항공사 마일리지에 머신러닝 접목’ 버진 오스트레일리아 이야기

버진이 데이터 트랜스포메이션 프로그램을 시작한 지는 12개월이 조금 넘었다. 더욱 광범위한 전사적 디지털 변신 프로그램과 함께 진행 중이다. 강조점은 2가지다. 하나는 개인화되고 의미 있게 포인트 현금화 제도를 개선함으로써 벨로시티 충성 고객 회원 전원의 고객경험을 향상하는 것이고, 다른 하나는 어떤 의사소통 및 디지털 작업이 이 작업을 지원하고 있는지 이해하고 판단하는 팀의 능력을 향상하는 것이다.

이러한 정비 작업의 일환으로 데이터 분석팀은 데이터로봇(DataRobot)의 머신러닝 플랫폼을 도입해 예측 모델링 능력 강화에 나섰다. 버진 오스트레일리아(Virgin Australia)의 데이터 분석 부문인 토크 데이터(Torque Data)의 총책임자 올리버 리스는 <CMO>와의 인터뷰에서, 그룹의 머신러닝 적용 목적은 데이터 분석과 모델링 운영의 정확성과 속도를 높여 개인화된 고객경험을 제공하는 것이라고 밝혔다.

그는 다음과 같이 말을 이었다. “디지털 환경에서 고객이 제공하는 정보에 훨씬 더 빨리 대응하기 위함이다. 옛날에는 직접 우편발송을 하거나 인쇄매체에 광고를 싣고 나서 반응을 기다리곤 했다. 몇 주 지난 후에 분석해서 어떤 점이 효과가 있는지 알아낸 다음 다시 발송하는 작업을 반복했다. 지금은 이러한 일련의 과정이 1초도 안 걸린다. 몇 초 만에 분석을 실행하기 위한 절차와 기능을 구축할 수 있어야 한다. 그러한 작업을 지금 하고 있다.”

버진은 관련성과 개인화를 목표로 하고 있다. 리스는 “개인화된 서비스 제공에 능숙해질수록 회원들과의 참여를 더 깊이 있게 추진할 수 있다”고 전했다.

“그러나 현재 서비스 제공과 아웃바운드 및 인바운드 마케팅이 가능한 도구들 때문에 제공 서비스의 복잡성은 기하급수적으로 늘어나고 있다. 충성 고객 프로그램에 400명의 파트너가 있는데 누군가에게 가장 의미 있는 서비스가 무엇인지 판단하는 것은 매우 중요하다”고 리스는 이야기했다.

규칙 기반의 환경에서 데이터 분석팀은 3명의 자녀가 있고 맨리(Manly)에 거주하는 35세 고객이 피지(Fiji) 여행에 관심 있을 가능성이 높다는 식의 규칙을 작성할 수 있다.

리스는 “그러면 콘텐츠와 서비스를 제공할 수 있게 된다. 누군가가 피지에서 보내는 휴가에 관심이 있음을 인지하기 때문이다. 해당 고객이 휴가를 갔다 오는 즉시 다음 것은 무엇인지 알아내야 한다. 이 과정은 매우 빠르게 진행된다. 그들이 관심을 두는 다른 경험은 무엇인지, 해당 고객에게 신용카드나 보험이 있는지 등을 추가하면 가능한 경우의 수 조합은 빠르게 늘어난다. 그 최초의 규칙은 직접 작성할 수 있지만 나머지를 구축하려면 엔진이 필요하며 이때 머신러닝을 활용하는 것이 적절하다”고 설명했다.

그는 “회원 전원에게 차선 조치를 최대한 실시간에 가깝게 제공하는 것”이라고 전했다.
 

리스에 따르면, 숫자 입력 방식의 구식 도구나 기존 인프라 환경은 부적합하거나 버진팀의 실행 속도를 받쳐주지 못했다.

“우리는 훨씬 빠른 속도로 더 많은 데이터를 이용해 작업하고 있다. 즉, 회원들에게 더 나은 결과를 제공한다는 뜻이다. 우리가 가진 가장 귀중한 자산을 낭비하지 않고 있다. 그것은 바로 회원들의 시간이다.”

버진은 대부분 거래 데이터의 조합과 토크로 개발한 일련의 맞춤형 분할 변수를 이용해 포인트 현금화 모델을 추진하고 있다. 기여 모델에는 매체 및 대응 변수 등 전통적인 활동 추진 요인과 비전통적인 활동 추진 요인에 모두 관련된 추가 입력 내용이 포함되어 있다.

리스는 “이메일이든 아웃바운드이든 기타 채널이든 고객에게 의미 있는 것을 제공함으로써 그들이 시간이 허비되지 않게 해야 한다”고 강조했다. 이어서 “누군가가 관심이 있는지를 확인할 때마다 그 사실을 지속적인 학습 과정에 활용해서 해당 대응을 추가 변수로 포함해야 한다. 전반적으로 머신러닝은 우리가 그러한 방향으로 가는 데 도움을 준다”고 전했다.

사람의 힘
모든 기술적 변화에는 문화적 고뇌가 따르기 마련이다. 리스는 버진에서의 변신 프로그램은 기술보다는 사람에 먼저 중점을 두어야 했다고 말했다.

그는 “각 팀이 구식 기술을 사용하는 데 익숙하다. 그렇다면 우리가 모두 환경에 안주할 수 있는 여정에 그들을 어떻게 데려갈까? 이는 마치 수동 차량에서 자동 차량으로 바꾸는 것과 같다. 20년 전에 만일 경주용 차량 운전자에게 자동 차량을 몰겠냐고 물어보면 절대 안 한다고 했을 것이다”고 설명하며 다음과 같이 말을 이었다.

“그렇다. 기술 투자가 이뤄지고 있고 우리는 그러한 과정 중에 있다. 중대한 디지털 변혁을 거치고 있는 것이다. 그러한 과정의 일환으로 AI를 통합하고 있다. 그러나 진짜는 이 데이터 트랜스포메이션 과정이다. 그러려면 사람들과 분석가들이 모인 각 팀에서 새로운 도구를 적용해야 할 뿐만 아니라 다른 여러 방식으로 작업해야 한다.”

리스는 직원들이 자동화된 신기술을 수용하게 하려면 통솔력과 세심함이 필요하다고 강조했다.

그는 “거기에 마법이 있다. 그것이 리더 역할이다. 사람들이 위협받는다는 느낌이 들지 않게 하는 것이다. 그들의 자리를 로봇으로 대체하자는 것이 아니다. 사람들의 효율성을 높이고 기술과의 협업을 통해 더 나은 결과를 얻자는 것이다. 그러한 점을 소통하는 것이 중요하다”고 이야기했다.

리스에 따르면 프로그램의 성패가 달린 견해는 AI가 사람들의 권한과 참여도를 높여 준다는 것이며, 이렇게 하면 성공할 확률이 더 높아진다.

머신러닝은 개념 증명으로 시작했다. 버진 분석팀은 더욱 빠르고 효과적으로 일할 수 있고 예전에는 할 수 없었던 작업도 수행 가능하다는 것이 입증되었다. 거기서부터 통합 작업으로 이어졌다. 이를 통해 리스는 전사적으로 ‘시민 데이터 과학자’의 새시대가 열리기를 희망했다.

리스는 “이 데이터 트랜스포메이션 여정이 의미하는 것은 회원들에게 더 좋은 결과를 내기 위한 데이터 사용 방식에 관한 전 직원의 인지도가 높아졌다는 것이다”고 강조했다. 의사 결정을 위한 데이터 사용과 모델링에 더욱 편안함을 느끼는 시민 데이터 과학자를 전사적으로 더 많이 배출하기 위한 가교 역할을 하고 있다. 궁극적으로 리스는 모델링이 엑셀만큼이나 널리 쓰이도록 만들고 싶어 한다.

“마케팅은 마케팅 부서에만 맡겨 두기에는 너무 중요하다는 말이 있다. 데이터 역시 분석가들에게만 맡겨 두기에는 너무 중요하다. 데이터는 전사적으로 풍부해야 하며 더 나은 결과를 내는 데 쓰여야 한다”고 리스는 이야기했다.

현재까지의 성과
버진의 머신러닝은 포인트 현금화 분야에서 시작했다. 어떻게 하면 회원들이 프로그램에서 더 많은 혜택을 받을 수 있도록 더욱 의미 있는 포인트 현금화 서비스를 제공할까 하는 고민에서 시작한 것이다. 두 번째 분야는 어떤 것이 효과적이고 어떤 것이 효과적이지 않은지 확인할 수 있기 위해 어떻게 전사적으로 더욱 강력한 기여 모델을 추진할 것인가 하는 것이었다.

“사람들이 각자에게 의미 있는 분야에서 포인트를 현금화할 수 있도록 보다 표적화된 서비스를 제공하는 것이 목적이다. 그것이 프로그램의 핵심이자 차별화된 점이다. 사람들을 위한 훌륭한 포인트 현금화 기회를 제공하는 것이다. 따라서 우리는 그 분야에서 더욱 강력해지기 위해 분석을 적용한다”고 리스는 설명했다.

리스는 “데이터 트랜스포메이션은 종착지 없는 여정”이라며 “우리는 스스로 진로를 개척하고 있다. 끊임없는 개선이 목표다”고 덧붙였다.

지금까지 버진 분석팀은 예측 모델링을 예전보다 10배 빠른 속도로 수행할 수 있다는 것을 증명해 왔다. 모델 역시 약 10% 증가했다.

“우리는 10% 개선되었고 10배 빠른 속도로 관찰하고 있으며 예전에 하지 못했던 일을 하고 있다”고 리스는 말했다. 즉, 버진이 제공하는 것의 효과가 유지 및 개선되고 있으며 더 빠르게 처리되고 있다는 의미다. 그는 “우리가 정말로 성과에 기여할 수 있다. 엄청난 양의 데이터를 채굴해 어디에 황금이 묻혀 있는지 알아내는 작업이다. 머신러닝 덕분에 보다 광범위한 데이터를 모델링에 도입하여 금덩이를 찾아낼 수 있었다”고 강조했다.

이어서 그는 “훨씬 많은 데이터가 있다. 보다 많은 양의 데이터로 작업하고 있으며 영향의 출처가 어디인지를 좀더 깊이 이해할 수 있다”고 덧붙였다. dl-ciokorea@foundryco.com