항공권 구매 고객에게 호텔은 언제 추천해야 할까? OTA 크로스셀 전략과 AI의 역할
항공권을 구매한 고객에게 호텔을 추천하는 가장 좋은 순간은 언제일까요? 결제 직후일까요, 아니면 며칠 뒤일까요? 항공권 판매 마진이 1~3%에 불과한 OTA에 호텔 크로스셀은 중요한 수익 기회입니다. 그런데 고객이 호텔을 구매할 시점을 어떻게 알 수 있을까요? 이 질문에서 출발해 실제 여행자의 구매 행동과 AI의 활용 가능성을 살펴봤습니다.
항공권을 팔았는데, 왜 호텔까지 팔려고 할까?
OTA(온라인 여행사)에서 항공권은 생각보다 돈이 많이 남는 상품이 아닙니다.
항공권 판매 마진은 통상 1~3% 수준으로 낮은 편입니다. 반면 호텔은 5~15% 수준의 마진을 기대할 수 있습니다. 물론 공급사와 계약 조건, 판매 방식에 따라 차이는 있습니다.
가령 100만 원짜리 항공권을 판매해 2%의 마진을 확보했다면 2만 원이 남습니다. 같은 고객에게 50만 원짜리 호텔을 추가로 판매하고 10%의 마진을 확보한다면 5만 원의 수익이 더해집니다.
단순 계산이지만, OTA가 호텔 크로스셀에 관심을 가질 수밖에 없는 이유를 보여줍니다. 다만 여기서 말하는 마진은 고객획득비용이나 모든 운영비를 차감한 최종 순이익을 뜻하지는 않습니다.
실제 글로벌 OTA의 수익 구조에서도 이런 차이를 엿볼 수 있습니다.
Expedia Group의 2025년 연차보고서에 따르면 숙박 사업의 매출은 약 117억 달러인 반면, 항공 사업의 매출은 약 4억 달러였습니다. 두 사업의 거래액과 매출 인식 방식이 다르기 때문에 이를 그대로 마진율의 차이로 해석할 수는 없습니다. 하지만 숙박이 Expedia의 수익 구조에서 훨씬 큰 비중을 차지한다는 사실은 분명합니다.
Booking Holdings 역시 항공권 예약 사업을 확대하면서 숙박과 항공, 관광지 입장권 등을 연결하는 Connected Trip 전략을 추진하고 있습니다.
항공권을 구매한 고객은 이미 여행의 목적지와 날짜를 결정한 사람입니다. 아직 여행을 갈지 말지 고민하는 사람과는 다르죠.
OTA 입장에서는 이보다 더 명확한 여행 수요 신호를 찾기도 쉽지 않습니다.
그렇다면 남은 문제는 하나입니다.
항공권을 구매한 고객에게 호텔을 언제 추천해야 가장 효과적일까요?
항공권을 구매한 고객은 언제 호텔을 예약할까?
호텔 크로스셀을 고민하면서 가장 먼저 궁금했던 것은 고객의 실제 구매 순서였습니다.
항공권을 먼저 구매할까요? 아니면 호텔을 먼저 예약할까요?
유럽연합 집행위원회가 2023년 Booking Holdings의 eTraveli Group 인수를 심사한 자료에는 흥미로운 내용이 등장합니다.
심사 과정에서 제출된 업계 관계자의 진술에 따르면 고객의 약 70%가 항공권을 먼저 구매하고, 이후 숙박을 예약한다고 합니다.
물론 이 수치는 전체 여행시장을 대표하는 공식 통계가 아닙니다. 특정 기업결합 심사 과정에서 수집된 업계 진술이라는 한계가 있습니다.
그럼에도 항공권 구매 이후 호텔을 판매할 기회가 상당하다는 점을 보여줍니다.
여기서 한 가지 의문이 생겼습니다.
항공권을 먼저 구매한다는 사실은 알겠습니다. 그런데 그 고객은 항공권을 구매하고 얼마나 지난 뒤에 호텔을 예약할까요?
당일일까요? 일주일 뒤일까요? 아니면 출발 직전일까요?
Phocuswright의 2024년 미국 여행자 조사에서는 숙박 예약자의 54%가 출발 4주 이내에 숙소를 예약한 것으로 나타났습니다.
하지만 이 자료 역시 항공권 구매 후 호텔 예약까지 걸린 시간을 직접 측정한 것은 아닙니다.
출발 4주 전에 호텔을 많이 예약한다는 사실과, 출발 4주 전에 호텔을 추천하면 가장 잘 팔린다는 주장은 서로 다릅니다.
고객이 구매하는 시점과 OTA가 추천해야 하는 시점은 반드시 같지 않습니다.
이 차이를 이해하는 것이 이번 탐구의 중요한 출발점이었습니다.

결제 직후 호텔 추천은 정말 비효율적일까?
항공권을 구매하면 결제 완료 화면에서 호텔을 추천하는 모습을 종종 볼 수 있습니다.
목적지와 여행 날짜를 활용해 호텔을 보여주거나, 항공권 구매 고객을 대상으로 할인 혜택을 제안하는 방식입니다.
처음에는 이런 방식에 의문이 들었습니다.
항공권 하나를 예약하려고 여러 항공편의 가격과 시간, 수하물 규정, 취소 조건까지 비교한 고객에게 결제 직후 또 다른 상품을 구매하라고 제안하는 것이 과연 효과적일까요?
결제를 마친 고객은 일단 예약이 완료됐다는 사실에 안도하고 싶을 수도 있습니다.
그런데 관련 자료를 찾아보니 생각을 조금 바꿔야 했습니다.
Amadeus가 발행한 여행 부가서비스 관련 연구에서는 당시 영국 항공사 Monarch의 임원이 항공사를 통해 호텔을 예약하는 고객의 상당수가 항공편 예약 직후 호텔을 구매하는 경향이 있다고 설명했습니다.
물론 오래된 항공사 운영 경험에 관한 진술이므로 현재 모든 OTA 고객에게 일반화할 수는 없습니다.
그럼에도 결제 직후 호텔 추천이 무조건 비효율적이라는 가설을 뒷받침하기는 어려웠습니다.
생각해 보면 그럴 만한 이유도 있습니다.
고객은 방금 항공권을 구매했습니다. 목적지와 여행 날짜가 확정됐고, 여행을 준비하려는 의지도 높은 상태일 수 있습니다.
이때 호텔 검색 화면에 목적지와 숙박 날짜가 미리 입력되어 있다면, 고객은 별다른 수고 없이 다음 예약을 시작할 수 있습니다.
굳이 며칠 뒤까지 기다릴 이유가 없는 고객도 있다는 이야기입니다.
따라서 결제 직후 호텔 추천을 없애는 것은 적절한 전략이 아닐 수 있습니다.
다만 여기서 더 중요한 질문이 남습니다.
결제 직후 호텔을 구매하지 않은 고객에게는 어떻게 해야 할까요?
저는 오히려 이 부분에 더 많은 기회가 있을 수 있다고 생각합니다.
결제 완료 화면에서 끝나는 크로스셀
항공권 결제 직후 호텔을 구매하지 않은 고객이 있다고 가정해 보겠습니다.
이 고객은 호텔이 필요 없는 사람일까요?
그럴 수도 있습니다. 이미 다른 플랫폼에서 호텔을 예약했을 수도 있고, 친구나 가족의 집에 머무를 계획일 수도 있습니다.
하지만 아직 숙소를 결정하지 못한 고객일 가능성도 있습니다.
여행 일정이 확정되지 않았거나, 동행자와 상의해야 하거나, 여러 호텔의 가격을 비교하고 있을 수도 있겠죠.
이런 고객에게 결제 완료 화면에서 호텔을 한 번 보여준 것으로 크로스셀을 끝낸다면, OTA는 추가적인 판매 기회를 놓칠 수 있습니다.
제가 후속 추천에 관심을 갖는 이유입니다.
예를 들어 출발까지 3개월이 남은 고객과 3일이 남은 고객을 생각해 보겠습니다.
두 고객 모두 항공권을 구매했지만 호텔 예약을 결정해야 하는 시간적 여유는 다릅니다.
3개월이 남은 고객은 여행 일정을 천천히 준비할 수 있습니다. 반면 3일 뒤 출발하는 고객은 숙소를 아직 확보하지 못했다면 훨씬 급하게 결정해야 할 것입니다.
호텔을 검색했지만 구매하지 않은 고객과 호텔 검색조차 하지 않은 고객도 구분할 필요가 있습니다.
전자는 가격이나 취소 조건을 비교하고 있을 수 있고, 후자는 아직 숙박 계획을 세우지 않았을 수 있습니다.
그렇다면 모든 고객에게 항공권 구매 24시간 후 동일한 호텔 할인 쿠폰을 보내는 것이 최선일까요?
아마 그렇지는 않을 것입니다.
다만 24시간, 72시간, 일주일 중 어느 시점이 실제로 더 효과적인지는 공개된 자료만으로 확인하기 어려웠습니다.
결국 OTA가 직접 고객 행동을 분석하고 실험해야 할 문제입니다.

타이밍만 잘 맞추면 호텔이 팔릴까?
여기까지 생각하다 보니 한 가지 중요한 전제를 놓치고 있다는 생각이 들었습니다.
바로 상품과 가격의 경쟁력입니다.
고객이 호텔을 예약할 준비가 된 순간을 정확하게 예측했다고 가정해 보겠습니다.
AI가 고객의 여행 일정과 검색 이력을 분석해 가장 적절한 시점에 호텔을 추천했습니다.
그런데 추천한 호텔의 가격이 경쟁 OTA보다 비싸다면 어떨까요?
혹은 고객이 원하는 지역에 판매 가능한 호텔이 부족하거나, 무료 취소가 가능한 객실이 없다면요?
추천 타이밍이 아무리 정확해도 구매로 이어지기 어려울 것입니다.
여행 상품은 고객이 여러 플랫폼을 비교하기 쉬운 상품입니다. 특히 같은 호텔의 동일한 객실과 숙박 조건이라면 가격 차이는 구매 결정에 중요한 영향을 줄 수 있습니다.
물론 가장 저렴한 가격만이 정답은 아닙니다.
취소 조건, 결제 편의성, 고객지원, 멤버십 혜택 등도 고객의 선택에 영향을 미칠 수 있습니다.
중요한 것은 고객이 다른 플랫폼 대신 이 OTA에서 호텔을 예약할 이유가 있어야 한다는 점입니다.
상품 경쟁력이 없는 상태에서 추천 타이밍만 최적화하는 것은 한계가 있습니다.
저는 이 부분이 AI 기반 크로스셀을 논의할 때 특히 중요하다고 생각합니다.
AI는 고객이 구매할 가능성이 높은 순간을 찾아낼 수 있습니다. 하지만 경쟁력 없는 가격을 경쟁력 있는 가격으로 바꿔주지는 못합니다.
결국 상품 경쟁력을 확보하는 일과 추천 효율을 높이는 일은 함께 추진되어야 합니다.
PM이라면 무엇부터 검증해야 할까?
그렇다면 실제 OTA에서 호텔 크로스셀을 개선해야 하는 PM이라면 어디서부터 시작해야 할까요?
저라면 처음부터 AI 추천 엔진을 개발하지는 않을 것 같습니다.
먼저 고객의 실제 구매 행동을 확인하겠습니다.
항공권을 구매한 고객 중 호텔을 추가로 구매한 비율은 얼마나 되는지, 구매까지 평균적으로 얼마나 걸렸는지, 출발일까지 남은 기간에 따라 구매 시점이 달라지는지부터 분석할 것입니다.
여기서 중요한 것은 같은 여행에 속한 항공권과 호텔 예약을 연결하는 일입니다.
고객이 3월에 도쿄 항공권을 구매하고 5월에 부산 호텔을 예약했다면, 두 구매를 단순히 연결해서는 안 됩니다.
목적지와 여행 날짜를 기준으로 동일 여행 여부를 판단할 수 있어야 합니다.
또 하나의 제약도 있습니다.
OTA는 고객이 경쟁 플랫폼에서 예약한 호텔을 알기 어렵습니다.
자사 플랫폼에 호텔 예약 내역이 없다고 해서 고객에게 숙소가 없는 것은 아닙니다.
따라서 고객에게 무조건 호텔 예약을 권하기보다, 예약 여부를 확인하거나 필요한 경우 호텔 검색을 지원하는 방식도 고려할 수 있습니다.
이런 기초적인 분석을 마쳤다면 다음은 실험입니다.
예를 들어 고객을 무작위로 나눠 다음과 같이 비교할 수 있습니다.
- A그룹: 기존 서비스 유지
- B그룹: 항공권 결제 직후 호텔 추천
- C그룹: 결제 직후 추천하고, 24시간 후 미구매 고객에게 다시 추천
- D그룹: 결제 직후 추천하고, 72시간 후 미구매 고객에게 다시 추천
물론 출발까지 남은 기간이 짧은 고객은 별도로 구분해야 합니다.
이 실험으로 결제 직후 추천에 더해 후속 추천을 제공했을 때 실제로 호텔 구매가 증가하는지 확인할 수 있습니다.
그런데 여기서도 전환율만 보면 문제가 생깁니다.
호텔을 구매할 의사가 충분한 고객에게 10% 할인 쿠폰을 제공했다고 가정해 보겠습니다.
고객은 할인 쿠폰 덕분에 호텔을 구매한 것처럼 보일 수 있습니다. 하지만 쿠폰이 없었어도 같은 호텔을 예약했을 가능성이 있습니다.
이 경우 구매 전환율은 높아졌지만 OTA가 확보하는 마진은 오히려 줄어들 수 있습니다.
따라서 단순히 호텔 구매율이 증가했는지를 넘어, 추천과 할인으로 인해 실제로 추가 발생한 공헌이익을 확인해야 합니다.
호텔을 더 많이 팔았다는 사실과 호텔을 팔아서 더 많은 돈을 벌었다는 사실은 다릅니다.
AI는 호텔 크로스셀을 어떻게 바꿀 수 있을까?
여기까지는 기존 데이터 분석과 A/B 테스트만으로도 접근할 수 있는 문제입니다.
그렇다면 굳이 AI가 필요할까요?
초기 단계에서는 반드시 필요하지 않을 수 있습니다.
출발일까지 남은 기간, 호텔 검색 이력, 항공권 구매 후 경과 시간 등을 기준으로 고객을 구분하고, 정해진 규칙에 따라 추천하는 방식도 충분히 실험할 가치가 있습니다.
하지만 고객과 상품의 조건이 다양해질수록 상황은 달라집니다.
여행 목적지와 기간, 동반자 구성, 도착 시간, 호텔 검색 이력, 가격 민감도, 앱 재방문 행동까지 고려한다면 추천 규칙은 상당히 복잡해질 것입니다.
여기에 추천 시점과 채널까지 결합하면 사람이 모든 경우의 수를 정의하고 관리하기가 쉽지 않습니다.
이 지점에서 AI의 역할이 커질 수 있습니다.
예를 들어 생존 분석(Survival Analysis)을 활용하면 항공권 구매 이후 호텔을 구매하기까지 걸리는 시간을 예측할 수 있습니다.
고객이 출발일까지 호텔을 구매하지 않을 가능성이나, 특정 시점에 구매가 발생할 가능성을 추정하는 방식입니다.
하지만 구매할 확률이 높다는 사실만으로 추천해야 할 시점이 결정되는 것은 아닙니다.
원래 호텔을 구매할 고객에게 굳이 할인 쿠폰을 제공할 필요는 없기 때문입니다.
그래서 더 중요한 것은 AI가 개입했을 때 실제로 추가 구매가 발생할 가능성을 예측하는 일입니다.
이른바 업리프트 모델링(Uplift Modeling)이나 문맥적 밴딧(Contextual Bandit) 같은 접근을 활용할 수 있습니다.
고객에게 호텔을 추천하지 않았을 때와 추천했을 때의 차이를 학습하고, 어떤 고객에게 어떤 시점과 방식으로 접근해야 추가적인 수익을 만들 수 있는지 최적화하는 것입니다.
물론 이런 모델을 운영하려면 충분한 데이터와 실험 체계가 필요합니다. 글로벌 OTA들이 관련 머신러닝 기술을 연구하고 있다는 사실과, 이러한 모델을 모두 실제 운영하고 있다는 주장은 구분해야 합니다.
저는 장기적으로 AI가 OTA의 중요한 경쟁력이 될 것이라고 생각합니다.
다만 그 이유는 AI라는 기술 자체가 대단해서가 아닙니다.
고객마다 다른 여행 준비 과정과 구매 행동을 이해하고, 그에 맞춰 추천 정책을 지속적으로 개선하는 일을 대규모로 수행할 수 있기 때문입니다.


결국 고객이 호텔을 예약할 이유를 만들어야 합니다
처음에는 단순한 궁금증에서 출발했습니다.
항공권을 구매한 고객에게 호텔을 추천하려면 언제가 가장 좋을까?
결제 직후일까, 하루 뒤일까, 아니면 출발 직전일까?
관련 자료를 찾아보고 실제 서비스에 적용할 방법을 고민하다 보니, 어느 한 시점을 정답으로 제시하기는 어렵다는 결론에 도달했습니다.
결제 직후 호텔을 구매하는 고객도 있습니다. 따라서 그 순간의 추천 기회는 유지할 필요가 있습니다.
하지만 결제 직후 구매하지 않은 고객에게도 후속 추천을 통해 추가 판매 기회를 만들 수 있을 것입니다. 물론 실제 효과는 실험으로 검증해야 합니다.
그리고 이 모든 전략에는 중요한 전제가 있습니다.
고객이 구매하고 싶은 호텔을, 경쟁력 있는 가격과 조건으로 제공할 수 있어야 한다는 점입니다.
AI가 아무리 정교하게 추천 시점을 찾아내더라도 상품 경쟁력이 부족하다면 한계가 있습니다.
반대로 상품 경쟁력을 충분히 확보한 OTA라면, 고객이 호텔을 예약할 준비가 되었을 때 적절하게 접근하는 능력이 새로운 경쟁력이 될 수 있습니다.
앞으로 OTA가 고민해야 할 것은 결제 완료 화면에 호텔 배너를 하나 더 추가하는 일이 아닐 것입니다.
항공권 구매 이후 고객의 여행 준비 과정에서 어떤 수요가 남아 있는지 파악하고, 필요한 순간에 경쟁력 있는 상품을 제안하는 체계를 만드는 일입니다.
그 과정에서 AI는 중요한 역할을 하게 될 것입니다.
다만 AI를 도입하기 전에 먼저 확인해야 할 질문이 있습니다.
우리는 고객이 언제 호텔을 구매하는지 알고 있는가? 그리고 우리의 추천이 고객의 구매를 실제로 얼마나 더 만들어내고 있는가?
이 질문에 답할 수 있을 때 비로소 AI 기반 크로스셀 최적화도 실질적인 사업 전략이 될 수 있을 것입니다.