 그룹별, 제품 기능별 맞춤화된 “알려지지 않은 물건”에 대한 추천이 가능토록 진화
    • 그림 2-마이크로마케팅 시대 알려지지 않은 제품에 대한 판매가 가능
    • ① 단순히 관련성(relevance)을 점수화하여 추정하고 추천 리스트를 도출
    • 단순히 관련성(relevance)을 점수화하여 추정하고 추천 리스트를 도출
    • ② 사용자 프로파일과 컨텍스트 요소를 고려하여 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • 사용자 프로파일과 컨텍스트 요소를 고려하여 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • ③ 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 커뮤니티 데이터를 수집하여 같은 부류의 사람들이 선호하는 항목의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 커뮤니티 데이터를 수집하여 같은 부류의 사람들이 선호하는 항목의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도
    • ④ 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 제품의 기능 데이터를 수집하여 사용자가 선호하는 기능의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 제품의 기능 데이터를 수집하여 사용자가 선호하는 기능의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • ⑤ 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 제품의 기능 데이터를 수집하고 지식 모형에 기반하여 사용자의 필요에 맞는 기능과 물건의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 제품의 기능 데이터를 수집하고 지식 모형에 기반 하여 사용자의 필요에 맞는 기능과 물건의 정보를 뽑아내고, 관련성(relevance) 점수에 따른 추천 리스트를 도출
    • ⑥ 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 커뮤니티 데이터와 제품의 기능 데이터를 수집하고 지식 모형에 기반하여 사용자의 필요에 맞는 기능과 물건의 정보를 뽑아내고, 추천 리스트를 도출하는 하이브리드 방식
    • 사용자 프로파일과 컨텍스트 요소를 고려할 뿐 아니라, 커뮤니티 데이터와 제품의 기능 데이터를 수집하고 지식 모형에 기반하여 사용자의 필요에 맞는 기능과 물건의 정보를 뽑아내고, 추천 리스트를 도출하는 하이브리드 방식
  • 마이크로마케팅의 성공 사례
    • 구글은 구글의 광고 매체(구글 AD, 검색 결과, 게임·Youtube 내 광고 등)에 데이터 기반으로 특정 소비자군을 지정하여 광고할 수 있도록 지원하며, 유사한 잠재 고객을 추가적으로 발굴·확대하는 기능도 제공(’15년 총 광고 매출 300억달러)
    • 마이크로마케팅의 성공 사례
    • 일 활동 사용자수(DAU)가 9억 명이 넘는 페이스북은 Facebook for Business 플랫폼을 통해 쉽게 상품페이지와 광고를 제작할 수 있고, 광고에 가장 잘 맞는 사용자군을 노출 대상으로 선정할 수 있게 함(‘15년 총 광고 매출은 $80억 달러)
    • * 페이스북 비즈니스 플랫폼에서 제공하는 마이크로마케팅의 기반 정보는 거주(행동) 지역, 연령, 성별, 언어를 포함한 인구통계적 정보와, 특정 관심사 및 최근 행동 정보를 아우름
    • 페이스북의 비즈니스 플랫폼을 통한 특정 소비자군(Audience)에 대한 광고 페이지 노출 설정
    • 넷플릭스는 2015년 12월 발표한 연구에서 90초 내에 20개의 상품을 추천하는 추천 시스템을 공개하고, 이를 통해 소비자 이탈률을 5% 이내로 유지하며 연간 10억달러(’15년)의 비즈니스 가치를 창출하고 있음을 발표
    • 넷플릭스의 “My List”는 소비자에게 자신의 취향을 일깨워 줌
    • 아마존은 고객의 최근 구매 의도에 최대한 초점을 맞추고 추천 시스템을 설계하여 최근 구매한 제품이나 카트에 담은 제품과 묶어서 사용할 수 있거나, 연관성이 높은 제품을 교차판매한 결과, 35%의 매출(37억달러,’15년)이 추천시스템에서 발생
    • 아마존의 추천 시스템 수집 정보는 구매 이력, 브라우징 이력, 시청한 비디오, 보유하고 있다고 표시한 아이템, 평점을 매긴 아이템, 관심 없다고 표시한 아이템, 선물로 표시한 아이템, 사용자 프로파일 등임
  • 디지털 딜레마 : 개인화를 위해 개인정보를 얼마나 공유할 수 있는가?
    • 나라별로 개인정보보호 제도는 다르지만 디지털 활용도(Digital Footprint)가 높을수록 개인화에 대한 기대나 관대함(Tolerance) 정도가 높음(SAS, 2014)
    • 일반적으로 소비자가 개인 정보를 기꺼이 공유할 수 있는 범위는 이름(94%), 이메일(94%), 생년월일(74~78%), 생활방식(69%), 카드·금융데이터(18%) 순임
    • 소비자가 기꺼이 공유할 수 있는 정보의 종류
    • 개인정보 공유 여부 및 그 범위에 영향을 미치는 요인은 정보를 수탁하려는 조직의 개인정보 관리정책 투명성과 신뢰성, 소비자가 받는 할인 등의 보상, 소비자와 조직 간의 사업적 관계 현황 등임
    • 국내의 경우 디지털 활용도는 높으나 개인정보보호법에 의거 개인정보보호를 위한 강력한 법제도를 갖춘 상태이며, 제도 자체가 갖는 한계나 제약사항 등에 대해 산업의 육성이나, 소비자 보호·효용 측면에서 의견이 엇갈림
    • 제도 자체가 갖는 한계나 제약사항 등에 대해 산업의 육성이나, 소비자 보호·효용 측면에서 의견이 엇갈림
    • 원칙적으로 마이크로마케팅을 수행하는 기업의 책임감 있는 개인정보보호 정책의 공개가 소비자의 데이터에 대한 통제권은 물론 효용도 높이게 될 것
    • CarePredict사는 Tempo라는 독거노인의 상태를 가족에게 알려주는 개인화된 제품으로 상업적 성공을 거두었는데, 그 성공 요인은 개인정보보호 정책을 투명하게 공개하여 사용자들을 안심시킴에 따라 만족도가 높아짐에 따른 것
    • CarePredict사의 Tempo
  • 참고문헌
    • Carlos A. Gomez-Uribe and Neil Hunt. (2015). The Netflix Recommender System: Algorithms, Business Value, and Innovation. ACM Transactions on Management Information Systems. 6, 4, Article 13, 19 pages.
    • Forrester Consulting (2015). Moments That Matter: Intent-rich moments are critical to winning today’s consumer journey
    • SAS (2014). Finding the Right Balance Between Personalization and Privacy
    • Dietmar Jannach & Gerhard Friedrich(2013), Tutorial: Recommender Systems, International Joint Conference on Artificial Intelligence Beijing
    • http://www.mt.co.kr/view/mtview.php?type=1&no=2016110207455870651&outlink=1
    • http://www.itdaily.kr/news/articleView.html?idxno=55187
    • http://www.itdaily.kr/news/articleView.html?idxno=58702
    • http://blog.naver.com/netandhi/220806272508
    • http://blog.naver.com/chemnote/220862852350
    • https://www.thinkwithgoogle.com/collections/micromoments.html
    • http://the300.mt.co.kr/newsView.html?no=2016110308367652246
    • http://rejoiner.com/resources/amazon-recommendations-secret-selling-online/
    • https://www.carepredict.com/privacy.html
    • https://blog.crazyegg.com/2016/08/22/personalization-should-be-invisible/
    • http://dataaspirant.com/2015/05/25/collaborative-filtering-recommendation-engine-imple mentation-in-python/