자주 틀리는 온라인 빅데이터, AI 마케팅의 원인과 해결 방법

온라인 활동이 많이 지면서 데이터를 활용한 마케팅 방법이 각광을 받고 있습니다. 빅데이터와 기계학습, AI 등도 이런 흐름의 하나입니다. 그런데 종종 빅데이터, AI를 활용한 마케팅이 자주 틀려서 당황스러울 때가 있습니다. 이 원인에 대해 생각해봅니다.

 

 

아날로그인 소비자 생활과 디지털인 빅데이터

 

소자자 생활 속에서 취향이 형성되고 선호가 만들어지는 것은 다양한 경험과 학습을 통해서입니다. 어떤 패션 스타일을 보는 것만으로 소비자는 옷을 구매하지는 않습니다. 주위 친구들과 평가나 길거리 사람들의 스타일, TV에 나오는 스타들의 패션 등 복합적 이유에 의해 옷에 대한 선호와 구매욕구가 생겨납니다. 그래서 서울과 부산의 유행 스타일이 다르고 강남 청담동 스타일의 옷차림은 때로는 강북에서는 민망스러운 스타일 일 때도 있습니다. 

 

점점 오프라인 쇼핑보다 온라인 쇼핑, 모바일 쇼핑이 많아지면서 소비자 실 생활에서 서울과 부산,  강남과 강북 스타일의 차이는 줄어들었지만 온라인과 실제 생활의 차이는 점점 커지고 있습니다. 온라인에서 보이는 모습은 카메라 촬영 시 색감, 촬영 시 조명, 보정, 모니터 색 재현율 등 다양한 오차 요소를 거쳐 소비자의 인식 시스템에 노출됩니다. 특히 모니터의 경우 데이터 수집 기업이 컨트롤할 후 없는 요소입니다.

 

여러 소비자들이 만들어 내는 빅데이터는 데이터 생성 시 소비자 특성이라는 변수 외에도 디지털 정보가 가지는 본질적 오차를 가질 수밖에 없습니다. 여기에 좀 더 정확한 소비자 취향 및 선택을 판단하기 위해 데이터를 모으면 모을수록 너무 많아지고 상호 연관성도 복잡하게 형성되어 함께 고려해야 하는 데이터와 빼야 하는 데이터를 구분하기 어려워집니다. 특히 데이터를 수집하는 기업은 소비자의 생활을 모두 관찰하면서 각각 데이터의 가치나 상호 연관성을 연구할 수 없습니다. 발생 데이터를 통해 추정할 수 있을 뿐입니다.

 

온라인에서 발생하는 데이터만으로도 너무 많아 빅데이터인데 소비지의 생활 데이트를 일일이 확보한다는 것은 개인 사생활 보호 관덤에서 불가능할 뿐 아니라 더 많은 데이터가 생겨날 뿐입니다. 그러기에 빅데이터는 기본적으로 불안전한 수많은 데이터 가운데 공통점과 방향성을 찾는 것이 되고 이런 정보의 제한성으로 빅데이터 정보는 확률성을 띠게 됩니다.      

 

 

포켓몬 고 속 포켓몬과 키우는 강아지보다 더 큰 차이의 마케팅 데이터와 마케팅 소비자

 

애니메이션을 좋아하는 사람이라는 포켓몬을 알 것입니다. 포켓몬은 만화를 넘어 게임을 통해 우리 스마트폰에서 움직이고 스마트폰으로 특정 지역을 비추면 나타나기도 합니다. 그렇다 해도 포켓몬 고 게임 속 포켓몬이 게임 속에서 나와 진짜 강아지처럼 만지고 달리고 할 것이라고 생각하는 사람은 없을 것입니다. 물론 가끔씩은 만화 캐릭터를 진짜 사람처럼 좋아해서 결혼까지 하는 사람도 있기는 하지만 많지는 않습니다. 

 

데이터 속의 소비자와 실제 생활 속의 소비자는 포켓몬 고 속의 포켓몬과 우리 집 강아지 이상의 차이가 있습니다. 데이터 속 소비자는 온라인 플랫폼이라는 특정 환경 속에서 특정 자극에 의해 반응하는 데이터의 집합을 의미하므로 실제 소비자와 다를 수 있습니다. 이는 마케팅적으로 표현되는 실험 환경 속  소비자와 비슷합니다. 실험 환경 속 소비자와 실제 생활 속 소비자의 차이는 클래식/뉴 코크 사례를 통해서도 알 수 있습니다.

 

   

자주 틀리는 빅데이터, AI 마케팅 정확도 높이기 위한 해결 방법

 

곡선도 미분된 데이터를 통해 보면 직선입니다. 수 많은 직선 데이터를 모았다고 이 곡선을 직선이라 할 수 없습니다. 실제 원인 이 곡선을 알기 위해서는 수 없이 많은 미분 정보를 적분해야 합니다. 감정도 없고 곡선과 직선의 상호 관계도 없고 3차원도 아닌 원도 이렇게 많은 데이터를 필요로 하는데 하물며 사람인 소비자의 선화와 가치를 알기 위해서는 너무나 많고 많은 데이터가 필요할 것이라는 것은 예상할 수 있습니다.

 

법률문제도 있고 데이터 수집 비용이 활용 효용을 넘어서기에 비효율적이기도 합니다. 그래서 페이스북, 인스타그램, 유튜브, 아마존 같이 빅데이터를 마케팅 활용하는 IT 기업들은 확률적 개념과 사회 공학적 원리를 활용하여 비용을 줄이고 정확도를 높이게 됩니다. 이 과정에서 개개인은 빅데이터와 AI를 통한 추천이 정확하지 않다고 느끼기도 하고 무섭게 자신을 잘 안다고 느끼기도 합니다.   

 

확률적 부분은 여러 개를 추천하여 가능성을 높입니다.  유튜브나 인스타그램에서 여러 콘텐츠를 추천하지 추천하고 유저 반응에 따라 노출되는 콘텐츠를 변화시키는 것은 빅데이터와 AI의 확률적 정확도 때문입니다. 비슷한 성향이나 팔로워들과 비슷하게 콘텐츠를 노출하는 것은 사회공학적 작용을 통해 유저의 정확도 인지를 조정하기 위한 것입니다. 즉 맞추는 것이 아닌 맞다고 느끼게 만드는 것입니다. 이 과정 속에 유튜버나 인플루언서는 수익을 올리게 되는 것입니다.