[인과추론] 의류매장 내 탈의실에서의 혼잡이 매출에 미치는 영향

인과 추론을 이용한 실제 분석 사례

 

강의 내용 : https://www.youtube.com/watch?v=FVl67HUTHBM&list=PLKKkeayRo4PV_6-nbBgmUNOSpG1OO49M3&index=22 

 

개요

온라인 스토어가 많이 발전했지만

그래도 오프라인 스토어에서 직접 보고싶어하는 수요는 존재한다.

어떻게 해야 오프라인의 장점을 극대화해서 효과를 볼 수 있을까?

1. 진짜 사려는 사람을 구분한다.
2. 소비가에게 적절한 타임에 제공할 수 있게 한다.
3. 다른 제품 연결 판매까지 이어지게 한다.

강의에서는 세 개 조건에 일치하는 탈의실에 초점을 맞췄다.

 

문제 정의

피팅룸의 최대 장점인 고객 경험을 저하시키는 요인 : 혼잡한 경우

1. 기다리는 시간 발생
2. 옷이 정리되지 않으면 아이템이 어디있는지 모름. 한정 아이템의 경우 더 리스크를 가짐 (phantom stockouts)
3. 더러움

 

 

분석

 Part 1 : Analyzing archival data 

1-1) 혼잡도가 정말 세일즈를 악화시키나?

데이터 수집 : RetailNext라는 스토어 분석 기업과 컨택해 실제 매장 정보를 수집

• 트래픽 정보
• POS 정보
• 직원 정보

여러 매장 중 단 하나의 매장에서 탈의실에 얼마나 사람이 들어가는지를 알 수 있었어서, 해당 매장에 집중해 분석함

 

1-2) 데이터 탐색

Econometric model을 사용했으며, 컨트롤한 정보는 아래와 같다.

1-3) 결과 ✔

피팅룸 방문량이 많아지면 세일즈도 올라가는데, 어느 순간부터 반대의 경우를 발견

U shape을 검사하는 다양한 모델을 살펴봐도 동일하게 inverted U shape을 발견함

 

 Part2 : Field Study 

2-1) 왜?

모델링으로 해석하려는 과정에서 시간이 오래 걸림. 결국 직접 현장을 보러감

 

2-2) Impeding behavior (셀프 정의) ✔

혼잡해서 의도했건 안했건 Information Search를 하거나 Evaluation of Alternatives를 취해 다른 사람에게 부정적 경험을 주게 되는 것

• 사람이 많아 다시 줄을 서기 싫어 한번에 많은 옷을 가져감, 혹은 한정된 아이템을 뺏길까 먼저 가져감. 이는 피팅 시간도 더 오래걸려 뒷사람은 더 많은 기다림을 가짐
• 탈의실에 물건을 많이 두고 나옴. 직원도 혼잡할 때 물건 정리가 어려움.

 

2-3) 분석

209명의 탈의실 입장 시간 / 가져간 아이템 수 / 퇴장 시간 / 가지고 나온 아이템 수 정보를 수집

• 혼잡한 경우
• 평균 1.3개의 아이템을 더 가져가고
• 2분의 시간이 추가 소요됨
• 2시간동안 응대를 못한 탈의실에는 70개, 160개의 물건이 쌓임
• 또한 평균 3개 아이템을 두고 나옴
• 잘못 배치된 옷(559개) 중 39%(216개) 가 1개만 남은 아이템이었음 (phantom stockouts)

2-4) 결과 ✔

너무 크거나 작은 사이즈라 하나 남은 경우가 많을 것이다 등의 의견이 있었으나 확인해보니 아니었음
탈의실에 두고간 평균가격과 탈의실 주변 3200개 평균 가격 비교 결과 두고간 아이템의 가격이 평균 14$ 높음

 

2-5) 해결책

• 옷 개수 제한 (기업에서 반대. 경험 방해 싫음)
• 많이 가져가게 두고 우리가 어떻게든 해결하기 - recovery

 

 Part3 : Field Experiment 

3-1) 실험

완전 동일 피팅룸에 대해

• Fitting Room A : 옷만 치우는 직원 고용
• Fitting Room B : 직원 없음

Selection Bias는 잘 고민해서..! 디자인 하셨다고 함

층 다른 이유는 사서 다른데 가서 계산하고 이런 경우도 고려함

 

3-2) 결과 ✔

한명의 labor로 시간 당 22% 세일즈 상승 (t-test나 다른거로도 검증해도 동일)

labor 가격과 세일즈 상승을 비교했을때 이득을 볼 수 있음을 확인 (positive ROI)

 

 

 

 

이후 해당 매장의 반응은?

근데 고작 한개에서 실험한 거 아니냐

• 운좋게 다른 곳에서도 실험을 해볼 수 있는 기회가 생겼음. 탈의실 구조도 전 실험과 좀 다른 형태였음
• 결론 22% 세일즈 상승. 굉장히 비슷
• 계산해도 역시 positive ROI

 

 

최종적으론

• A는 자발적으로 10개 스토어를 돌려보고 동일 결과를 확인함
• B는 7시 이후에 치우는 정책을 변경함