당신이 매장 방문객 분석에 실패하는 이유 3가지

이제는 바뀌어야 할 때입니다

안녕하세요, 오프라인 공간을 더 똑똑하게 만드는 인공지능 스타트업 메이아이입니다.

수많은 리테일 기업이 매장 방문객 데이터를 정확히 분석하고 싶어합니다. 하지만 매번 실패하고, 그 이유는 명확합니다. 애초부터 정확도가 떨어지는 방법으로 매장 데이터를 수집하기 때문입니다. 업계에서 어떤 방법이 주로 쓰이기에 정확하지 않은 걸 알면서도 매번 반복하는 걸까요? 매장 방문객 분석에 실패하는 3가지 이유를 소개합니다.


1) 포스기·멤버십 데이터로 방문객 데이터를 추정하니까

좌측 하단에 포스기 일러스트가 그려져 있고, 포스기 우측 상단에 정확도 40%를 강조하는 일러스트가 놓여 있다.

업계에서는 포스기 기반으로 방문객 데이터를 집계하는 방식이 가장 대중적으로 쓰입니다. 하지만 대중적이라고 해서 정확도가 그만큼 준수한 것은 아닙니다. 포스기에 기록된 방문객 데이터는 정확도가 40%에 불과합니다. 그 이유는 수집 방식 자체의 한계에 있습니다.

예를 들어 60대와 30대 모녀가 패션 매장에서 제품을 계산할 때 직원은 이렇게 입력합니다—60대 여성 2명 방문. 포스기가 방문객의 성별&연령대를 한명 한명 입력하기 어렵도록 설정되어 있기 때문입니다. 일가족 4명이 방문해도, 친구 3명이 방문해도 마찬가지입니다. 1명의 데이터가 일행 전체의 데이터를 대표해버리는 것입니다.

멤버십 데이터로 방문객 데이터를 얻는 경우도 정확도가 많이 떨어집니다. 예를 들어, 30대 부부 중 한 명이 마트에 장을 보러왔을 때, 멤버십 포인트는 배우자의 번호로 입력한다면 데이터에 오염이 생길 수밖에 없습니다.

부정확한 데이터를 얻을 수밖에 없는 근본 원인은 하나입니다. 포스기와 멤버십 모두 방문객 데이터를 얻을 목적으로 고안된 것이 아니라 그렇습니다. 주된 목적은 계산과 멤버십 관리인데, 방문객 분석 목적으로 활용하니까 정확도가 떨어지는 것입니다. 방문객 데이터를 제대로 분석하기 위해서는, 해당 목적으로 개발된 솔루션을 활용해야 합니다.


2) 매장 직원의 관찰과 경험 데이터에 의존하니까

매장 직원이 매장 구석에 서서 노트를 든 채 방문객의 행동을 관찰하고 있다.

일부 리테일 매장은 직원의 관찰에 기반한 보고서로 매장 데이터를 추정하곤 합니다. 매장 돌아가는 상황을 가장 잘 아는 사람이므로, 실무자에게 매일매일 상황을 보고받는 것입니다. 오늘은 어떤 성별, 연령대의 방문객이 많이 왔는지, 고객이 특히 많이 방문한 매대는 어디인지 등을 실무자는 경험으로 파악하고 있습니다.

하지만 경험은 경험일 뿐 정확한 수치로 나타나지 않습니다. 또한 개인의 주관에 따라 편향이 발생할 수 있습니다. 고객을 응대하면서 방문객의 움직임을 놓치는 경우도 생깁니다. 이런 한계를 극복하기 위해 고객 관찰 일지를 작성하는 곳도 있지만, 바쁠 때는 제때 작성하기 어려워 누락되기도 합니다. 모두 방문객 데이터를 부정확하게 측정·분석하는 요인으로 작용하는 것입니다.

방문객 데이터 측정은 매장 실무자의 주요 업무가 아닙니다. 고객 응대와 제품 관리에 집중할 수 있게끔 해야 합니다. 매장 방문객은 전용 솔루션을 도입해 분석하고, 정성적인 맥락이 필요할 때 실무자의 답변으로 정량적인 데이터를 보완하는 것이 시너지를 낼 수 있는 방법입니다.


3) 정확도가 떨어지는 매장 방문객 분석 솔루션을 사용하니까

매장 스태프가 수동 계수기를 손에 들고 서 있다.

매장 방문객을 분석하는 최선의 방법은 전용 솔루션을 활용하는 것입니다. 이미 많은 매장이 이러한 점을 깨닫고 솔루션을 사용하고 있습니다. 하지만 흔히 사용되는 솔루션은 정확도가 낮아 도입 전에 신중히 결정하는 게 좋습니다.

대표적인 예로, 수동 클릭형 계수기를 활용하는 경우가 있습니다. 매장 직원이 방문객을 한 명씩 세는 방식으로, 사람이 붐빌수록 정확도가 떨어집니다. 피크 타임에 사람이 몰릴 경우, 놓칠 확률이 그만큼 커집니다. 고객이 이것저것 물어보는 상황에서는 방문객 카운팅에 집중하지 못하기도 합니다.

앞서나가는 매장 관리자는 AI 기반 매장 분석 솔루션을 씁니다. 메이아이가 개발한 매장 분석 AI 매쉬(mAsh)는 정확도 95% 수준으로 방문객 데이터를 분석할 수 있습니다. 성별&연령대 같은 기초 데이터부터 유동인구 트래픽까지 복잡한 데이터도 제공 가능합니다. 온라인 환경에서 Google Analytics를 활용해 데이터 기반 의사 결정을 하는 수준으로 매장 운영 전략을 세울 수 있는 것입니다.


매장 방문객 분석, 그 성공은 매쉬와 함께!

매장 방문객이 100명이고 그중 10명이 제품을 구매했다면 구매 전환율은 10%입니다. 하지만 더 정확한 솔루션으로 측정했을 때 실제 방문객이 150명으로 판명된다면 전환율은 6.7%입니다. 10%와 6.7%는 큰 차이이며, 매장 운영 전략도 완전히 달라질 수 있습니다.

매장 운영에 헛발질하지 않으려면 오랜 측정 방법과는 이별해야 합니다. 가장 정확한 분석을 시작해야 합니다. 인공지능 기반 매장 분석 솔루션 매쉬가 함께하겠습니다. 아래 이미지를 클릭하면 더 자세한 내용이 담긴 서비스 소개서를 받아볼 수 있습니다. 매장 맞춤 상담은 우측 아래 채널톡 버튼 또는 contact@may-i.io로 연락 부탁드립니다. 궁금한 점을 모두 해결해드리겠습니다.


You've successfully subscribed to 메이아이 공식 블로그
Great! Next, complete checkout to get full access to all premium content.
Error! Could not sign up. invalid link.
Welcome back! You've successfully signed in.
Error! Could not sign in. Please try again.
Success! Your account is fully activated, you now have access to all content.
Error! Stripe checkout failed.
Success! Your billing info is updated.
Error! Billing info update failed.