NOL은 어떻게 당신의 다음 여행지를 알고 있을까?

행동 데이터로 읽는 의도, 태그로 조립한 취향 — 태그가 모여 당신의 다음 목적지를 알려줍니다.

이 이미지는 생성형 AI를 활용해 제작하였습니다.

“우리 고객들은 NOL을 어떻게 사용하고 있을까?” 모든 비즈니스의 시작은 이 질문에서 비롯됩니다. 하지만 단순히 앱 활성화 지표나 방문 횟수만으로는 고객 한 명 한 명의 취향과 숨겨진 니즈를 파악하기 어렵습니다. 가족들과 리조트로 여행을 계획중인 고객, 저렴한 상품만 자주 구매하는 고객 등… 고객의 얼굴이 모두 다른 것처럼, 그들의 행동 패턴 또한 천차만별이기 때문이죠.

NOL 데이터 분석(DA) 팀은 이러한 한계를 넘어, 고객 개개인에게 딱 맞는 경험을 선사하기 위해 ‘User segment’를 개발하고 운영하고 있습니다. 이 글에서는 NOL User segment가 어떻게 만들어지고, 비즈니스에 어떤 변화를 가져오고 있으며, 앞으로 어떻게 진화해 나갈지에 대한 것을 공유하고자 합니다.

왜 ‘User segment’가 필요할까요?

과거의 고객 분석은 주로 RFM(Recency, Frequency, Monetary) 모델에 의존했습니다. ‘고객이 얼마나 최근에, 얼마나 자주, 얼마나 많은 돈을 썼는가?’를 보는 것이죠. 이는 분명 유용한 지표지만, ‘과거’의 결과일 뿐 고객의 ‘미래’ 행동을 예측하는 데는 한계가 명확합니다. 예를들어 매달 출장을 위해 저렴한 도심 호텔을 예약하던 고객 ‘A’가 있습니다. A고객은 RFM 점수가 매우 높지만, 결제당 단가는 낮을 겁니다. 하지만 다음 달, 이 고객이 가족과 함께 떠날 럭셔리 리조트를 알아보고 있다면 어떨까요? RFM 데이터만으로는 이러한 새로운 여행 계획을 예측하기 어렵습니다.

이처럼 고객은 단편적이지 않고, 여행의 목적과 시점에 따라 전혀 다른 모습(다면성)을 보입니다.

이 이미지는 생성형 AI 를 활용해 제작하였습니다.

지난겨울 친구들과 스키장 여행을 갔던 고객이, 다가오는 여름에는 아이와 함께 갈 만한 풀빌라를 찾아볼 수 있는 것처럼 말이죠. 과거 구매내역 만으로는 이러한 다면적인 니즈를 파악하고 미래의 여행 상품을 추천하기 어렵습니다.

NOL이 User segment를 개발한 궁극적인 목표는 명확합니다. 바로 고객의 시시각각 변하는 다면성을 이해하고, 그에 맞는 개인화 경험을 제공하기 위한 밑거름이 되는 것입니다. 잘 만들어진 Segment는 다음과 같은 이점을 제공합니다.

• 타겟 마케팅 : User segment는 고객 그룹별로 관심사에 맞는 메시지를 전달해 마케팅을 더 정교하게 만듭니다. 예를 들어, ‘아이와 함께 여행하는 부모’ Segment에게 여름에 ‘키즈 풀빌라 특가’ 쿠폰을, 반려동물 동반 여행객’ Segment에게는 ‘애견 특가 상품’을 제안하는 식이죠. 이렇게 고객의 상황과 관심사에 정확히 부합하는 메시지는 높은 반응률(CTR/CVR)을 이끌어낼 뿐만 아니라, 불필요한 광고에 대한 고객의 피로도를 줄여 브랜드에 대한 긍정적인 인식을 심어줍니다.
• 초개인화를 위한 데이터 : 개인화된 서비스가 적용된다면 ‘반려동물 동반 여행객’ Segment에 속한 고객이 NOL 앱을 켰을 때, 화면의 배너가 반려동물 관련 콘텐츠가 상단에 자연스럽게 노출되어야 합니다. 이처럼 ‘초개인화’의 개념은 매력적이지만, 성공적인 구현은 또 다른 이야기입니다. 개인화 모델이 고객의 마음을 읽는 것처럼 작동하려면, 고객의 성향과 의도를 설명해 줄 구체적인 데이터가 반드시 필요하기 때문입니다. User segment는 바로 이 핵심 재료를 공급하는 역할을 합니다. 고객의 행동 하나하나를 분석해 만든 Segment라는 명확한 근거가 있어야, 비로소 ‘나를 위한 서비스’라는 경험을 정교하게 만들어낼 수 있습니다.
• 시장 변화 감지 : 고객의 관심사는 계절, 트렌드, 사회적 이슈에 따라 계속해서 변합니다. User segment 데이터는 이러한 시장의 변화를 정량적으로 파악하는 데 활용됩니다. 예를 들어, 계절성이 짙은 ‘글램핑’이나 ‘차박’ 관련 Segment의 활동이 증가하는 것이 포착되면, 이를 근거로 관련 상품을 미리 확보하고 프로모션을 기획할 수 있습니다. 반대로 특정 Segment의 활동이 감소하면, 원인을 분석하고 이탈 방지를 위한 대응 전략을 수립합니다. 이를 통해 감이 아닌 데이터에 기반한 비즈니스 의사결정이 가능해집니다.

User segment, 어떻게 만들어질까요?

NOL User segment는 ‘현재의 행동이 미래를 예측한다’는 원칙에 따라, 고객의 행동 로그(클라이언트 로그) 데이터를 기반으로 만들어집니다. 이는 결제 완료와 같은 ‘결과’ 데이터가 아닌, 어떤 상품을 클릭하고, 어떤 키워드를 검색하는지와 같은 ‘과정’ 데이터에 집중하여 고객의 숨은 의도와 미래의 계획을 파악하기 위함입니다.

또한, NOL은 Segment 하나하나를 만드는 대신, ‘User tag’를 기반으로 ‘User segment’를 만드는 계층적 구조를 도입했습니다.

예를 들어, ‘수영장 숙소를 찾는 가족’이라는 Segment를 만든다고 가정해 보겠습니다. 저희는 이 Segment를 한 번에 정의하는 대신, ‘가족’이라는 특성을 나타내는 Tag와 ‘수영장’에 대한 선호를 나타내는 Tag를 각각 생성합니다. 그리고 이 두 가지 Tag를 모두 가진 고객을 해당 Segment로 분류하는 것이죠. 이러한 방식의 장점은 확장성에 있습니다.

만약 ‘글램핑’이라는 새로운 Tag를 개발했다면, 기존의 ‘가족’ Tag와 조합하여 ‘글램핑을 선호하는 가족’이라는 새로운 Segment를 손쉽게 만들 수 있습니다. 즉, User tag는 가장 작은 단위의 블록이며, 이 블록들을 어떻게 조립하느냐에 따라 무한한 User segment를 완성할 수 있습니다.

이러한 Segment는 다음과 같은 체계적인 계층 구조로 생성됩니다.

1. User Tag (사실 기반의 행동 데이터)

• Level 1 (원천 데이터 가공): 고객의 순수한 행동을 횟수로 기록합니다. (예: ‘리조트’ 카테고리 클릭 횟수, ‘자차 이용’ 숙소 검색 횟수, ‘애견’ 관련 키워드 검색 횟수). 현재 약 수백개의 Tag가 고객의 작은 행동 하나하나를 기록하고 있습니다.
• Level 2 (행동 비율 계산): Level 1 데이터를 활용해 고객의 선호도 비중을 계산합니다. (예: 전체 숙소 클릭 중 ‘리조트’가 차지하는 비율, ‘애견 동반 가능’ 필터를 사용한 비율). 현재 약 수십개의 Tag가 고객의 취향을 더 명확하게 보여줍니다.

2. User Segment (예측 기반의 고객 그룹)

• Level 1 (통계 기반 Segment): User tag들을 조합하여 통계적으로 유의미한 고객 그룹을 생성합니다. (예: ‘리조트 위주 여행객’, ‘애견 동반 여행객’, ‘가성비 중시 고객’ 등 수십가지 유형)
• Level 2 (예측 모델 기반 Segment): 통계, 머신러닝, 딥러닝 모델을 활용하여 더욱 정교하고 구체적인 고객 그룹을 예측하고 정의합니다. (예: ‘주말마다 리조트에서 가족/애견과 호캉스를 즐기는 고객’)

✔️ 사용자 중심의 유연한 Segment 생성

이러한 계층적 구조는 단순히 데이터를 정리하는 것을 넘어, ‘사용자 중심’의 데이터 활용 문화를 만드는 것을 목표로 합니다. 팀마다 필요한 Segment는 다를 수밖에 없습니다. 상황에 따라 추천팀은 고객의 장기적인 호텔 선호도에, 마케팅팀은 특정 시즌의 리조트 관심도에 집중할 수 있습니다.

이 구조를 통해, 각 팀은 데이터 분석팀에 매번 의존하는 대신, 잘 정의된 ‘Tag’라는 재료를 가지고 직접 필요한 Segment를 조립할 수 있게 됩니다. 이는 공급자 관점에서 일방적으로 Segment를 제공하는 것이 아니라, 실제 사용자가 자신의 필요에 맞게 데이터를 가공하는 방식으로, 데이터 활용의 속도와 유연성을 높일 수 있습니다.

✔️ 특징의 강도(Segment score)까지 측정합니다

NOL의 User segment는 단순히 고객을 특정 그룹에 ‘포함된다/안된다’로 나누는 것이 아니라, 각 Segment에는 특징의 가능도를 나타내는 점수(Segment score)가 부여됩니다.

예를 들어 ‘글램핑을 선호하는 가족’ Segment에 100명의 고객이 있다면, 이 100명은 모두 동일한 특성을 가진 것이 아닙니다. 어떤 고객은 글램핑 관련 상품을 수십 번 검색하고 여러 번 구매해 높은 가능도를 보일 수 있고, 다른 고객은 몇 번 클릭해본 낮은 가능도를 보일 수 있습니다. “segment_value”는 바로 이 가능도를 수치로 표현해 줍니다. 또한 100명 중 상위 몇 %에 해당하는지 알려주는 보조 지표들도 함께 제공됩니다.

이를 통해 마케팅이나 개인화 서비스를 기획하는 팀은 더 정교한 전략을 세울 수 있습니다. 예를 들어, 가장 확실한 타겟, 즉 해당 특징의 가능도가 가장 높게 나타나는 상위 20%의 고객에게만 집중하여 한정된 리소스로 최대의 효과를 내는 캠페인을 진행할 수 있게 됩니다.

✔️ 최신성 vs. 보편성의 균형

이러한 계층 구조와 더불어, ‘얼마나 최근의 데이터까지 볼 것인가’(=window)를 정하는 것 역시 중요합니다. 이는 고객의 ‘최신성’과 ‘보편성’ 사이의 균형을 맞추는 문제와 직결됩니다.

너무 짧은 기간의 데이터만 사용하면 고객의 가장 최근 관심사는 반영할 수 있지만, 그들의 꾸준한 취향(보편성)은 놓치기 쉽습니다. 또한, 해당 기간에 활동하지 않은 고객은 정의할 수 없다는 한계가 있습니다. 반대로 너무 긴 기간의 데이터를 사용하면 더 많은 고객을 포함하고 보편적인 특징을 파악하기는 쉽지만, 최근에 바뀐 관심사를 반영하지 못할 위험이 커집니다. 이러한 최신성과 보편성의 트레이드오프를 고려하여, NOL은 다음과 같이 여러 기간(Window)을 설정해 Segment를 개발하고 있습니다.

가령, A고객의 최근 1일 Segment는 ‘글램핑을 선호하는 가족’으로, 최근 1년 Segment는 ‘호텔을 주로 찾는 고객’으로 정의될 수 있습니다. 이처럼 다양한 기간의 Segment를 함께 활용하면, A고객의 꾸준한 취향(호텔 선호)과 가장 최근의 관심사(글램핑)를 동시에 파악할 수 있습니다. 이를 통해 지금 당장은 글램핑 관련 맞춤형 제안을 하면서도, 장기적으로는 호텔 관련 프로모션을 제공하는 등 정교하고 효과적인 마케팅 / 개인화가 가능해집니다.

✔️ Segment의 확장성: 모든 개인화 서비스의 기반

이렇게 만들어진 User tag와 Segment는 마케터나 CRM 담당자가 캠페인 대상을 선정하는 도구로 시작하여, 개인화 서비스에서 사용할 수 있도록 확장중입니다.

예를 들어, 추천, 검색, 광고와 같은 정교한 모델링이 필요한 분야에서 User segment는 중요한 피처(Feature, 모델의 입력 변수)로 활용됩니다. 검색 알고리즘에 ‘가족 여행객’이라는 Segment 정보를 제공하면, 해당 고객에게는 키즈 프렌들리 숙소를 우선적으로 노출해 줄 수 있습니다. 광고 알고리즘 역시 ‘호캉스 선호’ Segment 고객에게는 5성급 호텔 패키지 광고를, ‘가성비 여행객’ Segment에게는 할인 쿠폰 광고를 집중적으로 보여주어 효율을 극대화할 수 있습니다. 이처럼 User segment는 모델이 고객의 숨은 의도를 더 정확하게 파악하도록 도와 전체적인 성능을 끌어올리는 역할을 합니다.

이렇게 만들어진 User tag와 Segment는 서비스 전반에서 고객을 일관된 관점으로 이해하고, 맞춤형 경험을 제공하는 기반이 됩니다. 특정 고객에게 부여된 여러 Tag와 Segment 정보(예: ‘가족 여행객’, ‘수영장 선호’, ‘최신성: 최근 M일’)는 다양한 서비스 영역에 유기적으로 활용되어, 통일성 있는 개인화 경험을 제공하는 인프라 역할을 합니다. 이는 NOL이 지향하는 초개인화로 나아가기 위한 중요한 발판이 됩니다.

고객을 더 깊이 이해하기 위한 여정

고객의 여행 트렌드는 계속해서 변화하고 세분화되고 있습니다. NOL의 User segment 시스템은 이러한 변화에 발맞춰, 고객을 더 깊이 이해하기 위한 핵심적인 접근 방식입니다.

이 글에서 소개한 것처럼, NOL은 사실 기반의 ‘Tag’와 예측 기반의 ‘Segment’를 조합하는 계층적 구조를 통해 고객의 다면적인 특성을 정의합니다. 여기에 ‘최신성’과 ‘보편성’을 모두 고려한 데이터 처리 방식, 그리고 행동 데이터와 구매 데이터를 통합하는 접근법을 더해 고객 이해의 정교함을 높이고 있습니다. 이 모든 노력은 단순히 고객을 분류하는 것을 넘어, 고객의 다음 행동을 예측하고 숨겨진 니즈를 발견하여 최적의 경험을 제안하기 위함입니다.

User segment는 NOL이 지향하는 초개인화의 가장 중요한 기반입니다. 앞으로도 NOL 데이터 분석팀은 새로운 Segment를 지속적으로 발굴하고 예측 모델을 고도화하여, 검색, 추천, 마케팅 등 더 많은 영역에서 데이터에 기반한 고객 경험 혁신을 이끌어 나갈 것입니다. NOL이 제공할 당신만을 위한 여행 경험을 기대해 주세요.

<관련 특허>

• 특허 등록번호 10–2740986 : 여행 일정과 관련하여 사용자의 관심 정보를 분석하기 위한 서버 및 그 동작 방법 (김성주, 놀유니버스)
• 특허 등록번호 10–2731273 : 신경망 모델을 활용하여 여행 일정과 관련된 사용자의 상품 관심도를 분석하는 서버 및 그 동작 방법 (김성주, 놀유니버스)

누구나 마음 편히 놀 수 있는 세상을 함께 만들어갈 동료를 찾고 있어요 :)

지금 채용 중인 포지션 보러가기 >