고객지원 > 지식/노하우

지식/노하우

지식/노하우

실시간 멀티채널 추천이란

페이지 정보

작성일2016-08-22

본문


실시간 멀티채널 추천이란

 

​넷스루  전략기획실

   

모바일 기기 및 이를 뒷받침하는 IT 기술의 발전에 따라 다양한 분야에서 데이터 처리속도에 대한 기대도 높아지고 있다. 무엇이든 원하면 그 즉시 정보를 획득할 수 있는 환경이 갖추어짐에 따라 기존 정보 서비스도 최신 정보로 제공되기를 원하고 있고 데이터 분석, 개인화 추천 영역에서도 최근 당일 데이터를 적극 활용하고자 하는 니즈가 증가하고 있다. 

 

그러나 이렇게 빠르게 증가하고 있는 실시간 데이터에 대한 요구사항은 이상과 현실 사이에서 정리가 필요한 상황이다. 따라서 데이터를 활용하고자 하는 고객사와 관련 기술을 공급하는 서비스 제공업자간의 개념 차이를 정리하고 단계적으로 접근해야 한다.

 

먼저 이러한 즉각적인 정보에 대한 니즈를 대부분 실시간(Real-time)이란 용어로 사용하고 있어 어느 정도의 최근 정보를 실시간 정보로 보느냐에 대한 정의가 필요하다.

 

문자 그대로 해석하자면 어떤 이벤트가 발생한 바로 지금(Right Now)이 글자 그대로 실시간을 의미하는 것이지만, 비즈니스 영역에서의 실시간은 어떤 이벤트 발생이 비즈니스 상황에 의미가 있고 이에 대한 대응을 할 수 있을 정도의 속도로 정보를 전달하는 시간(Near Real-Time)으로 해석하는 것이 바람직하다. 

 

이미 실시간 데이터 처리 기술은 시스템 관리, 사기 탐지, 생산라인 모니터링 등 다양한 업무에 사용되고 있다. 또한 기존 실시간 처리 기술은 IoT(Internet of Things) 기술의 발전과 함께 서비스 영역이 확대되고 있는 추세이다. 이러한 실시간 처리 기술을 마케팅 영역에서 어떻게 활용하면 최적의 효과를 얻을 수 있을까에 대해 개인화 추천 관점에서 살펴보고자 한다. 

 

 

1. 복합 이벤트 처리(Complex Event Processing: CEP)란

 

기존 실시간 업무 처리에 가장 많이 사용된 기술은 복합 이벤트 처리(Complex Event Processing, 이하 CEP) 기술로서 여러 소스로부터 발생한 이벤트를 대상으로 실시간으로 의미 있는 데이터를 추출하여 대응되는 액션을 수행하는 것을 말한다. 이때 이벤트 데이터는 스트림 데이터로써 대량으로 지속적으로 입력되는 데이터, 시간 순서가 중요한 데이터, 끝이 없는 데이터를 말한다.  즉, CEP는 바로 이런 스트림 데이터를 실시간으로 분석하는 이벤트 데이터 처리 솔루션을 말한다.(참고) 이 기술은 실시간 상황판단이 중요한 시스템 관리, 물류 관리, 생산라인 관리 등에 많이 사용되었으며, 최근 복잡한 이벤트 처리를 통한 온라인 사기 탐지, 위치기반 상품 프로모션 등 다양한 분야로 활용이 확대되고 있다. 

 

[참고] http://okky.kr/article/200864 

 cbc3fa33294e3cc4396273366b3342b9_1471833 

 

 

 

2. 개인화 추천에서 실시간 적용 

 

개인화 추천은 기본적으로 사용자가 특정 페이지를 조회하는 순간에 사용자의 방문 환경 정보와 조회한 페이지 정보를 기반으로 상품을 추천하기 때문에 실시간으로 상품을 추천하는 구조이다.  최근에 고객이 요구하는 실시간 관점은 이렇게 추천 정보를 내보내는 관점이 아니라 추천에 사용하는 정보가 얼마나 최근 정보인가라는 측면에서 실시간 요소를 중요하게 다루고 있다. 그리고 사용자가 실시간으로 발생시킨 이벤트 데이터를 기반으로 추천을 실행한다는 관점에서 CEP라는 기술을 응용하고 있다. 

 

기존의 개인화 추천은 사용자의 과거 방문 이력을 기반으로 해당 사용자와 유사한 특성을 가진 사용자 그룹이 좋아하는 상품이나 같이 많이 판매/조회되는 상품을 분석하여 제공하는 방법을 일반적으로 사용하였다. 그러나 매일 새롭게 출시되는 상품이 많아지고, 사이트를 방문하는 사용자의 니즈도 계속 변하고 있어서 과거 이력보다는 최근 관심사를 기반으로 상품을 추천하고자 하는 마케팅 요구가 증가하게 되었다. 이러한 서비스 환경의 변화에 즉각적으로 대응하고 사용자의 구매를 적시에 유도할 수 있는 상품을 추천하기 위해 최근(당일내) 사용자의 상황/이력 정보를 이용하는 것을 실시간 추천, 정확하게는 최근 정보를 이용한 추천이라고 정의할 수 있다. 

 

과거 이력이 없는 새로운 방문자의 경우 당일 방문하여 조회한 상품 정보를 기준으로 상황에 맞는 상품을 추천할 수 있어야 하고, 오늘 새롭게 등록된 상품의 경우 연관 상품 이력이 존재하지 않지만 상품 등록 이후 방문자들의 조회/구매 패턴을 기반으로 연관 상품 또는 인기 상품 등을 누적 분석하여 제공해야 할 수 있어야 한다. 또한 이탈을 방지하고 구매를 유도하기 위해 실시간 상황 정보를 노출하고자 하는 경우(예: 현재 XX상품을 n명이 조회하고 있습니다. 재고가 x개 남았습니다. 최근 1시간 내 가장 많이 팔린 상품입니다 등) 실시간 정보를 유용하게 활용할 수 있다. 

 

 cbc3fa33294e3cc4396273366b3342b9_1471833 

 

그럼 개인화 추천에 있어 실시간 정보에 대한 또 다른 니즈는 무엇일까?

 

개인화 추천에서 실시간으로 수집된 정보를 추천에 반영하는 관점 외에 추천한 효과가 있는지 몇시간 내에 파악하는 것이 중요하다. 추천 효과를 실시간으로 모니터링하고 일정 시간 이후 쌓인 데이터를 분석하여 효과를 높이기 위해 추천 알고리즘을 적시에 수정할 수 있어야 한다. 

 

어제 마케팅 전략회의를 통해 특정 타겟 고객군에게 A이라는 추천 시나리오를 적용하기로 했는데, 추천 적용 당일 오전에 반응을 모니터링 해보았더니 이전에 적용한 시나리오보다 반응이 낮게 나타났다는 것을 확인하고 오후에는 A 시나리오에 수정하여 추천 반응을 높일 수 있다. 일배치로 분석을 하게 되면 그 반응 결과를 하루 지나서 파악하여 반영할 수 있지만 실시간으로 효과를 파악할 수 있다면 적용 시점을 앞당겨서 상황에 대처할 수 있게 되어 매출 증대에 기여할 수 있다. 

 

나아가서는 앞서 다루었던 CEP 기술을 응용하여 한 사용자의 사용 패턴을 학습하고 이를 기반으로 다음 행동을 예측하는 기법을 적용할 수도 있으나 계산량 등 ROI 관점에서 고려해야 한다. 실시간 복합 이벤트를 고려한 다양한 시나리오는 계속 연구되고 있으나 금융권 사기 탐지와 같이 치명적인 영역에서 주로 활용하고 있으며, 마케팅 영역에서도 다양한 사례를 개발하여 적용을 시도하고 있다.

 

개인화 추천에서 실시간 기능에 대한 중요성이 커지고 있지만, 추천 효과는 과거 이력 기반의 추천이 효과적일 때가 있고 실시간 추천이 효과적일 때가 있으므로 이를 적절하게 조합하여 운영할 수 있는 운영환경이 필요하다. 실시간 추천 로직이 다양하게 구현되면 실시간 추천의 효과와 과거 이력 기반의 추천의 효과를 비교할 수 있게 되어 보다 효과적인 추천 방식으로 혼합하여 사용가능해질 것이다.

 

관련 게시글 : 


실시간 Context 이용한 개인화 추천 - 1. 개념

실시간 Context 이용한 개인화 추천 - 2. 추천할 것들 찾아내기 

실시간 Context 이용한 개인화 추천 - 3. 고객의 관심사와 데이터 분석의 만남

 

 

3. 실시간 추천 채널 확대

 

다음으로는 개인화 추천을 적용하고자 하는 채널이 확대되고 있는데, 여러 채널에 적용할 때 무엇을 고려해야 하는지 살펴보고자 한다.

 

개인화 추천 시스템은 웹사이트를 접속한 고객에게 개인화된 오퍼를 제공하는데 주로 적용되어 왔으며, 모바일 기기의 확산에 따라 모바일웹, 모바일앱에 접속한 고객에게도 웹사이트의 이력과 모바일 사이트의 방문 이력을 기반으로 일관된 개인화된 오퍼를 제공함으로써 멀티 채널 오퍼를 지원하고 있다. 또한 한 사용자가 다양한 기기를 사용하여 동일한 서비스를 이용하게 되어 기기별로 사용자가 접속한 행동을 하나의 사용자로 통합하여 분석하고자 하는 니즈가 증가하고 있다. 이를 Cross-Device 분석이라고 하는데, 기기간 이동 현황 및 행동 패턴을 분석하여 기기별 차별화된 컨텐츠 추천 방식도 고려해야 한다. 

 

 cbc3fa33294e3cc4396273366b3342b9_1471833 

 

그리고, 온라인으로 접속한 상태가 아닌 고객에게 오퍼를 보내 다시 사이트를 방문하게 하는 마케팅 활동이 증가함에 따라 개인화된 오퍼를 제공하는 채널을 SMS/MMS, Push, eMail, 넓게는 영업점 시스템, 콜센터 시스템으로 확장하고 있다. 이러한 트렌드는 O2O마케팅, 옴니채널 마케팅과 같은 시장의 흐름과 함께 단계적으로 발전하고 있다. 

 

O2O마케팅, 옴니채널 마케팅에서 추구하는 가치는 개인에게 다양한 채널을 통해 일관된 경험을 제공하는 것이다. 어떤 채널을 통해서든 개인의 선호, 최근 관심 상품 등에 대한 정보를 기반으로 상품을 추천하고 관련된 이벤트, 기획전에 대한 정보를 제공하여 고객에게는 스팸 정보가 아닌 유용한 정보로 인식되어 사이트를 재방문하도록 유도하고 재방문시 사용자에게 적합한 상품/이벤트 정보를 보여줌으로써 구매로 연결되도록 해야 한다.

 

그런데, 사용자가 사이트에 온라인으로 접속해 있는 상태가 아닌 SMS, 이메일과 같은 Non-Interactive Channel을 통해 오퍼를 제공할 때는 추천 내용을 전송할 시점을 잘 정의하여야 한다. 온라인 사이트를 떠난 지 얼마 되지 않아 관련 SMS를 보냈을 때 스팸으로 인지할 가능성도 있으므로 일정 시간 지난 후에 SMS을 보내야 하기도 하고, 금융권 같이 고액을 인출하거나 해지한 고객에게는 좋은 상품을 권하는 SMS을 보내어 이탈하지 않도록 유도하기 위해 너무 늦지 않게 메시지를 보내야 하는 등 다양한 상황을 고려하여야 한다. 따라서 추천 채널이 확장될 경우 채널의 특성에 따라 활용 목적에 맞는 다양한 설정이 지원되고 관련된 효과 분석도 가능해야 한다.  

 

 

cbc3fa33294e3cc4396273366b3342b9_1471833

 

 

아마존 사이트를 통해 널리 알려지게 된 개인화 추천 기술은 쇼핑몰, 영화, 음악 서비스 사이트 뿐 아니라 금융권, 언론사 등 다양한 분야로 확대 적용되고 있다. 또한 모든 업종에서 다양한 채널을 통해 일관된 고객 경험을 제공하는 것을 마케팅 활동의 최우선 가치로 내세우고 있으며, 이를 실현하기 위해 개인화 추천 시스템 도입은 선택이 아닌 필수로 자리잡고 있다. 그리고 개인화 추천 시스템 도입을 통해 기존 시스템 구조에서는 일관되게 제공하지 못한 여러 고객정보를 하나로 모아서 배포하는 것이 가능하도록 구축하는 고객사도 증가하고 있다.

 

이제 개인화 추천 시스템은 상품 판매를 증가 시키기 위한 도구에서 고객 경험 관리를 위한 필수 도구로 자리잡고 있으며, 실시간 멀티채널 추천이 가능하게 되면서 적용 가치는 더욱 다양해 질 것으로 보인다.  

 

 

 

 cbc3fa33294e3cc4396273366b3342b9_1471833 

  • 트위터로 보내기
  • 페이스북으로 보내기

모바일 페이지로 이동
// 홈페이지 분석 스크립트 (GTM 중복) 제거 - WLO, GA