당신의 사이트를 방문한 고객들의 성향을 알아내는 데는 두 가지 방법이 있다.먼저.고객 등록 시 그들이 무엇을 좋아하고 무엇을 싫어하는지 등록하게 하는 방법이다.
이 방법은 가장 간단하게 성향을 알 수 있지만 수집된 데이터를 얼마나 정교하게 매치 시키느냐가 관건이다. 만약 한 사람이 클래식 음악을 좋아하고 축구를 즐겨보며,스포츠 바를 자주 가는 사람이라고 해서 토요일 오후 압구정 스포츠 바에서 비발디를 들으며 축구를 보고 싶어하진 않을 것이다.
만약 고객의 성향에 관한 기초데이터가 없다면,아마도 당신은 당신의 고객이 사이트에서 보였던 과거의 행적을 기초로 성향을 파악하게 될 것이고 미래의 움직임을 예측하려 할 것이다.
그러나 당신의 사이트에서 한번도 구입한 적 없는 소비자라면?
당신이 알고 있는 구매패턴과 전혀 다르게 움직이는 사람이 나타난다면? 당신 사이트의 저렴하고 질 좋은 제품을 미처 발견하지도 못한 채 나가버릴지도 모른다.
뿐만 아니라 이러한 방법은 실제 고객이 물건을 구입하려 할 때는 작동하지 않고 언제가 될지 모를 다음방문을 기다려야 한다. 만약 네트워크를 통해서 다양한 구매성향 데이터를 공유하고 있었다면,그래서 고객이 카드를 꺼내려 맘 먹었을 때 실시간으로 추천할 수만 있다면….
이러한 이상이 실제 가능해지고 있다.
Trivida사의 퍼스널라이제이션 프로그램 보도자료를 보면 그들과 네트워크화 된 상거래 사이트들에게 구매성향 데이터를 공유할 수 있도록 하여 한명의 고객이 Trivida사와 네트워크화 된 소매사이트를 방문하였을 때 수많은 네트워크 사이트들의 고객데이터를 긁어 모아 그 사람의 서핑행위와 구매패턴을 분석하기 시작하고,리얼타임으로 추천하는 것이 가능하다고 말하고 있다.
자,상상해 보자! 새로운 고객이 들어왔다.
그는 맨 처음 ‘베트남’에 대한 페이지를 찾아 들어온다.그 다음 베트남 음식에 관한 페이지를 본다. 이때쯤 사이트는 고객이 한국사람이라는 것을 인지하고 베트남으로 가는 비행기 표와 호텔,음식점들을 찾아 조심스레 추천한다. 그런데 갑자기 베트남 음식 페이지에서 빠져 나와 ‘로데오 거리’ 페이지로 넘어가는 게 아닌가?
사이트는 이 고객이 압구정의 베트남 음식점을 찾고 있다고 깨닫게 되고 ‘사이공’이라는 퓨전 음식점을 할인된 가격에 이용할 수 있도록 추천한다. 사이트는 네트워크 안에서 같은 페이지를 보고 ‘사이공’에 예약한 어떤 고객의 구매행동을 기억하고 있었을 것이다.
이러한 구매행동 들이 시스템에 통합되어 다시 네트워크로 공유되는 과정을 통해 구매행동에 대한 추천 툴은 더욱 정교하게 발전될 것이다. 마케팅의 영원한 숙제,퍼스널라이제이션의 실현은 이제 긴밀한 상호협조를 통해서 실현되어 가고 있는 것이다.
두 번 연속 퍼스널라이제이션에 대해 다루었다. 굳이 Trivida사의 솔루션을 예를 들지 않고서라도 누가 얼마나 다양하고 우호적인 상호 협력 네트워크를 갖추고 있는가가 고객만족과 직결되어진다는 것을 알 수 있다.
이제 ‘하청’을 주고 받던 봉건시대는 끝나고 긴밀하고 우호적인 상호협력 네트워크를 만들 줄 아는 기업이 ‘대기업’이 되는 시대가 시작되고 있는 것이다.
