이제 온라인 쇼핑이나 리테일 소매점은 AI의 타겟층이 되었습니다. 호주에 있는 메이저급 레테일 회사들은 AI를 도입이 가져올 시너지효과를 기대하며 AI 및 머신러닝 관리자 및 데이터 사이언스팀 멤버를 모집하고 있습니다. 그 중 Woolworths 사업부 WooliesX는 기술, 고객 디지털 경험, 전자 상거래, 금융 서비스 및 디지털 고객 경험 등 다양한 팀을 구성하는 움직임을 보이고 있습니다.
데이터 정리에 관한 모든 것
모든 주요 소매 업체의 기회와 위협을 이해하려면 왜 인공 지능이 의제로 돌아가는지 이해하는 것이 유용합니다. 수십 년 전에 인공 지능을 처음 도입 한 이래로 중요한 두 가지 : 데이터 및 컴퓨팅 성능이 변경되었습니다. 컴퓨팅 능력은 쉽게 볼 수 있습니다. 손에있는 스마트 폰은 수십 년 전의 거대한 컴퓨터보다 수백만 배나 많은 계산 능력을 갖추고 있습니다. 기업은 AI 알고리즘을 교육 할 수있는 거의 무제한의 컴퓨팅 파워에 액세스 할 수 있습니다. 다른 중요한 요소는 특히 소매업에서 사용 가능한 데이터의 규모와 풍부함입니다. 인공 지능 시스템 - 특히 기계 학습과 같은 학습 기술 -은 크고 풍부한 데이터 세트로 번창합니다. 이 데이터를 적절하게 공급할 때이 시스템은 인간 분석가가 수동으로 발견 할 수없는 추세, 패턴 및 상관 관계를 발견합니다. 이러한 기계 학습 방법은 데이터 분석을 자동화하므로 사용자는 다른 유사한 데이터에 대한 유용한 예측을 할 수있는 모델을 만들 수 있습니다.
리테일 사업속 AI
분야에 따라 AI의 발전속도는 다를 수 밖에 없는데요, 그렇다면 리테일 업계에서 AI 통합으로 볼 수 있는 효과는 무엇일까요? 첫번째는 단연, 테스트 및 측정이 더 정확해집니다. 리테일 메이저급 회사들은 적절한 안전 장치를 통해 인공 지능을 비지니스에 통합시키고 소비자 반응을 바로바로 테스트하고 직접적으로 측정 할 수 있습니다. 두 번째는 다른 업계 대비 '실수'에 대한 비용이 상대적으로 작습니다. 항공업계에서 AI를 도입하여 AI가 여객기 착륙에 문제를 일으킨다면 이건 사람을 죽이는 대형사고로 이어집니다. 즉, AI의 실수는 엄청난 비용을 불러일으킬 수 있습니다. 하지만 리테일 업계에 배치된 AI는 매일 수백만건의 의사결정을 내리면서 창출해내는 효과가 그 중에 발생할 수 있는 작은 '실수'보다 월등히 긍정적이기 때문에 AI가 리테일업계에 더 잘 맞을 수 밖에 없는 것 입니다. 사실 리테일계의 AI는 미래의 시나리오가 아닌 현재 일어나고 있습니다. 미국에서 Behemoth Kroger라는 업체는 Nuro. AI라는 테크업체와 손을 잡고 식료품 배달 서비스를 제공하고 있습니다.
사실, 리테일 업계속 AI는 안드로이드 로봇의 등장이나 자율차량의 등장과는 다른 우리 실제 생활속 구석구석에서 변화가 시작됩니다. 우리의 소비경험이 어떻게 변할지 가상 시나리오를 소개해보도록 하겠습니다.
AI가 당신의 소비패턴을 속속들이..
AI는 이제 우리의 소비 패턴을 추적할 수 있기때문에 우리가 어떤 제품을 구입하고 어떤 경로로 구입하는지를 파악할 수 있게됩니다. 예를 들면, 슈퍼마켓에서 쌀을 정기적으로 구매하고, 주류 전문점에서 가끔 와인을 구입하고, 지역 편의점에서 금요일 밤에 아이스크림을 먹는 여러분의 소비패턴을 학습하게 되는 것이죠. 현재는 업체들의 개별 시스템내 재고와 판매에 대한 데이터베이스를 통해서 개별 제품에 대한 구매이력을 추적하고 분석하지만, 머지않아 AI의 머신러닝 시스템이 정기적인 소비자의 습관을 예측하게 되는것이죠. 원래 매주 월요일 저녁에는 리조토 요리를 먹었던 사람이지만 가끔 아이스크림도 덤으로 사가는 개인의 복잡한 소비심리까지도 다 파악해 버릴지도 모릅니다. 이렇게 1명의 소비자의 패턴에서 수백만명의 소비자 패턴을 분석하면 리테일 회사에서는 얼마나 많은 사람이 매주 리조또를 요리하는지 예측할 수 있게 되는 것이죠. 이를 재고 관리 시스템에 알리면서 리조또 소비자가 많은 매장의 경우 쌀의 재고를 자동으로 줄이면서 재고 최적화를 이뤄낼 수 있습니다. 이로써 보다 효율적인 재고 관리 및 린(lean) 물류를 가능하게합니다.
할인은 더 적게, 수익은 더 높게, 효율적인 마케팅
지금의 마케팅은 슈퍼마켓의 특정제품의 구매빈도를 데이터베이스를 통해 파악한 후 쌀을 구입할 것 같은 소비자 그룹에게 추천상품으로 전달되는 방식입니다. 거기에 할인까지 딸려서요. 하지만 AI 머신러닝을 통한 마케팅전략은 '이미 그 물건을 사려고 하는' 소비자에게 그 물건을 추천상품으로 보여주는 것입니다. 그리고 그들의 마늘빵, 티라미수 등 그들의 기호상품까지 곁들여서 말이죠. 이를 통해 제품 프로모션의 타켓층의 정확도를 더 높이고 기타 상품을 함께 팜으로써 할은 더 줄이고 수익은 더 느는 효율적인 마케팅의 시대가 곧 열리게 될 것 같네요.
가격책정에 신의 한수를 두는 AI
리테틸 업체의 가장 큰 과제중 하나는 적절한 제품에 적절한 가격과 프로모션을 적용하는 것입니다. 사실, 리테일업계에서 가격을 최적화하는것은 꽤나 까다로운 일입니다. 고객, 제품, 거래에 관한 세분화된 분석 데이터를 요하기때문입니다. 효율적인 가격책정을 위해선 끝없는 요인들을 모두 확인해야하는데, 예를 들면, 시간, 시즌, 날씨, 경쟁사의 프로모션에 따라 변동되는 가격이 판매에 어떤 영향을 미치는지를 모두 분석해야합니다. 인간의 능력으론 정말 엄청난 요인에 의한 인가관계를 수동으로 밝히는 일이지만 잘 설계된 머신러닝 프로그램에게는 이러한 변동상황을 파악하여 판매 극대화를 시키기위한 인사이트를 제공하며 최적화된 가격책정에도 큰 도움을 줄 수 있다고 기대하고 있습니다.
고객 만족도 설문지는 No!
고객 피드백을 받는 방법은 아직까지도 꽤나 전통적인 방법을 사용하고 있습니다. 메일이나 작은 윈도우 창을 통해 고객이 따로 제안된 폼을 작성해야하는 형식을 띄고있습니다. 이제 소셜 미디어의 발전으로 인해 소셜미디어는 회사와 고객이 소통하는 장으로 진화하였고 회사들은 고객의 반응, 참여를 유도하며 고객들이 겪는 문제를 해결하는곳으로 사용되고 있습니다. 앞으로 머신러닝이 이 맥락에서 더 나아가 앞으로는 '고객의 음성 메세지'와 같이 형식에 얽매이지 않는 인풋데이터를 정제된 데이터로 변화시켜 고객 피드백을 다양한 형식으로 취할 수 있는 날이 멀지 않았습니다.
POS의 시대는 사라진다...
호주의 리테일 업체들은 매년 45억 호주달러 어치의 주식 손실을 줄이고 있습니다. 이는 셀프 서비스 계산대의 증가가 이에 기여하고 있습니다. 머신러닝 시스템은 수백만 개의 이미지를 손쉽게 스캔 할 수있는 기능을 갖추고있어 스마트 카메라가 장착된 POS 시스템을 통해 다양한 종류의 청과물을 셀프 서비스 계산대 저울에 배치할 수 있습니다. 시간이 지남에 따라 시스템은 제품에 세밀한 분류 (fine-grained classification)작업이 더 좋아질 것으로 기대하고 있습니다. (감자와 복숭아의 차이라던지..산지가 다른 과일을 구별해내는 능력등..)장기적인 관점에서 POS 시스템은 Amazon Go 상점의 경우처럼 완전히 사라지지 않을까요..
쇼핑을 대신 봐주는 컴퓨터의 시대
러신머닝 시스템은 자연어를 번역하는 능력이 점점 더 발전하고 있습니다. 이로서 쇼핑 및 장을 볼때 쇼핑 리스트에 대한 이해도가 높아지고 있습니다. 그전에 소개했던 Google Duplex는 곧 프랑스의 리테일업체 까르푸(Carrefour)와 미국의 Walmart는 제휴하여 곧있으면 쇼핑 목록만 주면 대신 주문을 해준다고 하네요.