구독 박스 큐레이션을 위한 AI: 고객이 알기 전에 무엇을 원하는지 예측하기
구독 박스 비즈니스의 핵심에는 근본적인 긴장이 있습니다. 고객은 자신이 찾을 수 없었을 상품으로 놀라움을 받고 싶어 가입합니다. 그러나 그 놀라움이 너무 자주 빗나가면, 취소 버튼이 한 번의 클릭 거리에 있습니다. 큐레이션을 제대로 하는 것이 전체 비즈니스 모델이며, AI는 번성하는 구독 회사와 매월 가입자를 잃는 회사를 분리하는 도구가 되고 있습니다.
구독 박스 큐레이션에 대한 이전 접근 방식은 기본적으로 편집적이었습니다. 바이어 팀이 멋지다고 생각하는 상품을 선택하고, 테마를 중심으로 박스를 조립하고, 모든 사람에게 동일한 박스를 배송합니다(또는 두세 개의 세그먼트에). 시장이 젊고 신선함만으로도 가입자를 유지하기에 충분했을 때 효과가 있었습니다. 그 시대는 끝났습니다.
AI가 개별 선호도 프로필을 구축하는 방법
AI 기반 큐레이션의 시작점은 각 가입자에 대한 상세한 선호도 모델을 구축하는 것입니다. 이는 좋아하는 색상과 단맛 또는 짠맛을 선호하는지 묻는 온보딩 퀴즈를 훨씬 넘어섭니다. AI 시스템은 가입자가 생성하는 모든 신호를 분석합니다: 그들이 높이 평가한 것, 그들이 선물한 것, 마켓플레이스를 통해 다시 구매한 것, 사용하기 전에 아이템을 얼마나 오래 보관했는지, 심지어 고객 서비스 상호작용에서 그들이 말한 것까지.
이러한 선호도 프로필은 동적입니다. 모든 상호작용과 받은 모든 박스로 업데이트됩니다. 6개월 전에 장인의 핫소스를 좋아했지만 최근에 더 낮게 평가하기 시작한 가입자는 입맛 피로를 경험하고 있을 수 있습니다. AI는 이 트렌드를 포착하고 가입자가 의식적으로 핫소스에 지쳤다고 결정하고 취소하기 전에 상품 믹스를 변경합니다.
정말 흥미로운 부분은 AI가 가입자 자신이 말로 표현할 수 없는 선호도를 식별하는 방법입니다. 수백만 개의 평가와 행동에 걸친 패턴 분석을 통해, 이러한 시스템은 상품 A와 상품 B를 좋아하는 사람들이 둘 사이에 명백한 연결이 없을 때도 상품 C도 좋아하는 경향이 있다는 것을 발견합니다.
재고 계획을 위한 수요 예측
큐레이션은 문제의 절반에 불과합니다. 또한 창고에 올바른 상품을 실제로 가지고 있어야 합니다. AI 수요 예측은 가입자 선호도 프로필과 다가오는 큐레이션 계획을 기반으로 각 상품이 얼마나 필요할지 구독 박스 회사가 예측하는 데 도움이 됩니다.
이는 들리는 것보다 더 미묘합니다. 50,000명의 가입자가 있고 박스의 30%에 특정 유기농 립밤을 포함하고 싶다면, AI는 어떤 15,000명의 가입자가 가장 적합한지 파악하고, 충분한 재고가 있는지 확인하고, 재고가 부족하면 할당을 조정해야 합니다. 또한 상품 신선도, 유통 기한, 공급업체 리드 타임을 고려해야 합니다.
예측 모델은 실제 결과로부터 학습하면서 시간이 지남에 따라 개선됩니다. AI가 가입자의 40%가 상품을 4성 이상으로 평가할 것이라고 예측했고 실제 결과가 55%였다면, 모델은 긍정적인 반응을 이끄는 것에 대한 이해를 조정합니다.
개인화를 통한 이탈 감소
이탈은 구독 박스 CEO를 밤에 깨어 있게 하는 지표입니다. 월별 이탈에 대한 업계 평균은 5%에서 15% 사이를 맴돌며, 이는 잃은 가입자를 대체하기 위해 끊임없이 인수 트레드밀에서 운영하고 있다는 것을 의미합니다. AI 큐레이션은 각 박스가 개인적으로 선택된 것처럼 느끼게 함으로써 이 문제에 직접 공격합니다.
데이터는 이 접근 방식을 지원합니다. AI 개인화를 구현한 구독 서비스는 일관되게 업계 평균보다 낮은 이탈률을 보고합니다. 메커니즘은 단순합니다: 가입자가 정기적으로 그들이 사랑하는 상품을 받을 때, 구독의 인지된 가치가 비용을 초과하고 그들은 머무릅니다. 그들이 원하지 않는 것들로 가득 찬 박스를 받을 때, 그들은 떠납니다.
AI는 또한 가입자가 실제로 취소하기 전에 이탈 위험 신호를 식별합니다. 평소보다 늦게 박스를 열고, 상품 평가를 중단하고, 갱신 기간을 건너뛰는 가입자는 관심을 잃고 있을 수 있습니다.
크로스 상품 발견 및 놀라움 요소
여기 구독 큐레이션을 정말로 어렵게 만드는 균형 잡기가 있습니다: 정확하면서도 놀라워야 합니다. 명시된 선호도와 매번 완벽하게 일치하는 박스는 예측 가능하고 지루해집니다. 구독 박스의 마법은 원하는 줄 몰랐던 무언가를 발견하는 것입니다.
AI는 큐레이션 알고리즘에서 발견 지수를 유지함으로써 이를 처리합니다. 각 박스에 대해, 확립된 선호도 밖에 속하지만 모델이 유사한 가입자의 패턴을 기반으로 잘 받아들여질 가능성이 높다고 예측하는 일정 비율의 상품을 포함합니다. 보통 성과를 거두는 계산된 도박이라고 생각하세요.
공급업체 협상 및 상품 소싱
AI 큐레이션 시스템은 또한 비즈니스의 소싱 측면에 영향을 미칩니다. 주문하기 전에 가입자 기반 전반에 걸친 수요를 예측함으로써, 구독 회사는 공급업체와 더 나은 조건을 협상할 수 있습니다.
한계와 실용적 고려사항
AI 큐레이션은 충분한 데이터가 있을 때 가장 잘 작동합니다. 이는 신규 출시보다 확립된 구독 서비스에 더 효과적이라는 것을 의미합니다. 500명의 가입자를 가진 신규 회사는 정확한 선호도 모델을 학습하기에 충분한 행동 데이터가 단순히 없습니다. 그 초기 단계에서, 좋은 온보딩 설문조사로 보충된 편집적 큐레이션이 여전히 더 나은 접근 방식입니다.
상품 카테고리도 중요합니다. AI 큐레이션은 선택할 큰 카탈로그가 있는 뷰티, 음식, 라이프스타일 상품과 같은 소비재 및 다양성 지향 카테고리에서 탁월합니다. 좁은 상품 범위를 가진 박스나 모든 가입자가 본질적으로 동일한 아이템이 필요한 박스에는 영향이 적습니다. 소매 및 이커머스의 AI 응용 프로그램에 대해 자세히 알아보려면 이커머스 및 소매 산업 페이지를 방문하세요.