스마트리테일: 매장 CCTV기반 고객 행동 분석 및 매장 최적화
Vision AI 기반 매장 영상 분석으로 고객 행동을 자동 파악하고 매장 운영을 최적화
고객 직면 문제 및 이슈 (Situation)
고객 행동 정량화 부재로 인한 매장 레이아웃·인력 배치의 비효율적 의사결정
오프라인 매장 운영의 핵심은 고객이 어떻게 움직이고, 무엇에 반응하는지를 파악하는 데 있다. 그러나 대부분의 매장에서 이 정보를 얻는 방식은 여전히 직원의 육안 관찰과 수동 보고에 머물러 있었다. 고객의 동선, 특정 진열대 앞에서의 체류 시간, 상품과의 상호작용 같은 핵심 지표들은 숫자로 포착되지 않았고, 따라서 객관적인 판단의 근거가 될 수 없었다.
문제는 이 정보의 공백이 의사결정 전반을 흔든다는 데 있었다. 매장 레이아웃을 어떻게 구성할지, 어느 시간대에 인력을 어디에 배치할지 같은 운영의 핵심 판단이 모두 운영자의 경험과 직관에 기댈 수밖에 없었다. 정량적 근거 없이 반복되는 의사결정은 운영 비효율을 누적시키고, 고객 만족과 매출 효율 모두를 제약하는 구조적 한계로 이어졌다.
데이터 없는 현장, 직관에 기댄 의사결정의 한계
해결 방안 (Solution)
객체 인식·추적·분할 기술 기반 고객 행동 실시간 수집 및 히트맵 시각화
딜로이트는 이미 매장에 설치된 CCTV 인프라를 기반으로, 고객 행동을 실시간으로 수집하고 분석하는 지능형 영상 분석 체계를 구축했다. 컴퓨터 비전 기술의 Object Detection, Tracking, Segmentation을 결합해 고객의 이동 경로와 진열대 상호작용 데이터를 실시간으로 포착했다.
분석은 단순한 동선 추적에 그치지 않았다. 딥러닝 모델을 활용해 연령과 성별을 추정하고, Instance Segmentation 기술로 고객을 개별 식별해 개인화된 행동 패턴 분석까지 수행했다. AWS EC2 GPU 환경에서 고속 추론을 통해 생성된 히트맵과 동선 맵은 대시보드로 시각화되어 매장 레이아웃과 인력 배치를 실시간으로 가이드하는 운영 체계로 연결됐다. 직관이 지배하던 매장 운영이 데이터가 이끄는 실행 체계로 전환되는 순간이었다.
- 객체 인식·추적·분할 기반 고객 이동 경로 및 진열대 상호작용 실시간 수집
- 딥러닝 기반 연령·성별 추정 및 개인화 행동 패턴 분석
- 히트맵·동선 맵 대시보드 시각화로 매장 레이아웃·인력 배치 실시간 최적화
경험과 직관의 현장에서 데이터 기반 지능형 매장으로
추진 결과 (Impact)
데이터 기반 매장 관리 표준 정립, 정량적 관리가 가능한 지능형 매장으로 전환
이 체계의 도입으로 매장 운영의 의사결정 방식이 근본적으로 달라졌다. 시각화된 고객 행동 데이터를 바탕으로 상품 진열과 인력 배치를 최적화할 수 있게 되면서, 현장 운영의 기민성이 높아졌다. 고객 동선 개선과 데이터 기반의 배치 최적화는 구매 전환율과 매출 효율 극대화로 이어졌다.
운영 효율을 넘어 거버넌스 측면에서도 변화가 나타났다. 정성적 판단에 의존하던 오프라인 매장이 정량적 관리가 가능한 지능형 매장(Smart Store)으로 전환됐다. 이는 단순히 하나의 매장을 개선한 것이 아니라, 데이터 기반의 매장 관리 표준을 새롭게 정립했다는 점에서 의미가 있다.
데이터 기반 스마트 리테일, 딜로이트와 함께 구현하세요.
Vision AI Case Series
산업 현장에서 실증된 딜로이트의 Vision AI 솔루션 사례 모음
