동네 식당이나 온라인 쇼핑몰을 운영할 때 단골을 늘리기 위해 흔히 사용하는 방법이 바로 할인 쿠폰 지급이다. 하지만 모든 고객에게 무작정 쿠폰을 뿌리는 것은 오히려 독이 될 수 있다. 쿠폰이 없어도 어차피 물건을 샀을 고객에게까지 할인을 제공하여 아까운 수익을 깎아 먹기 때문이다.

반대로 쿠폰을 주지 않으면 절대 지갑을 열지 않을 고객도 있다. 한정된 예산 안에서 마케팅 비용의 낭비를 막으려면 바로 이 후자의 고객들을 정확히 찾아내야 한다.

이러한 고민을 해결해 주는 데이터 분석 기법이 바로 인과추론과 업리프트 모델링이다. 과거의 머신러닝이 단순히 이 고객이 물건을 살까 안 살까를 예측했다면, 인과추론은 쿠폰이라는 원인이 구매라는 결과에 얼마나 직접적인 영향을 미쳤는지를 따져보는 통계 기술이다.

업리프트 모델링은 이 인과추론을 바탕으로 전체 고객을 네 가지 그룹으로 나눈다. 첫 번째는 쿠폰과 상관없이 무조건 구매할 고객, 두 번째는 쿠폰을 줘도 절대 구매하지 않을 고객, 세 번째는 쿠폰을 주면 오히려 귀찮아하며 이탈할 고객, 그리고 마지막 네 번째가 바로 쿠폰을 받아야만 구매를 결정할 설득 가능한 고객이다.

사장님이 집중해야 할 대상은 오직 이 네 번째 그룹이다. 알고리즘은 고객들의 과거 구매 패턴, 장바구니에 담은 물건, 웹사이트 접속 빈도 등 다양한 데이터를 분석하여 누가 이 설득 가능한 그룹에 속하는지 족집게처럼 찾아낸다. 이들에게만 선별적으로 쿠폰을 발송하면, 불필요한 마케팅 비용은 대폭 줄이면서도 전체 매출은 극대화할 수 있다. 직감에 의존하던 막연한 행사가 아니라, 원인과 결과를 분석하는 꼼꼼한 데이터 과학이 우리 가게의 든든한 영업 부장 역할을 해내는 것이다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]