“데이터, 뭐라도 일단 쌓아라” 이베이코리아 AI팀, 코리아패션포럼 2018 현장을 찾다.

이베이코리아 김선호 Tech 본부 AI 팀장이 지난 7월 5일 서울 대치아트홀에서 열린 제3회 코리아패션포럼(KFF) 2018에서 ‘이커머스의 가속화’에 대한 내용을 발표했다.

2016년 처음 개최된 코리아패션포럼은 ㈜어패럴뉴스가 주관하며 김소희트랜드랩의 김소희대표가 기획하는 패션 포럼으로, 매년 패션에 대해 가장 중요한 현안을 다루는 행사다.

참고로 김소희 대표는 아래 링크의 기사를 보고 이베이코리아 Tech 본부 AI 팀장님인 김선호팀장님을 본 행사에 초청하였다고 한다.
http://www.econovill.com/news/articleView.html?idxno=334065

이베이코리아 블로그에도 다수 출연하신 김선호님의 더 많은 이야기 보러 가려면 아래 링크를 클릭해 보자.
▶ 이베이 플랫폼에 혁신을 일으킬 2018 eBay Amplify 컨퍼런스 탐방기 : https://blog.ebaykorea.com/archives/8445
▶ 자비스를 만드는 AI팀 인턴 모집 : https://bit.ly/2Lb2Z5e

 


▲어패럴뉴스 제공

코리아패션포럼(KFF) 2018은 ‘디지털 재건 – 디지털 DAN로의 전환’을 주제로 진행되었으며 패션 유통 업계 관계자 400여명이 참석했다.

 

 

세션 2 : 이커머스의 가속화(Ecommerce Acceleration) – 이베이코리아 AI김선호 팀장님

너도나도 이커머스를 하는 시기이다. 그러나 한다고 해도 퍼포먼스가 나는 것도 아니다. 이번 세션은 앞으로 새로운 기회를 보고 이커머스를 가속화하는 방법을 찾는 세션이다.

 

Q. 이베이코리아가 데이터를 운영해 성과로 이어진 성공 사례는?

A. 같은 소비자군이라고 하더라도 서비스 내에서 어떤 부분에 노출하느냐에 따라서도 효과가 달라진다.
이베이코리아에서는 G마켓의 ‘슈퍼딜’과 옥션의 ‘올킬’을 통해 상품 재정렬을 시도했다. 보통은 오픈마켓에서 상품을 구매하려하면 ‘무엇을 사야겠다’라고 생각하고, 특정 상품에 대해 만족할때까지 검색한 다음에 산다.
그런데 슈퍼딜이나 올킬은 좋은 조건으로 ‘내가 원래 사려고 하지 않았지만 이건 사야 돼’ 하게 만드는 상품들을 노출해주는 채널이다. 이 상품들을 어떻게 재정렬하는가에 따라서 구매가 달라진다.
원래 의도가 없었던 상품을 제시하는 것이기 때문에 스크롤을 통해 방문하고, 일일이 찾아가면서 구매하려고 하는 분들이 많지 않다.
따라서 이 채널에서는 상위에 매력적인 상품을 노출해야 고객이탈을 방지하고 구매를 높이는 효과를 낼 수 있다.
같은 상품 목록이라고 하더라도 재정렬을 통해 매력적인 상품을 상위에 올려 고객의 눈에 더 잘 띄게 만드는 것이다.

 


▲ ‘개인화’로 G마켓 슈퍼딜의 상품이 개인마다 모두 다른 상품으로 정렬되어 있다.

 

Q. 그 안에서 ‘개인화’라고 하는 것은 그동안 구매했던 이력에 따라서 해당 사람이 원하는 카테고리 상품들이 올킬에 먼저 보인다는 것인가?

A. 슈퍼딜과 올킬은 카테고리별로 되어있다.
예를 들면, 패션 카테고리 안에 많은 상품들 중 내가 속한 특정 고객군에 맞는 형태로 재정렬이 된다.
특정 여성 고객군에 대해서 패션 카테고리를 실험했을 때, 슈퍼딜/올킬 상품 방문비율이 40%정도가 증가했다.
실제 구매전환율도 10% 이상 증가하는 효과를 얻었다. 작년에 슈퍼딜과 올킬을 통해 누적매출 1조를 달성했다. 이런 실험들을 반복하며 다른 채널에도 적용하려는 노력을 하고 있다.

G마켓의 슈퍼딜과 옥션의 올킬은
개인에 따라 상품 전시를 다르게 하는 실험을 진행했다.

패션상품 기준, 특정 여성 고객군에서
상품 방문비율이 40% 증가했고,
구매전환비율도 10% 이상 증가했다.

 

Q. 이커머스 비즈니스에서는 최적화에 대한 이야기가 많이 나온다.사전 인터뷰에서 이베이코리아의 철학이 기술을 팬시(fancy)하게 쓰기보단, 내부 영업 퍼포먼스와 최적화를 위해 쓴다는 것을 여러번 강조하셨다.
이번 포럼의 중요한 키워드인데 여기서 ‘최적화’란 어떤 것인가?


▲어패럴뉴스 제공

 

A. 이베이코리아의 최적화 사례는 크게 2가지이다.

첫 번째 사례가 서비스와 데이터에 대한 모니터링을 통해 서비스를 안정화하고 부정거래를 방지하는 것이다. 이를 통해 2018년에는 부정거래시스템이 굉장히 개선됐고 이로 인한 관리 비용, 리스크에 대한 충당 비용이 크게 절약되는 효과를 얻었다.

두 번째로는 물류센터 사례가 있다.
이베이코리아에서 운영하는 합배송-익일배송 서비스를 제공하는 ‘스마일배송’ 물류센터에서 데이터 최적화를 사용 중이다. 여러 판매자의 재고가 여기저기 흩어져 있으면 작업속도에 부정적 영향을 미치고 합배송이 어려워진다.
한 박스에 담아야 하는 상품들이 최대한 가까운 위치에 위치하게 하는 최적화를 시도하고 있다.

 

이베이코리아 물류센터에서는
작업자의 동선을 줄이는 방식으로 최적화를 시도했다.

월별, 시즌별 달라지는 상품 수요를 예측하고
상품을 재배치해

상품 피킹 작업자 동선을 최적화한다.

 

사람이 아니라 아예 로봇이 픽업하는 방법도 있지만, 이를 위해서는 이미지 인식 기술을 탑재한 로봇 기술 뿐 아니라 로봇 동선과 동작을 고려하여 막대한 비용을 들여 물류센터를 완전히 재구성해야 한다.
우리는 이보다는 현실적으로, 작업자 동선을 줄이는 방식을 택했다. 물류센터에서 작업자들에게 다음 피킹 상품의 위치를 알려주는데, 이 때 이 기술을 적용하여 동선을 최적화한다.

 

월별이나 시즌별로 달라지는 상품 수요를 반영하고, 피킹 경로를 최적화한다.
예를 들어 계절이나 명절 등에 따라 함께 팔리는 상품들이 달라지므로 이를 예측하여 상품을 재배치하고 작업자들을 안내하는 것이다.

 

데이터를 잘 수집한다는 것은

어떤 데이터를 어떤 형식으로,
어떤 시스템에 적재해야 하는지를

적절하게 설계하는 것을 말한다.

설계 시점에 판단할 수 있다기보다는
그 데이터를 활용하여 얻은 가치를 통해
잘 수집했다고 평가할 수 있다.

 

두 가지 사례를 종합해 본다면 데이터를 수집, 통합해서 관리 운영 비용을 절감하는 것이다.
데이터 수집과 분석 둘 다 잘 해야 하기 때문에 사실 말처럼 쉽지는 않다.
데이터를 잘 수집한다는 것은 어떤 데이터를 어떤 형식으로, 어떤 시스템에 적재해야 하는지를 적절하게 설계하는 것을 말하는데, 이는 설계 시점에 판단할 수 있는 것이 아니라 그 데이터를 활용하여 얻은 가치를 보면 알 수 있다.

그러나 데이터가 없으면 어떻게 활용할 수 있을지 시나리오조차 상상하기가 힘들고, 따라서 처음부터 데이터를 잘 쌓는다는 것은 불가능에 가깝다.
그러다보니 데이터를 쌓고 있지 않는 경우에는 어디서부터 어떻게 쌓아야 할지 막막하다는 이유로 데이터 적재 의사결정 자체를 미루는 경우가 많다.
이베이코리아도 거래데이터와 행위데이터를 어떤 형태로 적재하고 그 구조를 개선할지 대해 지속적으로 논의하고 수많은 시행착오를 거쳐 지금의 결과를 만들어 냈다.

 

Q. 사전 인터뷰에서 이커머스가 미래에 퍼포먼스를 내기 위해 중점을 둬야할 3가지 요소를 말씀해주셨다. 어떤 것들인가?

A. 첫 번째 요소는 ‘이커머스의 업무최적화’이다.

멋지게 보여지거나 이슈가 되는 기술도 중요하지만
핵심역량의 강화를 위해
보이지 않는 영역에 대한 기술 투자는 더욱 중요하다.

 

이커머스는 생각보다 뒷단이 복잡한 서비스다.
AI 만능이라고 생각할 수도 있지만 여전히 마케팅, 물류센터, 고객센터 운영 등 다양하게 사람 손을 타는 일들이 진행된다.
결제도 시스템이 다 해주는 게 아니라 결제방식도 매우 다양하고, 구매자에게 포인트나 캐시 지급, 판매료 정산 등등 나열하기 힘들 정도로 많은 부분들이 얽혀있어 사람의 손으로 직접 검증, 보정하는 작업이 필요하다.

그렇기 때문에 사실 이렇게 뒷단에 보여지지 않은 업무 최적화가 중요하다.
많은 분들이 이커머스가 나아가야할 방향을 이야기할 때 뭔가 멋져 보이고 이슈가 되는 기술을 이야기하신다. 그런데 개인적으로는 이커머스 핵심 역량의 강화를 위해서는 이렇게 복잡다단한, 보이지 않는 영역에 대한 기술 투자가 굉장히 중요하다고 생각한다.
그래서 ‘이커머스 업무최적화’를 첫 번째로 꼽았다.

 

두 번째 요소는 ‘새로운 채널의 확보’이다.

상거래 역사를 생각해보면 전통시장, 밀집상가, 백화점, 대형쇼핑몰 등이 있었고, 대부분 오프라인 시장에서 구매가 이루어졌었다.
기술이 발전하면서는 홈쇼핑이 생겨났고, 인터넷 산업이 발전하면서 G마켓이나 옥션같은 이커머스 기업들이 대중화되었다.
또 모바일 기술이 발전하면서는 모바일 거래액이 웹을 훌쩍 뛰어넘었다.
이는 단순히 쇼핑 장소와 수단이 바뀐 것이 아니라 ‘쇼핑 경험’이 바뀐 것을 의미한다. 홈쇼핑이나 이커머스를 생각해보면 전자제품 등은 상상 가능한 스펙 그대로 배달이 되어 오니까 사람들이 쉽게 구매한다.
그런데 옷과 같은 상품들은 온라인으로 넘어오는데 좀 더 시간이 걸렸다.

(사회자 : 2003년 무렵 옷은 입어보고 만져봐야 하니까 패션은 온라인에서 안 될것이라는 기사가 많았지만 G마켓이 잘 되어서 그런 기사가 무색해졌던 기억이 난다.)

물론 여전히 옷은 직접 입어보고 사는 분들 꽤 계신다. 이는 경험과 관련 있다.
옷과 같은 소위 소프트 굿즈(soft goods) 구매가 온라인으로 조금씩 넘어오게 된 이유는 기성복 제작품질이 발전하면서 구매 경험이 바뀌었기 때문이다.
온라인 제품을 구매해도 생각했던 그대로의 재질과 품질, 디자인 상품이 오겠다는 경험과 기대가 있었기 때문에 온라인 구매가 확대됐다.

이커머스 넥스트를 생각할 때 고민할 것은
‘어떤 기술을 개발하는가’라기보다는
‘기술-환경의 변화가 쇼핑 경험에
어떤 변화를 가져오는가’이다.

 

이커머스 넥스트를 생각할 때 고민할 것은 ‘어떤 기술을 개발하느냐’가 아니라 ‘기술-환경 변화가 쇼핑 경험을 어떻게 변화시키는가’라고 생각한다.
기술이 경험을 만들어내는 것이 아니라. 환경과 경험의 변화가 기술의 적용이나 발전을 앞당길 수 있다는 것이다.

아이폰 사례를 보자.
많은 사람들은 아이폰이 혁신적인 기술과 제품을 만들어내서 사람들의 생활을 바꿨다고 한다. 하지만 나는 반대라고 생각한다.
환경과 경험의 변화를 매우 적절한 비즈니스 타이밍에 인지하고 추진한 안목이 있었기 때문에 아이폰이 성공했다고 생각한다.

그러면 자연스럽게 이커머스에서는 어떤 타이밍에 어떤 기술을 적용하여 새로운 채널을 확보할 것인가에 대한 질문이 나오겠지만 사실 정해진 답이 있는 것은 아니다. 엔지니어들조차도 지속적인 학습이 필요할 정도로 기술 발전과 변화의 속도가 빠른 요즘은, 넥스트 이커머스가 어떤 기술을 필요로 하는지 예측하기는 쉽지 않다. 계속 고객의 쇼핑경험 변화에 촉각을 곤두세울 수밖에 없다.

 

세 번째 요소는 기술적 모험이다.

기술적 모험을 할 때는
단순히 그럴듯해 보이는 것을 위해
기술투자를 결정하기보다는
‘고객경험’을 핵심에 두어야 한다.

 

음성기반쇼핑, AR, VR에 대한 이야기가 최근 많이 나오고 있는데 사실 AR이 성공한다는 예측이 나온지도 이미 10년이 넘었다.
10년이 지나는 동안 매년 “올해는 성공할 것”이라고 했지만 지금 이 상태이지 않은가.
아무도 장담할 수 없는 것이다. 아마존이나 이케아도 AR기술을 모바일앱에 탑재했다. 하지만 이를 통해 의미있는 매출이 나온다기보다, 여전히 실험단계이다.

그럼에도 불구하고 AR의 가능성을 얘기하고 있는 이유는 전자기기에서 의류 구매로 전자상거래가 확산되는 과정에서 봤듯, AR이 간접적으로 상품을 체험하는 고객 경험을 촉진할 수 있고 그것이 결국 구매 확대로 이어질 수 있기 때문이다.

우리도 이케아 사례와 비슷한 AR시스템을 준비하고 있다. 여전히 모험의 영역이다.
‘어디도 이걸하니까 우리도 해야 하는 것 아니냐’라고 해서 준비하는 건 아니다. 다음 패러다임의 고객 경험이 그 영역으로 확대될 가능성이 있기 때문에 투자하는 것이다.

즉, 기술적 모험이란 단순히 그럴듯해 보이는 것을 위해 기술투자를 결정하기보다는 ‘고객경험’을 그 핵심에 두고 진행해야 한다.

이 세 요소가 서로 동떨어져 있는 것이 아니다.
이커머스 업무의 핵심 역량에 집중하는 것이 무엇보다 중요하고, 고객경험과 환경의 변화를 살펴보면서 그에 맞는 새로운 채널 확보를 위한 기술적 모험을 진행하고, 또 이를 통해 다시 핵심역량으로 확대하는 선순환의 전략이 필요하다고 생각한다.

 

이어진 질문&답변 세션!

Q. 이베이가 큰 회사여서 개인화 마케팅이 의미있을 듯한데 작은 이커머스에서는 과연 의미가 있는 것인가?
실제 전환율이 있는가? 개인화마케팅에 대한 효과가 있으실텐데 이걸 할 때 드는 비용은 어떻고, 소기업은 어떻게 접근하면 좋은가?

A. 개인화마케팅은 개인화를 어떻게 하는가, 데이터 분석을 통해 뽑아낼 것이냐, 어떤 타겟의 고객군에게 어떤 상품을 추천할 것인가 등의 문제라서 고객 규모와는 상관없다.
데이터 분석이 엄청난 기술이 있어야 할 것 같지만 활용 가능한 서비스나 오픈소스들이 존재하고 타겟팅 솔루션을 제공하는 회사와 협업하는 방법도 있다. 데이터 분석에서 고가의 분석 비용을 요구하는 경우도 있지만 그런 비용이 부담스러울 때는 어느 정도의 기본적 통계지식이 있다면 엑셀 작업한 고객 타겟팅만으로도 효과를 얻을 수 있다.

고객 분석을 하다보면 분명히 프로파일은 30대 남자인데 40대, 50대 여성이 사는 상품을 사기도 하고 어린아이 상품을 사기도 한다.
소규모기업이라도 데이터분석을 해보면 얼마든지 캐치해볼 수 있는 정보들이다. 이런 고객들에게 그 구매 성향에 맞는 상품을 추천하는 것만으로도 매출에 긍정적인 효과를 얻을 수 있을 것이라 생각한다.

 

Q. 많은 회사들이 판매데이터와 고객데이터를 당장 활용할 수 있다고 믿고 있지만 사실 데이터 작업을 하러 솔루션을 활용하려고 하면 80%가 데이터 클렌징 작업이라고 한다. 말씀하신, 프로파일과 다른 사람이 주문해서 생기는 데이터는 쓰레기 데이터 아닌가?

데이터 분석 프로젝트의 70~80%는
데이터를 클렌징하고
다른 형태로 변환하고
다른 각도로 분석하는 반복 작업이다.

 

A. 데이터 효용성은 상대적이다. 분석 목적에 따라서 특정 데이터가 의미 없을 수도 있고 의미 있는 데이터가 될 수도 있다.
데이터를 분석하기 위해서는 잘 정제된 데이터가 들어가야 올바른 학습 모델과 올바른 학습 알고리즘이 만들어진다.
그 전에 데이터를 클렌징하고 다른 형태로 변환해보고 분석하는 반복적인 작업이 필요하다. 이것이 전체 프로젝트의 70~80%다. 그만큼 데이터 정제 과정은 지난한 작업이다.

 


▲ G마켓의 슈퍼딜

 


▲ 옥션의 올킬

 

Q. 개인화마케팅 시장이 크다고 얘기한다. 실제로 슈퍼딜과 올킬 작업은 엄청난 성과라고 말할 수 있을 것 같은데 그 성과를 내는 동안 회사 내부에서 이에 대한 잡음은 없었나?

A. 슈퍼딜이나 올킬 사례에서 적용됐던 기술은 기술적으로는 그렇게까지 복잡한 기술은 아니다 보니 엄청난 투자나 인력이 들어가는 게 아니라서 특별한 저항감은 없었던 것 같다.

 

 

데이터. 잘 모른다면
‘뭐라도 쌓으십시오’라고 말하고 싶다.

 

Q. 데이터를 활용해야 하는 입장에서 데이터가 정제되지 않았다는 게 굉장히 불안한 요소다.
만약 지금부터라도 데이터를 새로 쌓는다면, 혹은 신규 브랜드가 미래지향적으로 데이터 관리를 하기 위해서는 어떻게 해야 하는가?
작은 커머스 기업을 위한 데이터 축적 팁이 있다면?

A. 우선 안하고 계신다면 ‘뭐라도 쌓으십시오’ 라고 말하고 싶다.
보통 커머스를 처음 시작하면 서비스 구현과 비즈니스가 돌아가는 것에 집중하다 보니까 데이터 용량 관리에 비용이 든다며 데이터를 지워버리는 경우가 많다. 데이터 관리비용에 비해 ROI(투자 대비 수익)가 안나온다며 관리를 포기하는 경우도 많다.
그러나 말씀드리고 싶은 것은, 당장은 의미없어 보이는 쓰레기라도 좋으니 그 데이터를 지우지 말고 일단 쌓으시면 좋겠다.

 


▲어패럴뉴스 제공

 

Q. 쓰레기 데이터를 없앤다는게 어마어마한 작업이지 않는가. 어떻게 하면 쓸모없는 데이터 없이 잘 쌓을 수 있는가?

A. 데이터를 처음부터 잘 쌓을 수 있는 가능성은 제로라고 생각한다.
앞서 말씀드렸던 것처럼 활용가치가 증명되어야 잘 쌓았다는 것이 거꾸로 증명되는 것인데, 쌓기 전에는 활용가치를 증명할 수가 없기 때문이다.

 

Q. 고객사나 대리점이 수백 개 있는 곳은 데이터에 대한 야심이 있다.
고객데이터가 많으니까 이걸 활용하면 뭐라도 될 것이라고 생각하시지만 막상 데이터 클렌징은 피할 수 없는 숙제다. 그럼 지금도 이베이는 데이터 클렌징 노가다를 누군가는 끊임없이 하고 있는 것인가?

A. 데이터가 쌓이는 경로는 엄청나게 많다. 거래데이터, 행위데이터, 업무를 통한 데이터, 마케팅으로 유입되는 데이터 등이 있는데 이를 분석하기 위해 한 곳에 모으는 작업을 진행했다.
소스가 따로따로 떨어져 있으면 한 관점에서 분석하기가 어렵기 때문에 시스템적인 노력을 기울였다. 데이터 파편화는 볼륨이 커지고 비즈니스 영역이 늘어나면서 생기는 문제이기 때문에 작은 이커머스 기업에는 해당되지 않을 것이다. 작은 기업이라면 GA(Google Analytics)와 같은 서비스를 활용는 정도로 시작해볼 수 있고, 외부에 개인화 마케팅 서비스를 제공하는 기업과 협업해도 될 것이다.
그러나 무엇보다도 데이터가 있어야 시작할 수가 있다.

 

Q. GA 분석은 개인화마케팅과 차이가 있지 않나?

A. GA 자체가 개인화마케팅을 해결하는 것은 아니라 개인화마케팅을 위해서 필요한 데이터를 쌓기 위한 도구로 보시면 된다.

 

 

 


– 실제로는 존대말로 인터뷰를 진행했으나 #ㅇㅂㅇ 톤앤매너 유지를 위해 평어체로 변경하였습니다.
– 인터뷰 내용에 대한 수정과 얼굴 포토샵 등의 수정 요구는 받지 않습니다. 모든 편집권과 초상권은 #ㅇㅂㅇ에 있음을 알려드립니다. 하지만 인터뷰에 응해주셔서 진심으로 감사드립니다.
– 본 게시물에 포함된 정보는 작성자의 의견이 반영된 것으로, 실제 사실과 다를 수 있습니다.
– 본 게시물에 포함된 정보는 작성 당시 기준으로 작성되어, 현재의 상황과는 다를 수 있습니다.