맞춤형 상품 추천 및 구매 유도

2030 여성들을 대상으로 각종 식품들을 판매하는 쇼핑몰에서, 사용자의 다양한 취향과 요구사항을 분석하여 맞춤형 상품을 추천하는 AI 솔루션입니다.

제작 배경

쇼핑몰에서 나에게 맞는 상품을 찾는 일은 사용자에게 항상 번거롭고, 시간이 걸리는 작업입니다. 쇼핑몰에서 판매하는 종류가 많을수록 그 번거로움과 불편함은 늘어나기에, 이를 해결하기 위한 방안이 필요했습니다
사용자들이 상품을 선택하는 기준이 각기 다르며, 정량적인 기준(성능적인 기준)과 정성적인 기준(취향이나 선호)을 모두 고려하기에, 추천 알고리즘을 작성하는 것이 복잡도를 가지고 있었습니다
정량적인 기준과 정성적인 기준을 학습시킨 후, 정해진 후보 상품군 중에 가장 기준을 만족시키는 상품을 도출하여 사용자에게 제시할 경우, 추천의 정확도를 높일 수 있기에 AI를 활용할 필요성이 높았습니다
사용자들이 자신의 취향에 대한 정보를 입력할 수 있는 상황이 있었기에 이를 활용하여 점진적으로 추천의 정확도를 높이는 방향으로 기획/설계 할 수 있었습니다

2030 여성들을 대상으로 각종 식품들을 판매하는 쇼핑몰을 대상으로 기획/설계/개발/상용화를 진행하였습니다
2030 여성들이 주 고객이다 보니, 각기 다른 취향/입맛/포장 상태/가격대 등의 요구사항이 매우 다양하였고, 이에 맞는 상품을 추천하는 것이 매우 중요했습니다
일부 고객들에게는, 여러가지 상품을 하나의 패키지로 묶고 약간의 할인을 제시하는 경우에 더 구매 전환율이 올라갈 수 있는 상황이었습니다. 이에, 맞춤형 패키지를 구성하는데에도 AI를 활용하였습니다
고객들의 취향을 파악하기 위해, 고객들과 간단한 문답형 대화를 통하여 추천에 필요한 정보를 획득하였습니다. 이 과정에서 어떤 질문을 던지는 것이 효율적인 추천에 필요한지, 고객의 요구사항이 충돌할 때 어떠한 기준을 우선시 하여야 하는지 등에 대한 기획과 설계 역시 매우 중요하였습니다
맞춤형 추천에 있어, i) 정량적인 정보와 기준, ii) 정성적인 특징과 성향을 함께 고려하였기에 사용자의 만족도가 높았습니다

맞춤형 추천이 적용된 이후 다음과 같은 성과가 발생하였습니다:

추가 성과:

맞춤형 추천을 통하여 사용자들에게 더 많은 상품을 소개할 수 있었기에 노출 가능 영역 상품이 3~4배 정도 증가하였으며, 지속적으로 상품군을 넓혀 나가는 데에 부담이 없어졌습니다
"알고리즘/Rule 기반"의 경우, i) 추천을 위하여 고려해야 하는 요소가 변경되거나, ii) 추천하는 정량적인/정성적인 기준값이 변경될 경우, 알고리즘 자체를 수정해야 하기에 이를 위한 별도의 Resource를 할당하여야 했었습니다. 하지만, AI 솔루션을 활용할 경우, 아주 간단하고 편하게 업데이트 할 수 있었습니다

Step 1: 서비스 요구사항 정립
- 사용자 분석 및 취향 데이터 수집 방안 설계
- 추천 알고리즘에 필요한 정량적/정성적 기준 정의
Step 2: 사용자 시나리오 확정
- 문답형 대화를 통한 취향 파악 시나리오 설계
- 추천 결과 표시 및 피드백 수집 Flow 확정
Step 3: 추천 알고리즘 설계
- 정량적 기준(가격, 영양성분 등)과 정성적 기준(취향, 선호도) 통합
- AI 모델 학습을 위한 데이터 구조 설계
Step 4: 아키텍쳐 설계 및 개발
- 백엔드 시스템, Database 구성 관련 설계
- AI 추천 엔진 연동 및 API 개발
Step 5: Front-End, BackEnd 개발
- Flutter 기반 앱 개발
- Kotlin, SpringBoot 기반 백엔드 개발
Step 6: 상용화 및 성과 측정
- A/B 테스트를 통한 추천 효과 검증
- 사용자 피드백 기반 지속적 개선