[이봉교] 인공지능을 활용한 개인화 상품 추천을 잘 활용하는 방법

발행 2021년 11월 16일

어패럴뉴스기자 , appnews@apparelnews.co.kr

이봉교의 ‘진짜 이커머스 이해하기’

 

이커머스를 위한 인공지능 개인화 상품 추천 중 딥러닝 기반 유사 고객 선호 상품 추천의 예시 / 출처=그루비

 

이커머스 사이트에 있어 상품 추천 영역은 고객의 관심을 높이고, 몰입을 유도하는 매우 중요한 마케팅 영역이다. 특히 취급 상품 수가 많아질수록 고객의 취향과 선호를 반영한 개인화 상품 추천의 역할은 더욱 커지게 된다.

 

이커머스 사이트의 리뉴얼 등을 진행할 시에도 이러한 개인화 상품 추천 영역의 기획이 중요한데 실제 비즈니스 현장에서 UIX팀 또는 마케팅팀 등이 진행하는 기획/설계 사례들을 보면 다음과 같은 경우가 있다.

 

[A고객이 최근 일주일 동안 3번 이상 본 상품(예: 청바지)이 속한 카테고리(예: 하의)에서, A고객과 성별/연령대가 같은 다른 고객들이 많이 구매했던 인기 상품을 추천한다.]

 

이러한 설계는 A 고객의 행동, 프로파일을 반영한 개인화된 상품 추천 방법이라고 볼 수 있으나, 여러 해결해야 할 문제를 가지고 있는 낮은 수준의 개인화 추천이라 할 수 있다.

 

일주일 동안 3번 이상이 고객의 특정 상품 관심에 대한 근거나 기준이 되는가, A고객은 비슷한 연령대 사람들과 취향이 비슷하다고 하는 근거나 기준이 있는가, A고객이 자신이 본 상품과 같은 카테고리에서만 추천 상품을 찾고 있다는 근거나 기준이 있는가하는 문제를 생각해 볼 필요가 있다.

 

앞의 질문들에 대한 명확한 분석 근거나 기준이 없다면 이러한 개인화 상품 추천의 경우 지속적으로 성과를 개선/발전시켜 나가기 어렵다. 예를 들어 일주일 동안 특정 상품을 2번, 3번, 4번, 5번 볼 때 등 다양한 케이스를 테스트하면서 성과를 최적화해야 하는데 시간과 리소스가 소요될 수밖에 없다. 또 원하는 케이스의 데이터를 확보하지 못하는 경우도 있다. 사람의 머릿속에서 그려지는 로직에 의존하는 개인화 상품 추천의 한계인 것이다.

 

이에 비해 딥러닝/머신러닝 등을 활용하는 AI 개인화 상품 추천의 경우는 다음의 이점을 가지고 있다. 우선 고객의 취향을 보다 세밀하게 분석하기 위해 더 많은 변수와 복잡한 조건을 활용할 수 있으며 지속적인 학습과, 데이터 축적으로 성과를 개선/발전시킨다. 학습 주기와 개선 속도는 사람이 따라잡을 수 없다.

 

또 AI 개인화 상품 추천을 활용하는 경우 운영자나 마케터는 이커머스 사이트의 어떤 영역에서 어떤 방식의 개인화 상품 추천을 활용하고 검증해 낼지에 더 집중할 수 있게 된다. 개인화 상품 추천 영역을 포함한 페이지의 콘텐츠가 가진 의도나 의미에 따라 그에 맞는 알고리즘 등을 선택하는 것이다.

 

내부에 이런 판단을 할 수 있는 역량이 없다면 솔루션이나 컨설팅 등의 도움이 필요할 수 있지만 중기적인 관점에서는 성과를 높이고 내부적으로도 해당 기술과 활용에 대한 이해도를 높이는 기회가 된다.

 

일부 AI 개인화 상품 추천의 경우 그 원리나 로직을 이해하기 어렵기 때문에 보고를 하는 입장 또는 받는 입장에서 불안이나 불만을 가질 수 있다. 하지만 로켓의 발사각을 구하는 데 있어 1차 함수로 계산하는 것과 미적분으로 계산하는 것의 차이를 생각해 보면, 같은 개인화 상품 추천이라고 하더라도 거기에는 매우 큰 차이가 있다는 것을 공감할 수 있을 것이다.

 

마치 전기자동차 모터의 구동원리와 적용 기술을 매우 깊은 수준에서 이해하지 못하더라도 전기자동차를 선택하는 사람들은 나름의 이유와 어떻게 활용할지, 어떤 부분이 자신에게 도움이 될지에 대한 판단 기준을 가지고 있는 것과 비슷하다.

 

이봉교 그루비 이사

 



< 저작권자 ⓒ 어패럴뉴스, 무단전재 및 재배포 금지 >

지면 뉴스 보기