LITMUS

건물 내부 체류 여부를 구분하는 리트머스

리트머스는 기존의 유동인구와 달리 AI 기술을 통해 사람들이 실제 어느 건물에 머무는지를 구분합니다 (서울 기준 중대형 상업 건물의 약 80%). 이러한 고해상도 데이터를 통하여 공공, 소매, 마케팅, 도시설계 등 다양한 분야에 더 많은 가능성을 제공하고 있습니다. 본 컨텐츠에서는 국내 최대 백화점 중 하나인 L 백화점 본점 건물에 실제로 체류한 사람을 분석하여 제공한 사례를 소개합니다. 

기존 유동인구로는 파악이 어려운 L 백화점 본점

L 백화점 본점은 서울 중심에서 다양한 영역의 빌딩 숲 사이에 자리 잡아 굉장히 많은 유동인구가 몰리는 지역에 위치하고 있습니다. 이미 해당 백화점은 기존의 유동인구 서비스 데이터를 통하여 백화점 방문 인구 데이터를 구매하여 활용하고 있었지만 그 정확도가 기대에 미치지 못하여 리트머스의 AI 유동인구 서비스를 활용한 실제 백화점 방문 고객의 통계 데이터를 활용하고자 하였습니다. 우리는 리트머스 AI 유동인구 데이터가 얼마나 정확하게 백화점 실제 방문객을 구분하는지 확인하기 위하여 해당 백화점의 영업 시간 전후와 더불어 해당 백화점의 휴무일 분석을 통해 기존 유동인구가 보여주지 못하는 실제 방문객 분포를 구성하였습니다.

L 백화점 본점 방문자를 통해 확인한 리트머스 AI 유동인구의 정확성

영업시간 전후의 방문객 통계를 비교해 보았습니다. 데이터에서 보시다시피 명확히 영업 시간 전후에 방문자 수의 차이가 발생하는 것을 알 수 있습니다. 영업시간 전후에는 백화점 필수 운영 인력을 제외하고는 해당 백화점에 진입할 수 없기 때문입니다.

다음으로 휴무일의 방문객 통계를 비교해 보았습니다. 예상한 바와 같이 휴무일에는 방문자가 거의 발생하지 않는 리트머스 데이터를 확인할 수 있습니다. 다만 11월 6일 휴무의 경우 생각과 달리 방문자가 발생하고 있는 모습을 확인할 수 있었습니다. 이는 L 백화점 본점의 우수고객 초청 Private 행사로 확인 되었습니다. 해당 행사는 1, 2부로 진행되었고 각 세션 방문 시간에 따라 리트머스 데이터가 반응하고 있는 것을 알 수 있습니다. 이를 통해 리트머스 AI 유동인구 데이터가 정확히 건물 방문자를 추려낼 수 있다는 것을 확인할 수 있습니다.

리트머스가 바라본 L 백화점 본점 방문자

L 백화점 본점에 실제로 방문한 사람을 정확히 구분하고 있다는 것을 위의 데이터로 확인하였고 리트머스의 체인 단위 분석 기술을 통하여 실제 L 백화점 방문 고객의 특성들을 간단히 정리해 보았습니다. 먼저 연령별 방문강도 입니다. 보시는 그래프와 같이 실제 방문객의 경우 3040 객이 주를 이루고 있음을 알 수 있으며, L 백화점 본점 위치 특성상 20대 방문객도 상당 수 분포하고 있습니다.

또한 백화점 방문 고객의 실제 집 위치를 살펴보면 서울 경기의 다양한 지역에서 방문하고 있음을 확인할 수 있습니다. 이는 위에 언급한 바와 같이 해당 백화점의 위치적 특성으로 인해 교통이 매우 편리하며 대형 업무 지구가 위치하고 있어 서울경기의 다양한 지역 주민들이 해당 백화점에 방문할 기회가 높다는 것을 의미합니다. 크게 동대문구, 성북구, 용산구, 은평구, 종로구, 성남시, 남양주시, 용인시 등에서 방문 빈도가 높은 것을 알 수 있습니다.

이외에도 ⓵ 백화점 건물에 실제 방문한 고객이 전후에 어떤 백화점을 방문 하였는지 ⓶ 재방문 비율은 얼마나 높은지 (재방문은 장기간 이동 연쇄를 분석해야 하기 때문에 기존 유동인구 데이터로 파악이 어렵습니다) ⓷ 백화점 방문 전후로 어떤 이동 수단을 활용하였는지 등의 다양한 상세 데이터를 제공하였습니다. 이러한 데이터는 대형 유통점의 고객 관리 및 마케팅 목적에 활용 됩니다.

건물 단위 유동인구 데이터의 활용 방안

건물 단위로 유동인구 데이터를 분석하면 기존에 불가능한 다양한 시나리오에 대한 해법을 데이터 기반으로 찾아낼 수 있습니다.

• 첫 번째로 시설 관리 및 운영 최적화를 할 수 있습니다. 방문자 수 데이터를 분석함으로써, 건물 관리자는 시설의 사용 패턴을 이해하고, 이에 따라 청소, 유지 보수, 보안 등의 운영 계획을 최적화할 수 있습니다.
• 두 번째로 에너지 효율을 개선할 수 있습니다. 건물 내 방문자 수를 기반으로 난방, 냉방, 조명 등의 에너지 사용을 조정함으로써 에너지 효율을 향상시킬 수 있습니다.
• 이는 건물의 탄소 발자국을 줄이고, 운영 비용을 절감하는 데 도움이 됩니다.
• 세 번째로 맞춤형 마케팅 및 프로모션 전략을 수립할 수 있습니다. 상업 시설에서 방문자 수와 방문자의 속성 데이터를 활용하면 타겟 마케팅 전략을 세우고, 프로모션 활동의 타이밍을 조정하여 효과를 극대화할 수 있습니다.
• 특히, 특정 시간대나 이벤트 기간 동안 방문자 수가 증가하는 패턴을 파악하여 맞춤형 프로모션을 제공할 수 있습니다.
• 네 번째로 공정한 교통유발분단금을 산정할 수 있습니다. 교통유발분담금은 특정 시설물로 인해 발생하는 교통량 증가를 고려하여 해당 시설물 소유자나 이용자로 하여금 그 비용을 분담하게 하는 제도입니다.