쇼핑몰 운영시 고객의 마음을 사기 위한 기술로 AI 개인화 상품 추천 솔루션의 관심이 높아지고 있습니다. 하지만 처음 AI 기반의 개인화 추천을 활용을 검토하고 도입 시 많은 운영자와 마케터들이 콜드스타트(Cold Start)에 대한 걱정을 합니다. 그래서 오늘은 콜드스타트란 무엇이고 그루비는 이 콜드스타트 문제를 어떻게 해결하는지 알아보겠습니다.
콜드 스타트란?
AI 기반의 추천은 기본적으로 상품과 고객의 이력과 실시간 행동 데이터를 종합적으로 학습한 후에 맞춤형 상품을 추천합니다. 그래서 AI 기반의 추천에서 콜드스타트란? 상품 추천을 위한 데이터 정보가 충분하지 않아서 해당 유저들에게 상품을 추천하지 못하는 문제를 말합니다. 추천을 위한 데이터가 없어 AI 학습이 충분하지 못할 때 발생하는 것으로 크게 3가지 정도 원인이 있습니다.
1. 신규 쇼핑몰
신규 쇼핑몰은 기본적으로 사이트를 구축하고 서비스가 시작 한 것으로 추천을 위한 AI 학습을 하기에 충분한 데이터를 쌓을 수 없습니다. 쇼핑몰의 상품과 방문자들이 AI가 학습을 위한 데이터를 제공할 수 없기 때문에 콜드스타트 문제는 발생할 수 밖에 없습니다. 그래서 초기에는 충분한 데이터가 수집 될 수 있도록 상품과 유저의 인터렉션 정보들이 쌓을 수 있도록 광고를 통한 활성화가 필요합니다.
2. 신규 상품
새로운 상품을 등록했을 때 두가지 콜드스타트 문제가 발생할 수 있습니다. 신규 상품에 대한 고객과 상호작용 정보가 없기 때문에 어떤 고객에게 신규 상품을 추천해야 하는지 AI의 학습이 되지 않은 상황입니다. 그래서 정말 좋은 제품이라도 초기에 고객에게 추천되지 않은 경우가 상당부분 발생할 수 밖에 없습니다. 이 문제는 신규 상품이 고객과의 상호작용이 발생할 수 있도록 별도의 기획전이나 프로모션을 통한 데이터를 마련하는 방법이 있습니다. 그리고 두번째 문제로 신규 상품 페이지에서 다른 상품과의 연관 추천이 불가능한 점입니다. 이 경우는 협업 필터링 알고리즘 보다는 콘텐츠 기반의 알고리즘을 적용하여 상품명이나 태그 정보를 기반으로 추천이 가능한 하이브리드 추천 알고리즘을 활용하면 콜드 스타트 문제를 어느정도 해결이 가능합니다.
3. 신규 방문자
쇼핑몰 사이트에 처음 방문하는 고객에게도 방문 이력이 없기 때문에 콜드 스타트 문제가 발생합니다. 문제 해결을 위해 신규 방문자의 초기 프로필 작성을 유도하여 기호를 파악할 수 있습니다. 하지만 이 방법은 프로필 작성 시간이 많이 소요되어 잘못된 정보 기입하거나 정보 입력을 하지 않는 경우가 발생하게 됩니다. 그래서 오히려 AI 상품 품질을 떨어뜨리는 오류를 발생할 수 있습니다. 일반적으로 회사 자체 개발일 경우 가상의 프로필을 작성하고 유저 기반인 알고리즘으로 어느정도 해결할 수 있습니다. 물론 고객이 초기프로필을 잘 작성했을 경우에만 콜드스타트 문제를 일부 해결 할 수 있습니다. 더 좋은 방법으로는 고객의 행동에 따라 방문자를 구분하는 타겟팅 기법을 적용하여 신규 방문자에게는 통계형 알고리즘을 반영한 상품을 추천하고 재 방문자에게는 AI 알고리즘을 반영한 상품 추천을 진행하면 문제해결이 가능합니다.
기본적으로 콜드 스타트는 위 3가지 문제에서 발생하는 이유는 바로 기존 데이터의 부제입니다. 특히 협업 필터링 방식에서 두드러지게 나타날 수밖에 없는 문제로 고객의 행동 정보가 일정량 이상 쌓일 때까지 추천이 어려운 경우입니다. 그래서 추천의 효율성을 저하시키고, 사용자가 일정 수준에 도달하지 않으면 정확한 추천이 어렵게 되는 문제를 띄게 됩니다.
그루비는 위와 같은 콜드 스타트 문제 뿐만 아니라 고객들이 많은 관심을 보이는 소수의 콘텐츠에 집중되는 비대칭 쏠림 현상을 해결을 위해서 머신러닝 방식, 딥러닝 방식, 그리고 고도화된 협업 필터링 기반의 다양한 추천 알고리즘을 제공하여 쇼핑몰의 특성과 주 고객층의 성향을 반영한 전략적인 개인화 추천이 가능합니다.
그루비의 콜드스타트 해결하기
1. 세그먼트 타겟팅 활용하기
방문 이력 기반의 타겟팅을 적용하여 상품을 추천하는 것으로 신규 고객에게만 통계형 추천 시스템을 제공이 가능합니다. 쇼핑몰 사이트에 방문자를 분류 한다면, 방문 이력이 있는 방문자와 방문 이력이 없는 방문자로 타겟팅 할 수 있습니다. 그래서 각 타겟팅 별로 추천 알고리즘 따로 적용하여 상품 추천을 진행하는 방법입니다. 먼저 방문 이력이 있는 고객을 타겟팅하여 이력을 바탕으로 개인화 추천으로 상품을 전시합니다. 그리고 방문 이력이 없는 고객을 타겟팅 하고 통계형 알고리즘이 적용된 추천 영역을 제공합니다. 초기 방문자가 개인화 추천을 위한 최소한의 행동 데이터가 기록되기 전까지 해당 알고리즘이 적용하여 사용합니다.
2. 상품명 기반 유사 상품 알고리즘 적용
그루비는 신규로 등록된 상품의 콜드스타트 문제 해결을 위해 ‘상품명 기반 유사 상품’ 알고리즘을 제공합니다. 상품과 고객의 인터렉션 정보가 수집되기 전까지 적용해 해당 신규 상품페이지 다른 상품들이 추천 될 수 있게 합니다. ‘상품명 기반 유사 상품’ 알고리즘은 400만개 이상의 상품 데이터에 대한 딥러닝 자연어 학습을 통해 등록 된 상품명 확장 분석을 통해 유사 상품 추천이 가능하도록 했습니다. 신규 상품 페이지에서 상품 추천 영역에 연관 상품 추천이 가능하여 지속적인 상품 탐색을 이어갈 수 있습니다.
그루비 AI 추천 특징
그루비의 AI 추천이 여러가지 알고리즘을 제공하는 이유는 쇼핑몰과 고객의 특성과 상품 추천영역이 삽일 될 페이지의 특징을 잘 반영하여 최적화된 AI 알고리즘을 적용하기 위해서입니다. 자체 개발이 아닌 이상 우리 쇼핑몰에 최적화 된 알고리즘을 적용하기란 마케팅 솔루션을 도입한 경우에는 쉬운일이 아닙니다. 그루비의 13가지의 AI 기반 알고리즘은 머신러닝, 딥러닝 그리고 고도화 된 협업 필터링을 활용한 알고리즘들로 구성되어 있습니다. 다른 AI 추천 솔루션과 비교 시 2배가까이 많은 추천 알고리즘을 제공하여 더욱 이커머스의 전반적인 산업군에 적용하여 별도의 알고리즘 커스터마이징 없이도 다양한 알고리즘을 적용하여 성과를 확인할 수 있습니다.
그루비는 2가지 이상의 알고리즘을 적용했을 시 AI 최적화를 통해 추천의 목표인 클릭과 전환 효율에 적합한 알고리즘을 찾아주고, 추가적인 캠페인 작업 없이도 자동으로 최적화 된 알고리즘을 적용해 상품을 추천합니다. 그래서 쇼핑몰과 고객의 특성을 고려한 최적의 개인화 추천이 가능합니다.
그래서 그루비의 여러가지 추천 알고리즘을 적용하더라도 사이트 영역별 특징에 따라 목표에 맞는 알고리즘을 찾아 성과를 최적화 할 수 있도록 노출을 자동으로 조정합니다.
콜드스타트 문제 해결과 동시에 AI 기반의 상품 추천 품질을 유지하면서도 개인화 추천이 가능한 그루비의 해결방법을 알아봤습니다. 사용자의 쇼핑 경험을 한층 업그레이드 하고 매출에 기여하는 상품추천을 위해서는 고객의 취향을 저격할 수 있는 개인화 추천이 필요합니다. 그러기 위해서는 사람의 온라인 행동 데이터를 기반으로 고객의 구매여정마다 그때의 상황과 맥락에 맞는 상품이나 서비스를 제공해야 할 것입니다. 그루비의 개인화 추천이 지향하는 최종 목적지는 적재적소에 고객의 마음을 사로잡는 상품을 추천하는 것입니다. 그래서 단순한 하나의 추천 시스템이나 서비스가 아닌 쇼핑몰의 특성과 고객의 특성을 이해하는 마케터의 전략을 반영할 수 있는 AI 상품 추천이 가능합니다.
