리테일 분야에서의 빅데이터 및 머신 러닝 서비스

Before Machine Learning

 • 일반적인 판촉 행사

 • 재고 관리의 어려움

 • 매장 판매에 의존

After Machine Learning

 • 소비자 데이터를 활용한 상품 추천 및 재고 관리

 • 외부 정보를 활용한 의사 결정 지원 시스템

 • 배송 및 전자상거래 최적화

  •  

  • 소비자 데이터를 활용한 상품 추천 및 재고 관리

    • 소매업에서의 머신 러닝은 소비자가 누구인지를 알아가는 과정입니다. 소매업체에서 소비자 데이터를 수집하면서 소비자의 습관에 따라 소비자의 정보를 프로파일링하며 개인별 맞춤 추천을 할 수 있습니다. 소비자의 정보를 수집하면 할 수록 보다 정확한 추측을 할 수 있게 되고, 그 결과 소비자들은 자신의 자료를 토대로 보다 정확한 추천 받기를 원하며 더 많은 데이터를 제공할 것입니다.  이런 데이터를 토대로 필요한 사람에게 필요한 판촉 행사를 하고, 재고의 관리를 보다 효율적으로 할 수 있습니다.

    • 주요 사례로는 영국의 대형 슈퍼 마켓인 Tesco 가 있습니다. Tesco 는 소비자 데이터를 활용해 소비자가 평소에 사용하던 것과 유사한 제품을 사도록 판촉 전략을 세워서 그들을 곤란하게 만들던 악성 재고 문제를 손쉽게 해결했습니다.

  • 외부 정보를 활용한 의사 결정 지원 시스템

    • 대다수의 소매 기업은 아주 적은 판매수익으로도 충분한 운영이 가능하기 때문에, 아주 작은 수치라도 효율성을 높일 수 있는 기술이 준비된다면 곧바로 수익으로 직결됩니다. 빅데이터 플랫폼에 저장된 기상 자료와 주요 경제 지표 등의 다양한 데이터를 학습하여, 소비자의 구매 패턴을 예측하고 해당 데이터가 실제로 무엇을 의미하는지 판단하는 능력도 가질 수 있습니다. 이 능력을 활용하면 소매업체에서는 기존보다 효율적인 프로세스를 통해 수익을 극대화 시킬 수 있는 정책을 수립할 수 있습니다.

  • 배송 및 전자 상거래 최적화

    • 전자상거래의 이용자는 점점 증가하고 있고 최근에는 매장 판매량을 능가하기 시작했습니다. 전자상거래의 가장 큰 특징 중 하나는 자신의 집 주변 매장에서만 구매하는 것이 아니라 다른 도시를 넘어, 다른 국가의 판매자로부터 상품을 구매할 수 있다는 것입니다. 소비자의 구매 트렌드는 글로벌화되었지만, 트렌드에 맞춰서 발달이 필요한 배송 정책은 제한적입니다. 이러한 제한은 교통량과 날씨, 경로 데이터 등을 활용하여 배송 정책을 해결할 수 있습니다. 

      대표적인 사례는 Amazon 에서 제공하는 Amazon Prime 이 있습니다. 이 서비스를 준비하기 위해 Amazon 은 배송에 관련된 다양한 데이터를 수집 및 학습하였습니다. 그후 당일 배송을 위한  기준을 새롭게 정했고, 이러한 기준은 다른 경쟁업체에서는 제공할 수 없는 신속한 배송 서비스를 제공할 수 있었습니다.

    •  

 

 

 

© 2017 IMGURU, Inc. All rights reserved.

 
서울특별시 금천구 가산디지털 1로 128 STX-V 타워 502호
우편번호 : 08507  |  전화번호 : 070-4099-2022  |  이메일 : imguru@imgr.co.kr