Generative AI’s Potential to Improve Customer Experience
생성형 AI에 대한 고객 인식과 기대
베인앤컴퍼니가 미국 온라인 쇼핑객 700여 명을 대상으로 실시한 조사에 따르면, 약 절반의 소비자들이 생성형 AI의 잠재력을 긍정적으로 평가했다. 그러나 71%의 응답자는 온라인 쇼핑 중 생성형 AI를 사용한 경험을 인지하지 못했다고 답했다. 이는 대부분의 소비자가 이미 AI 기술이 적용된 리테일러에서 쇼핑을 했음에도 이를 인식하지 못하고 있음을 보여준다.
첫 번째 원칙: 기존 쇼핑 습관의 보완과 전략적 접근
소비자들이 생성형 AI 도구를 사용하지 않는 주요 이유는 현재 쇼핑 방식에 만족하기 때문이다. 실제로 대화형 쇼핑 도우미 제품 시연에서 소비자들은 기존 검색 방식과 새로운 생성형 AI 도구의 차이점을 명확히 인식하지 못했다.
이에 따른 전략적 시사점으로는 현재의 쇼핑 흐름을 보완하는 방식으로 생성형 AI를 활용해야 한다는 점이 제시됐다. 또한 소비자들은 과거의 부정적 경험으로 인해 챗봇에 회의적이지만, 생성형 AI 인터페이스의 우수한 대화 능력을 경험한 후에는 개선된 리테일 채팅 경험을 기대하는 것으로 나타났다. 아울러 소비자들이 일상적인 쇼핑 흐름을 찾을 수 있도록 실험과 제약사항을 명확히 표시해야 한다는 점도 강조됐다.
두 번째 원칙: 심리스한 AI 통합
챗지피티(ChatGPT)와 같은 대화형 도구가 대중의 관심을 끌고 있지만, 구매 여정 전반에 걸쳐 반응형, 수동형, 선제형 등 다양한 유형의 상호작용이 필요하다. AI가 생성한 상품 리뷰 요약은 시간을 절약하면서도 개별 리뷰를 읽을 수 있게 해준다는 점에서 높은 평가를 받았다.
이러한 맥락에서 구매 과정의 각 순간에 가장 유용한 상호작용 유형을 파악하고 활용하는 것이 중요하다. 또한 기존 플랫폼과 경험에 생성형 AI를 자연스럽게 통합하고, 자연어 검색과 필터링 같은 기능으로 구매 소요 시간을 단축하는 방안을 고려해야 한다.
세 번째 원칙: 고객 데이터 가치 교환의 재정립
소비자들은 생성형 AI의 개인화 잠재력을 이해하고 있으며, 개인화된 추천을 받기 위해 데이터를 제공할 의향이 높다. 예를 들어, Etsy Gift mode는 선물 아이디어 탐색을 돕고 제품을 큐레이팅하며 카테고리를 생성해 재미있고 개인화된 경험을 제공한다.
전략적 관점에서 행동 데이터를 특정 제품 추천을 넘어 활용하고, 고객이 데이터 공유를 통제할 수 있는 피드백 시스템을 구축하는 것이 필요하다.
네 번째 원칙: 데이터 출처와 활용의 투명성
41%의 고객이 신뢰하는 브랜드의 생성형 AI 도구를 사용할 의향이 있다고 답했다. 명백한 오류(57%)와 부정확한 제품 정보(56%)는 사용자 경험에 가장 부정적인 영향을 미치는 요소로 지적됐다.
이를 해결하기 위해서는 데이터 사용과 보호에 대한 명확한 정책을 수립하고, 고객 기대를 충족시키기 위한 신속한 테스트와 학습이 필요하다. 또한 원치 않는 콘텐츠를 표시하고 제거할 수 있는 피드백 시스템을 구축해야 한다.
다섯 번째 원칙: 고객 서비스의 재창조
생성형 AI는 쇼핑 여정의 이전과 이후에 있는 더 어려운 부분들을 해결할 수 있다. 특히 고객 서비스 지원과 배송 반품 조정 분야에서 개선 가능성이 크다. 고급 음성-텍스트 기능을 통해 덜 명확한 화자의 복잡한 입력도 분석할 수 있어 접근성이 향상된다.
이러한 맥락에서 생성형 AI를 통해 자연스럽고 도움이 되는 방식의 고객 관계를 구축할 수 있으며, 홈 인테리어 매장의 인테리어 전문가나 홈센터의 관개 전문가와 같은 전문적인 자문 서비스를 온라인으로 제공할 수 있게 됐다.
리테일러들은 기술을 위한 문제 해결이 아닌, 고객의 니즈를 해결하기 위해 생성형 AI를 활용해야 한다.
기사에 인용된 리포트의 원문은 링크에서 확인할 수 있다.
기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
