상품을 추천하는 구글 클라우드의 Recommendation AI
한때 개인 맞춤형 상품 추천은 아마존 같은 거대 쇼핑몰만 하는 것이라 여기던 때가 있었습니다. 2021년 현재 추천 서비스는 빅테크 기업만의 것이 아닙니다. 뜻만 있다면 중소 규모 소매 기업도 개인 맞춤형 추천을 할 수 있습니다. 이처럼 상품 추천이 보편적인 기능으로 자리 잡은 데에는 클라우드와 AI 기술의 발전이 배경에 자리하고 있습니다. 이번 포스팅에서는 구글 클라우드가 제공하는 소매 산업을 위한 AI 솔루션 중 상품 추천에 해당하는 Recommendation AI를 알아보겠습니다. 😃
취향 저격 서비스
Recommendation AI를 사용하면 고객에 대한 이해를 바탕으로 취향을 저격할 수 있는 만족감 높은 쇼핑 경험을 제공할 수 있습니다. 이 서비스는 구글이 검색, 광고, YouTube 등 주요 서비스를 통해 충분한 검증을 거친 것입니다. 이처럼 실전 경험까지 갖춘 상품 추천 기능을 구글 클라우드를 통하면 누구나 쉽게 이용할 수 있습니다.
Recommendation AI는 머신 러닝이나 추천 시스템에 대한 전문 지식과 전담 인력이 없어도 첨단 딥러닝, ML 모델을 기반으로 한 맞춤형 상품 추천 기능을 구현할 수 있습니다. 완전 관리형 서비스이다 보니 상품 추천 서비스 제공을 위한 인프라와 모델 구현과 훈련을 위한 소프트웨어 스택을 구성하느라 시간을 허비할 일이 없습니다. 필요하다 싶을 때 서비스 방식으로 바로 기능을 구현해 쇼핑 채널에 추가하면 됩니다.
Recommendation AI에 적용된 기술은 복잡합니다. 하지만 이를 이용하는 방법은 매우 간단하고, 작동 원리도 단순합니다. 바로 데이터를 활용해 맞춤형 상품 추천을 하는 것인데, 내부의 자원과 역량으로 데이터 활용을 구현하는 것은 어려운 일입니다. 하지만 이 어려운 일을 Recommendation AI는 매우 간단히 해냅니다.
높은 접근성과 편의성
Recommendation AI는 다양한 방식으로 데이터를 준비해 기능을 구현할 수 있습니다. 제품 데이터는 구글 판매자 센터, BigQuery 중 원하는 방식으로 가져올 수 있습니다. 판매자 센터를 이용할 경우 클라우드 콘솔이나 Retail API를 이용하면 됩니다. BigQuery를 사용할 경우 Recommendation AI 스키마를 사용해 테이블을 만들고 카탈로그 데이터를 빈 테이블에 로드합니다. 그다음 Recommendation AI에 업로드하면 됩니다.
데이터 준비를 마쳤다면 모델을 생성해 훈련을 시작합니다. 처음 모델을 구현해 훈련하고 조정하는 데에는 2~5일이 걸립니다. 훈련을 끝낸 후 배치를 만들어 설정이 제대로 동작하는지 확인하기 위해 게재 위치를 생성하고 추천 미리 보기를 수행합니다. 다음에 할 일은 A/B 테스트 설정입니다. 이후 지속해서 모니터링 및 평가를 수행하여 상품 추천이 어느 정도 비즈니스에 영향을 미치는지 살피면 됩니다. 데이터 과학자와 개발자로 구성된 AI 전담 조직이 없어도 이렇게 간편하게 상품 추천을 구현할 수 있다는 것! 바로 소매 기업의 AI 활용 능력이 상향 평준화 되어가고 있다는 것을 보여준다고 할 수 있습니다 👍
Recommendation AI가 제공하는 맞춤형 추천이 어떤 사용자 경험을 제공할 수 있을까요? 이는 다음 데모 영상에서 확인 바랍니다.
다음 포스팅에서는 Inventory Optimization에 대해 소개하겠습니다. 😃
더 자세한 내용은 메가존으로 문의 바랍니다. 👉 메가존 문의 바로가기
