디지털 사이니지 산업군별 효과측정을 위한 AI 기술 - III

디지털 사이니지 vs 디지털 옥외광고 효과 측정 블로그에서 효과측정 목적과 측정 방법 및 지표 차이를 제시하였다. AI와 디지털 사이니지 관련 글에서 AI에 대한 기본적인 내용을 정리하면서, 디지털 사이니지에 적용가능한 내용을 포괄적으로 정리했다.
이번 글에서는 디지털 사이니지가 적용 산업군 별로 효과 측정 요소와 지표를 기준으로 AI 기술 적용 내용을 정리해 보았다. 이를 통해 좀 더 실질적으로 해당 기술이 디지털 사이니지 고객 산업군에서 어떻게 활용할 수 있는 지를 파악할 수 있을 것이다. 본 글은 기획 (서비스, 마케팅, 사업) 업무 하는 분들에게 도움이 될 것이다. 그리고 디지털 사이니지에 AI 기술을 적용하고자 하는 초급 데이터 엔지니어에게 참고가 될 수 있을 거라 생각한다. 내용을 정리 기록하는 필자의 경우는 기획자 입장에서 본 글을 정리해가고 있다.
 

 
8. 교통 분야
교통 분야에서는 디지털 사이니지를 통한 실시간 정보 제공이 여행자 경험과 교통 시스템 효율성에 미치는 영향을 측정하는 데 주력한다. 공항, 기차역, 버스 정류장 등에서 디지털 디스플레이를 통해 제공되는 운행 정보와 도착/출발 시간 안내가 승객의 이동 계획 수립과 불확실성 감소에 얼마나 기여하는지 평가한다. 교통 상황 실시간 업데이트가 승객 흐름 관리와 혼잡도 감소에 미치는 효과를 분석하며, 디지털 길 찾기 시스템이 승객의 환승 경험 개선과 이동 시간 단축에 기여하는 정도를 측정한다. 또한 교통 관련 광고와 안내가 추가 서비스 이용률과 전반적인 승객 만족도 향상에 미치는 영향을 평가하여 교통 서비스의 질적 개선과 수익 창출 전략 최적화를 도모한다.
 
주요 요소 목적 적용 가능한 AI 기술

교통 스케줄 확인 빈도	실시간 정보 전달력 평가	Transformer 기반 시계열 예측・정시 여부 예측, 도착정보 정확도 향상 클러스터링・승객 유형별 정보 활용 행태 분석
셀프 체크인 키오스크 사용률	비대면 서비스 활용도 분석	강화학습 (Reinforcement Learning)・Q-learning으로 키오스크 UI 최적화 Behavioral Pattern Mining・CNN + Self-supervised Learning
실시간 도착 정보 확인 횟수	시스템 신뢰도와 유용성 평가	RNN/LSTM 기반 시간 예측・이용 패턴 예측 및 사용률 피크 시간대 분석 GNN (Graph Neural Networks)・지리/노선망 기반 이동 시각화 및 흐름 예측

 
주요 지표 설명 활용 AI 기술

실시간 도착 정보 확인 빈도	정보 활용도 및 시스템 신뢰도 평가	・시계열 예측 (LSTM), Transformer・클러스터링으로 사용자 반응 유형 분류
셀프 체크인 키오스크 이용률	자동화 인프라의 수용도 측정	・강화학습 기반 UI 개선・Autoencoder 기반 UX 이상 탐지
대중교통 이용자 정보 습득률	정보 전달 효과성 평가	・Vision AI + NLP 기반 콘텐츠 이해도 분석・Transformer로 사용자 유형별 정보 우선순위 자동 조정
경로 안내 정확도	시간 절약 및 환승 효율성 측정	・GNN 기반 네트워크 최적 경로 탐색・Policy-based 강화학습으로 환승 동선 최적화

 
9. 금융 분야
금융 분야에서 디지털 사이니지 효과 측정의 주요 목적은 고객 서비스 품질 향상과 셀프서비스 채널 활용도 증대에 있다. 지점 내 디지털 디스플레이를 통한 금융 상품 정보와 프로모션 제공이 고객의 상품 인지도와 구매 의향에 미치는 영향을 평가하며, ATM 및 셀프서비스 키오스크가 창구 업무 분산과 대기 시간 단축에 기여하는 정도를 분석한다. 금융 교육 콘텐츠와 시장 정보 제공이 고객의 금융 이해도 향상과 의사결정 지원에 미치는 효과를 측정하고, 디지털 시스템 도입을 통한 페이퍼리스 프로세스가 운영 비용 절감과 환경 지속가능성에 기여하는 정도를 평가한다. 궁극적으로는 디지털 전환(Digital Transformation)이 고객 경험 개선과 비즈니스 성과 향상에 미치는 종합적인 영향을 측정하는 것을 목표로 한다.
 
주요 요소 분석 목적 적용 가능한 AI 기술

금융 상품 광고 클릭률	광고 콘텐츠 효과성 측정	트리 기반 알고리즘 (XGBoost, LightGBM)・고객 속성에 따른 클릭 예측 생성 모델 (GAN)・광고 A/B 테스트용 이미지 자동 생성
ATM 및 키오스크 이용 빈도	셀프 서비스 채널 활성화	강화학습 (Reinforcement Learning)・UI/UX 최적화로 사용자 이탈률 감소 클러스터링 / 패턴 분석・고객군별 키오스크 이용 행태 분석
대기시간 감소율	창구 업무 분산 효과 측정	LSTM 기반 시계열 예측・시간대별 방문량 예측 강화학습 기반 흐름 분산 알고리즘

 
주요 지표 설명 활용 AI 기술

금융 상품 광고 클릭률	고객의 상품 관심도 및 반응 측정	・XGBoost 기반 예측・GAN 기반 콘텐츠 최적화 실험
ATM 및 키오스크 이용 빈도	비대면 채널 선호도 분석	・Clustering 기반 고객 세분화・강화학습 기반 UI 경로 자동 추천
대기시간 감소율	창구 운영 효율성 평가	・LSTM 기반 예측 + 강화학습 기반 자원 분산
금융 리터러시 콘텐츠 시청률	교육 콘텐츠의 활용도 및 이해도 향상 평가	・Transformer 기반 문서 요약 및 추천・Self-supervised Learning 기반 콘텐츠 반응 분석

 
 
10. 관광 및 호텔
관광 및 호텔 산업에서는 디지털 사이니지를 통한 게스트 경험 향상과 서비스 효율성 증대 효과를 측정하는 데 중점을 둔다. 호텔 로비와 공용 공간의 디지털 컨시어지와 정보 디스플레이가 투숙객의 시설 이용률과 부가 서비스 구매에 미치는 영향을 평가하며, 셀프 체크인/체크아웃 키오스크가 프론트 데스크 운영 효율성과 게스트 만족도 향상에 기여하는 정도를 분석한다. 주변 관광 정보와 액티비티 안내가 게스트의 체류 기간 연장과 지역 경험 확대에 미치는 효과를 측정하고, 디지털 프로모션과 이벤트 홍보가 호텔 내 식음료 매장과 부대시설 이용률 증가에 어떤 영향을 주는지 평가한다. 궁극적으로는 디지털 서비스 도입이 전반적인 고객 만족도 향상과 수익성 증대에 미치는 기여도를 측정하는 것을 목표로 한다.
 
주요 요소 분석 목적 적용 가능한 AI 기술

호텔 로비 디지털 컨시어지 사용률	정보 탐색 효율성 및 이용 동기 분석	강화학습 (Reinforcement Learning)・UI 최적화, 추천 경로 개선 (Policy Gradient) 클러스터링 (Unsupervised Learning)・고객군별 디지털 이용 유형 구분
관광 정보 디지털 디스플레이 이용 빈도	지역정보 제공 효과성과 체류기간 연장 기여도 측정	Transformer 기반 추천 시스템・고객 선호 기반 관광 콘텐츠 개인화 Self-supervised Learning・비정형 디지털 반응 패턴 분석
셀프 체크인/체크아웃 키오스크 이용률	비대면 서비스 전환 성공 여부	LSTM 기반 이용 예측・시간대별 이용률 및 대기행동 패턴 예측 강화학습 기반 동선 및 인터페이스 최적화

 
주요 지표 설명 활용 AI 기술

관광 정보 디지털 디스플레이 사용 빈도	여행 정보 전달력 및 지역 경제 기여도 측정	・클러스터링 + 시계열 분석・추천 알고리즘 개선 기반 콘텐츠 반응 추적
셀프 체크인/체크아웃 키오스크 사용률	프론트 운영 효율성 개선 지표	・강화학습 기반 UI 개선・RNN 기반 시간 예측 모델
지역 명소 및 서비스 광고 조회율	지역과의 연결성과 제휴 홍보 효과 측정	・XGBoost 기반 클릭 예측・GAN 기반 A/B 테스트용 이미지 생성
호텔 브랜드 홍보 콘텐츠 조회율	고객 브랜드 몰입도 및 충성도 지표	・Transformer 기반 콘텐츠 요약 및 선호도 추정・Autoencoder 기반 반응 패턴 추출

 

 ===============================================================

디지털 옥외 미디어 서비스  플랫폼

(주)엠앤엠네트웍스 CEO & 공공미디어 디렉터  김성원  

 e-Mail : sungwon.kim@mnmnetworks.com

 

================================================================