고객의 디지털 트윈: 마케터들에게 어떤 도움이 될 수 있는가

인공지능(AI) 및 머신러닝(ML) 시스템은 그 어느 때보다 빠르게 진화하고 있습니다. 우리는 이전에는 할 수 없었던 일을 가능하게 해주는 새로운 기술과 도구들이 많이 생겨났습니다. 예를 들어 OpenAI의 ChatGPT가 있습니다.

이러한 변화는 기술 및 IT 분야에만 국한되지 않습니다. 고객 상호작용을 예측하는 것부터 고객 여정 최적화(CJO)에 이르기까지 마케팅의 모든 것에 영향을 미치고 있습니다.

고급 분석 및 ML 모델을 사용하는 디지털 트윈 기술을 통해 마케팅 담당자들은 이제 역사적 및 실시간 고객 데이터를 사용하여 고객의 디지털 트윈(DToCs)을 생성할 수 있습니다. 정적 개체나 고객 프로필과는 달리, 이들은 실제 사용자 데이터로 지속적으로 업데이트되는 동적 아바타입니다.

이들은 개인의 과거 행동이 아닌 현재의 마음 상태를 반영합니다.

이러한 가상 아바타는 고객 행동을 시뮬레이션할 뿐만 아니라 향후 마케팅 노력에 대한 맥락과 예측을 제공합니다. 쿠키 없는 마케팅과 데이터 개인 정보 보호 규정이 증가함에 따라, DToCs는 잠재 고객을 이해하고 데이터 기반 마케팅 전략을 구현하는 훌륭한 방법입니다.

이번 기사에서는 디지털 트윈 기술의 기원, 고객의 디지털 트윈 개념에 대해 살펴보고, 모든 접점에서 개인화를 보장하는 방법에 대해 알아보겠습니다.

디지털 트윈 기술의 짧은 역사

아폴로 13 사고에 대해 들어본 적이 있습니까? 달에 착륙할 예정이었던 NASA의 우주 비행이었으나 착륙하지 못한 사건입니다. 이 기관은 디지털 트윈 기술을 사용하여 우주비행사들을 구출할 수 있었습니다.

물론, 그 당시에는 디지털 트윈이라고 불리지 않았습니다. NASA는 1960년대부터 우주 시스템을 복제하기 위해 이를 정기적으로 사용했습니다.

아폴로 13 사고가 발생할 위기에 처했을 때, NASA는 손상된 우주선의 데이터를 현장에 있는 가상 모델에 입력하여 상황을 시뮬레이션하고 최상의 결과를 내는 시나리오를 선택했습니다. 이 시나리오는 세 명의 우주비행사가 생존하는 것이었습니다. 그리고 그들은 생존했습니다.

2002년으로 거슬러 올라가면, 마이클 그리브스는 제품 수명 주기 관리의 일환으로 디지털 트윈 개념을 도입했습니다. 이 용어는 2010년에 NASA의 수석 기술자인 존 비커스에 의해 공식적으로 소개되었습니다.

IBM에 따르면, “디지털 트윈은 물리적 객체를 정확하게 반영하도록 설계된 객체 또는 시스템의 가상 표현입니다. 이 객체의 수명 주기를 포함하며, 실시간 데이터에서 업데이트되고, 의사 결정을 돕기 위해 시뮬레이션, 머신러닝 및 추론을 사용합니다.”

이는 원본 객체의 가상 복제본입니다.

디지털 트윈은 산업 4.0 기술인 자동화, 인공지능, 빅데이터 및 3D 프린팅을 통합하여 시뮬레이션을 수행하고 성능 문제를 해결하며 고객 경험을 향상시킵니다.

따라서, 디지털 트윈은 설계, 제조, 건설, 운영, 유지 보수, 건축, 의료 및 엔지니어링에서 주로 사용됩니다.

하지만 디지털 트윈을 만드는 것은 그렇게 쉽지 않습니다. 이는 주로 두 가지 이유 때문입니다: 데이터 부족 및 시스템 모니터링. 매우 세밀한 수준의 중단은 슈퍼 컴퓨팅 파워로는 아직 모니터링할 수 없습니다. 그리고 이들은 시스템 수준의 모든 것에 영향을 미치기 때문에 추적하는 것이 중요합니다.

데이터는 결코 충분하지 않습니다. 사물을 이해하려면 정확하고 방대한 양의 데이터가 필요합니다. 현재 우리가 가진 데이터는 희소하고 불완전하여 많은 추측이 필요합니다.

작동 원리? 시뮬레이션 vs 디지털 트윈

시뮬레이션은 단일 프로세스를 나타내고 현재 데이터를 사용하지 않습니다. 디지털 트윈은 시뮬레이션이 아니라, 현재 데이터를 사용하여 여러 시나리오와 프로세스를 시뮬레이션합니다. 이는 일방향 워크플로우도 아닙니다. 디지털 트윈 시스템은 정보를 수신하고 전송합니다.

그렇다면, 디지털 트윈은 어떻게 작동할까요? 이 과정은 네 가지 단계로 나눌 수 있습니다:

1. 제품/객체/사용 사례에 맞는 데이터를 수집합니다.
2. 이를 고급 수학 및 통계로 구축된 데이터 모델에 입력합니다.
3. AI와 머신러닝을 사용하여 데이터 통합을 수행합니다 – 데이터와 모델을 결합합니다.
4. 디지털 트윈과의 지속적인 정보 흐름을 유지합니다.

완료되면, 가상 모델은 예측을 도와주고 개인화된 추천을 제공합니다.

모든 것에 대한 디지털 트윈을 개발하는 것은 의미가 없습니다. 간단한 드릴 기계에 대해선 필요하지 않습니다. 디지털 트윈의 사용은 주로 물리적으로 큰 객체와 효율성을 최적화하기 위한 복잡한 프로젝트로 제한됩니다.

예를 들어, 구글 맵스는 지구의 제품 쌍둥이입니다.

또한, 다양한 유형의 디지털 트윈은 사용 수준에 따라 분류됩니다:

• 설명형 쌍둥이: 객체, 시스템 또는 물리적 자산의 설계 및 건설 데이터의 실시간, 편집 가능한 버전.
• 정보형 쌍둥이: 실시간 및 감각적(또는 운영적) 데이터로, 운영 가이드라인과 밀접하게 연관됩니다. 제품 성능 및 문제에 대한 실시간 정보를 제공합니다.
• 예측형 쌍둥이: 데이터를 활용하여 유지보수 및 기타 목적을 위한 실행 가능한 통찰력을 제공합니다.
• 종합형 쌍둥이: 데이터를 사용하여 가능한 "무엇일까" 시나리오를 시뮬레이션하고 변화나 사건의 결과를 예측합니다.
• 자율형 쌍둥이: 사용자를 대신하여 행동하며, 글로벌 변화와 도전에 대응합니다. 인간의 개입 없이 행동할 수 있습니다.

디지털 트윈은 객체가 다양한 환경에서 어떻게 작동하는지 보여주며, 제품 수명 주기를 따라 설계 및 개발부터 폐기까지 진행됩니다. 이는 제품 설계 및 의사 결정을 최적화하는 데 도움을 줌으로써 시장 출시 시간을 단축합니다.

시장성이 있는 제품을 연구하고 개발하며, 여러 프로토타입을 테스트하고, 제품 기능을 확인할 수 있습니다. 그것이 전부가 아닙니다. 제품의 수명이 다했을 때, 디지털 모델은 재활용과 같은 제품 폐기 옵션을 제안할 수 있습니다.

소매업에서의 디지털 트윈 예시

야콥린 올더슨(Jacqueline Alderson), 디지털 트윈 기술을 사용하여 축구 선수들이 무릎 부상을 피하도록 돕는 생화학자는 디지털 트윈이 “위험 없이 시나리오를 테스트할 수 있게 해준다”고 말합니다. 결국, 이는 동일한 조건을 가진 동일한 사람이나 객체의 가상 복제본이기 때문입니다.

이러한 모델은 또한 누락되었거나 얻기 어려운 정보를 추가하거나 교체하는 데 활용될 수 있습니다.

포뮬러 1 레이서들은 대회 전에 다양한 구성 요소를 테스트하기 위해 지속적으로 디지털 트윈을 사용합니다. 그들은 레이싱카에 여러 센서를 부착하고 서스펜션, 공기역학 및 승리에 도움이 될 수 있는 다른 요소들을 연구합니다.

이제 소매업에서 어떻게 작동할 수 있는지 살펴보겠습니다.

소매점은 디지털 트윈을 사용하여 매장 내 쇼핑 경험을 향상시킬 수 있습니다. 모션 센서와 스마트 서랍을 추가하면 고객의 이동 및 구매 행동을 분석할 수 있습니다. 궁극적으로 그들은 다음과 같은 도움을 받을 수 있습니다:

• 고객이 새로운 제품이 필요할 시점을 예측
• 고객 선호도에 따른 매장 레이아웃 최적화
• 판매 성과 및 지원에 기반하여 인력 모델 구축
• 인터랙티브하고 AI 기반 고객 여정 맵 생성

소매업체는 온라인으로 매장을 옮기고 멀티채널 쇼핑 경험을 제공하여 모든 플랫폼에서 고객 여정을 추적할 수 있습니다. 실제로, 그들은 AI를 사용하여 가상의 매장에서 가상의 고객을 생성할 수 있습니다. 이는 시장 변화가 소매업체에 미치는 영향을 연구하고 비용을 절감하기 위해 운영을 조정할 수 있게 합니다.

What is a digital twin of a customer (DToC)?

A digital twin of a customer (DToC) is a virtual representation of a customer or customer group that mimics, analyzes, and anticipates customer behaviors. It leverages first-party data and other consumer data sources to replicate customer experiences in a digital environment.

Like regular twin technology, DToCs use advanced analytics, AI, and machine learning algorithms to construct a digital version of your buyer.

Gartner says, “Instead of merely collecting data points, [digital twin of a customer] provides context and predictions of future behaviors. It uses both online and physical interactions and it’s dynamic, updating as new information comes in and recognizing that a single person can exemplify more than one persona…”

This is because people and in turn, personas can change over time.

DToCs build on work currently being done by famous brands like Google, Amazon, and Netflix: using AI and ML algorithms to interpret behavioral data and tweak product experiences.

Marketing teams can identify bottlenecks in the customer journey, retain customer trust, and improve business outcomes.

Although a nascent technology, 70% of C-suite tech executives at large enterprises are already investing in digital twins. This market is expected to reach €7 billion by 2025 in Europe, growing 30%-45% annually.

And why not?

Now you can not only replicate in-store and online stores with digital twins but also the customers who visit them. This gives you insights into how specific customers or shopper groups will respond to changes in the customer journey before it is implemented, allowing you to rule out detrimental additions.

With virtual customers in a virtual store, DToCs can suggest customized deals and make shopping a seamless and personalized affair, ensuring customer satisfaction at all levels.

360-degree view of the customer

A digital twin of a customer (DToC) differs from the 360-degree view of the customer mainly due to the type of data collected and used.

For those who don’t know, a 360-degree view of the customer involves collecting and merging data from various touchpoints and customer data platforms into one place. It helps organizations fully understand their prospects and needs.

You need multiple tools and services to develop a 360-degree view of your customer.

Extensive data is required, like user behavioral data, transaction history, interests, and attribute data, to successfully create an all-round view of the customer. Doing so is expensive and time-consuming, hence out of reach for many small and medium-sized businesses.

Gartner has found that only 14% of organizations have achieved a 360-degree view of their customer.

With third-party cookies going out of commission in the future, you’ll no longer be able to use them to gather interest and targeting ideas. It will get significantly harder to drive revenue based on this data alone.

DToCs are unaffected by this.

A digital twin of a customer largely uses first-party data as seed data to offer consumer insights and personalizations throughout the customer journey. It’s a dynamic, digital buyer that encapsulates the ever-changing nature of your prospects without compromising data quality and trust.

Synthetic personas and silicon sampling

An article about the digital twin of the customer is incomplete without the mention of synthetic personas and silicon sampling.

Synthetic personas, or silicon samples, are built using large language models like OpenAI’s ChatGPT to create digital representations of your actual customers. Data is added into the generative AI model, which is then prompted to generate and adopt the persona of the customer whose data is provided.

You can use these personas for several use cases, like testing new ads for your ecommerce site or evaluating product designs.

Another interesting use case is leveraging silicon samples to answer customer survey questions. Since you’re using an LLM model, the output mostly sounds human and tells you about the goals, interests, and preferences of your customers about your product.

The higher the training data quality, the better your survey responses. This synthetic data can fill in the gaps created due to data scarcity and quality, allowing you to make customer-centric decisions.

디지털 트윈 사용의 이점: 마케팅 및 고객 경험(CX)에서

고객의 디지털 트윈은 주로 고객 여정 최적화(CJO)를 위해 마케팅에서 사용될 수 있습니다.

이는 여러 접점에서 고객의 행동과 상호작용을 매핑하여 엔드 투 엔드 고객 경험을 제어하거나 영향을 미치는 과정입니다. 당신은 행동 데이터를 기반으로 잠재 고객을 전자책 다운로드 또는 무료 체험 신청과 같은 전환 이벤트로 유도합니다.

고객의 디지털 트윈은 사람들이 결정을 내리도록 강요할 필요가 없다는 점에서 쉽게 만듭니다. 그들은 자발적으로 그렇게 합니다.

디지털 트윈은 소비자의 현재 및 과거 데이터를 철저히 분석하기 때문에 각 개인에 고유한 트렌드와 패턴을 발견할 수 있습니다. 그 결과, 당신은 개인의 관심사에 맞춘 맞춤형 마케팅 캠페인을 구축하는 데 도움이 되는 통찰력을 얻고, 적절한 사람들에게 적절한 시간에 적절한 제안을 보낼 수 있습니다.

이러한 맞춤화는 더 높은 참여도와 전환율로 이어집니다.

디지털 트윈은 고객이 구매 여정에서 이탈하는 접점을 발견할 수 있습니다. 혼란스러운 체크아웃 페이지, 효과가 부족한 CTA가 있는 뉴스레터 가입 양식, 또는 정보가 부족한 제품 페이지일 수 있습니다. 그들은 문제를 식별하고 솔루션을 제안하여 다양한 시나리오를 테스트할 수 있게 합니다.

또한 고객 행동을 시뮬레이션함으로써 마케터는 고객 여정을 다른 인바운드 프로세스와 함께 간소화할 수 있습니다. 이는 각 단계에서 사용자가 최선의 행동 과정을 제시하여 그들이 목표를 달성하고 어떤 장벽도 극복하도록 도와줍니다.

고객 경험에 대한 한마디

고객 경험(CX)은 고객이 구매 여정의 모든 단계에서 귀사의 브랜드에 대해 가진 인상에 불과합니다. 이는 고객이 광고를 처음 클릭하거나, 웹사이트를 방문하거나, 블로그 게시물을 읽거나, 고객 지원에 연락하는 등 귀사의 브랜드와 상호작용할 때 발생할 수 있습니다.

고객의 디지털 트윈은 고객이 귀사의 브랜드에 대해 가진 인상을 개선할 수 있는 능력을 제공합니다. 이는 중요합니다. 왜냐하면:

• 52%의 잠재 고객이 부정적인 브랜드 인상을 가지면 경쟁업체로 이동할 것입니다.
• CX에 집중하는 회사는 80%의 수익 증가를 보입니다.
• 73%의 고객이 브랜드에서 구매할 때 고객 경험을 우선시합니다.

DToC 접근 방식은 귀하의 마케팅 및 메시징 전략을 실시간으로 조정하고, 효과가 없거나 잠재적으로 부정적인 고객 경험으로 이어질 수 있는 활동을 거부하는 데 도움을 줍니다. 부정적인 상황이 발생하기 전에 이를 해결함으로써 브랜드는 긍정적인 감정을 강화하고 충성도 높은 고객 기반을 구축할 수 있습니다.

결과적으로 잠재 고객의 욕구, 필요, 신념, 기대 및 과거 경험을 활용하면 업계 트렌드와 고객 선호도의 변화를 따라잡는 자동화된 참여 전략을 만들 수 있습니다.

고객의 디지털 트윈 만들기: 어떻게 작동하나요?

고객의 디지털 트윈을 개발하는 것은 지루한 과정입니다. 온라인 및 물리적 상호작용을 결합하고 고객 전환을 안내할 수 있는 분석 모델을 구축하기 위해 데이터 분석 및 기계 학습 기술에 익숙해야 합니다.

따라서 고객의 디지털 트윈(DToC)을 만들기 전에 세 가지 질문을 스스로에게 해보세요:

• 고객의 디지털 트윈을 만들고 싶은 이유는 무엇인가요?
• 어떤 데이터 소스를 사용할 것인가요?
• 원하는 결과는 무엇인가요?

이 세 가지 질문에 대한 답변이 있으면 전체 과정을 훨씬 쉽게 만들 수 있습니다. 잘 정의된 최종 목표와 데이터 세트는 디지털 트윈이 귀하의 조직이 설정한 목표를 충족하도록 보장합니다.

구매자 페르소나 만들기

첫 번째 단계는 기존 고객 데이터를 수집하고 이를 사용하여 구매자 페르소나를 만드는 것입니다. 이들은 이상적인 고객의 반-허구적 표현입니다. ITSMA에 따르면, 44%의 마케터가 현재 비즈니스 활동을 알리기 위해 구매자 페르소나를 사용합니다.

데이터는 물론 페르소나 생성의 가장 중요한 부분입니다.

• 인구통계: 나이, 성별, 위치, 교육, 가족 상태 및 소득.
• 행동: 웹사이트 방문, 방문한 페이지, 탐색 습관, 키워드 및 채널 선호도.
• 소셜 분석: 좋아요, 댓글, 공유, 해시태그 및 언급.
• 거래: 주문 빈도, 장바구니 포기, 구매 이력 및 결제 선호도.
• 고객 서비스: 지원 티켓, 문의, 고객 피드백 및 지원 전화의 전사본.

다양한 출처에서 과거 및 현재 사용자 데이터를 집계한 후, 이를 처리, 분석 및 세분화하여 목표 고객 페르소나를 생성합니다. 영업, 고객 서비스 및 제품 개발 팀을 포함하여 교차 기능적인 페르소나 프로필을 구축합니다.

디지털 트윈을 구축하고자 하는 고객 페르소나를 선택하고 추가 데이터 소스로 보강합니다.

고객 데이터를 통해 정제하기

고객 페르소나를 선택한 후, 다음 단계는 추가 고품질 고객 데이터로 이를 보충하는 것입니다. 여기에는 분석 도구, 위치 기반 서비스, 센서 및 스마트 카메라를 통해 수집된 디지털 및 물리적 상호작용이 포함될 수 있습니다.

시장 조사, 소셜 미디어 분석 및 고객의 목소리(VoC) 데이터도 훌륭한 입력 자료입니다.

하지만 이 전에 전체 고객 경험을 완전히 포착하는 데 필요한 모든 데이터를 확보했는지 확인하세요. 그렇지 않다면 현재 데이터를 수집하는 방식을 변경할 방법을 찾아야 합니다. AI 및 데이터 분석의 최근 기술 발전에 대해 배우고, 분석 모델이 데이터를 처리하여 소비자 행동에 대한 통찰력을 제공하는 방식을 이해하세요.

데이터 프라이버시 및 보안 보장

1자 고객 데이터 또는 개인 데이터를 사용하는 큰 부분은 귀하의 데이터 사용이 일반 데이터 보호 규정(GDPR) 및 캘리포니아 소비자 개인정보 보호법(CCPA)과 같은 모든 데이터 프라이버시 규칙 및 규정을 준수하는지 확인하는 것입니다.

이는 디지털 고객 트윈을 생성하는 데 필요한 잠재적으로 식별 가능한 사용자 데이터를 보호하기 위한 프라이버시 및 규정 준수 위험을 완화하는 데 도움이 됩니다. 이 문제를 해결하는 방법은 AI 알고리즘을 사용하여 생성된 합성 데이터를 사용하는 것입니다.

그럼에도 불구하고 모든 활동에서 데이터 투명성을 유지하고 사용자가 디지털 트윈 프로그램에 옵트인하거나 옵트아웃할 수 있도록 허용해야 합니다. 그들은 이것이 무엇인지, 그리고 이것이 그들에게 어떻게 이익이 되는지 – 당신에게가 아니라 – 알아야 합니다. 결국 고객은 자신의 개인 데이터가 어떻게 저장되고 사용되는지에 대해 최종 결정을 내려야 합니다.

워크플로우에 통합하기

실행 가능한 데이터 모델을 구축하여 디지털 고객 트윈을 가능하게 한 후, 이를 비즈니스 워크플로우에 통합하기 시작합니다.

디지털 트윈은 제품, 서비스 및 전체 고객 경험을 정제하는 데 도움이 될 수 있습니다. 고객 행동을 예측하여 새로운 수익 모델을 주도하고, 고객 지속성을 개선하며, 충성도 높은 브랜드 팔로워를 구축할 수 있습니다.

전문가(SME)와 긴밀히 협력하여 디지털 트윈 기술의 논리와 프로세스를 다양한 고객 그룹에 맞게 조정합니다.

한 번 생성되면 디지털 트윈은 최근 거래, 소셜 미디어 활동 또는 고객 지원 전화와 같은 새로운 데이터로 최신 상태를 유지해야 합니다. 이 정보를 이미 제품 관심사, 커뮤니케이션 선호도, 페르소나 및 감정 분석 모델을 포함한 가상 모델에 통합하세요.

Delve AI가 DToC에 어떻게 기여하나요?

앞서 언급했듯이 고객의 디지털 트윈을 생성하는 첫 번째 단계는 페르소나 생성입니다. Delve AI의 페르소나는 귀하의 비즈니스, 경쟁업체 및 소셜 미디어 청중을 위해 자동으로 데이터 기반 페르소나를 생성할 수 있는 온라인 페르소나 생성기입니다.

우리는 CRM, 웹 분석, 설문 조사와 같은 1차 데이터, 소셜 분석 및 경쟁 정보와 같은 2차 데이터, 리뷰, 평가, 포럼, 온라인 커뮤니티 및 뉴스에서의 VoC 데이터와 같은 공공 데이터를 포함하여 다양한 데이터 소스를 사용하여 동적 페르소나를 생성합니다. 기계 학습 알고리즘과 AI를 결합하면 이러한 소스는 고객에 대한 360도 개요를 제공합니다.

우리의 페르소나 도구는 데이터를 수집, 분석 및 세분화하여 B2B(초록색으로 강조) 및 B2C(파란색으로 강조) 비즈니스 각각에 대해 3~5개의 구매자 페르소나를 생성합니다. 이 과정은 완전히 자동화되어 있으며 단 몇 분 안에 완료됩니다.

각 페르소나 카드에는 사용자 비율, 세션 수, 행동 비율, 전환 수, 거래 수 및 수익과 같은 중요한 메트릭을 보여주는 청중 세그먼트에 대한 자세한 요약이 제공됩니다.

페르소나 세부정보를 클릭하면 해당 페르소나에 대한 전체 설명이 제공되는 페이지로 이동합니다.

소비자 인구 통계부터 심리적 특성까지 모든 요소를 고려합니다. 그들의 라이프스타일, 목표, 열망, 도전 과제, 커뮤니케이션 채널, 콘텐츠 유형, 선호도, 취미, 관심사, 성격 등을 배울 수 있습니다. 또한 산업별 통찰력은 귀하가 속한 산업과 관련된 구조화된 키워드 데이터를 제공합니다.

각 페르소나 세그먼트에 대한 이커머스/B2C의 단일 사용자 여정 샘플 및 B2B 비즈니스의 조직 여정은 사용자가 귀하의 웹사이트 및 콘텐츠와 어떻게 상호작용하는지에 대한 아이디어를 제공합니다.

페르소나는 매달 최신 데이터로 자동 업데이트되며, 새로운 청중을 확보하고 유지하는 데 도움이 되는 AI 기반 추천을 제공합니다. 구매자 페르소나의 요소에 대한 자세한 내용은 관련 기사를 참조하세요.

결론

고객의 디지털 트윈(DToC)은 마케팅 담당자들이 장기 계획에 통합해야 할 새로운 기술입니다. DToC는 고객의 동기, 관심사 및 행동을 과거뿐만 아니라 현재와 미래에 걸쳐 포착합니다.

고급 분석, AI 및 기계 학습의 교차점에 위치한 DToC는 콘텐츠 생성, 광고 타겟팅 및 고객 여정 최적화에 유용한 데이터 기반 고객 통찰력을 제공합니다. 이는 수익 및 비즈니스 성장으로 이어집니다.

더 이상 제3자 데이터 소스에 의존하는 것은 옵션이 아닙니다. 조직은 데이터 프라이버시 및 고객 만족을 유지하기 위해 합성 페르소나 및 고객의 디지털 트윈과 같은 대체 솔루션에 투자하기 시작해야 합니다.