Amazon Personalize를 사용해 쇼핑객의 경험을 향상하고 매출을 증대하는 Pomelo Fashion

동남아시아에 기반한 글로벌 패션 전자 상거래 서비스 업체인 Pomelo Fashion은 2013년 설립 이후 계속 동일한 방식으로 웹사이트에 제품을 전시해 왔습니다. 제품 전시 알고리즘에서 사용하는 데이터 스트림이 오래되어 입력 제한과 부정확성 문제가 있는 것은 물론이고, 이러한 설정은 진부해졌습니다. 빠르게 성장하는 혁신적인 스타트업인 Pomelo Fashion은 고객이 새로운 제품을 쉽게 발견할 수 있고 매출을 증대시킬 수 있는 맞춤화된 고객 경험 창출에 착수했으며 이를 대규모로 수행할 수 있는 솔루션이 필요했습니다. 

Pomelo Fashion은 Amazon Web Services(AWS)로 전환하여 Amazon Personalize를 사용함으로써 개발자가 맞춤화된 실시간 추천을 위해 Amazon.com에서 사용되는 것과 동일한 기계 학습(ML) 기술을 사용하여 애플리케이션을 구축할 수 있습니다. Amazon Personalize와 더불어 AWS 어드밴스드 기술 파트너인 Segment 및 Braze의 서비스를 사용하여 참신한 정렬 및 카테고리화 기능을 구축함으로써 Pomelo Fashion은 고객 참여를 높이고 효과적으로 판매로 이어지게 하는 독특하고 맞춤화된 쇼핑 경험을 창출했습니다.

Pomelo Fashion은 온라인과 동남아시아 전역의 18개 소매 매장에서 의상을 판매합니다. 50개국 이상에 소재한 약 200만의 고객에게 배송하기 위해 최근에 회사 사무실, 소매 상점, 의류 창고에 걸쳐 500명의 직원을 고용했습니다. 2017년~2018년 사이에 총 매출은 세 배로 뛰고, 2018년~2019년 사이에는 두 배가 되었으며 2020년의 세계적 경제 불황에도 불구하고 계속해서 두 배를 유지했습니다. 2020년 7월에만 회사는 7백50만 USD의 매출을 기록했습니다. 수년 동안 Pomelo Fashion은 ‘드레스’, ‘블라우스’, ‘바지 및 하의’와 같은 카테고리 페이지에서 페이지 뷰와 매출에 기반해 제품의 순위를 매기고 지난 30일 동안의 추세를 지금까지의 동작, 제품 가격, 신규 출시 제품과 혼합하는 알고리즘에 의존했습니다. 이 순위는 매일 계산되고 데이터베이스에 저장되어 국가별로 모든 사용자에게 동일한 경험을 제공했습니다. 

그러나 회사의 성장에 따라 Pomelo Fashion은 ML을 사용해 알고리즘을 향상시키는 것이 카테고리 페이지에서 고객에 대한 추천 품질을 개선하고 더 높은 디지털 사용자 참여와 구매 전환으로 이어진다는 것을 인식했습니다. 카테고리 페이지는 Pomelo Fashion의 매출에서 가장 큰 부분을 차지하는데, 제품 판매의 38%가 카테고리 페이지를 통해 이루어졌습니다. 해당 페이지에 표시되는 제품의 관련성을 높임으로써 매출 증대에 큰 잠재력을 가지게 되었습니다. 고객이 추천 제품을 구매하지 않더라도 ‘색상 견본’, ‘스타일 쇼핑’, ‘고객님을 위한 제품’과 같은 페이지의 다른 제품으로 인도될 수 있으며 이는 Pomelo Fashion 매출의 30%를 창출합니다. 

오랜 AWS 고객이었던 이 회사가 AWS에서 주최하는 워크숍에서 처음으로 Amazon Personalize에 대해 들었던 것이 바로 이 때였습니다. Pomelo Fashion의 비즈니스 인텔리전스 담당 이사인 Shane Leese는 전자 상거래에 대해 고민한다면 AWS를 고려하라고 말합니다. “AWS에서는 새로운 서비스가 계속해서 출시되고 지원도 훌륭합니다.” AWS를 사용하면 리전별 가용성도 제공되어 Pomelo Fashion이 각각의 쇼핑객에게 카테고리를 맞춤화하고 정렬할 수 있는 새로운 로직을 설정할 수 있습니다.

Pomelo Fashion은 이 때 이미 AWS에 기반한 Pomelo Fashion의 모바일 앱, 웹사이트, 키오스크 서비스로부터 매출 데이터를 수집, 도식화, 로드하는 고객 데이터 시스템인 Segment와 협업 중이었으므로, Amazon Personalize 프라이빗 베타가 2019년 6월에 출시되었을 때 복잡한 설정 또는 유지 관리 없이 고객의 360도 파노라마 뷰와 실시간 맞춤화를 구현할 수 있었습니다. Pomelo Fashion은 제품 발견 용이성을 지원할 수 있는 맞춤화된 경험을 대규모로 생성할 인프라를 보유하지 않았기 때문에 Segment와 Amazon Personalize를 통합하기로 결정했습니다. Leese는 “Segment가 없었다면 이렇게 순조로운 시작은 못했을 것”이라고 말합니다. “내부에서 이벤트 추적을 구축하려고 시도했지만 대단히 지저분한 이벤트 데이터를 마주하게 되었습니다. 담당 AWS 솔루션스 아키텍트는 그와 같은 구축에는 긴 여정이 필요할 것으로 보고, Segment를 온보딩해서 개발 시간을 줄일 것을 제안했습니다. Segment에서 데이터를 가져오는 덕분에 추적을 위해 대규모 인프라를 구축할 필요가 없어졌습니다.” 

새로운 로직은 카테고리 페이지의 제품을 개별 쇼핑객의 선호도에 기반해 정렬합니다. 고객의 제품 상호작용(클릭, 장바구니 추가 선택, 찜 목록, 구매 등)은 고객이 어떤 제품에 관심을 보일지 예측하는 데 사용됩니다. 가격, 색상, 카테고리와 같은 제품 세부 정보는 고객의 위치 등의 고객 세부 정보와 상호 연관되어 ML 모델이 유사한 제품 및 고객을 찾기가 쉬워집니다. ML 모델이 더 많은 제품과 고객 데이터를 처리할수록 추천 항목의 정확도가 올라갑니다. 새로운 Pomelo Fashion 쇼핑객은 먼저 인기 순으로 정렬된 제품을 보게 되고 몇 분도 지나지 않아 ML 모델은 예측된 선호도에 기반하여 정렬을 맞춤화합니다. 

Amazon Personalize를 사용해 추천 항목을 최적화한 Pomelo Fashion의 매출은 크게 성장했습니다. Leese는 “베타 구현이 안정적이라고 입증된 후 해당 서비스의 잠재력을 인식하기 시작하여 맞춤화 로드맵에서 핵심적인 역할을 하도록 했습니다.”라고 말합니다. “하이퍼 파라미터 최적화 및 추가 메타데이터의 도움을 얻어 한 달 만에 ‘고객님을 위한 제품’ 추천 캐러셀의 투자 수익률이 400%에 도달했습니다. 그 이후로 다른 ‘레시피’나 모델을 사이트의 다른 부분에도 적용하기 시작했습니다.” 우선적으로 Pomelo Fashion은 맞춤화 순위 레시피를 드레스 카테고리에 맞게 훈련시켜 적용하여 카테고리 페이지에서 개별 제품 페이지로의 클릭률 10% 상승, 매출 18.3% 상승이라는 결과를 이끌었습니다. 드레스 카테고리의 데이터에 기반한 미세 조정 이후 Pomelo Fashion은 이를 다른 카테고리로 확장했습니다. 

Pomelo Fashion은 맞춤화된 순위 알고리즘을 신규 출시 품목 및 스페셜 컬렉션을 제외한 모든 카테고리에서 사용하고 있습니다. 2020년 11월 기준으로 제품 뷰의 60%는 Amazon Personalized 기반의 추천 항목에 기인합니다. Pomelo Fashion의 카테고리 페이지 총 매출은 최대 15%, 카테고리 페이지에서 제품 페이지로의 클릭률은 최대 18%, 카테고리 페이지에서 장바구니에 추가된 항목은 최대 16% 상승했습니다. 이 확장 적용을 통해 누적 총 매출에서 8% 증가를 달성했습니다. 

Pomelo Fashion은 또한 대규모 메시징 경험을 제공하는 고객 참여 서비스 업체인 Braze와도 협력했습니다. Braze의 Connected Content 기능은 Amazon Personalize의 추천 항목을 사용해 이메일, 인앱 등을 통해 전송되는 Pomelo Fashion의 크로스 채널 캠페인을 맞춤화했습니다. Connected Content는 Amazon Personalize에서 콘텐츠를 직접 가져와 실시간으로(최대 1분) 사용자 메시지를 입력함으로써 Pomelo Fashion 직원들의 시간을 절약했습니다. 예를 들면 Pomelo Fashion이 이메일을 고객에게 전송할 때 고객은 고객의 브라우징 이력과 동작에 기반한 추천 항목을 수신합니다. Braze Connected Content를 사용한 이메일은 일부 분야에서 최대 50%, 평균적으로는 약 20%의 클릭률 상승을 보였습니다.

Pomelo Fashion은 Segment와의 협업을 지속하여 쇼핑객 경험을 맞춤화할 계획입니다. 첫 번째로 중요한 이니셔티브는 고객의 선호 사이즈를 고려하도록 카테고리 페이지의 관련성을 개선하는 것인데, 현재는 많은 제품의 인기 있는 사이즈가 구매 불가 상태이기 때문에 높은 클릭률에도 불구하고 구매로 전환되지 못하고 있습니다. Pomelo Fashion은 기존의 맞춤화 구조를 사용하여 제품 세부 정보 페이지에 사이즈 선택 추적을 추가하고, 고객 여정의 주요 지점에서 기본 사이즈 정보를 물어보고, 카테고리 페이지에서 고객의 구매 이력에 기반하여 관련성이 적은 제품을 제거하는 일련의 필터링을 반복할 계획입니다. 

또한 이 회사는 상품 발견 용이성을 개선하고 고객이 동일한 제품을 반복적으로 보지 않게 하려고 합니다. Amazon SageMaker를 사용해 예측을 위한 추가 ML 모델을 구축할 것으로 기대되며, 또한 더 확장성이 높은 인프라 생성을 위해 기업이 서버 프로비저닝이나 관리 없이 코드를 실행하도록 하는 AWS Lambda의 사용을 고려하고 있습니다. 

Amazon Personalize와 AWS 파트너인 Segment 및 Braze를 사용함으로써 Pomelo Fashion은 역동적이고 지속적으로 개선되는 고객 경험을 제공할 수 있게 되었으며 매출도 크게 상승했습니다.