결국 이런 기사를 보고 나서야 시작할 건가요? 그때 가서 생존을 고민하시기 아니면 저 기사의 주인공이 되시겠습니까?

마이크로소프트와 타임즈가 함께 준비한 AI 트랜스포메이션 위크 바로 지금 여러분의 비즈니스에 AI 하세요.

[음악] 제가 들려드릴 이야기는 실제 기업에서 생성형 AI 가지고 고객 경험 개선을 위해서 어떤 노력을 하고 있는지 제가

최근에 하고 있었던 프로젝트 컨설팅이나 자문 내용을 좀 들려 드릴 수 있을 것 같습니다. 근데 오늘

타이틀에 고객 경험 CX 갑자기 지난 한 2년간 화두였고 뭘까요? 어떤 기업들은 단순히

고객 서비스 잘하면 고객 경험 아니야? 또 어떤 기업은 UI/UX 잘하면 고객 경험 아니야? 아까 우리 토론에서도

핵심은 UI 다 어떤 시나리오를 어떻게 해야 될지 그에 대한 이야기도 조금 제 강의안에 어 녹여 보려고

했었습니다 요즘 마케팅 커뮤니케이션 팀들을 만나보면 어 처음에는 이런 질문을 했었어요 STP 더 잘하기

위해서 디지털 기술과 AI 어떻게 쓸 수 있을까 근데 여러분 아직도 고객을 지오그라피

데모그라피 멘팅 하고 타게팅 하고 포지셔닝 하시나요 여러분 생각에는 판교에 사는 40세 워킹맘은 다

비슷한 잠재 욕구와 맥락과 페인 포인트를 가지고 있을까요 사실 과거의 기성 세대에는 어느 정도 대중성이

있었을지 모르겠으나 이제는 좀 우리가 고객을 이해하는 방법의 변화가 좀 필요한 시점에 마침 저는 생성형 AI

했다고 생각을 합니다 즉 과거에는 막 매스 마케팅을 했어요 그러다가 최근에는 기업들이 마이크로 세그먼트

전략이라는 걸 많이 씁니다 예를 들면 이런 거죠 백화점에 가면 과거에는 VVIP VIP 골드 실버로 나누어서

쿠폰과 메시지로 커뮤니케이션을 하다가 요즘에는 이런 노력을 합니다 이 사람이 언제 오지 누구랑 오지 어떤 가게에

가지 얼마를 쓰지 어떤 행동의 시퀀스를 임베딩 해 고객을 아주 마이크로하게 세그먼트 61번 한테는

그에 맞는 쿠폰과 메시지로 커뮤니케이션을 해 보자 이런 것들을 시작했던 거죠 근데 여기서 더 나아가

요즘은 어떤 노력을 하고 있냐면 사람들이 스태틱 하지가 않구나 즉 백화점에 오는 착용되는 항상 똑같지

않아요. 주중에 예를 들면 아이를 드롭 해 주고 학부모랑 친구랑 같이 백화점에 가는 경진이 들리는 샵과

잠재 욕구는 주말에 아이랑 문화센터에 갔다가 들리는 가게와 잠재 욕구가 다 다른 거예요. 즉 고객을 예전에는

스테이크 하나 이런 사람이야. 지오그라피, 피리 또 직업에 따라서 이렇게 디파인 하던 시대가 다르다는 거죠. 그래서

요즘 어떤 고민을 하고 있냐면 어떻게 하면 라 타이밍에 지로 우리 고객과 커뮤니케이션을 할 수 있을까. 주중에

보내는 메시지와 쿠폰이 주말과 달라야 한다는 거죠. 근데 이거 디자인 어떻게 다 하죠? 사람마다 보내야 되는 시기와

해 줘야 되는 메시지가 다 다를 텐데 이거 사람이 다 할 수가 없거든요. 그래서 생성형 AI 이런 걸 좀 도와줄 수는 있지 않을까 했었습니다.

제가 과거에 모 전자 회사랑 했던 프로젝트가 냉장고의 기능적 가치를 팔지 말고 경험적 가치를 팔아보자

그래서 푸드 스타일러의 경험적 가치를 설계해 본 적이 있었거든요 근데 그때 베지터리언 위한 푸드 스타일러를 만들

만드는데 베지터리언 그 이 다 똑같지가 않더라고요 어떤 사람은 생태주의자이기 때문에 어떤 사람은 당뇨병 관리를

위해서 어떤 사람은 종교적인 이유로 먹는 음식과 스펙트럼이 너무너무 다 달라요 근데 이들을 그냥

베지터리언이야 이렇게 이해하고 그렇게 푸드 스타일로 경험을 디자인하면 잘 안 먹힙니다 그래서 우리가 그때

당시에 이들끼리 서로 레시피를 공유하고 함께 요리하는 경험이 푸드 스타일로의 경험적 가치를 어떻게

디자인할 수 있을까 근데 이때 힘든 것들이 좀 많이 있었어요 왜냐면 우리가 해보고 싶었던 건 냉장고에 있는

재료로 이 사람이 이 타이밍에 먹을 만한 걸 추천하고 싶은데 세상에 있는 레시피 데이터베이스를 다 연결해도 그걸 다

맞출 수가 없는 거예요 근데 생성형 AI는 뭘 잘하죠? 있는 데이터를 가지고 실제 어떤 요리들을 창의적으로 제안을

해 볼 수도 있을 것 같다는 생각을 하기 시작했습니다 근데 이걸 잘하려면 우리가 고객을 잘 이해해야 합니다. 이

냉장고를 쓰는 집은 어떤 가족 구성원이 있고 그리고 이들은 어떤 라이프의 맥락과 욕구가 있을까 이런

것들을 이해하지 않으면 생성형 AI 엄청 멋진 LLM이 나타나도 아무나 그런 경험을 줄 수는 없습니다. 반드시 선행돼야 되는 건 데이터의 준비, 즉

고객을 미리 이해하고 준비해 놔야 이 사람한테 라이프타임의 라인 메시지를 할 수가 있는 거거든요. 그래서 이

사람이 지금 이 순간에 냉장고를 여는 이 맥락을 이해하는 데 있어서 우리가 좀 데이터를 바라보자 이런 것들을 시도해

보고 있습니다. 그중에 첫 번째 프로젝트는 스마트 TV 있습니다. 여러분 저 스마트 TV 홈 화면이든 그런데 이 홈 화면에 컨텐츠를 사람들이

클릭할까요? 잘 안 합니다. 다 IPTV 가버리고를 가버리고 잘 클릭을 안 하거든요. 근데 저한테 기회가 있었어요. 저 홈 화면을 바꿀

수 있는 기회를 주시더라고요. 근데 제가 뭘 바꿨을까요? 저희가 하고자 했던 건 이 시간에 TV 키는 사람의

성향입니다. 아침형 인간인지 다큐멘터리를 좋아하는지 또는 뭐가 있을까요? 정말 이 사람이 뭐 예를 들면

정치적인 성향, 보수적인 성향인지, 어쩌면 이 사람의 가정에 4세에서 7세 사이에 아이가 있는지 이런 것들까지

유추가 가능합니다. 단순히 TV 끄고 켜는 것만으로는 불가능했고, 사실 콘텐츠 데이터를 많이 연결하면서 이제 이런

것들을 임베딩해서 이 사람을 이해할 수 있게 됐는데요. 어, 예를 들면 이런 겁니다. 이 추천 문구에 생성형 AI

프롬프트에 이 사람의 성향을 알려 주는 거예요. 그리고 이 우리가 추천하려고 하는 추천 콘텐츠에 메타태그 데이터를

알려 줘요. 근데 메타텍 이이 과거보다 좀 풍부하게 하는 작업은 지금도 해보고 있어요. 메타태그, 그냥 장르나

배우 중심보다는 여기 이 영화의 느낌과 이 영화의 감정과 이제 이런 것들을 좀 보강을 하고 있고요. 그리고

지금 밖에 비가 오는지, 어제가 주중인지 주말인지, 이 사람이 평소의 TV를 켜던 시간대에 켜는지 아닌지를 알려줬어요.

그럼 생성형 AI 어떤 문구를 만들어 낼까요? 이렇게 비오는 날 다큐멘터리를 좋아하는 당신을 위해 준비한 아마존

시리즈, 여러분 클릭 할까요 안 할까요? 클릭률이 24%나 올랐습니다. 그러니까는 어 사람들이 이 추천하는 아이템에 관심이

없다가도 이거를 저희가 마케팅에서는 퍼시브 마케팅, 즉 이 사람한테 어울릴

만한 콘텐츠가 1위부터 10위까지 있으면 3위를 어떻게 설명하고 어떻게 설득력 있게 말하느냐에 따라서 굉장히

다를 수가 있겠죠. 조금 더 구체적으로 말씀을 한번 드려 볼게요. 프롬프트 엔지니어링, 이거 아주 초창기 버전을

지금 보여 드리는 건데요 이제 생성형 AI가 실제 자기 롤을 알려 줍니다 너는 마케팅 담당자 이걸 클릭하게

만들어야 되는 문구를 너는 해야 해 그리고 나서 실제 여기서 표현할 수 있는 단어의 개수가 한 개가 있기 때문에 어 사실 샘플을 많이 줘야

됩니다 근데 이걸 해 보니까 어떤 문제가 있었냐면 실제 전자 회사에 어울리는 그 브랜드 이미지를 훼손하지

않는 문구를 내보내야 되는데 얘가 어떤 문구를 만들어 낼지 알 수가 없잖아요 데 보여 드렸더니 어 너무

가벼운 거 같아요 아 너무 막 그런 거 같아요 좀 우리의 브랜드 이미지에 맞지 않아요 이런게 많았어요 그래서

고민이 많이 됐어요 그래서 작년에 사실 제가 했던 거는 뭐냐면 안 되겠다 어 실제 전자 회사의

스타일에 맞는 문구들로 우리가 파인 튜닝을 하고 프롬프트 엔지니어링 할 때 보여줘야 되는 그런 작업이

필요하겠구나 근데 학습시킬 데이터가 없는 거예요 한 번도 이런 문구를 이 전자에서는 안 만들었었고 때문에

그래서 제가 어떻게 했을까요 저희가 고민했던 방법은 일단 생성형 AI를 통해 이렇게 문구를 만들게 합니다 그래서 이

문구를 다시 이 전자 회사에 가져가 이게 실제 우리 전자 회사의 스타일에 적합한지 아닌지 라벨링을 해 주세요라고 했어요 대부분 처음에는 다

부적합을 하시더라고요 다 안 된대요 그래서 이걸 가지고 다시 생성한 문구를 가지고 이건 부적합, 이거는 적합, 이건 적합 가능한 걸로 해봐 이

핑퐁을 사실 작년 상반기 내내 했었어요 그래서 학습 데이터를 만들었어요 그래서 실제 컨텐츠를

추천할 때 보면 사람이 해서 추천하기도 하고 과거에 제가 했던 딥러닝 기반의 추천 알고리즘으로

보여주기도 하고 모스트 파퓰러한 것도 보여주기도 하고 이렇게 좀 돌아가면서 씁니다 근데 생성형 AI는 제가

저희가 뭘 해보고 있냐면 실제 추천 알고리즘에 임베딩 레이어에 얘가 관여하게 하는 거예요 그래서 소극적인

참여를 통해서 추천하게 해보는 거 아니면 아예 적극적으로 추천 알고리즘 그냥 우리 잊어버리고 한번 생성 AI

너가 고객이 이런 이런 성향이 있고 우리 컨텐츠는 이렇게 있으니까 네가 한번 추천해 봐 그리고 그 추천

아이템과 문구를 연결시켜서 설득력 있게 해 봐 그 실험이 이제 10월부터 이제 시작이 되는데 저희가

이제 실험군과 대조군에 개군을 해서 실제 지금 스마트 TV 사용하는 유저를 대상으로 해보려고 하고

있습니다. 지금 보시는 화면이 LLM 소극적인 역할입니다. 실제 셀프 어텐션 레이어와 임베딩 레이어에 생성형 AI

개입했을 때 추천을 잘할지 못할지 이런 것들을 지금 저희가 어 테스트를 해보고 있습니다. 근데 문제가

있더라고요. 여러분 생성형 AI 너무너무 개인화된 이야기로 문구를 만들면 여러분 마음이 어떨 거 같으세요? 실제 사람들은 TV 살 때

그런 걸 나를 워칭하고 모니터링하고 나한테 추천할 걸 기대하고 사지 않았었기 때문에 서비스를 느낍니다.

제가 이 프로젝트 무슨 생각이 들었냐면 아 어쩌면 디바이스마다 실제 서비스와 퍼스널라이제이션 트레이드 오프 관계가

좀 다를 수 있겠다 그게 핸드폰이든 그게 아이패드든 그게 TV 제가 지금 응진 하고도 실제 뭐 싱크빅 이런 그

AI 북이 있어요 그걸로 추천을 할 때는 어 서비스를 덜 느껴요 퍼스널라이제이션 된 콘텐츠의 추천과

문구에 오히려 반응을 많이 할 것 같아요 같아요 근데 TV 또 다르고 핸드폰은 또 달라요 그래서 이런

것들도 앞으로 중요한 연구 주제이지만 해서 좋은 건 아니지 않을까라는 생각이 들었습니다 제가 이제 머레 퍼시픽 하고 뭘 해 보고

있냐면 실제 어 문자를 보내 보고 있습니다 여러분 마케팅 디지털 마케팅 퍼포먼스

마케팅에서 문자를 보내면 클릭한 율이 몇 퍼센트나 될까요 1% 2% 있습니다 해도 해도 할인을 아무리 해도 쿠폰을 아무리 챙겨줘도

더 이상 클릭을 하지 않아요 아 이제 더 이상 이 방법으로는 안 되겠다 그래서 개인화된 라이프 타이밍의 라인 메시지를

좀 보내고 싶은 거예요 단지 할인과 쿠폰이 아니라 예를 들면 골프를 치는 모한테 실제 기미가 고민일 것

같으니까 그 라이프 타이밍의 라인 메시지를 좀 보내고 싶은데 너무 생각보다 우리 안에 고객에 대한

데이터가 없는 거예요 고객의 라이프를 알아야 맥락적 기반의 문구와 이런 것들을 보내 볼 수 있거든요 근데

그게 안 되는 거예요 저 최근에 어떤 시도를 해보고 있냐면 카드사의 데이터를 연결해 보고 있습니다 과거에는 카드사가 데이터를 팔면 그냥

카드 통계나 과거 데이터를 팔았었는데 요즘에 저희가 해보고 있는 건 고객의 데이터를 지수화해 보고 있는 겁니다 이

사람의 골프 지수, 외식 지수, 럭셔리 지수, 피부 민감도 지수, 이런 지수들을 만들어 보면 그 지수들을 실제

마이크로 한색 그랑 연결해서 이 지수의 값을 생성형 AI에게 재료로 던져 줬을 때, 이 화장품의 추천과 화장품의 문구와

이제 이런 것들이 어떻게 달라질지 이런 시도들을 준비해 보고 있습니다. 이 프로젝트를 하면서도 느꼈던 건 역시

데이터입니다. 뭘 던져 줘야 될지 실제 우리가 이걸로 또는 마케팅의 새로운 비즈니스 가치를

만들려면 앞으로 데이터의 레드 오션은 점점 더 중요해질 것 같습니다. 제가 준비한 건 여기까지입니다. 들어 주셔서

“지나친 개인화는 오히려 역효과 날 수도 있다” (차경진 교수)

Technology(기술), Trend(트렌드), Transformation(혁신)에 관해 
꼭 알아야 할 지식.  

일하는 사람들의 지적 동반자 티타임즈TV. 

www.ttimes.co.kr

Contact
주소  서울시 종로구 청계천로 11(서린동,청계한국빌딩)
e-mail  ttimes6000@gmail.com
Tel  02-724-7718

티타임즈TV

생성형 AI를 활용한 고객 경험 개선의 필요성

기존의 고객 이해 방식의 한계를 지적하며 생성형 AI 도입의 필요성 제기

기업들이 고객 경험(CX)을 단순히 고객 서비스나 UI/UX로만 이해하는 경향에 대한 비판

마케팅 커뮤니케이션 팀의 STP 전략 개선을 위한 디지털 기술 및 AI 활용 방안 모색

기존의 지리적, 인구통계학적 고객 세분화의 한계 지적 및 고객 이해 방식의 변화 필요성 강조

매스 마케팅에서 마이크로 세그먼트 전략으로의 변화와 고객 세분화의 고도화 필요성 언급

생성형 AI 활용 사례: 냉장고 및 스마트 TV

모 전자 회사와의 프로젝트를 통해 냉장고의 기능적 가치가 아닌 경험적 가치 판매 시도

냉장고 재료 기반 개인 맞춤형 요리 추천의 어려움과 생성형 AI의 활용 가능성 제시

스마트 TV 홈 화면 개선을 통한 콘텐츠 추천 시스템 개선 사례 소개

시청자의 성향과 상황을 고려한 개인화된 콘텐츠 추천을 위한 생성형 AI 활용

개인화된 콘텐츠 추천 문구 생성을 통한 클릭률 24% 증가 사례 제시

생성형 AI 활용 과정에서의 어려움과 해결 방안

프롬프트 엔지니어링 과정에서 브랜드 이미지와의 조화 문제 발생

전자 회사 스타일의 문구를 학습 데이터로 활용하기 위한 파인 튜닝 및 라벨링 작업 진행

생성형 AI를 추천 알고리즘에 통합하여 추천 성능 개선 시도

생성형 AI의 소극적 및 적극적 개입 방식에 대한 테스트 진행

개인화된 서비스와 사용자 경험의 균형

디바이스별 개인화 수준 조절 필요성 제기: TV, 핸드폰 등 디바이스 특성 고려

머레 퍼시픽과의 문자 마케팅 개선 프로젝트 소개

기존 할인 및 쿠폰 방식의 한계를 극복하기 위한 라이프 타이밍 기반 개인화된 메시지 전송 시도

카드사 데이터 연동을 통한 고객 라이프스타일 지수화 및 생성형 AI 활용 방안 모색

마케팅 및 비즈니스 가치 창출을 위한 데이터의 중요성 재차 강조

“지나친 개인화는 오히려 역효과 날 수도 있다” (차경진 교수)

“지나친 개인화는 오히려 역효과 날 수도 있다” (차경진 교수)

스크립트