오늘부터 몇 주간 Technology를 잘 응용하여 성공한 회사의 사례를 다뤄보겠다. 물론 이 성공사례들은 헬쓰케어와 상관없는 회사들이었다. 하지만, 이들이 사용하는 기술이 결국 의료산업에 응용되어 사용될 것이기 때문에 이들이 어떤 데이터를 어떻게 활용할 수 있는지 벤치마킹하기엔 더없이 유용하다. 특히 아마존은 약국사업을 하겠다고 한만큼 시사하는 바가 크다.
Healthcare 분야는 여러가지 규제로 인해 다른 industry에 비해 뒤쳐져있다. 이런 규제가 조금씩 완화되면 이미 다른 industry에서 완성화 단계에 이른 기술들이 healthcare와 접목하여 걷잡을 수 없게 변화될 것이다. 마음의 준비 단디하고 있자.
1. Personalized Recommendation System
아마존은 CFE(Collaborative Filtering Engine) 기술을 사용하여 소비자의 선택을 분석을 꽤 스마트하게 한다. 즉, 당신이 구매한 내역, 쇼핑카트나 위스리스트, 제품에 대한 평점 등을 바탕으로 당신이 제품을 검색할 때 최적화된 제품을 소개해준다는 것이다. 이런 기술력으로 연간 30% 이상의 매출이 올랐다고 하니 효과는 확실한 것 같다. Off-line 매장처럼 직원이 따라다니며 귀찮게 하지 않고도 좋은 제품을 소개해 주니 참 고맙긴 한데 한편으론 무섭기도 하다.
IBM Watson이 하는 일이 이런 일이 아닌가 싶다. 진단 결과에 따라 여러가지 논문이나 임상사례를 바탕으로 환자의 진단명과 치료방법을 제안해 주니 말이다. 아직은 초기단계라고는 하지만, 아마존이 사용하는 기술과 별반 다르지 않아 보인다.
2. Big data 분석하여 활용
아마존은 2013년 Goodreads라는 회원수가 2천5백만인SNS(Social Networking Service) 회사를 인수하였다. 이 회원들이 SNS상에서 책에 대해 토의하고 논의한 이야기를 분석하여, 대다수가 좋아할만한 책을 추천해 주는 서비스를 시작할 수 있게 되었다. 숫자만이 아니라 context를 이해하는 머신러닝 기술이 발달해서 가능해진 것이다.
우리나라에도 제약회사에서 Big data를 분석하여 성공한 사례가 있다.
수년 전, 멍 치료제라는 신(新)시장을 개척한 후 전년 동기 대비 매출액이50%나 늘어난 제품이 있다. 타깃 고객층을 아이들에서 성인 여성으로 바꾸고 단순 의약품을 넘어 미용에도 도움이 되는 뷰티 상품으로 리포지셔닝(repositioning)한 덕택이다. 유유제약의 베노플러스-겔이 주인공이다. 이 제품의 리포지셔닝 전략 뒤에는 빅데이터 분석의 공이 크다. 무려 26억 건에 달하는 소셜네트워크 데이터 분석을 통해 멍이 들면 계란으로 문지르거나 소고기를 갖다 붙이는 등 민간 요법에만 의존하는 소비자들의 행태를 파악했고 이를 통해 멍 치료제라는 새로운 시장 기회를 포착할 수 있었던 것이다.
3. 배송체계의 최적화
아마존은 고객이 주문한 제품이 빨리 도착하게 하려면 수요예측을 잘 해야 한다는 것을 알고 있다. 재고가 떨어지면 고객이 재입고때까지 기다려야 하니 다른 회사에서 주문하지 않겠는가. 이런 고객 만족도 극대화를 위해 재고관리와 생산, 배송 추적까지 견고하게 SCM을 잘 관리하고 있다. 사실 이와 관련하여 제약 마케터들도 항상 겪는 일이긴 하다. 지금은 데이터의 도움을 받아 거의 모든 일을 사람이 하고 있는데 조만간 이런 forecast하는 미팅의 형태도 변화되지 않을까 싶다.
제약회사도 요즘 가장 큰 화두가 재고는 최소화하면서 품절은 나지 않도록 하는 것이다. 제약은 shelf-life가 길어야 3년, 짧으면 1년 안팎인 제품이다. 유효기간이 6개월 미만 남아있는 제품은 병원에서 받아주지도 않는다. 냉장보관해야 하는 주사제의 경우, 수요예측은 더더욱 중요하다고 할 것이다. 식약처 규제사항이기 때문에 보관도 제품별로 까다롭게 해야 하고 그에 따라 창고 임대료도 비싸다.
회사입장에서는 운송에 몇 일이 소요되는 비싼 항공료보다는 몇 달이 소요되더라도 싼 선박이 비용 측면에서 선호되니 최소 6개월에서 1년 전에 최대한 정확한 수요예측을 통해 shipping 되어야 한다. 물론 용량별로. 용량이 다양한 제품을 담당하는 마케터는 수십개의 제품을 매달 수요 예측해야 한다. 품절나면 환자가 약복용을 못하니 다른 약으로 바뀐다. 그러니 마케터는 넉넉히 수요예측하고, CFO는 왜 갑자기 매출이 늘어나냐며 이를 줄이는 웃지 못할 해프닝이 무한 반복된다.
10년 전 석사과정 수업들을 때 SCM(Supply Chain Management) 교수님께서 박사과정 할 생각이 없냐고 물어보셨는데 그 때 할껄 그랬다는 생각이 요즘 많이 든다. 나는 앞으로 거의 모든 산업군에서 제품 생산공장과 운송 회사만 남을 것 같다. 거의 모든 구매는 온라인으로 이루어지고 문앞까지 배송해 주는 운송 회사는 더욱 번창할 것이다. 파죽지세로 성장하는 온라인 커머스 회사들을 보면서 시대가 많이 바뀌었구나 싶다.
4. 가격 최적화
아마존은 빅데이터를 사용하여 가격을 최적화한다고 한다. 경쟁 회사 가격, 재고량, 선호도, 과거 주문 사례 등을 고려하여 가격을 10분간격으로 업데이트 한다. 예를 들어, NYT에서 best seller인 경우에는 박리다매로 싸게 많이 판매하고, 덜 판매되는 제품은 할인폭을 줄인다고 한다. 이런 기술 덕분에 영업이익이 매년 25% 가까이 올랐다고 한다.
제약은 가격은 정부와 협상하여 정하니, 매번 가격을 변동하는 건 불가능하다. 다만, 지난 번에도 언급 했듯이 만약 내가 한국에 산다는 이유로 사우디 만수르보다 더 비싼 약가를 내야 한다면 억울하지 않을까 싶다. 즉, 환자의 재정상태나 건강 지수나 약물에 대한 효과(게놈의 활용으로)를 예측하여 가격이 나라별이 아닌 개인별로 변동된다면 진정한 fair한 access가 이루어 지는 것 아닐까 하는 엉뚱한 상상을 해본다.
모든 나라가 국민에 대한 보편적 복지를 추구하기 때문에 의료재정에 어려움을 겪고 있다. 고령화 사회가 되면 의료 비용의 증가는 필수불가결하다. 비용 증가를 최소화하면서 돈이 없어 치료를 못받는 환자가 없게 하는 현명한 방법은 개인별 맞춤 치료와 비용청구 등이 가능하도록 기술발전이 선행되어야 하지 아닐까 싶다.
5. 모든 자료를 조합한 종합선물상자
얼마 전 Bloomberg News에 따르면, 아마존이 제약시장에 들어오려고 한다는 기사를 접할 수 있다. 아마존은 data를 단편적으로 가지고 있지 않다. 수조를 쏟아부어서 만든 플랫폼을 바탕으로 전세계에서 가장 빠르게 진화하고 있다. 아마존 AI speaker인 알렉사에게 내 약을 보내줘 (“Alexa, refill my Lipitor”) 라고 말하면 바로 문 앞까지 배송해 주는 서비스가 멀지 않은 미래처럼 보인다.
어떤가. 별나라 이야기인줄로만 알았던 아마존의 스토리가 점점 내 얘기로 느껴지지 않나? 앞으로 할 다른 회사의 이야기들도 내 얘기로 느껴질 것이다.