쇼핑 플랫폼의 AI 추천 기능에 따른 고객 여정 분석과 마케팅 프로그램 컨설팅 전략 연구

Abstract

This study is to empirically analyze the decision-making formed by the interaction between consumers and shopping platforms in an AI recommendation environment step by step. This research aims to provide a practical basis as a consulting study that reexamines consumer behavior in the changing platform shopping environment and proposes the marketing program strategy of a shopping platform. The research analysis process was divided into a total of five stages. First, the first step is to classify the platform and the customer's shopping tendency first, and then analyze whether there is a difference in the criteria for searching and comparing products on the shopping platform. The second step is to analyze whether there is a difference in brand expertise, reliability, and favorability for the platform classified above and the shopping platform that is the most accessed by the customer according to the shopping tendency of the customer. The third step is to analyze whether the customer purchase journey in the five stages is different based on the first screen, search, comparison, purchase, and post-purchase satisfaction classified by the representative platforms in Korea, Coupang and Naver, and customer shopping tendency classified by group. The fourth step will be to analyze the behavior and perception of AI recommendation functions by customer shopping propensity because shopping platforms currently provide AI recommendation functions. The final five steps will be to analyze the preferred marketing programs for each shopping platform and customer shopping propensity from the perspective of consulting strategies. As a result of the first-stage analysis, the shopping platform showed different characteristics in the way it explored and compared products beyond simple purchase channels. Coupang and used platforms can be interpreted as efficiency and response-oriented, Naver Shopping and clothing platforms are information and brand-based, Chinese platforms and curation platforms are discovery and exploration-oriented, and open markets are relatively representative of public and stable consumption. Customer shopping propensity visually shows that consumers commonly consider price, review, and performance as important, but differs in which criteria are interpreted and reacted first according to shopping propensity. As a result of the second-stage analysis, the average difference in professionalism, reliability, and likability according to platform type was not statistically significant. This means that major shopping platforms have been upgraded in terms of overall functional level and service quality. In terms of customer shopping propensity, it was confirmed that there is a difference in the level of professionalism, reliability, and favorability perception of the platform by group. As a result of the three-step analysis, when analyzing the AI recommendation functions of Naver and Coupang, such as convenience, consistency, and helpability, there was a difference by platform. In addition, there was a difference in perception in the AI recommendation help sentiment. In addition, when analyzing the AI recommendation functions such as convenience, consistency, and helpability, there was a difference by propensity in customer shopping propensity. As a result of the four-step analysis, when the AI recommendation intervention shopping propensity was mapped to the customer shopping propensity, the practical planning type was divided into the condition search and AI trust type, and the practical impulse type was mapped to the self-directed and AI suspicious type, the condition search and the AI suspicious type. The brand planning type was divided into taste-suspecting and AI-suspecting, and the brand impulse type was mapped to the taste discovery and AI trust type, and the self-directed and AI trust type. As a result of the five-step analysis, it was found that there were differences in AI PULL and PUSH marketing programs depending on the shopping platform, and it was confirmed that there were also differences in AI PULL and PUSH marketing programs depending on the customer shopping tendency. Further studies have shown that there is a difference between AI recommendation information and information provided by travel platforms between unmarried and married people. The theoretical and practical implications found through the results of this study are as follows. The theoretical implications were applied and expanded to research on AI recommendation functions from a management perspective by utilizing cold start, discovery-type shopping, zero-click, customer shopping propensity, behavioral economics, brand management, consumer behavior theory, customer journey guidance, Comics, and e-commerce. The practical implication is that the shopping platform should be able to design marketing programs by subdividing customer groups. In addition, the AI recommendation function should confirm that there are groups that accept AI recommendations and groups that do not. In this AI recommendation function, since technical performance and consumer sentiment operate independently, a marketing program strategy should be established for each stage of customer journey guidance. Future research directions are as follows. In this study, research was conducted only on shopping platforms. However, AI recommendation functions are also provided on travel platforms and delivery platforms that consumers often use, and customer journey behavior may appear differently. Therefore, it is necessary to expand and conduct follow-up studies comparing customer journeys and AI marketing programs between shopping and travel platforms, shopping and delivery platforms.|본 연구는 AI 추천 환경에서 소비자와 쇼핑 플랫폼 간 상호작용으로 형성되는 의사결정을 단계적으로 실증적으로 분석하는 것이다. 연구는 변화하는 플랫폼 쇼핑 환경에 대한 소비자 행동을 재검토하고, 쇼핑 플랫폼의 마케팅 프 로그램 전략을 제안하는 컨설팅 연구로서 실무적인 토대를 제공하는 것이다. 연구 분석 프로세스는 총 5단계로 구분하였다. 먼저, 1단계는 플랫폼과 고객의 쇼핑 성향을 먼저 분류한 후, 쇼핑 플랫폼에서 제품을 탐색하고 비교 하는 기준 차이가 있는지를 분석할 것이다. 2단계는 앞서 분류한 플랫폼과 고 객의 쇼핑 성향에 따라 제일 많이 접속하는 쇼핑 플랫폼에 대한 브랜드 전문성, 신뢰성, 호감성 등 차이가 있는지를 분석할 것이다. 3단계는 국내 대표 플랫폼인 쿠팡과 네이버 그리고 집단별로 분류된 고객 쇼핑 성향을 기준으로 첫 화면, 탐색, 비교, 구매, 구매 후 만족 등 5단계의 고객 구매 여정이 상호 다른지를 분석할 것이다. 4단계는 쇼핑 플랫폼들이 현재 AI 추천 기능을 제공해주고 있기 때문에, 고객 쇼핑 성향별로 AI 추천 기능에 대해 어떠한 행 동과 인식을 가지는지를 분석할 것이다. 마지막 5단계는 쇼핑 플랫폼과 고객 쇼핑 성향 별로 선호하는 마케팅 프로그램이 무엇인지 컨설팅 전략 관점에서 분석할 것이다. 1단계 분석 결과, 쇼핑 플랫폼은 단순한 구매 채널의 차이를 넘어 제품 을 탐색하고 비교하는 방식에서도 상이한 특성을 보였으며, 쿠팡·중고플랫폼 은 효율·반응 중심, 네이버쇼핑·의류플랫폼은 정보·브랜드 기반, 중국플랫폼·큐레이션 플랫폼은 발견·탐색 중심, 오픈마켓은 대중적·안정적 소비의 성격을 상 대적으로 나타내는 것으로 해석할 수 있다. 고객 쇼핑 성향은 소비자들이 공통적으로 가격, 리뷰, 성능을 중요하게 고려하면서도, 쇼핑 성향에 따라 어떤 기준을 더 먼저 해석하고 반응하는지에서 차이를 보인다는 점을 시각적으로 보여준다. 2단계 분석 결과, 플랫폼 유형에 따른 전문성, 신뢰성, 호감성 평균 차이가 통계적으로 유의하지 않게 나타났다. 이는 주요 쇼핑 플랫폼들이 전반 적인 기능 수준과 서비스 품질 측면에서 상향 평준화되었음을 의미한다. 고객 쇼핑 성향에서는 집단별 플랫폼에 대한 전문성, 신뢰성 및 호감성 인식 수준 에는 차이가 존재하는 것으로 확인되었다. 3단계 분석 결과, 네이버와 쿠팡의 AI 추천 기능인 편의성, 일치성, 도움성을 분석하였을 때 플랫폼별 차이가 있다고 나타났다. 또한 AI 추천 도움 감정에서도 인식 차이가 있다고 나타났다. 고객 쇼핑 성향에서도 AI 추천 기능인 편의성, 일치성, 도움성을 분석하였을 때 성향별로 차이가 있다고 나타났다. 또한 AI 추천 도움 감정에서도 인식 차이가 있다고 나타났다. 4단계 분석 결과, AI 추천개입 쇼핑 성향을 고객 쇼 핑 성향과 매핑하였을 때, 실용적 계획형은 조건탐색·AI신뢰형, 취향발견·AI의 심형으로 구분되었고 실용적 충동형은 자기주도·AI의심형, 조건탐색·AI의심형 으로 매핑되었다. 브랜드 계획형은 취향맞춤·AI의심형, 취향맞춤·AI신뢰형으로 구분되었고, 브랜드 충동형은 취향발견·AI신뢰형, 자기주도·AI신뢰형으로 매핑 되었다. 5단계 분석 결과, 쇼핑 플랫폼에 따라 AI PULL, PUSH 마케팅 프로 그램에 차이가 있다고 나타났으며, 고객 쇼핑 성향에 따라서도 AI PULL, PUSH 마케팅 프로그램에도 차이가 있음을 확인하였다. 추가 연구 결과, 미혼 자와 기혼자 간 AI 추천 정보와 여행 플랫폼에서 제공하는 정보 수용 차이가 있다고 나타났다. 본 연구의 결과를 통해 발견한 이론적 시사점과 실무적 시사점은 다음과 같다. 이론적 시사점은 콜드스타트, 발견형 쇼핑, 제로클릭, 고객 쇼핑 성향, 행동경제학, 브랜드 관리, 소비자 행동론, 고객여정지도, 코믹스, 이커머스 등 을 활용하여 경영학 관점의 AI 추천 기능 연구로 적용 및 확장하였다. 실무적 시사점은 쇼핑 플랫폼은 고객 집단을 세분화하여 마케팅 프로그램을 설계 할 수 있어야 한다. 또한 AI 추천 기능은 AI 추천을 수용하는 집단과 그렇지 않은 집단이 존재하고 있음을 확인해야 한다. 이러한 AI 추천 기능은 기술적 성능과 소비자 정서가 독립적으로 작동되기에 고객여정지도 단계별로 마케팅 프로그램 전략을 수립해야 한다. 향후 연구 방향으로는 다음과 같다. 본 연구에서는 쇼핑 플랫폼으로 한정 하여 연구를 진행하였다. 하지만 소비자가 자주 이용하는 여행 플랫폼, 배달 플랫폼에서도 AI 추천 기능을 제공하고 있고, 고객여정의 행동도 다르게 나 타날 수 있다. 따라서 쇼핑 플랫폼과 여행 플랫폼, 쇼핑 플랫폼과 배달 플랫 폼 간 고객 여정과 AI 마케팅 프로그램을 비교하는 후속 연구를 확장하여 진행할 필요가 있겠다. 【주요어】AI 추천 기능, 고객여정지도, 마케팅 프로그램, 쇼핑 플랫폼, 고객 쇼핑 성향