노랑풍선, 브레이즈와 팀 맥소노미의 만남: 초개인화로 여행업계 혁신을 이끌다

노랑풍선은 브레이즈(Braze) 플랫폼과 팀 맥소노미(MAXONOMY)의 컨설팅을 통해 초개인화 추천 알고리즘을 구현하며 여행업계 혁신을 주도하고 있습니다. 고객 여정 전반에 걸친 데이터 기반 의사결정과 실시간 개인화 커뮤니케이션이 핵심 성공 요인으로 나타났습니다.

1. 추천 알고리즘 구조 및 운영 전략

다계층 데이터 통합 시스템

• 여행 상품 검색어, 장바구니 상품 토픽화, 동반자 유형(가족/커플/단체) 등 27개 세부 속성을 실시간 분석
• 브레이즈 Connected Content 기능으로 자체 개발한 추천 알고리즘 REST API 연동
• Liquid 템플릿 언어를 활용한 동적 메시지 생성: 고객별 선호 채널(앱푸시/인앱/이메일)에 최적화된 콘텐츠 배치

3단계 추천 메커니즘

1. 기본 추천: 장바구니 상품 유사도 분석 → 동일 카테고리 상품 제안
2. 맥락 기반 추천: 검색 이력 × 계절성 × 지역 특성 조합 분석
3. 예측 추천: GRU 신경망 기반 취소 가능성 예측 모델 적용

2. 데이터 처리 및 개인화 프로세스

•  실시간 이벤트 추적: 상품 노출→장바구니 담기→결제 시점 간 시간 간격 분석
• 고객 프로퍼티 43개 항목(디바이스 타입, 마케팅 동의 여부 등)과 결합한 다차원 분석

3. 성과 분석 및 비즈니스 영향

지표도입 전도입 후 변화율

 

장바구니 전환율	18.2%	24.5%	▲34.8%
취소 고객 CTR	2.1%	6.8%	▲223%
ROAS	3.2x	7.5x	▲134%

 

• 리타게팅 캠페인 효율 192% 개선: 기존 Mass 메시지 대비 개인화 메시지 효과
• 연간 12억 건 이상의 실시간 상호작용 처리 가능

4. 취소/이탈 고객 관리 혁신

3단계 세분화 모델

1. 일시적 이탈: 미결제 장바구니 상품 유효기간 임박 시 리마인드 알림
2. 상품 불만 이탈: 동일 가격대 대체 상품 3개 제안 (알고리즘 점수 80점 이상 필터링)
3. 계획 변경 이탈: 여행일정 재설계 도구 제공 + 유동적 일정 상품 추천

대체 상품 추천 알고리즘

• Word2Vec + Cosine 유사도 기반 유사 상품 매칭
• 취소 시점 기준 72시간 내 재설계 제안 시스템
• 오프라인 취소 고객 대상 SMS 발신 시 위치기반 추천 적용

5. 2025년 CRM 트렌드 반영 전략

1. 생성형 AI 통합: 고객 문의 내용→여행 스타일 유형 분류→GPT-4 기반 맞춤형 일정 생성
2. 다중 채널 최적화: 채널 간 응답 패턴 분석 → 개인별 최적 커뮤니케이션 경로 자동 선택
3. 예측형 충성도 관리: 여행 후기 텍스트 마이닝을 통한 재구매 가능성 점수화

노랑풍선의 사례는 여행업계에서 하이퍼퍼스널라이제이션을 구현하기 위해서는 단순 기술 도입이 아닌 고객 여정의 미시적 이해→데이터 인프라 구축→알고리즘 최적화의 3단계 접근이 필요함을 보여줍니다. 2025년 현재 생성형 AI와 실시간 데이터 스트리밍 기술의 결합으로 개인화 수준이 진화하며, 이는 단순 전환율 향상을 넘어 고객 생애 가치(LTV) 관리의 새로운 패러다임을 제시하고 있습니다.

 

 

위 내용은 grow with braze 2025 에서 발표자 내용을 정리한 것입니다. 개인적인 견해와 해석의 차이가 있을 수 있어 사실과 다른 점이 있을 수 있습니다. 사실과 다르거나 꼭 수정이 필요한 부분은 말씀해주시면 수정하겠습니다.