한빛출판네트워크

구독형 서비스를 제공하는 회사에서 잠재 고객에 메일 발송을 담당하는 A씨는 오늘도 그늘진 얼굴로 컴퓨터 앞에 앉아 있습니다. “정말 고객이 우리 광고메일을 보고 서비스를 구독할까?” 그의 고민은 간결하지만, 쉬운 문제는 아닙니다. 

그는 또한 자신의 경험에 의한 예상이 아닌 어떤 고객층에 이메일을 보내야 효율적일지, 잠재 고객 중 노년층의 고객은 구매하는 상품이 따로 있을지, 고객 경험이 브랜드 충성도와 유지율에 어떤 영향을 주는지에 대한 명확한 답변도 얻고 싶습니다. 이유를 알아낸다면 사람들이 다양한 상황에서 어떻게 행동할지 예측하고 그 행동을 하거나 하지 않도록 유도할 수 있을 것입니다.

행동경제학자인 플로랑 뷔송은 데이터 분석과 행동 과학적인 사고방식, 인과관계 분석 도구 모음을 결합한 통합 접근법인 ‘인과-행동 프레임워크’를 통해 이 목표를 이룰 수 있다고 이야기합니다. 이 프레임워크에서는 행동을 이해하는 것이 궁극적인 목표이기 때문에 행동behavior을 가장 우선시합니다. 아래 그림과 같이 삼각형을 지지하는 2개의 기둥인 인과관계 다이어그램causal diagram과 데이터를 사용하면 행동을 이해할 수 있다고 봅니다.

그는 행동을 이해하기 위해 예측 분석predictive analytics 보다 인과관계 분석causal analytics을 더 선호한다고 합니다. 예측 분석이 비즈니스 문제를 굉장히 잘 풀어 왔고 앞으로도 비즈니스 분야에서 널리 사용되겠지만 인간의 행동은 분석하기 어려울 수 있기 때문입니다. 반면에 인과적 접근법은 행동 데이터에서 아주 흔하게 발생하는 ‘교란confounding’ 현상을 파악하고 해결할 수 있다는 큰 장점도 있죠. 

플로랑 뷔송은 왜 인과적 접근법이 행동 데이터에서 유리한가에 대해 다음과 같이 설명합니다. 

1. 분석의 유형

분석에는 기술 분석, 예측, 인과관계라는 세 가지 유형이 있습니다. 

기술 분석descriptive analytics은 데이터에 대한 설명을 제공합니다. 비즈니스 보고가 이 분석 범주에 속합니다. ‘지난 달에 얼마나 많은 고객이 서비스 구독을 취소했나요?’, ‘작년 이익은 얼마인가요?’와 같은 질문에 답할 수 있습니다. 평균이나 간단한 지표를 계산할 때마다 은연중에 기술 분석을 사용하기 때문입니다. 기술 분석은 가장 간단한 형태의 분석이지만 과소평가해서는 안 됩니다. 많은 조직이 조직의 운영 상태를 명확하고 일관된 관점으로 파악하는 데 어려움을 겪습니다. 조직에서 이 문제가 얼마나 큰지 확인하고 싶다면 재무 부서와 운영 부서에게 같은 질문을 던지고 두 부서의 답이 얼마나 다른지 확인하면 됩니다.

예측 분석predictive analytics은 예측을 제공합니다. 대부분의 머신러닝 방법 (예를 들어 신경망과 그레이디언트 부스팅 모델)이 이 분석 유형에 속하며 ‘다음 달에 구독을 취소하는 고객은 몇 명일까?’, ‘이 주문은 허위일까?’와 같은 질문에 답할 수 있습니다. 지난 수십 년 동안 예측 분석은 세상을 바꿔왔습니다. 기업에 고용된 수많은 데이터 과학자의 예측 분석이 성공했다는 증거입니다.

마지막으로 인과관계 분석causal analytics은 데이터의 인과관계를 제공합니다. ‘할인 쿠폰을 보내지 않으면 다음 달에 얼마나 많은 고객이 구독을 취소할까?’와 같은 질문에 답할 수 있습니다. 가장 널리 알려진 인과관계 분석 도구는 무작위 실험 또는 무작위 대조군 연구(RCT)라고도 부르는 A/B 테스트입니다. 이전 질문을 다시 예로 들면 무작위로 선택한 고객군에 쿠폰을 보내고 대조군과 비교하여 얼마나 많은 고객이 구독을 취소하는지 확인하는 무작위 실험이 가장 간단하면서도 효과적인 분석 방법입니다.

2. 인간은 복잡한 존재다

예측 분석이 엄청난 성공을 이뤘고 인과관계 분석이 회귀와 같이 예측 분석과 동일한 데이터 분석 도구를 사용한다면 예측 분석을 마다할 이유가 있을까요? 그 이유를 한마디로 하자면 인간은 풍력 터빈보다 더 복잡한 존재이기 때문입니다. 인간의 행동은 다음과 같은 특징이 있습니다.

여러 요인에 영향을 받는다

터빈의 행동은 터빈의 성격, 터빈 공동체의 사회적 규범이나 양육 환경의 영향을 받지 않습니다. 반면에 인간의 행동은 모든 요인의 영향을 받기 때문에 하나의 변수가 갖는 예측력은 언제나 실망스럽기 마련입니다.

상황에 따라 다르다

어떤 선택에 기본으로 주어지는 값을 변경하는 것과 같이 환경에 눈에 띄지 않는 사소한 변화만 있어도 행동에 큰 영향을 줄 수 있습니다. 행동 디자인 관점에서는 이렇게 행동이 환경에 따라 변한다는 점이 축복이지만, 작은 변화만 있어도 환경이 달라지면 결과를 예측하기 어렵기 때문에 행동 분석 관점에서는 저주와 같습니다.

가변적이다

완전히 동일해 보이는 환경이 반복적으로 주어질 때 같은 사람이라도 매번 굉장히 다른 행동을 보일 수 있습니다. 기분과 같은 일시적인 영향이나 매일 먹는 아침이 질리는 것 같은 장기적인 영향을 받을 수 있기 때문입니다. 이 두 가지 요인 모두 행동을 완전히 바꿀 수 있지만 어떻게 바꿀지 예상하기 어렵습니다. 과학자는 이러한 행동의 가변성을 비결정적nondeterministic이라고 부르기도 합니다.

혁신적이다

환경 조건이 변하면 사람은 말 그대로 한 번도 하지 않았던 행동을 할 수도 있으며 이런 변화는 가장 평범한 상황에서도 발생합니다. 예를 들어 평소와 같이 출근길을 운전하는 데 바로 앞에서 자동차 사고가 난다면 충돌을 피하기 위해 핸들을 급하게 오른쪽으로 꺾을 수 있습니다.

전략적이다

사람은 다른 사람의 행동과 의도를 추론하고 반응합니다. 어떤 상황 때문에 멀어진 사이를 더욱 예측 가능하고 안정적인 관계로 ‘회복’시키기도 하고 반대로 체스와 같이 서로 경쟁하는 게임을 하거나 남을 속일 때 상대가 자신의 행동을 예측할 수 없도록 일부러 속임수를 쓰기도 합니다.

이러한 측면 때문에 인간의 행동은 물리적인 개체의 행동보다 훨씬 예측하기 어렵습니다. 예측 가능성을 높이는 규칙성을 찾으려면 일반적인 분석보다 한 단계 더 깊이 들어가서 행동의 원인을 이해하고 측정해야 합니다. 어떤 사람이 아침으로 오트밀을 먹고 월요일에 어떤 경로로 출근했다고 해서 화요일에도 똑같은 일과를 보낸다고 보장할 수 없습니다. 하지만 아침을 조금이나마 챙겨 먹고 출근길을 나설 것이라는 점은 어느 정도 예상할 수 있습니다.

예측 분석은 지난 수십 년 동안 굉장히 많이 사용되었고 앞으로도 승승장구할 것입니다. 하지만 인간의 행동을 이해하고 변화시키려고 할 때는 인과관계 분석이 강력한 대안이 될 수 있습니다.

위 콘텐츠는 『행동 데이터 분석』을 기반으로 작성되었습니다. 고객의 선택을 받기 위한 경쟁이 날이 갈수록 치열해지고 있는 요즈음. 다양해져 가는 사용자 행동 패턴을 이해하고, 알맞은 비즈니스 전략을 세우기 위해 고객 행동 데이터 분석을 시작해야 할 때입니다.