동네 마트는 자기 가게에서 무엇이 잘 팔리는지 안다. 편의점도 자기 매장의 매출 데이터를 본다. 그런데 한 지역 안에서 여러 업태의 데이터를 함께 보면 무엇이 보일까?
일본 リテールAI協会는 “ユニファイドデータプロジェクト” 실증 실험을 발표했다. PR TIMES 발표에 따르면 서로 다른 업태의 소매기업 2곳이 같은 지역의 25개월치 ID-POS 데이터와 각종 마스터 데이터를 제공했고, 여러 기업이 함께 분석에 참여했다.
POS 데이터는 계산대 뒤의 기록이다
POS 데이터는 상품이 언제, 어디서, 얼마나 팔렸는지를 담은 판매 기록이다. 여기에 고객 ID가 연결되면 어떤 고객군이 어떤 상품을 사는지도 볼 수 있다.
이 데이터는 매장 운영에 매우 중요하다. 무엇을 더 진열할지, 언제 할인할지, 어떤 상품을 묶어 팔지 정하는 근거가 된다.
하지만 한 회사의 데이터만 보면 시야가 제한될 수 있다.
다른 업태 데이터를 합치면 무엇이 달라질까
예를 들어 같은 지역에 슈퍼마켓과 드럭스토어가 있다고 해보자. 슈퍼마켓은 식품 구매를 잘 알고, 드럭스토어는 생활용품과 건강 관련 구매를 잘 안다.
두 데이터를 함께 보면 고객의 생활 패턴을 더 입체적으로 볼 수 있다. 어떤 동네에서 어떤 소비가 강한지, 특정 계절에 무엇이 같이 움직이는지, 한 업태에서는 보이지 않던 수요가 보일 수 있다.
리테일AI협회의 실험은 이런 통합 분석 가능성을 살핀 것이다.
고객에게는 어떤 변화가 있을까
잘 쓰이면 매장은 더 필요한 상품을 적절히 준비할 수 있다. 자주 품절되는 상품을 줄이고, 지역에 맞는 행사나 진열을 만들 수 있다.
소비자 입장에서는 내가 사는 동네의 실제 수요에 맞는 매장이 될 가능성이 있다. 필요 없는 물건만 쌓이고 정작 필요한 상품은 없는 상황이 줄어들 수 있다.
개인정보와 경쟁 이슈는 조심해야 한다
물론 소매 데이터 통합은 민감하다. 고객 구매 기록은 사생활과 연결될 수 있다. 기업 간 데이터 공유는 경쟁 문제도 있다.
그래서 이런 프로젝트는 데이터를 어떻게 익명화하는지, 어느 수준까지 공유하는지, 분석 결과를 어떻게 쓰는지에 대한 규칙이 중요하다.
AI와 데이터 분석이 강력해질수록 “할 수 있다”와 “해도 된다”를 구분해야 한다.
리테일 AI는 계산대 밖으로 나온다
소매업의 AI는 단순히 무인 계산대나 추천 쿠폰만의 문제가 아니다. 여러 매장의 데이터를 보고 수요를 예측하고, 지역 소비를 이해하고, 매장 운영을 바꾸는 쪽으로 확장된다.
마트끼리 데이터를 합치면 고객이 더 잘 보일 수 있다. 하지만 그만큼 고객을 조심스럽게 봐야 한다. 좋은 리테일 AI는 더 많이 파는 기술이 아니라, 지역과 고객을 더 정확하고 책임 있게 이해하는 기술이어야 한다.
참고한 자료: PR TIMES リテールAI協会 ユニファイドデータプロジェクト 발표
관련 글
같은 맥락에서 이어서 읽기 좋은 글들입니다.