인공지능 챗봇들의 부상과 마케팅에서의 시사점

지난 3월8일 코엑스 그랜드볼룸에서 디지털마케팅코리아주관의 디지털마케팅서밋 2017 행사에 연사로 “대화형 인공지능 플랫폼(챗봇), 마케팅의 미래를 바꿀 것인가?” 를 발표할 기회가 있었다..

둘째 날 8일 오전에 디지털마케팅코리아 설립자 박세정대표님과 대담을 나누는 시간을 갖기도 하였다.

우버 신드롬

발표 시작은 전혀 다른 형태의 비즈니스모델을 내세운 경쟁자가 등장하여 시장을 장악하는 우버 신드롬으로 시작했다. 공유경제라는 전혀 다른 비즈니스 모델로 동종 산업에서 경쟁자라고 인식조차 하지 못했을 우버라는 회사의 현재 시장가치는 73조원으로 최대자동차회사인 GM 이나 Ford 보다 월등한 시장가치를 자랑하고, 차를 생산하지 않으면서도 운송수단이라는 시장을 유틸리티개념으로 영역을 파괴한 “경쟁자로 간주되지 않았던 새로운 경쟁자의 출현” 이다. 

마케팅은 어떨까? 오길비 등을 포함한 세계최대 광고그룹 WPP CEO 인 마틴쏘렐 경도 Amazon 이 광고수입을 따로 분리하지 않을 정도로 현재 10억원 매출 정도의 아직 초기 단계이지만, 2016년에 60% 성장을 한 점에 크게 우려하고 있다고 한다. 구글과 페이스북이  광고 에이전시를 건너뛰어 고객과 직접 일할 수 있는 능력을 보유해서 50억원 구글과 17억원 페이스북의 광고매출을 내는 점도 두려워할 처지이지만, Amazon 은 실제 구매를 하려는 고객들이 웹이나 App에 몰려있고 Amazon 이 직접 통제한다는 점에서 마틴쏘렐 경은 무척 위협적으로 느낀다고 한다.

또한 딜로이트, 액센츄어, IBM, 맥켄지 등의 글로벌 컨설팅회사들과  IT 자이언트들이 크리에이티브/에이전시/마케팅 서비스 회사들을 쓸어담고 있는 현상이 마케팅이 C-레벨의 주요 아젠다로 부상하여 마케팅과 컨설팅이 주요 사업으로 재편되는 흐름이다. 또한 2011년 구글의 ZMOT(Zero Moment of Truth) 이 발표된 이후로. 고객결정여정(customer decision journey)에서 미국 고객의 84% 이상이 매장 방문 전 사전 결정에 인터넷 검색이 지대한 공헌을 발표한 이후 , 이제 대화형 인공지능 비서라는 새로운 기술로 무장한 신생 종(species)이 마케팅의 새로운 시장 변화를 야기할 것일까?

Conversation as a platform 시대

하버드대의 Utterback 교수는 산업의 혁신에서 여러 디자인의 혼돈 시대가 지나면 지배적 디자인이 등장하고 이렇게 되면, 다른 경쟁자들은 지배적 디자인을 중심으로 생태계를 조성한다고 했다.  혹자는 1990년대의 인터넷시대, 2000년도의 App 시대 그리고 현재의 Assistant (대화) 시대가 도래하고 있다고 한다.  기술 혁신의 변곡점을 판별하는 것은 어쩌면 인텔의 앤드루 그로브 CEO가 얘기했듯이 “오직 편집증 환자”만이 인지하는 지는 몰라도, 시장에서 이렇게 얘기하는 근거는 있어 보인다.

  Bot 이 부상하는 이유

  Business Insider 자료에 의하면, 2015년 1사분기를 기점으로 Big 4 Message App 이 전세계 30억 사용자로 Big 4 SNS (25억) 를 추월했다. 또한 2016년 11월 한 달간 미국 스마트폰 사용자의 50%가 전혀 App 을 설치하지 않았다고 한다. 소비자들은 보통 한 달에 25~30개의 App 을 사용하고 88% 시간을 5개 App 에 집중 한다고 한다. 더욱 놀라운 사실은,  94%의 App store 매출이 1% 에서 나오고 있다고 한다. 이러한 App 시장의 포화상태와 Message App 의 급속한 성장이 무엇보다도 UI 측면에서 인간의 자연언어가 가장 자연스러운 인터페이스라는 점과 그동안 기술적으로 미진했던 부분들이 해결되어, 챗봇의 부상을 가져온 것으로 보인다.

반면, Bot 의 제약점으로는,  대화는 인간의 가장 자연스러운 소통방법이라는 점에서, 아직 한글의 자연스런 대화는 조금 더 지켜봐야 할 것 같고, 둘째, Q&A 나 고객서비스부분 등 소위 curated service 에 사용되는 것을 넘어 전체 마케팅 프레임워크에 어떻게 융합하느냐의 문제가 남아있고, 셋째, 신경망네트워크의 클래스가 300개 내외의 class 에서 효율적인 점을 감안하면, 범위를 넘어선 뜬금없는 질문에 챗봇이 어떻게 예외처리를 하느냐의 문제도 상존한다. 많은 부분 사람이 전달받아 서비스하는 방법으로 현재 이 부분을 해결하고 있다.

  Screen-less (음성우선장치) 시장의 등장

올해 CES 쇼에서 Amazon 의 Alex 가 주목을 받았듯이, 국내에서도 음성 우선 장치들의 출현이 현실화 될 전망이다. 이미 KT의 ‘지니’, SKT 의 ‘누구’가 출시되었고 Naver 의 Line 역시 MWC 에서 Clova 를 발표하고 6월에 네이버의 AI 스피커 ‘웨이브’를 LGU+ 를 통해 출시할 것으로 보인다. Recode.net 자료에 따르면, 2017년에 전세계에 약 3천5백만개의 음성우선장치가 출시될 것으로 예상한다고 한다. 문제는 Amazon Alexa 도 약 8백20만개정도가 현재 판매되어있고, 7,000개가 넘는 Amazon skill 이 있지만 (꽃배달, 음악감상 등의 프로그램을 하나의 skill 이라고 Amazon 은 명명한다), 평균 3% 만이 2주 이상 설치하는 현상을 보인다고 한다. 즉 97%의 Amazon skill 은 사용자로부터 외면 받고 있는 것이다. App 도 그렇지만, 이러한 현상은 앞으로 assistant 시장에서 더 흔하게 목격하게 될 것이다.

삼성전자는 VIV Lab 을 인수한 것에 삼성페이를 결합해서 항상 스마트폰에서 주인님의 호출을 기다리도록, 3월 29일에 Intelligent Assistant 의 unpack 행사를 계획하고 있고 이를 위해 기사에 의하면, 3000명의 인력이 소단위 cell 로 막바지 개발에 박차를 기하고 있다고 한다. 냉장고, TV 등에 타이젠 OS 기반의 intelligent assistant 들도 탑재되어 갤럭시 스마트폰에서 통제가 가능하게 할 계획도 당연히 추진 중인 것 같다.

LG전자는 MWC 에서 G6 스마트폰에 구글 어시스턴트를 탑재하기로 발표하고 한글화는 올해 11월쯤에 제공되는 것으로 하였다. 어제 보니, 미국에서 4월30일까지 G6를 구입하는 고객들에게 140$ 상당의 Google Home을 무료로 제공하는 행사를 하는 것 같았다. Amazon Alexa, Google Home, Naver Wave 등의 음성우선장치들의 출현에는 몇 가지 시사점을 생각하게 한다.  우선 웹 이나 모바일 환경의 디스플레이광고를 중심으로 가속화되는 AdTech 부분에는 어떤 영향이 향후에 있을까이다. AI 스피커를 통한 광고는 무척 고려할 점이 많다. 한 개인의 persona 에 관련된 문맥을 알아채고 적시에 기분을 해치지 않는 정도의 센스 있는 광고를 찔러 넣지 못하면,  유투브를 광고를 참으면서 무료로 볼 거냐 아니면 subscription 을 가입해서 광고 없는 화면을 볼것이냐와 같은 운명을 마주하게될것이다.

음성우선장치 시장에서의 고객경험

가트너의 향후 10대 예측에 의하면, 2020년까지 화면 없는 장치가 30%에 달할 것 이라고 한다. 이는 구글이나 페이스북 같은 디지털마케팅의 광고수입을 향유하는 업체들에게 광고속성 측면에서 시사점을 준다. 이는 개인의 단일 utterance(발언)에 대응하는 단일 광고로 대응해야 한다는 점에서 광고 inventory 의 막대한 부담을 갖게 되고 아울러 과거 이력에 근거한 능동적 추천이 되어야 한다는 점에서 무엇보다도 Amazon 과 같은 장치제공업체에게 종속적이다. 즉 기존 디지털마케팅 플레이어입장에서 ROI 를 생각하게 한다.

둘쨰는 좀더 심대한 영향인데, 집안에 설치된 AI 스피커를 통해서 반복적으로 구매하는 예컨데, 기저귀, 분유, 쌀, 책…완구…패션 등의 반복구매가 어느 정도 익숙해지면, 이는 경쟁사의 입장에서 볼 때, 엄청난 진입장벽으로 작용할 것이 뻔하다. 소위 conversational commerce 시대의 도래인데, 고객경험입장에서 Amazon 이 국내의 배송업체와 손잡고 Amazon 의 buy-box (아마존 사이트의 물품 추천화면) 나 dash button (원스톱결재) 같은 소위 premium subscription 계약을 통하여 아주 최저가는 아니더라도 어느 정도 경쟁력 있는 가격조건을 제공하고, Alex 에다 대고 손쉽게 “클리넥스 휴지 2통, 하기스 기저귀 1박스” 라고 주문하면 그 고객의 이전 구매이력 학습을 통해 주소, 금액, 주문처 등을 말할 필요 없이 알아서 디지털 ‘Pay’ 를 통해 결재하고 문앞까지 배달하는 것이 가능해진다고 생각해보자.

이는 삼성페이나 네이버페이와 같은 간편결제를 통해 소비자가 지불에 대해 점점 대수로운 일이 아닌 걸로 되는 지불 메커니즘의 진화단계(카네기멜론대 조지 로웬스타인교수)일뿐만 아니라, commerce 입장에서 보면, 이전의 단위 트랜잭션으로 처리하던 ‘거래’가, 고객의 평생고객가치(lifetime value) 를 지향하는 ‘관계’ 로의 변화로 즉, 서비스화(servitization) 하는 것을 뜻하게 된다.  

이는 공급업자 측면에서 아주 수익성이 좋은(lucrative) 비즈니스 모델인데, 자동차 한대를 파는 것보다 그 고객의 평생 자동차와 관련된 모든 가치 요소, 즉 정비, 중고차거래, 보험, 소모품교환, 렌탈, 자동차담보대출 등의 매출을 오롯이 향유하게 됨을 뜻한다. 더욱이 고객이 꽃 배달이나 기저귀 주문 등에 관련되는 공급업체들을 AI 스피커에게 일임하기 시작하면, 경쟁사 입장에선, 아니 그보다 디지털 마케팅 공급업체 측면에선, AI 스피커가 분명히 gate keeper 로 인식될 것이고 연구하고 싶은 상전으로 보이기 시작할 지도 모른다. 일전에 방송에서 Amazaon Alexa 에 인형을 주문한 뉴스 내용을 듣고 실제로 Alex 가 해당 인형을 주문한 해외 뉴스가 화제가 된 적이 있다. 이를 방지하기 위해, Google Home 같은 경우는 100$이 넘는 주문은 쇼핑 리스트에 넣어 나중에 검토하고 주문하도록 하고 있다 – 고객경험측면에서 대화형주문이 별도의 저항없이 성장할지 지켜볼 일이다.

아래의 비디오는 세계에서 가장 큰 사무용품 유통업체인 Staples 가 어떻게 음성우선장치를 도입하여 B2B 시장에서 고객들의 사무용품구매를 손쉽게 자동 주문하도록 하였는지를 보여준다.

디지털 마케팅의 시사점

  일반적으로 디지털 어낼리틱스를 하는 목표는 5가지 측정 요소를 보통 얘기한다. 1) E-commerce 를 통한 제품판매 결과 측정, 2) 가망고객판별을 위한 Lead 생성, 3) 광고노출을 통한 컨텐츠 제공, 4) 온라인정보제공을 통한 소비자 정보취득 지원, 그리고 5) 브랜드 노출을 통한 충성도 제고이다.

  AI 비서(virtual assistant) 측면에서 보면 어떨까? 보는 사람에 따라 여러 다른 시각이 있겠지만, 필자가 보기엔 그림과 같은 차이가 있어 보인다. 1) 제품판매 -> 고객평생가치 서비스화, 2) 가망고객판별 -> 고객 Persona 정교화, 3) 컨텐츠 제공은 앞에서 언급한 바와 같이, 문맥에 맞는 자연스런 offer 가 되어야 한다는 점에서 극히 수동적일 수 밖에 없어 보이고, 4) 온라인 정보 역시 주인님의 성향에 따라 수동적일 수 있다. 5) 브랜드 제고라는 측면에서도 AI 비서가 공급업체를 선별하는 상태에 다다르면, 어떻게 AI 비서가 찾는 업체 리스트의 최 상단에 위치시킬지 연구가 일어날지… 글쎄다… 쉽지 않은 얘기다.

 한글 챗봇 도입 기획 시점에 고려할 점

대화형 어시스턴트(챗봇) 의 도입을 통해 서비스를 계획하고 계시는 분들을 위해 몇 가지 고려할 점을 짚어보려고 한다. BOT 은 특정업무를 자동화하도록 설계된 일련의 SW 를 의미한다. 예를 들어 세무서 웹사이트에 세무계산 BOT 이 있다고 하면, BOT 이 요구하는 내용에 따라 관련내용을 입력함으로써 자동으로 필요한 세금 계산을 도와준다. 반면, 챗봇은 이에 추가해서 인공지능을 사용하여 대화에서 사람을 흉내내는 BOT 이다. “대화에서 사람을 흉내내는” 이라는 문구에 주목할 필요가 있는데, 이는 이 부분이 인공지능의 최첨단 기술이 필요한, 특히 한글에서 쉽지 않은 부분이기 때문에 그러하다.

이러한 챗봇을 인공지능 입장에서 보면 흐름은 다음과 같다. 우선 사람이 말로 하는 대화는 인공지능 입장에서는 알아듣지 못한다. 사람의 대화는 speech to text 라는 SW 를 통해 일단 문자로 바꾸어야 한다.  그리고 이렇게 바뀐 문자열 대화는 구성된 대화(문장)들이 어떠한 내용인지를 판별하기 위해 자연어처리(Natural Language Processing) 라는 과정을 거친다.

필자가 아주 오래 전에 자연어처리를 위해 사용한 방식은 규칙기반의 형태소분석이라면, 최근의 신경망기반의 머신러닝 자연어처리는 문장 각각의 음소, 단어, 어휘 단위의 벡터를 만들어 이를 문장 단위별로, 중심 어휘를 중심으로 전과 후에 올 단어나 어휘가 올 확률을 계산하여 처리하는 방식이라서 당연히 상당한 양의 샘플 문장들을 훈련시키고 테스트해봐야 하는 과정이 남아있는 것이어서, 테스트 데이터의 확보와 학습을 위한 훈련에 많은 준비가 필요하다. 후발주자 입장에서는, 어쩌면 일단 개통해서 사용자가 데이터를 제공하게 함으로써 이러한 일반화의 문제를 해결해야 하는 문제에 봉착할지도 모른다.

그림에서 보듯이, 은행 챗봇에다가 “패스워드 리셋을 어떻게?”라고 얘기하면, 스마트폰 상의 은행 메시지 App 에서 돌아가는 챗봇은 연결된 API (어플리케이션 SW 프로그램 인터페이스)를 통해 아마도 어딘가의 데이터센터에 있는 클라우드의 Speech to text 알고리즘 SW 을 돌려서 대화 내용을 문자로 바꾸어서 그 다음 NLP 단계로 넘길 것이다.

  NLP(자연어처리) 부분에서는, 해석된 대화 구문에서 intent(의도) 와 entity(개체)를 사전 설정된 학습에 의거해서 분리해낸다. 컴퓨터 입장에서는 계속해서 들어오는 대화의 문자열이 무슨 내용인지 알기가 어렵다. 그래서 먼저 intent(의도)가 뭔지를 판별할 어휘가 필요하다. 아울러 그러한 의도와 함께 관련되는 개체를 통해 전체 문맥을 해석한다. 이를 기반으로 그 다음 대화를 이어갈 수 있다. 무슨 이야기냐 하면, 챗봇입장에서 대화 문장을 컴퓨터가 읽을 수 있는 디지털 숫자로 변환했다고 해도 이게 도통 무슨 뜻인지 모른다. 사람이 미리 어떤 어휘(챗봇 입장에서는 어떤 숫자)가 어떤 intent(의도)이고 어떤 entity(개체) 인지를 사전 학습시켜놔야 한다는 뜻이다.

그림에서 보듯이, “Will I need an umbrella in Tokyo tomorrow?” 라는 대화가 입력되었을 때, 사전에 이와 유사한 유형의 대화를 학습한 결과에 따라 이 대화가 ‘날씨예보’와 관련된 의도(intent)가 있음을 감지한다. 그리고 Tokyo 는 도시 entity(개체), tomorrow 는 날짜 entity(개체) 임을 자동 인식한다. 보통 업체에서 챗봇을 출시할 때, 용도에 따라 (Amazon 에서는 이를 Skill 이라고 부른다) 일자, 요일, 도시등의 기본적 개체나 함수(내장 함수나 개체라고 함)를 설정해서 출시하는데, 사용자가 특정 도메인의 업무에 사용하기 위해서는 이러한 내장 설정만으로는 부족함으로 훈련을 통한 학습이 필요하다. 그림에 나타난 confidence level 은 챗봇이 봤을 때 “날씨예보” 라는 intent(의도) 일 확률이 0.87 즉 87% 예상한다는 것이다.

그 다음 흐름은, 그림에서 보듯이, 이러한 의도와 개체를 가지고 실제 데이터베이스를 접속해서 패스워드 리셋을 수행하는 것이다.

 일하는 방식의 변화: 민첩한 탐험적 프로토타입 접근법

일련의 대화를 통해 날씨, 도착하는 버스시간, 영화추천 등의 일상사를 활용하는 정도로는 고객의 assistant 의 지속 사용을 담보하기 어려워 보인다. 시장이 개화하려면, 인간처럼 자연스러운 대화를 통해 필요한 모든 정보와 주문 등을 즉시 처리할 수 있는 소위 "conversational commerce" 환경이 소비자의 persona 에 맞게 지원되어야 하지 않을까 생각된다.

  만약 여러분들이 직접 고객 서비스로 intelligent assistant 를 구축하려면, 먼저 플랫폼을 선정하고 (Alexa, Google Assistant, Naver Clova, Samsung Bixby, MS 메시지 플랫폼, facebook M 등등) 이런 업체에서 제공하는 API 를 이용해서 의도와 개체 등을 등록하고 훈련해보는 과정이 필요할 것이다. 대부분의 업체에서 크게 코딩이 필요하지 않아도 진행할 수 있도록 관련 내용들을 지원하고 있어서 관심만 가진다면 어렵지 않게 시작할 수도 있을것같다.

  많은 업체들이 플랫폼의 주도권을 위해서 API 나 관련 소스등을 공개하고 있어서, 기존 기술팀도 조금만 노력을 기울이면 쉽게 적용할 수 있다고 생각한다. 다만, 이 시장이 아직 초기 단계이고 기술 도입에 대한 적응과 훈련 데이터의 준비 및 테스팅에 시간이 소요되는 불확실성이 상존하는 점을 감안하면, 린스타트업 방식의 탐험적 실험정신으로 접근하는 것은 어떨까 싶다. 

  완벽한 완성품을 단숨에 만든다고 시도하기 보다는, 고객을 중심으로 문제를 해결하려는 디자인싱킹 중심의 아이디어로, 소규모의 복수학제 팀 예컨데, UI, SW 개발자, 산업전문가, 디지털마케팅 전문가등이 한 팀이 되어 고객의 문제점 해결책을 논의하고, 즉석에서 MVP (Most Viable Product) 프로토타입을 만들어보는 등의 민첩한 개발 방법을 시도하는 것 말이다. 이를 통해 사용자는 어떻게 가치를 느낄지를 살펴보고 피드백에 근거해서 다시 개선의 피드백 루프로 순환되는 - 일하는 방식의 변화를 가져보는 것도 필요해보인다. <끝>