wsj.com
리테일러, 반품과의 전쟁에 인공지능을 도입하다
새로운 AI 도구는 구매자가 구매한 제품을 반품할 가능성을 예측하여 리테일러가 보다 효과적으로 광고할 수 있도록 지원합니다.
- AI를 활용한 온라인 반품 감소: Perry Ellis, H&M 등의 의류 브랜드들이 인공지능(AI)을 사용하여 제품 설명과 추천을 개선하고, 반품 확률이 높은 고객들에게 특정 광고를 피하고, 구매 후 제품을 유지할 가능성이 높은 고객들에게 광고를 집중하는 등의 방법으로 온라인 반품을 줄이기 위해 노력하고 있다.
- 온라인 반품의 문제점: 온라인 반품은 소매업자들에게 비용과 시간이 많이 드는 문제이다. 온라인 구매자들은 자신에게 맞지 않거나 원하는 제품이 품절일 경우 다른 제품을 주문하고 이를 반품하는 경향이 있다. 이는 소비자의 지갑과 소매업자의 수익에 영향을 미친다.
- AI의 적용 사례: 네덜란드의 온라인 의류점 Omoda는 Google과 마케팅 에이전시 DEPT와 협력하여 검색 광고로 유도된 판매의 반품률을 낮추기 위한 기계학습 시스템을 개발했다. 이 시스템은 특정 유형의 제품의 반품률과 Omoda의 데이터를 사용하여 고객 그룹별로 반품할 가능성을 예측하는 알고리즘을 결합하여 각 주문이 최종적으로 생성할 이익이나 손실을 예측한다. Perry Ellis는 Acorn-i와 함께 Amazon에서의 반품 비용을 줄이기 위해 AI 감성 분석 도구를 사용하여 제품 설명에 혼동을 줄 수 있는 구문을 파악하고, 고객의 질문과 관심사, 그리고 일반적인 검색 키워드와 잘 맞는 새로운 설명을 생성하는 생성형 AI를 사용했다.
- AI의 한계: AI는 온라인 반품 문제를 해결하기 위해 소매업자들이 자신들의 소비자 데이터를 최대한 활용할 수 있도록 돕지만, 아직 대규모로 적용하기에는 성숙하지 않은 기술이다. 소매업자들은 반품 비용을 감수하거나 충성도 있는 고객들에게 더 많은 돈을 부과하고 그들의 비즈니스를 잃을 수 있는 위험을 감수해야 한다.
[Bing Chat Copilot의 페이지 요약]
[기사 원문 링크] Retailers Enlist AI in Fight Against Returns - WSJ
[Quillbot으로 기사 요약]
페리 엘리스(Perry Ellis), H&M과 같은 의류 및 패스트패션 브랜드는 인공 지능을 사용하여 비용이 많이 드는 온라인 반품에 대처하고 있습니다. 이들은 AI를 사용하여 제품 설명을 개선하고, 제품을 반품할 가능성이 가장 높은 고객으로부터 광고를 유도하며, 구매를 유지할 것으로 예상되는 소비자를 대상으로 광고를 타겟팅하고 있습니다.
전미 소매업 연맹에 따르면 2022년 전체 매출 대비 반품 처리 비용은 16.5%로 전년도와 거의 비슷한 수준을 유지했습니다. 그러나 인플레이션이 소비자의 지갑과 소매업체의 수익을 모두 압박하면서 이 문제는 더욱 심각해지고 있습니다. 2022년 전체 매출 대비 반품 처리 비용은 16.5%로 전년도와 거의 비슷한 수준을 유지했습니다. 리테일러의 35%가 지난 한 해 동안 반품 비용을 청구한 것으로 나타나 반품에 대한 충동은 계속될 것으로 예상됩니다.
H&M처럼 이미 오래전부터 AI를 사용하여 반품을 관리하고 있는 매장도 있는데, 이 기술을 통해 공급과 수요를 더 잘 매칭하고 고객에게 더 정확한 추천 상품을 제공하는 데 활용하고 있습니다. 최근 몇 달 동안 리테일 매장의 마케터들은 AI를 더욱 새로운 방식으로 적용하는 실험을 시작했습니다.
네덜란드의 온라인 의류 매장인 Omoda는 Google 및 마케팅 대행사 DEPT와 협력하여 검색 광고로 생성된 판매의 반품률을 제한하는 머신러닝 시스템을 개발했습니다. 이 시스템은 특정 유형의 제품에 대한 반품률과 Omoda의 데이터를 사용하는 알고리즘을 결합하여 고객 그룹이 구매한 제품을 반품할 가능성을 예측합니다.
*아래의 더보기를 누시면 전문을 보실 수 있습니다.
기사 전문 번역
페리 엘리스(Perry Ellis), H&M과 같은 의류 및 패스트패션 브랜드는 비용이 많이 드는 온라인 반품과의 전쟁에서 인공지능이라는 새로운 무기를 활용하고 있습니다.
이들 브랜드는 AI를 사용하여 제품 설명과 추천을 개선하고, 반품 가능성이 가장 높은 고객으로부터 특정 광고를 피하고, 구매를 지속할 것으로 예상되는 소비자를 대상으로 광고를 타겟팅하고 있습니다.
"우리가 할 수 없는 일은 아마존이 누군가의 구매를 막는 것입니다. 하지만 우리가 할 수 있는 것은 반품 가능성이 낮다고 판단되는 고객에 대한 타겟팅을 강화하는 것입니다."라고 Perry Ellis를 고객사로 둔 이커머스 에이전시 Acorn-i의 최고 기술 책임자 James Poll은 말합니다.
온라인 리테일러에게 반품은 골칫거리입니다: 온라인 리테일러는 판매를 촉진할 수 있을 만큼 원활한 프로세스를 구축해야 하지만, 반품으로 인한 비용이 재무제표를 압도하지 않도록 해야 합니다.
전미 소매업 연맹에 따르면 2022년 전체 매출 대비 반품 처리 비용은 16.5%로 전년도와 거의 비슷한 수준을 유지했습니다. 그러나 인플레이션이 소비자의 지갑과 소매업체의 수익을 모두 압박하면서 이 문제는 더욱 심각해지고 있습니다.
이러한 충동은 당분간 지속될 것으로 보입니다. 물류 소프트웨어 회사인 Narvar에 따르면 6월과 7월에 설문조사에 참여한 미국 소비자의 17%는 지난 6개월 동안 최소 6개의 상품을 반품했다고 답했는데, 이는 전년의 7.1%에서 급증한 수치입니다. 쇼핑을 가장 많이 하는 사람들이 반품도 더 많이 하는 경향이 있어 소매업체에게는 또 다른 난제가 되고 있다고 전문가들은 말합니다.
반품 소프트웨어 및 관리 서비스를 제공하는 goTRG가 지난 9월 미국 소매업체 임원 500명을 대상으로 실시한 설문조사에 따르면, 소매업체의 35%가 지난 1년 동안 반품 비용을 청구하기 시작했습니다. 29%는 반품 기간을 단축했고, 17%는 같은 기간 동안 환불 대신 스토어 크레딧을 제공하기 시작했다고 goTRG는 밝혔습니다.
다른 매장에서도 한동안 AI를 사용하여 반품을 관리해 왔습니다. 예를 들어, 패스트패션 체인 H&M의 AI 팀은 2018년부터 이 기술을 사용하여 공급과 수요를 더 잘 매칭하고 쇼핑객에게 더 정확한 추천을 제공했다고 대변인은 말합니다. 몸에 맞지 않거나 느낌이 좋지 않은 옷을 주문하거나 원하는 상품이 품절되었을 때 차선책을 선택한 고객은 해당 상품을 반품할 가능성이 더 높다는 것입니다.
그러나 최근 몇 달 동안 소매업체의 마케터들은 AI를 보다 새로운 방식으로 적용하기 위한 실험을 시작했습니다.
작년에 한 고객이 겨울 코트 10벌을 구매했다가 9벌을 반품한 네덜란드의 온라인 의류 매장 Omoda는 Google 및 마케팅 대행사 DEPT와 협력하여 검색 광고로 생성된 판매의 반품률을 제한하는 머신러닝 시스템을 개발했습니다.
이 시스템은 특정 유형의 제품에 대한 반품률과 Omoda의 데이터를 사용하는 알고리즘을 결합하여 고객 그룹이 구매한 제품을 반품할 가능성을 예측합니다. 그런 다음 시스템은 주문이 접수된 직후에 각 주문이 궁극적으로 창출할 총 수익 또는 손실을 예측합니다. 또한 어떤 고객이 실제로 구매를 반품하는지도 추적합니다.
Omoda와 DEPT는 나중에 이 모든 데이터를 Google의 광고 구매 알고리즘에 입력하여 검색 광고를 더욱 정확하게 타겟팅합니다. 일반적으로 광고는 구매 가능성이 가장 높은 고객에게 전달되지만, Omoda는 그 대신 예상 반품 비용을 고려한 장기적인 가치에 초점을 맞추기를 원했습니다. Omoda의 최고 경영자인 얀 반은 구매 가능성이 가장 높지만 반품할 가능성이 높은 고객에게 제품을 광고하는 것을 피하는 것이 목표였다고 말합니다.
리테일 체인 H&M은 AI 도구를 사용하여 보다 정확한 제품 추천을 하고 고객이 원하는 품목의 재고를 확보했습니다. 사진: 톰 리틀 / 로이터
Omoda는 5월에 이 모델을 사용하기 시작한 이후, 검색 광고로 인한 전체 매출 중 반품률이 5% 감소하고 수익이 16% 증가했다고 반은 말합니다.
페리 엘리스(Perry Ellis)는 영국 아마존에서 반품 비용을 줄이기 위해 지난 1년 동안 Acorn-i와 협력했습니다. 반품률이 가장 높은 품목을 파악한 후, AI 감성 분석 도구를 사용하여 해당 제품 설명에서 사이즈나 핏과 같은 주요 요소에 대해 혼동을 일으켜 반품으로 이어지는 문구를 파악했다고 Acorn-i의 공동 설립자인 클레어 레온(Claire Leon)은 말했습니다. 그런 다음 제너레이티브 AI는 일반적인 검색 키워드와 함께 쇼핑객의 질문 및 관심사에 더 잘 부합하는 설명을 생성했다고 그녀는 말했습니다.
예를 들어, 한 페리 엘리스 셔츠는 "기계 세탁 가능" 및 "코튼 옥스포드 제작"이라는 설명에서 "100% 독립적으로 인증된 유기농 면으로 제작"이라는 설명으로 바뀌었고, 구매자는 "관리 라벨의 지침에 따라 기계 세탁할 수 있습니다."라고 설명했습니다.
그런 다음 페리 엘리스(Perry Ellis)는 이러한 새로운 설명을 아마존의 데이터베이스에서 가져온 행동 데이터와 결합하여 광고를 타겟팅했다고 Acorn-i의 CTO인 폴은 말합니다.
페리 엘리스 대변인에 따르면 약 1년 동안 프로젝트에 참여한 제품의 반품률이 15% 감소했다고 합니다. 페리 엘리스 대변인은 아마존 영국에서의 실험이 계속해서 성과를 보인다면 다른 유럽 시장으로 확대할 계획이라고 말했습니다.
한동안 소매업체들은 머신러닝을 사용하여 공통된 특성에 따라 쇼핑객을 점점 더 작은 그룹으로 분류하는 등 AI를 통해 반품률을 줄이려고 노력해 왔다고 컨설팅 회사 PwC의 파트너인 브래드 허든은 말합니다. 그러나 일부 제한적인 성공에도 불구하고 AI는 이러한 종류의 문제를 대규모로 해결할 수 있을 만큼 충분히 성숙하지 못했다고 그는 말합니다.
현재로서는 비용을 감수하거나 충성도가 높은 고객에게 더 많은 비용을 청구하여 비즈니스를 잃을 가능성 없이 반품 문제를 해결할 수 있는 간단한 방법은 없다고 컨설팅 회사 AlixPartners의 파트너이자 전무이사인 브라이언 칼름스는 말합니다. 따라서 리테일러는 소비자 데이터를 최대한 활용하기 위해 AI를 실험할 수밖에 없다고 그는 말합니다.
칼름스는 "사람들은 반품이라는 마약에 중독되어 있으며, 이 마약을 빼앗기고 싶지 않을 것입니다."라고 말합니다.
[DeepL로 기사 번역]
