이미 여러 번 이커머스 개인화 상품 추천이나, 타겟팅에 있어서 인공지능(AI)을 활용하는 사례를 소개한 바 있다. 이커머스 개인화를 전략적으로 수행하고자 하는 기업의 실무 담당자나 마케터들에게 있어서 이러한 기술을 대하는 긍정적인 태도와 이해는 매우 중요하다.
필자가 만난 이커머스 기업들 중에는 실무 담당 마케터들의 요청에 의해 이러한 인공지능 기술을 소개하고 제안하는 경우가 있는데, 솔루션 도입 이후에도 적정한 활용을 통해 성과를 거두고 있는 곳들이 많다. 반면 경영진 등 C레벨의 요청으로 검토나 도입이 이루어지는 경우, 실무 담당자들은 필요성은 공감하지만 실제 활용에 있어서는 소극적이거나 부정적인 경우가 적지 않다. 후자의 상황에 대해서 실무 담당자만을 탓할 수는 없는 데에는 아래와 같은 현실적인 문제가 존재한다.
- 머신러닝, 딥러닝, 세부 알고리즘 등의 기술 특성을 이해하기 어렵다.
- 경영진들은 관련 기술 도입 후 급격한 성과 향상을 기대한다.
먼저 첫 번째 문제를 살펴보면 담당자들이 단 시간에 전문 지식을 쌓는 것이 쉽지 않고, 예를 들어 딥러닝 등은 모델이나 분석 로직을 비 전문가가 이해할 수 있도록 설명하는 것 자체가 매우 어렵기 때문이다. 최근 이러한 이유로 인해 마케팅 등 비즈니스에서 활용하는 인공지능의 경우, ‘설명 가능한 AI(eXplainable Artificial Intelligence, XAI)라는 개념이 중요 시 되기도 한다.
게다가 경영진의 막연한 성과 기대가 겹치게 되면 보고를 해야 하는 담당자의 설명 역량은 결국 부담으로 이어질 수밖에 없다. 그러다 보니 비효율적이고, 데이터 왜곡이 발생하는 상황이 벌어지기도 하는데 이미 인공지능이 분석한 결과를 가지고 자신들이 이해할 수 있는 범위 내에서 수동으로 재 분석하거나, 비 전문적인 가설을 토대로 모델을 수정하고자 하는 것이다.
여기서 이커머스 개인화를 수행하고자 하는 기업의 활용 목적을 되 짚어볼 필요가 있는데 단순화하면 사람이 아예 할 수 없거나, 시간과 비용이 많이 들었던 업무를 기계가 대신하도록 하는 것이었다. 토탈 패션 & 라이프스타일 브랜드 M 사의 경우, 자사몰의 상품 추천을 11가지의 AI 상품 추천 방식과 9가지의 통계형 상품 추천 방식을 동시에 적용하여 효율이 높은 상품 추천 방식을 가려내는 실험을 과감히 진행했다.
약 2개월 동안의 진행 결과를 보면 AI 상품 추천이 통계형 상품 추천 보다 약 2배 이상의 구매 성과를 거두었다. 이제 M사는 보다 성과가 좋은 추천 알고리즘을 자사몰의 어떤 영역과 어떤 고객에게 더 확장해 나갈지를 고민하고 고도화하는 전략을 펼칠 것이다.
인공지능 기술의 도입에 있어서 그 기술에 대해 의심해 보고 검토하는 과정은 분명히 필요하다. 그러나 AI를 활용한 개인화 기술을 빠르게 적용하여 더 높은 차원에서 전략적 활용 가치를 넓혀 이커머스 비즈니스 경쟁력을 확보하는 것이 마케터나 경영진들이 궁극적으로 원하는 바가 아닐까 싶다.
2016년 3월 당시 알파고가 이세돌 9단과 대국을 한다고 했을 때, 알파고의 우세를 예상했던 사람들이 과연 얼마나 되었을까? 하물며 알파고가 어떤 계산 로직으로 바둑을 두는 지 상세히 이해하고 있는 사람들은 지금도 많지 않은 것이 현실이다.
[출처] 어패럴 뉴스 – 이봉교의 ‘진짜 이커머스 이해하기’
