국내 은행권의 AI 기반 ‘초개인화’ 서비스 현황
LG CNS <DX Insight> 5월호 기고글
본 고는 매월 연재 중인 LG CNS 'DX Insight' 중 5월호에 실린 원고의 원본 버전입니다. LG CNS 뉴스레터를 구독하시면 해당 월의 칼럼을 먼저 받아보실 수 있습니다.
LG CNS 뉴스레터 원고는 브런치 버전과 문체를 다르기 때문에, 읽는 맛이 다르게 느껴지실 거예요. LG CNS 5월호 기고문은 여기를 클릭해주세요. ^^
[ 연관글 읽기 ]
2022년 DX 트렌드 결산과 2023년 전망 : 웹 3.0, 클라우드, 그리고 초개인화
데이터 전성시대의 딜레마:데이터 공유-데이터 주권 사이
네비게이션 제왕 "티맵(T-map)"의 유료 전환
‘개인’의 영향력이 높아진 시대다. ‘개인’이라는 존재는 오래전 근대 시민혁명과 민주주의 체제가 탄생한 때부터 언급되기 시작했지만, 글로벌 사회가 본격적으로 ‘개인’의 중요성을 고려하게 된 것은 인공지능(AI)이 발전하면서부터일 것이다.
여기에 코로나19로 인한 ‘비대면 일상’이 지속되면서, 사회적 혹은 심리적 측면에서도 ‘개인’의 중요성을 깨닫는 분위기가 고조되고 있다. 개인이 단순히 사회 구성원으로 존재하는 시대는 지났다. 오늘날 '개인'은 정치/경제/문화 등 사회 시스템 전반에 직접적으로 영향을 미치는 매우 강력한 '핵심 변수’로 간주되고 있다. 이러한 ‘개인’의 영향력은 심지어 비즈니스를 수행하는 기업들의 생존을 결정하는 요인이 될 정도로 막강하다. 기업의 비즈니스 성패는 ‘개인’을 얼마나 깊이 연구하느냐, 즉 ‘개인화’ 구현에 달려 있다고 해도 과언은 아니기 때문이다.
‘개인화’는 현재 산업 분야를 막론하고 모든 기업들의 주된 과제이다. 비록 맥킨지의 <2020년 인공지능 보고서>에서처럼, 개인화의 기반이 되는 AI를 도입하여 효과적으로 활용 중인 기업들이 아직은 2%에 불과한 상황이지만, 그럼에도 ‘개인화’에 대한 긍정적 전망은 여전히 우세하다. 이는 지난 2년 간의 팬데믹 기간 동안 우리 사회가 경험한 디지털 전환이 최근 20년간 일어났던 변화보다 컸던 탓이다.
상황이 어떠하듯, AI 기반의 개인화가 시대적 흐름이라는 것은 자명하다. 따라서 관건은 이 변화의 흐름에 얼마나 빠르고 효과적으로 대응하느냐가 될 것이다. ‘개인화’의 발전 정도는 기업의 발전 정도를 평가하는 기준이 되며, 이는 결과적으로 기업들의 향후 성장 가능성에도 영향을 미친다.
개인화 성숙도에 따른 기업매출 변화 (https://www.yieldify.com/free-guides/personalization-strategy/)‘개인화’ vs. ‘초개인화’
‘개인화’가 중요해지자, 최근 함께 대두되고 있는 것이 ‘초개인화’이다. 개인화조차 아직 초기 단계인 상황에서, 초개인화를 언급하는 것이 어색하게 들릴 수도 있. 하지만 초고속으로 발전 중인 인공지능(AI) 기술과 통합 데이터의 확보 덕분에, 기업들이 곧바로 ‘초개인화’ 단계로 진입하는 것은 충분히 가능해진 상황이 되었다.
인공지능 기술의 발전은 기업이 고객 세그먼트부터, 개인들의 각기 다른 취향과 니즈의 ‘발견’, 그에 따른 ‘맞춤형’ 솔루션, 그리고 이를 제시하는 ‘최적의 타이밍’을 효과적으로 구현할 수 있도록 돕는다. 기업이 고객 데이터 수집을 위한 다양한 채널을 만들면, 인공지능은 이를 바탕으로 고객 1명을 360도 분석해서 곧바로 ‘초개인화’ 마케팅, 즉 정교한 ‘예측’과 최적의 ‘추천’을 곧바로 실현시킨다.
그렇다면 ‘개인화’와 ‘초개인화’란 무엇일까.
개인화가 “개인의 행동 데이터를 기반으로 개인의 취향을 반영한 맞춤형 서비스를 제안하는 것”이라면, 초개인화는 “개인의 ‘다양한 상황’에 맞게 맞춤형 서비스를 제공하는 것”이라고 할 수 있다.
‘초개인화’가 ‘개인화’와 다른 점은, 다양한 경로로 데이터를 수집하여 개인을 ‘입체적으로’ 분석한다는 점이다. 기본 전제인 “개인의 취향에 따른 맞춤형 서비스는 동일”하지만, ‘초개인화’는 개인 한 명이 갖는 ‘다양한 상황별 취향’을 고려한다. 시간, 장소, 상황 등에 따라 개인들의 가치관, 행동패턴, 성격, 취향 등이 달라지는 것이 반영된 것이다.
인공지능 기술의 발전은 기업이 고객 세그먼트부터, 개인들의 각기 다른 취향과 니즈의 ‘발견’, 그에 따른 ‘맞춤형’ 솔루션, 그리고 이를 제시하는 ‘최적의 타이밍’을 효과적으로 구현할 수 있도록 돕는다.
지금까지의 ‘개인화’는 대부분 고객 데이터의 ‘단면’만을 분석하였기 때문에 고객을 정확히 이해하기가 어려웠다. 고객 데이터를 아무리 정확하게 분석하더라도 기본적으로 활용하는 데이터 자체가 고객을 ‘종합적으로’ 보여주지 못하다 보니, 맞춤형 솔루션을 추천할수록 고객 입장에서 오히려 피로도가 높아지는 현상이 나타나는 경우도 잦았다. 데이터가 발생할 당시의 ‘맥락 분석(Contextual Analysis)’이 결여된 때문이다.
맥락의 분석이란, 데이터의 종류, 수집 경로, 수집 상황과 시간 등 해당 데이터가 발생한 ‘상황’에 따라 데이터를 분석하는 것으로, AI가 고객의 행동이나 감성, 혹은 감정에 대한 반응을 이해하고, 고객의 상황별 액션을 ‘예측’하여, 최적의 방안을 ‘제안(추천)’하는 것이기 때문에 ‘개인화’ 서비스보다 고도화된 알고리즘이 요구된다.
개인화 vs. 초개인화 (https://instapage.com/blog/hyper-personalization) 고객을 입체적으로 분석하는 ‘초개인화’는 개인이 갖는 여러 특성을 고려한다는 점, 즉 고객 데이터의 ‘맥락’을 읽는다는 점에서 ‘개인화’보다 한층 고도화된 기법이다. 활용 데이터 측면에서 보면, ‘초개인화’는 온라인 플랫폼에서 수집되는 고객의 실시간 행동데이터와, 과거 구매이력을 포함한 쿠키 데이터, 그리고 경우에 따라 오프라인에서 수집되는 데이터까지 종합적으로 다룬다. 시간, 장소, 상황에 따라 ‘유동적으로 변화하는 개인의 자아’를 최대한 정확히 파악하기 위해서다.
따라서 초개인화에서는 ‘개인화’에서 놓칠 수 있었던 “고객의 감춰진 니즈를 얼마나 잘 발견하는가”와 “고객의 다음 행동(의사 결정)을 얼마나 잘 예측하는가”가 중요한 평가 기준이 되며, 그에 따라 고객 세그먼트는 극도로 세분화된다. 즉, AI가 고도화될수록, 시장은 고객 1명 당 1개가 아닌, 1명을 위한 수십~수백 개가 창출된다.
초개인화를 위한 역량체계 구성요소 및 흐름 (김인준, BI Korea, 2021.10.25.)국내 은행권에 불고 있는 ‘초개인화’
금융은 이커머스와 미디어와 함께, 현재 ‘초개인화’가 활발히 적용되고 있는 산업 분야다. 특히 2021년 ‘마이데이터’ 정책이 시행됨에 따라, 이종 산업과의 고객 데이터 제휴를 통한 금융 기업들의 다양한 맞춤형 금융 서비스 개발이 가능해졌고, 그에 따라 ‘초개인화’는 금융권이 마이데이터 시대를 적응하기 위한 필수 방법으로 여겨지는 분위기다. 금융 데이터를 넘어 고객들의 ‘라이프 전반’에 대한 취향과 니즈 파악이 가능해지면서, 금융 기업들이 “고객 데이터의 ‘맥락’을 분석하는 것”에 관심을 집중하기 시작한 것이다.
일반적으로 은행 고객이 경험하는 과정은 다음과 같다: ‘금융상품 조사(Research)’ - ‘상품 가입(Onboarding)’ - ‘금융 거래(Transacting)’ - ‘금융상품 관리 (administering)’ - ‘질의/이슈해결 (Resolving)’.
‘초개인화’는 이들 각 과정에 모두 적용이 가능하다. 일례로 은행권이 확보한 다양한 고객 데이터를 바탕으로, 고객의 패턴에 부합 또는 이탈하는 현상이 발생할 때 실시간 알림을 제공한다거나, 또는 고객의 다음 행동(의사결정패턴)을 예측하여 최적의 방안을 추천하는 것 등을 들 수 있다.
주요 은행들의 AI를 활용한 ‘초개인화 서비스’ 경쟁이 점차 치열해지고 있는 가운데, 현재 국내 시중 은행 중 ‘초개인화’ 서비스에 가장 발빠르게 대응하고 있는 곳은 하나은행과 신한은행이다. 하나은행은 업계 최초로 자신이 사용 중인 구독서비스를 한 번에 조회할 수 있는 서비스를 제공하는 등, 마이데이터 정보를 분석하여 다양한 ‘초개인화’ 서비스를 제공하고 있다.
구체적으로 하나은행은 2022년 2월, 디지털자산관리 플랫폼인 'Fun#(펀샵)'을 오픈한데 이어, 뱅킹앱인 하나원큐를 ‘개방형 생활금융 플랫폼’으로 전환하겠다고 발표했다. 이는 은행-주식-카드-보험 등 그룹 관계사 서비스 외에도, 부동산, 모빌리티, 헬스케어 등 고객의 라이프 전반에 대한 서비스를 제공하는 것을 목표로 한다.
2021년말 선보인 마이데이터 브랜드 ‘하나 합’도 다양한 금융자산을 모아 맞춤형으로 관리해주는 자산관리 서비스로, 개개인의 지출 내역을 분석해주거나 맞춤형 자산 설계 서비스 등을 제공한다. 하나은행의 이러한 서비스들은 모두 이용자들의 특성을 ‘360도 측면에서’ 판단할 수 있는 다양한 데이터를 기반으로 하여, 데이터의 맥락을 분석하고 고객 한명을 마이크로 세분화하여 맞춤형 서비스를 제공하는 ‘초개인화’를 지향한다.
신한은행도 금융시장의 ‘초개인화’ 서비스를 선도하고 있는 기업이다. 신한은행이 선보인 모바일 앱 ‘머니버스(MoneyVerse)’는 절세, 소비패턴, 가입한 보험상품 분석, 신용관리 등 고객의 금융생활 전반을 파악함으로써, 각 고객들의 목표를 위한 자산관리 방안을 추천한다. 최근에는 빅데이터 플랫폼 기업과 업무협약을 맺고, 4300만명의 디지털 고객들의 세부 데이터를 바탕으로 금융 기반의 초개인화된 고객경험을 제공하는데 주력하는 중이다. 계열사인 신한카드의 경우는 이미 2020년에 고객의 소비특성을 2만개로 분류하여 테마별로 AI 추천모델을 다르게 적용한 바 있다.
우리은행은 기존 앱인 ‘우리WON뱅킹’ 내에 <우리 마이데이터> 서비스를 열고, 동의한 고객들에게 자산 및 소비현황, 요일별 지출 현황, 여유자금 활용방안 등을 제안하며, 협력사 앱을 통해서도 자사의 마이데이터 서비스를 이용할 수 있는 서비스를 운영 중이다. 국민은행 역시 초개인화 뱅킹서비스의 일환으로 모바일 앱 ‘뉴스타뱅킹’에서 개인 자산관리 서비스를 제공하고 있다. 또한 국민은행의 자산 관리 서비스는 주택, 자동차 등 중요 자산 구입에 대한 목표달성방안도 추천해준다. 비슷하게 NH농협은행도 고객 라이프스타일에 따른 저축과 소비를 진단하여 월별 지출 예산과 목표를 설정해주는 등 고객의 효율적인 금융생활을 제안하는 서비스를 출시했다.
지방은행에서는 광주은행이 최초로 디지털 금융환경에 발맞춰 초개인화된 맞춤형 서비스를 제공하겠다는 취지에서, 2021년말 AI기반 실시간 마케팅 시스템을 도입했다. 광주은행은 실시간으로 최적의 상품을 추천하는 초개인화 마케팅 시스템(RIMS : Real-Time Integration Marketing System) 구축을 올해 여름 완료할 예정이다. RIMS은 ‘여러 채널’을 통해 ‘실시간으로’ 수집한 고객 행동 데이터의 패턴을 찾아내서 고객들에게 최적의 상품을 추천하는 것이 핵심이다.
주요 은행별 AI 기반 초개인화 맞춤형 자산관리 서비스 (전자신문, 2021.12.12)
글로벌 금융기관들의 ‘초개인화’ 서비스와 효과
이렇듯 주요 은행들의 사례들을 보면, 현재 국내 은행들의 초개인화 서비스는 아직 ‘통합 금융정보의 제공’ 및 ‘맞춤형 금융상품 추천’에 머물고 있다. 특히 ‘마이데이터’를 연동한 고객의 ‘자산관리 서비스’에 집중하고 있다는 공통점을 가진다. 앞서 언급한대로 은행 입장에서 마이데이터는 그동안 내부적으로만 확보했던 고객의 금융데이터를 넘어, 카드, 쇼핑 등 고객의 생활 전반과 연관된 데이터이기 때문에 고객 파악에 훨씬 유리하다.
그러나 고객 입장에서 현재 국내 은행들의 ‘초개인화’ 자산관리 서비스가 기존의 ‘개인화’ 차원의 자산관리 서비스 대비, 고객경험을 보다 개선시키는지는 의문이다. 이는 아직 은행들의 초개인화 서비스가 대부분 ‘상품 추천’에만 집중되어 있고, 고객의 최종 행동(의사결정)을 ‘예측’하는 부분은 아직 불완전한 탓이 크다.
반면 글로벌 주요 은행 기관들은 데이터의 맥락 분석 기술이 상당히 고도화되어 있다. 그렇다보니 제공 서비스도 고객의 종합적 생활 분석에 따른 ‘시기별 금융 수요 예측’, ‘고객의 요일별·상황별·실시간 금융활동 분석’ 등을 매우 정교하게 예측하며, 그에 따라 제안하는 맞춤형 서비스에 대한 고객 만족과 매출 성과(정확도)도 국내 은행과 비교했을 때 상대적으로 높다.
뱅크오브아메리카(BOA)의 ‘라이프 플랜’ 서비스가 대표적인 사례다. 뱅크오브아메리카의 ‘라이프 플랜’은 ‘넷플릭스형 자산관리 서비스’를 주요 골자로 한다. ‘넷플릭스형 자산관리 서비스’란 앞서 언급한 ‘초개인화’를 기반으로 하되 여기에 ‘구독형’이 더해진 것을 의미한다. 즉, 뱅크오브아메리카의 라이프플랜 서비스는 지속적인 데이터의 관리와 솔루션 업데이트가 포함된 ‘초개인화’ 서비스라고 보면 된다.
하버드 비즈니스 리뷰(Harvard Business Review)는 이에 대해 초개인화에 적합한 AI 알고리즘이 적용된 기업들의 투자대비 수익률(ROI)는 최소 8배 이상 증가한다고 발표한 바 있다. 국내 은행들 또한 고객들이 초개인화로 인한 혁신 경험을 보다 확실히 체감할 수 있도록, 고객 세그먼트의 세분화와 고객 데이터의 맥락 분석을 통한 ‘상황별 예측’과 그에 따른 ‘다양한 추천이 가능해져야’ 한다.
글로벌 주요 은행들의 ‘초개인화’ 뱅킹 특징 (우리금융연구소, 이새롬, 2022.4.21)캐피털원(Capital One)의 초개인화 서비스는 ‘위치기반’ 서비스와 연계하여 적절한 카드 혜택을 실시간으로 추천해준다. 고객의 위치정보는 오래전부터 프라이버시 논란이 제기되어 왔지만, 최근 맞춤형 서비스가 편리하다는 대중의 인식이 확산되면서 위치기반 동의율이 높아지고 있는 상황이다.
캐피털원의 사례도 기술력 확보와 해당 서비스 시장의 선점 전략이 맞물리면서 나름의 성과를 보고 있는 것으로 알려져 있다. 실제로 구글에서 발표한 자료를 보면, 위치기반을 활용한 맞춤형 추천 서비스를 받은 고객의 실제 구매확률은 70%에 이를 정도로 높다. Allied Market Research 또한 전세계 위치기반 서비스(LBS) 시장이 2030년까지 연평균 24.3%씩 성장한 3186억 4천만 달러에 이를 것이라고 예측하기도 했다.
2030년 글로벌 위치기반서비스 시장 규모 (출처: Alleid Market Research_고도화된 ‘초개인화’ 구현을 위한 향후 과제는?
“모두를 내 고객으로 만드는 것”은 이상에서만 가능한 일이다. 그러나 인공지능(AI)과 실시간으로 축적되고 있는 엄청난 양의 고객 빅데이터는 불가능한 일을 조금씩 가능한 영역으로 바꾸고 있다. 대중을 ‘고객’으로 만들려면, 일단 고객 세그먼트가 중요하다. 최고의 고객 세그먼트는 개개인의 ‘특성’을 정확히 ‘이해’하여, 그 ‘필요’에 맞는 솔루션을 제공하는 것이다. ‘초개인화’는 이상적인 고객 세그먼트를 구현하는 최적의 방법론이다.
그런데 ‘초개인화’를 보다 고도화시키려면, 인공지능의 발전이나 데이터의 양 뿐만 아니라, 데이터의 ‘적합성’이 중요해진다. 개인화 단계에서는 많은 데이터 수집이 중요했다.
그러나 초개인화 단계에서는, 동일 고객을 상황별로 세분화할 수 있도록, 데이터의 ‘종류’와 ‘다양성’이 더 중요하다. 아무리 많은 데이터를 확보하더라도 그것이 고객의 여러 상황을 반영하는 정보가 아니라면 그냥 비슷한 데이터의 중복이 될 뿐이다. 반면, 수집 데이터에서 중복을 제거하고도 여전히 다양한 정보가 남아있다면 그 데이터는 초개인화 구현을 위한 유용한 기반이 된다.
따라서 인공지능이 발전할수록 “대학을 갓 졸업한 신입직원”, “여행을 좋아하는 30대 싱글족”, “육아를 하고 있는 30대 후반의 직장인” 같은 우리에게 익숙했던 고객 세그먼트는 사라질 것이다. 대신 앞으로는 가령 다음과 같은 고객 세그먼트를 기대해볼 만 하다.
매주 수요일 저녁마다 골프를 치고, 주3회 이상 아침에 헬스장을 가며, 주말에는 교외 지역으로 드라이브를 즐기는 40대 중반 남성
쇼핑은 근무지인 강남권에서 주중에, 매월 자기계발 비용을 20만원 이상 정기적으로 지출하며, 봄에는 주로 동남아권으로, 가을에는 국내 지역으로 여행을 즐기는 30대 초반 여성
매월 미취학 자녀를 위한 교육 서비스를 결제하고, 부동산과 주식 등 재테크에 관심이 많아 관련 상품을 자주 검색하며, 소비행태는 육아 또는 생활용품 위주의 소액구매를 자주하지만, 경조사나 가족 부양 등을 위한 거액 지출도 종종 있는 40대 초반 남녀 ...
이와 같이 고객 세그먼트가 세밀해질수록, 고객은 상황에 맞지 않는 메시지를 받지 않기 때문에 피로감이 줄어들고, 기업 입장에서도 불필요한 마케팅 비용이 줄어들 수 있다.
더불어 고객이 보다 고도화되고 실질적인 ‘초개인화’를 경험할 수 있도록 AI 알고리즘의 적정성의 꾸준한 모니터링과 지속적 업데이트 작업도 반드시 수반되어야 한다. 특히 고객의 ‘통합 데이터 관리 시스템’ 및 이종산업과의 활발한 데이터 공유를 위한 ‘오픈형 API’ 개발, ‘맥락 읽기’가 가능한 ‘데이터 분석 알고리즘의 강화’와 분석 프로세스의 지속적 업데이트, 나아가 개인정보보호를 위한 데이터 윤리 및 프라이버시 보호 가이드 수립 등도 금융권이 초개인화를 구현하기 위해 당면하게 될 중요 과제다.
기술의 발전은 그 자체로도 혁신적이지만, 실생활에 적용될 때 비로소 의의를 갖는다. 그리고 실생활에 적용되는 순간, 그 혁신의 효과는 대분 우리의 예상을 뛰어넘는다. 처음 ‘초개인화’ 트렌드를 선보였던 넷플릭스와 유튜브가 현재 미디어 생태계를 어떻게 바꾸어놓았는지를 생각해보자. 더 이상의 설명할 필요가 없을만큼, 이용자들의 시청행태부터 콘텐츠의 제작/유통 방식, 광고산업 등 산업 생태계 전반에 대대적인 혁신이 일어나지 않았는가.
이제는 금융권에서도 ‘초개인화’ 흐름이 일고 있다. 결제 데이터를 수집하는 카드사는 이커머스 시장과 함께 일찍 ‘초개인화’를 시도한 편이었으나, 비교적 보수적 문화가 가득했던 은행권이 ‘초개인화’ 대열에 참여하고 있는 것은 고무적인 일이다.
아직은 ‘상품 추천’ 알고리즘 개발에 집중되어 있는 상황이지만, 코로나19라는 강력한 외부 요인은 보수적이었던 금융회사들의 디지털 전환을 가속시키고 있다. 많은 금융회사들이 ‘초개인화’에 집중하고 있는만큼, 조만간 금융 회사들의 AI 기반 초개인화 서비스의 고속 발전을 기대해볼 만하지 않을까.
[ 연관글 읽기 ]
2022년 DX 트렌드 결산과 2023년 전망 : 웹 3.0, 클라우드, 그리고 초개인화
데이터 전성시대의 딜레마:데이터 공유-데이터 주권 사이
네비게이션 제왕 "티맵(T-map)"의 유료 전환
