미디어원 ㅣ 김정호기자
오프라인 매장의 가장 큰 약점은 변화의 효과를 정확히 측정하기 어렵다는 데 있었다. 매대를 입구 쪽으로 옮기고, POP를 바꾸고, 조명을 손보고, 진열 방식을 바꿔도 그 결과가 실제 고객 행동에 어떤 영향을 줬는지는 대개 매출 변화로만 추정했다. 그러나 매출은 날씨, 상권, 프로모션, 시즌성, 경쟁 매장, 온라인 이벤트까지 복합적으로 영향을 받기 때문에 매장 환경 변화의 순수한 효과를 따로 떼어내기 어려웠다.
씨프로의 AI 기반 방문객 분석 서비스 리테일트렌드가 이 문제를 겨냥한 새 기능을 내놨다. 리테일트렌드는 매장의 레이아웃과 집기, 매대, POP 등의 변화를 AI가 자동으로 인식하고, 변화 이후 고객 행동 데이터가 어떻게 달라졌는지를 분석하는 ‘매장 변화 감지’ 기능을 선보였다. 이 기능은 소형 매장용 올인원 분석 서비스 ‘리테일트렌드 V2’의 핵심 기능으로 포함됐다.
매장 변화 감지 SLCI, 변화 시점과 고객 행동을 연결한다
새 기능의 공식 명칭은 매장 변화 감지, 즉 Store Layout Change Index다. SLCI는 매장에 설치된 AI 카메라가 매장 이미지를 실시간으로 비교 분석해 집기 이동, 매대 재배치, POP 교체, 진열 변경, 인테리어 변경 등을 자동으로 포착하는 방식으로 작동한다. 단순히 “무엇이 바뀌었다”는 기록을 남기는 데 그치지 않고, 변화가 발생한 정확한 시점과 방문객 데이터의 변화 추이를 연결한다는 점이 핵심이다.
리테일트렌드 V2는 변화 감지 결과와 함께 직원을 제외한 순방문객수, 성별·연령 분포, 체류시간, 히트맵, 동선, 매대 체류 분석을 통합해 제공한다. 예를 들어 특정 매대를 입구 쪽으로 옮긴 뒤 방문객의 체류시간이 늘었는지, POP를 교체한 뒤 해당 구역으로 관심 고객 유입이 증가했는지, 리모델링 이후 고객 동선이 어느 방향으로 바뀌었는지를 정량적으로 확인할 수 있다.
오프라인 매장도 변화 효과를 데이터로 검증
이 기능은 오프라인 매장 운영 방식에 중요한 변화를 만든다. 온라인 쇼핑몰은 페이지 구조나 배너, 상품 배열을 바꾼 뒤 구글 애널리틱스 같은 도구로 클릭률과 체류시간, 전환율을 바로 확인할 수 있다. 반면 오프라인 매장은 오랫동안 이런 측정 구조가 부족했다. 리테일트렌드 V2가 지향하는 방향은 오프라인 매장에서도 ‘무엇을 바꿨고, 고객이 어떻게 반응했는가’를 데이터로 검증하는 것이다.
특히 VMD와 매장 리뉴얼의 효과 측정에 활용도가 높다. 브랜드 본사는 매장마다 진열 기준을 바꾸거나 시즌별 캠페인을 적용하지만, 실제 현장에서 고객 행동이 어떻게 달라지는지 확인하기 쉽지 않았다. 점주는 체감상 “손님이 더 오래 머문다”고 느낄 수 있지만, 본사는 여러 매장을 동시에 비교해야 하므로 객관적인 데이터가 필요하다. SLCI는 변화 전후 이미지를 자동으로 캡처하고 대시보드에 매칭해 본사와 점주가 같은 기준으로 매장 변화를 확인할 수 있도록 돕는다.
소형 매장용 올인원 분석 서비스로 확장
리테일트렌드 V2는 소형 매장용 올인원 분석 서비스로 설계됐다. 순방문객수, 성별·연령, 체류시간, 히트맵, 동선, 매대 분석, 매장 변화 감지 기능을 하나의 플랫폼에 통합했다. 초기 서버 구축이나 고가 분석 장비를 도입하지 않고 월정액 구독 방식으로 이용할 수 있다는 점도 강조된다. 소형 패션 매장, 뷰티 스토어, 라이프스타일 매장, 프랜차이즈 가맹점처럼 대형 유통사 수준의 분석 인프라를 갖추기 어려운 매장도 접근할 수 있도록 한 구조다.
브랜드 본사를 위한 기능도 강화됐다. 본사는 리테일트렌드가 제공하는 대화형 AI UI에 매출 데이터를 업로드하면 방문객 행동 데이터와 결합해 매장별 비교 분석과 액션 플랜을 제안받을 수 있다. 이는 단순 방문객 카운팅을 넘어, 매출과 행동 데이터를 함께 해석해 “어떤 매장에서 어떤 조치가 효과가 있었는가”를 판단하는 의사결정 도구로 발전하려는 방향이다.
리테일테크 경쟁력은 데이터 기반 운영에서 나온다
리테일테크 시장에서 이 기능이 갖는 의미는 분명하다. 오프라인 매장은 더 이상 감각과 경험만으로 운영하기 어려운 환경에 놓여 있다. 임대료와 인건비 부담은 커지고, 고객 유입은 온라인과 오프라인 사이에서 분산되며, 브랜드는 매장 하나하나의 성과를 더 정밀하게 관리해야 한다. 이때 방문객 수와 체류시간, 동선, 매대 관심도는 매출만큼 중요한 운영 지표가 된다.
개인정보 보호 측면도 중요하다. 오프라인 매장 분석은 카메라 기반 기술을 활용하는 만큼, 고객의 식별 가능 정보 처리에 대한 우려가 따를 수 있다. 리테일트렌드는 AI 기반 방문객 분석 서비스를 통해 성별·연령, 체류, 동선 등 마케팅 인사이트에 필요한 데이터를 제공하는 구조를 내세우고 있다. 향후 이 시장의 성장 여부는 분석 정확도와 함께 비식별 처리, 보안, 투명한 운영 원칙을 얼마나 신뢰성 있게 갖추느냐에 달려 있다.
오프라인 매장의 구글 애널리틱스가 될 수 있을까
씨프로 이영수 대표는 온라인 쇼핑몰이 구글 애널리틱스를 통해 페이지 변경 효과를 즉시 분석할 수 있는 반면, 오프라인 매장은 그동안 변화에 대한 객관적 측정 수단이 부족했다고 설명했다. 리테일트렌드는 오프라인 매장의 변화와 고객 행동을 데이터로 연결해 매장 운영 의사결정을 지원하는 플랫폼으로 발전하고 있다는 입장이다.
리테일트렌드는 패션, 뷰티, 가전, 라이프스타일 브랜드를 중심으로 현재 600여 개 매장, 3500여 채널에서 서비스되고 있다. 이번 V2 출시는 방문객 분석을 넘어 매장 운영 실험과 성과 검증까지 확장하려는 시도다. 매대를 바꾸면 AI가 그 변화를 알아채고, 고객 행동이 어떻게 달라졌는지를 분석하는 시대가 열리면서 오프라인 매장 운영도 점점 더 데이터 기반으로 재편되고 있다.
미디어원 Copyrights ⓒ MediaOne. 무단전재 및 재배포 금지.
