안녕하세요, 오늘은 CRM을 활용한 포스트 AI 시대 대비라는 주제를 갖고 우리에게 CRM과 인공지능이 어떤 의미와 가치를 주는지 살펴보도록 하겠습니다. 우선적으로 데이터와 인공지능은 현 4차 산업시대 혁명에 주축이 되며 현 비즈니스 시장에서도 마일 스톤으로 자리 잡고 있습니다. 이러한 데이터 획득을 위하여 우리는 어떻게 CRM을 활용하여야 하는지, 또한 장기적으로 어떠한 매출 기여를 하는지에 대해서 자세히 살펴보겠습니다.

1. CRM과 데이터의 가치

기업에게 데이터는 무엇을 의미할까요? 현재 데이터는 인공지능의 발달로 의미가 없어 보이는 정보 속에 가치를 찾아 고객의 니즈를 파악하는 중추적인 역할을 합니다. 그렇다면 데이터의 사회 경제적 가치는 무엇일까요? 첫 번째로, 앞서 언급했던 소비자 니즈 발견 및 트렌드 예측, 성과 향상이 있습니다. 더 많은 다량의 데이터들이 축적될수록, 보다 정확하고 상세한 성과 데이터 수집이 가능하며 소비자와 기업 사이의 니즈 충족에 병목 현상이 발생하는 부분을 손쉽게 파악할 수 있습니다. 두 번째로는 맞춤형 고객 세분화입니다. 한 개의 제품과 서비스를 가지고 서도, 정확한 고객 세분화를 통해 효율을 높이고 비용을 절감할 수 있듯이, 데이터를 활용한 매우 구체적인 고객 분류를 통해 고객 니즈를 반영한 맞춤형 서비스를 제공할 수 있습니다. 마지막으로 비즈니스 모델, 상품 및 서비스 혁신입니다. 데이터를 분석한 추천 시스템을 기반으로 한 새로운 상품 및 서비스 개발과 향상, 새로운 비즈니스 모델 설계에 있어서 조력자 역할을 넘어 새로운 가이드라인을 제시합니다.

AI_data

반면에 CRM은 어떤 가치를 보일 수 있을까요? CRM은 Customer Relationship Management의 약자로서, 고객 여정과 기업 내부의 업무 효율 증진에 초점을 맞춥니다. Tracking을 통한 고객 여정 동행과 Marketing부터 Sales, Customer service까지 all in one 방식으로 고객에게는 신뢰를, 업무 담당자에게는 편리성을 제공할 수 있습니다. 또한 가장 중요한 데이터 획득 및 취합에 있어서 핵심적인 역할이 가능합니다. CRM 통합 솔루션 HubSpot의 경우, Form과 eDM을 통해 고객 정보를 제공받음과 동시에 데이터를 범주화 하여 기업 별도의 정제 작업 없이 저장시킬 수 있습니다. CRM을 활용한 데이터 레이블링은 다음 장에서 좀 더 상세하게 다루도록 하겠습니다.

AI_CRM

많은 기업들의 포스트 AI시대를 대비한 디지털 트랜스포메이션과 빅데이터의 활용에 Pain point는 바로 위에서 설명한 데이터 취합에 있습니다. 데이터가 방대하나 정리가 되지 않아 데이터 정제 과정에 많은 공수가 들어가는 경우, 또는 데이터 수집 시스템의 부재로 데이터가 아예 없는 경우가 주이며 이러한 Pain point를 어떻게 해결해야 하는 지에 대한 분석이 필요합니다.

2. CRM을 활용한 데이터 레이블링 

CRM을 통한 데이터 수집은 어떤 방식으로 가능할까요? 우리가 아는 고객 여정에서의 데이터 수집은 다양한 방식이 있지만 마케팅 전략에 의해 그 방식이 상이합니다. 아웃바운드 마케팅의 경우 영업 담당자의 직접적인 컨택이나 eDM 등을 통해 정보를 수집하는 반면, 인바운드 마케팅의 경우 기업 홈페이지의 Form, SNS 등을 통해 수집할 수 있습니다. 오늘 우리가 다룰 CRM은 All in one 방식의 Tool로서, 인바운드 마케팅 방식에 초점을 맞춘 HubSpot을 기준으로 알아볼 것입니다.

AI_data labeling

HubSpot은 All in one 방식의 인바운드 마케팅에 중점을 둔 CRM Tool로서, 고객 여정의 종착지는 귀사의 홈페이지입니다. 홈페이지에 삽입한 Form을 기반으로 고객 데이터가 자동으로 저장되며, HubSpot은 기업이 원하는 고객 데이터를 Form에서 요청받을 수 있습니다. 데이터 레이블이란 하나의 공통된 분모에 묶이는 데이터들을 의미하며 카테고리 형식으로 정의됩니다. HubSpot에서는 데이터 레이블 하나를 Property라고 정의하며, Property를 통해 데이터들을 기업 니즈에 맞게 세분화할 수 있습니다.

담당자가 설정한 Property는 Date, Drop down select, Multi select 등과 같이 정해진 형식에 맞게 조정할 수 있으며, 이와 같이 정리된 데이터는 데이터 정제 과정 없이 머신 러닝 모델에 활용될 수 있으며 데이터 수집 과정에서 이상치가 측정되지 않으므로 머신러닝 모델 학습 및 분류 과정에 용이합니다.

3. 머신러닝의 장기적 매출 기여와 CRM의 활용

AI 혁신의 지향점은 무엇이며, 가치 창출은 어떻게 하는 걸까요? 인공지능의 의미를 살펴보면, 인공지능 기술로 새로운 기능을 구현하고 새로운 가치를 창출하여 사용자 경험을 혁신하는 것입니다. 다시 말해, AI 혁신은 단순히 기술의 혁신으로 끝나지 않고 사용자의 경험 혁신으로 귀결되어야 합니다. 즉, 3가지의 가치 경로인 기능적 가치와 기술적 가치 그리고 경험적 가치 측면에서 선순환적 구조를 만들어 사용자에게 경험적 혁신을 구현해야 합니다.

AI_

기업에서 마케팅 활동을 하거나 세일즈 활동을 전개할 때 중요한 것은 무엇일까요? 바로 비용 절감입니다. 비용 절감을 위해 가장 우선적으로 알아야 하는 점은 각 활동에 대한 ROI 측정과 전환율 파악이며, 이는 AI와 CRM의 연계를 통해 손쉽게 파악할 수 있습니다. 한마디로, 머신러닝 혹은 AI 알고리즘 개발을 통해 모델을 구현했을 때, 해당 모델이 자사에 얼마큼의 가치를 생산하는지, 고객 전환율 혹은 ROI는 얼마큼 측정되는지 추적하기 위해서는 CRM Tool을 통해 활동에 연관된 모든 고객 활동을 추적해야 합니다.

HubSpot의 Marketing 기능은 각 마케팅 활동에 연계된 캠페인 활동을 통합시키고 각 고객의 고객 여정을 함께하여 세일즈 전개 활동까지 그 여정을 파악할 수 있습니다. 이는 ROI측정 및 당사의 전환율 측정에 중추적인 역할을 하며 인공지능을 활용한 머신러닝 알고리즘이 가치 창출을 얼마큼 도모했는지 확인할 수 있습니다. 그렇다면 알고리즘 등 인공지능 혁신에 따른 비용과 수익성은 어떻게 파악되는 걸까요? 인공지능에는 알고리즘 등 기술개발 비용, 하드웨어 구입 및 관리비, 데이터 분석툴 관리비, 외부 API 이용 수수료, 데이터 관리 비용, 모델 테스트 및 관리 비용, 기술 제품 개발 및 인건비 등 혁신에 따른 많은 비용이 소요됩니다. 이를 기준으로 머신러닝 기반 수요를 예측하기 위해서는 모델 안정화까지 시간을 갖고 누적 선순환 효과를 도모해야 합니다. 아래 보시면 머신러닝 기반 수요 예측 시스템 도입에 따른 ROI 분석을 나타낸 표입니다. (단위 100만원) 

AI_ROI.001

위 표를 보시면, 머신러닝 모델 도입에 따른 순이익 분석 및 ROI를 계산한 표입니다. NPV란 Nest present value의 약자로, 비용과 편익 모두를 고려한 순현재가치를 의미합니다. 표에 나타나 있듯이, 초기에는 여러 요인으로 인한 ROI 리스크 및 초기 투자 비용으로 인해 NPV가 마이너스 이지만 2년 차부터 그 비용이 줄어듦과 동시에 총 효과가 지속적으로 증가하는 것을 볼 수 있습니다.

4. CRM과 AI 융합 사례

마지막으로 실제 CRM과 인공지능 모델을 활용하여 이윤을 창출한 예시를 살펴보도록 하겠습니다.

AI_Chatbot
Growth Bot

CRM은 업무의 편리성과 고객 여정의 최적화를 위해 존재합니다. CRM은 데이터 수집과 취합 측면에서 우위를 점하고 있으며 그로스 봇은 이와 같은 장점을 기반으로 답을 내놓습니다. 한 마디로, 그로스 봇은 고객이 질문을 하면 CRM 데이터를 찾아 생각을 하고 답을 내놓습니다. CRM 데이터 기반으로 대답을 도출하므로, 고객 관점에서 좀 더 밀접한 상담이 가능합니다.

아인슈타인 

세일즈포스가 발표한 AI기반 아인슈타인은 인공지능을 활용한 고객 관계 강화 툴입니다. 아인슈타인은 범용 AI로서 CRM 플랫폼의 각 부문에 머신러닝과 딥러닝, 예측 분석 등을 적용합니다. CRM을 통해 취득한 데이터는 고객과의 밀접한 관계가 있는 정보이기 때문에 모델 학습만 잘 이루어진다면 고객 관점에서의 통찰력과 지식을 쉽게 도출할 수 있습니다.

오늘은 CRM을 활용한 포스트 AI 시대에 대비 방법에 대해서 알아보았습니다. 활용 과정에서 더 자세한 부분을 확인하고 싶으시다면 아래 미팅 링크를 통해서 컨설팅팀을 찾아주세요! 긴 글 읽어주셔서 감사합니다.