AI 솔루션을 활용하여 소비자의 시선을 사로잡는 방법

상품 진열의 미흡함은 판매 손실의 25%를 차지하는 주된 요인이라는 점을 알고 계신가요? 이제 기존의 소매 실행(Retail Execution) 솔루션을 재고해 볼 때입니다.

마진이 이전보다 더 타이트해진 상황에서, 매장 내 상품의 디스플레이와 프로모션은 수익성 있는 성장을 달성하는 데 그 어느 때보다 더 중요해졌습니다. 그러나 실제로 소비재 산업은 매년 2,000억 달러를 매장 내 제품 홍보를 위해 지출하지만, 부실한 소매 실행 전략으로 인해 소비자의 관심을 끌어내지 못하는 경우가 많습니다.

매장 내 마케팅 계획의 38%가 부정확하게 실행되며 CG 의사결정권자(CG decision-maker) 중 36%가 매장 내 상품 진열을 주요 기회로 여깁니다. 대규모 데이터를 인공지능을 활용함으로써 이러한 올바른 상품 진열을 통한 기회를 잡아보세요.

이미 공급 및 수요를 예측하기 위해 예측 AI를 사용하고 있습니다. 예측 AI는 특정 작업을 수행하기 위해 프로그래밍 되며, 정보를 분석하여 데이터를 분류하거나 결과를 예측합니다. 다른 한편으로 생성형 AI는 탐색 능력을 가지고 있어 예측형 AI에서 얻은 예측 결과를 포함한 데이터를 바탕으로 새로운 콘텐츠를 생성할 수 있습니다. 이 새로운 콘텐츠에는 제품 사진, 평면도, 원자재 목록, 프로모션 문구 등이 포함될 수 있습니다.

예를 들어, 예측형 AI는 올해 각 매장의 현장 담당자가 얼마나 많은 상품을 주문해야 하는지 알려줄 수 있습니다. 한편, 생성형 AI는 어떤 브랜드와 모델을 주문하는 것이 가장 좋은지를 추천하며, 각 특정 매장에 몇 개가 필요한지를 명시하고, 이후에는 매장 내에서 그 상품을 보관할 엔드캡 디스플레이를 디자인할 수 있습니다.

신뢰할 수 있는 과거 데이터 및 실시간 데이터와 함께 예측 및 생성형 인공지능을 사용함으로써 제품을 효과적으로 진열대에 올려 놓고 판매량을 증대시킬 수 있습니다. 현장 담당자들의 업무는 더 쉬워집니다. 다음은 인공지능이 소매 실행의 세 가지 주요 영역에서 어떻게 도움이 될 수 있는지에 대한 내용입니다.

할로윈에 호박 모양 사탕이 부족한 것보다 더 무서운 것이 무엇일까요? 지속적으로 발생하는 제품이 품절되거나 배송이 지연되는 것과 같은 재고 관련 문제입니다. CG 리더들에게 제품의 재고를 유지시키는 것은 지속적인 과제입니다. 연구에 따르면, 리더의 52%가 재고에 대한 더 나은 가시성을 원합니다. AI 기반의 소매 실행 솔루션은 이를 돕는 역할을 할 수 있습니다.

창고에서 매장으로 원활한 상품 유입을 유지하는 것은 간단한 일처럼 보일 수 있지만 제품들이 가장 필요한 시간과 장소에 제때 제공되지 못할 수도 있습니다. 이때 예측형 AI가 도움이 될 수 있습니다. 과거 데이터, 시장 동향 및 계절 상품 수요, 프로모션과 같은 다른 변수들을 분석하여, 매장별 또는 지역별로 더 정확한 수요를 예측하고 계산할 수 있습니다. 수요에 대한 더 나은 이해를 통해 재고 수준을 최적화하고 더 많은 판매를 도모할 수 있습니다.

인공지능은 각 매장의 재고 수준을 모니터링하며, 만료일이나 오래된 프로모션과 같은 요소들을 고려합니다. 과거 데이터와 현재 재고 수준을 기반으로, 제품을 교체하거나 보충해야 할 때 자동으로 현장 담당자들에게 알림을 보내며, 제거해야 할 제품들과 권장하는 대체 제품들에 대한 상세 체크리스트를 제공합니다. 이러한 권장 사항은 리드 타임, 제품 가용성, 공급업체 재고와 같은 정보를 고려하여 자동 주문 및 배송 일정을 설정할 수 있습니다. 현장 담당자들은 매장 방문을 예약하지 않고도 즉각적인 조치를 취할 수 있으므로 시간과 노력을 절약할 수 있습니다. 이는 현장 담당자와 소매업체 양측 모두의 시간과 노력을 절약할 수 있게 해줍니다.

혹시 설날에 떡국을 만들기 위해 떡을 사러 마트에 갔다가 장보기 리스트에는 적지도 않았던 설날 선물세트를 사왔던 적이 있나요? 그것이 뛰어난 소매 실행 솔루션의 힘입니다. 효과적인 상품 진열은 소비자의 지출을 늘리고 소매업체를 행복하게 합니다. 예를 들어 식료품 점에서 제품을 엔드캡에 진열하면 노출이 93% 증가합니다. 식료품 매장에서의 구매 중 62%가 충동적인 구매이기 때문에 많은 노출은 보다 큰 효과를 발휘합니다.

특히, 제한된 시간 동안 소비자의 관심을 끌어야 하는 계절 행사에서 이는 더 중요합니다. 생성형 AI는 소비자의 행동, 제품 성과 및 판매 패턴을 분석하여 소비자의 관심을 끌 수 있는 내용을 이해하는 데 도움을 줄 수 있습니다. 그런 다음 해당 데이터를 기반으로 매장 내 프로모션 자료의 레이아웃을 생성할 수 있습니다. 이러한 제안은 MD 팀 및 마케팅 팀이 자료를 조사하고 및 상품 진열에 대한 초안을 작성하는 시간을 절약하는데 도움이 될 수 있습니다.

고객의 유입, 가시성 및 교차 판매 기회와 같은 요소를 고려하여, AI는 더 많은 고객을 유입시키고 판매를 증가시키는 제품의 진열을 제안할 수 있습니다. 또한 성공적인 디스플레이, 최적의 디자인 원칙 및 고객 선호도를 분석하여 색상 조합, 진열대 구성 및 폰트를 권장하여 디자인 팀이 선도적인 역할을 할 수 있게 도와줍니다. 이렇게 하면 디자이너들은 더 전략적이고 창의적인 의사 결정에 집중할 수 있습니다.

아직 어떤 디자인이 가장 좋은지 확신이 서지 않나요? 생성형 AI는 디스플레이가 참여율, 판매 및 전환율에 어떤 영향을 미치는지 확인하기 위해 가상 매장 환경을 생성하여 A/B 테스트 설계를 지원할 수 있습니다.

하지만 AI를 사용하더라도 현장 담당자와 소통을 유지할 수 있어야 합니다. 궁극적으로 현장 담당자들은 매장 내에서 여러 제품과 경쟁 상품을 평가하고 매장 통로에서 일어나는 상황을 공유하는 역할을 하기 때문에 최종 진열 결정에 대한 그들의 의견은 매우 중요합니다. 하지만 현장 담당자들의 전문성을 인공지능을 통해 강화할 수 있다면 장기적으로 고객에게 제품을 인식시키고 판매를 증가시키는 것에 도움이 됩니다.

디스플레이가 설치되면, 실시간 데이터를 활용하여 현장 담당자들이 제품 구성과 디스플레이에 대한 전략적인 결정을 내릴 수 있도록 인공지능을 활용할 수 있습니다. 담당자들에게 중요한 것은 올바른 제품을 적절한 시기에 매장에 공급하는 것입니다. 이는 때때로 단순하게 과거 판매 데이터를 분석하는 것 이상의 의미를 갖습니다. 적절한 시기에 올바른 제품을 매장에 공급하는 것은 판매에 영향을 미칠 수 있는 지역 행사, 날씨 및 지역의 선호도를 고려하여 판매되는 지역을 이해하는 것을 의미합니다.

지역별 상황을 고려하면서 시장 동향을 분석하기 위해 예측 AI와 생성형 AI를 활용해보세요. 예를 들어, 밀워키의 고등학교 축구팀이 위스콘신 주의 주선수권 경기에 진출한 경우, 도시 주변의 매장에서 학교 상징 색깔의 비니와 패딩 점퍼에 대한 수요가 더 커질 수 있습니다. 반대로 팀이 폭염 기간 동안 텍사스에서 전국 챔피언십 경기를 한다면, 동일한 매장에서는 텍사스에 경기를 보러 갈 계획을 가지고 있는 위스콘신 주민들을 위한 야구 모자와 티셔츠에 대한 수요가 늘어날 수 있습니다. 소비자 수요와 지역적 차이를 분석함으로써 인공지능은 최적의 제품 구성을 권장하며, 수요 예측, 재고 관리 및 보충 전략을 자동으로 업데이트할 수 있습니다.

게다가, AI는 판매 데이터와 매장 배치, 제품 수익률 및 소비자 행동을 기반으로 제품의 진열대 공간 할당을 제안할 수 있습니다. 이로써 가시성을 향상시키고 판매 성과를 개선하며 소매업자와 소비자들을 만족시킬 수 있습니다. 생성형 AI는 최종 진열대의 모습을 시뮬레이션하여 영업 담당자들이 이를 활용하여 매장 방문을 최대한 활용할 수 있도록 도와줄 수도 있습니다. 마지막으로, 보행 트래픽 센서와 히트맵과 같은 데이터 소스를 추가하여 실시간 성과 분석을 담당자들에게 제공할 수 있습니다. 진열 방식이 소비자의 관심을 끌지 못했다면, 담당자들은 다음 매장 방문 때 이 데이터를 사용하여 진열 방식을 변경할 수 있습니다.