Home
/
home
vision
ideal
position
team
culture
/

Blux 이야기

Search

3,000종의 고품질 간편식으로 주목받는 '윙잇', 자이와 함께 개인화 추천 도입

이커머스에서 추천은 어떻게 이루어지고 있을까요?
인기순 등의 룰베이스를 기반으로 하는 추천, 고객들을 segment로 분류하고 각 segment 별로 추천할 상품들을 rule-base로 정하는 방식의 추천 등 다양한 방법이 있을 텐데요.
수많은 상품들을 일일이 선별하여 추천하기엔 상품의 개수도 소비자들의 수도 너무 많아진 지금, 많은 기업들에서 개인화 추천을 도입하고자 하는 움직임이 나타나고 있습니다. 이러한 개인화 추천은 수많은 상품들의 특성과 소비자의 시시각각 변하는 기호를 반영해야 하기 때문에 인공지능의 활용이 필수적입니다.
오늘은 자이의 클라이언트 중 하나인 푸드 커머스 플랫폼 ‘윙잇’의 사례를 통해 자이의 개인화 추천 도입 과정 및 그 성과에 대해 좀 더 자세히 소개드리고자 합니다.
윙잇은 3,000여종의 고품질 가정간편식(HMR)을 메인으로 고른, 페이보잇 등 독점 PB 브랜드와 신선식품을 익일배송하고 있는 종합 푸드 커머스 플랫폼으로, 70%가 넘는 재구매율과 꾸준한 매출을 통해 연평균 160% 이상 빠르게 성장하고 있는 스타트업입니다. 자이는 윙잇의 메인 화면 최상단에 개인화 추천을 도입하였으며, 앞으로 윙잇의 다양한 화면들에 추가적으로 개인화 추천을 도입하며 지속적으로 협업을 이어갈 예정입니다.
윙잇은 자이의 개인화 추천을 도입하여 추천 영역 클릭률 약 30% 증가, 인당 거래액 약 20% 증가 등의 성과를 거두었다고 합니다. 이 뿐만 아니라 윙잇 측에서 전략적으로 프로모션을 진행하고 있는 상품군에 대해서도 개인화 추천을 통해 최대한 많은 유효 타겟층에게 해당 상품군이 노출될 수 있도록 설계하여 정성적 요구사항까지 반영된 모델을 도입할 수 있었습니다.
현재까지의 성과와 앞으로 윙잇에서의 개인화 추천 확장 방향성에 대해 윙잇의 대표님 ‘임승진’님과 자이와 함께 프로젝트를 진행한 윙잇 Product Manager ‘김우정’님, 엔지니어 ‘최재길’님을 만나 더 자세한 이야기를 들어보았습니다.

안녕하세요, 시간내주셔서 감사합니다. 우선 간단한 자기소개 부탁드립니다.

대표 승진님 : 안녕하세요. 저는 윙잇의 대표 임승진입니다. 반갑습니다.
푸드 커머스 플랫폼 ‘윙잇’, 딥러닝 개인화 추천을 도입한 이유
Product
2023/05/10
안녕하세요, 인공지능 기반 초개인화 추천 모델을 통해 온라인/모바일 서비스의 상품 탐색부터 구매까지의 성과 개선을 도와드리는 Z.Ai(자이) 팀의 Project Manager Conor입니다!
많은 고객사분들을 만나다보면 개인화 추천을 도입하고자 하는 생각은 대부분 가지고 계시지만, 막상 이를 도입하는 과정, 도입 이후 사후관리의 과정에서 다양한 고민들에 봉착하게 되는 것을 볼 수 있는데요. 오늘은 이러한 고민들을 조금이나마 해소드리고자 자이가 이 문제들을 어떻게 풀어나가고 있는지 말씀드리고자 합니다.

개인화 추천, 도입하고 끝이 아니다?

많은 플랫폼 기업들이 인공지능 추천의 중요성을 느끼고 있는 지금, 대기업과 빅테크 기업들은 인공지능 추천을 서비스에 내재화하기 위해 전문 인력으로 구성된 팀을 꾸려 추천 시스템을 개발하고 도입하고 있습니다.
그러나 아직 제품개발 등 사업의 본질적인 영역에 집중하고 있는 스타트업들이나, IT 인프라가 고도화되지 않은 기업들은 ML 엔지니어 등 전문 인력들을 내부에 다수 채용하여 추천 시스템을 구축할 엄두를 내기가 쉽지 않기에 AWS Personalize와 같은 빅테크 기업의 솔루션을 활용하기도 합니다.
인공지능 추천은 사람이 직접 만드는 룰베이스 추천과는 다른 특이한 점이 있는데요. 바로 모델의 작은 파라미터 하나의 수정으로도 추천 결과 및 성능이 크게 달라질 수 있다는 점입니다. 서비스에 추천을 도입하여 달성하고자 하는 비즈니스 목표를 효과적으로 달성하면서도 딥러닝 모델의 순수한 성능을 그대로 유지 (또는 발전)하기 위해서는 그때그때 상황에 맞는 모델 튜닝 작업이 필수적입니다.
빅테크 기업 솔루션을 활용하면 전문 인력 채용 없이 개인화 추천을 도입할 수 있지만, 다양한 기업들에게 범용적으로 적용되는 표준화된 솔루션이다 보니 지속적인 유지보수 및 모델 업데이트 측면에서는 다소 아쉬움을 느끼실 수 있습니다. 비즈니스적인 필요에 의해 모델에 대한 수정이 필요한 경우, 성능의 하락을 최소화하면서 해당 필요를 충족하는 모델을 지속적으로 업데이트하기에 한계가 있는 것이죠. 아래와 같은 상황을 한 번 살펴보겠습니다.
의류 유통 커머스 업체인 A사는 최근 핫한 브랜드를 보유한 B사와 입점 계약을 체결하였습니다. 그런데 매력적인 브랜드와 제품을 보유한 B사이니만큼, A사 앱의 홈 화면 최상단에 위치한 ‘오늘의 추천 상품’ 탭에서 10%의 지분을 보장해주는 조건으로 계약하게 되었습니다.
위의 이야기는 자이가 실제로 만나본 고객사들의 실제 사례를 기반으로 재구성한 사례입니다. 추천을 도입하기 전에는 일단 도입을 완료하는 것에 모든 관심과 리소스가 집중되지만, 막상 도입하고 나면 성능에 욕심이 나지 않을 수 없습니다. 그런데 다양한 비즈니스 맥락 속 추천 모델에 대한 수정사항이 필연적으로 발생하는데, 이때 해당 수정사항을 반영하면서도 성능을 지키는 것이 중요한 문제가 되는 것이죠.
추천 시스템, 구축은 시작일 뿐입니다 😅 (feat. 끝없는 변경사항 속 모델 성능 지키기)
Product
2023/04/20

자이와 함께 부담은 줄이고 효용은 2배로!

안녕하세요, 인공지능 기반 초개인화 추천 모델을 통해 온라인/모바일 서비스의 상품 탐색부터 구매까지의 성과 개선을 도와드리는 Z.Ai(자이) 팀의 Co-CEO Joel입니다.
오늘은 실제 비즈니스에서 개인화 추천을 도입하는데에 어떤 애로사항들이 존재하는지, 자이는 그러한 문제점들을 어떻게 획기적으로 해결해나가고 있는지 말씀드리려고 합니다.
어느 정도 이상 성숙도를 갖춘 서비스를 운영하고 계시다면 개인화 추천 시스템 도입을 통해 매출을 상승시키고 유저의 재방문율을 개선해보려고 생각해보신적이 있으실텐데요!
이미 개인화 추천 시스템 도입을 결정하셨다면, 남은 고민은 결국 가장 빠르고, 쉽게 도입할 수 있는 방법에 대한 고민일 것입니다. 저희가 많은 고객분들을 만나 말씀을 나눠본 결과, 기존에 개인화 추천 도입을 망설이고 계셨던 이유는 크게 다음 두 가지로 요약할 수 있었습니다.

첫번째로, 추천 도입이 가져다줄 효용의 불확실성과 추가적인 기술인력 채용에 대한 부담감입니다.

개인화 추천은 어떤 기술을 어떻게 적용하는지에 따라 그 효용이 매우 상이하게 나타난다는 특징을 갖고 있습니다. 기껏 많은 시간과 돈을 투자해 도입한 추천이 기대와 전혀 다르게 작동하는 일은 도입하시는 분들에게 가장 걱정되는 일이죠.
그렇다고 이 기술의 현명한 도입을 위해 새로운 전문 인력을 대거 채용하는 일은 너무나도 어려운 일입니다. 일반적으로 실제 효율이 뚜렷한 개인화 추천 시스템 신규 구축을 위해 필요한 인력은 약 4~5명 정도로 그 수가 적지 않습니다. 큰 맘먹고 신규 인력 채용을 결심한다고 해도 인공지능 추천 전문가는 그 수가 적어 구하기도 어려울 뿐만 아니라 굉장히 큰 추가 인건비 지출 또한 감수해야 합니다.
이런 문제 때문에 많은 고객사분들은 개인화 추천 도입의 필요성을 인지하고 도입에 대한 고민을 하고 계시지만 쉽게 실행에 옮기지 못하고 계셨습니다.
개인화 추천시스템, 어떻게 쉽게 도입할 수 있을까?
Product
2023/04/19
안녕하세요 Z.Ai팀의 ML 엔지니어 Simon입니다.
지난번 게시물에서 자이가 왜 개인화 추천 솔루션을 더 많은 기업에게 제공하고자 하는지에 대한 간략한 설명을 드렸다면, 오늘은 Z.Ai의 머신러닝 팀이 고성능의 개인화 추천을 제공하기 위해 어떤 시도들을 하고 있는지 말씀드리고자 합니다.
Z.Ai 팀은 양질의 개인화 큐레이션을 제공하기 위해 사용자를 잘 이해할 수 있는 머신러닝 모델을 만들고 있습니다. 그리고 큐레이션의 관점에서 사용자를 이해하기 위해서는 사용자에 대한 단순한 정보 뿐만 아니라, 과거 사용자가 주로 어떤 상품들과 상호작용을 하였는 지 등의 행동 데이터에서 유의미한 정보를 잘 추출해낼 수 있는 모델이 필요하다고 생각하였습니다. 즉, 행동 데이터에서 사용자가 상호작용하는 상품들이 어떤 특징을 가지고 있는 가에 대한
상품 특성 정보(Attribute Information)와 사용자가 상품과 어떤 패턴으로 상호작용하는 가에 대한 문맥적 정보(Contextual Information)를 잘 학습할 수 있는 딥러닝 모델이 필요하였습니다. 이번 글에서는 Z.Ai가 위 두 정보들을 어떻게 활용하여 모델을 설계하고 있는 지에 대한 전반적인 설명을 드리도록 하겠습니다.

상품 특성을 벡터화하여 벡터 공간에 위치시키는 임베딩 (Embedding)

우선 상품 특성 정보를 딥러닝 모델이 학습하기 위해서는 이 정보들을 수치화하여 수학적 공간에 표현할 수 있어야합니다. 이때 임베딩 기법이 통상적으로 사용됩니다. 임베딩은 한 개체가 가지는 여러가지 특징을 수치로 표현하여 수학적인 공간에 표현하는 기법을 이야기합니다. 구체적으로는 각 상품들이 가지는 특징들을 벡터화하여 벡터공간(Vector Space)으로 주로 맵핑을 시킵니다. 각 정보들을 벡터공간에 맵핑시키는 이유는 벡터공간에서는 벡터의 거리와 두 벡터 사이의 각도 등 여러 binary operation을 통해 두 벡터의 유사성을 쉽게 측정할 수 있기 때문입니다.
Z.Ai 개인화 추천, 어떻게 하는데? (1) 임베딩과 순차 데이터 모델

정보의 홍수 속, 내가 원하는 것만 볼 수 있는 세상

온라인 쇼핑몰에서 추천은 이제 선택이 아닌 필수가 되었습니다.
소비자들은 자신이 원하는 것을 빠르게 찾길 원하며, 원하는 것을 빠르게 찾지 못한 소비자들은 피로감을 느껴 쉽게 플랫폼을 이탈하기 마련입니다. 이러한 목적을 충족시켜 줄 수 있는 쇼핑몰만이 소비자들의 선택을 지속적으로 받아 성장할 수 있게 된 것이죠.
그렇기에 지금껏 쇼핑몰들은 소비자들에게 좋은 유저 경험을 제공하기 위한 수단으로 ‘인기순’, ‘신상품순’ 등의 정렬을 통한 추천을 제공해왔고, 이러한 추천은 데이터 분석의 필요성이 중요하게 대두됨에 따라 소비자들을 고유한 특징을 바탕으로 특정 세그먼트들로 나누어 세그먼트별 추천 상품을 구성하는 방식의 시도로 이어졌습니다. 즉 소비자의 성별, 나이, 소비자가 선택한 관심사 등에 따라 그룹을 나누고 각 그룹 별로 추천 상품을 따로 구성하여 소비자가 좋아할 확률이 높은 상품들을 추천해주는 것입니다.
이러한 세그먼트 기반 추천은 소비자의 기호가 성별, 나이 등의 정보에 의해 확실히 구분될 수 있고 상품의 양 또한 많지 않은 경우 효과적인 방법일 수 있습니다. 하지만 사람이 직접 추천상품을 일일이 선별하기에 상품의 양이 점점 더 많아지고, 소비자들의 취향 및 기호 또한 시시각각 변하는 지금, 더이상 세그먼트 별 추천은 일정 수준 이상의 효용을 소비자에게도, 쇼핑몰에게도 주기 어렵게 되었습니다.
Z.Ai의 추천 - blog 1
Tech
2023/03/27
지난 겨울, 저희 동료 Ed가 자이에서의 인턴을 마치며 전하고 싶은 이야기가 있다고 하네요!
진로 고민이 많던 4학년 겨울방학이었는데, 그 시간을 ZAi에서 보낸 건 최고의 선택인 것 같습니다🫢
ZAi를 추천하고 싶은 이유를 일적인 측면이랑 문화적인 측면으로 나눠서 설명드리고 싶어요.

Work

•
실력 : ZAi는 인재밀도가 매우 높은 14명의 팀원으로 이뤄져있습니다. 백엔드팀에서는 최신 기술과 프레임워크를, ML팀에서는 최신 논문들을 빠르게 습득하려고 노력합니다. 그래서 여러 컨퍼런스, 밋업 등에 적극적으로 참여하고, 실제 프로덕트에 적용까지 해내고 있습니다.
•
개발 문화 : 스타트업 특성 상 새로운 태스크도 계속해서 생기지만, 그와 동시에 처리하지 못하고 백태스크로 남겨지는 일들도 많습니다. ZAi에서는 이렇게 남겨지는 작업들을 최소화하여 기술 부채를 최소화하고자 노력한다고 느꼈습니다. 그 외에도 코딩 컨벤션과 PR, 코드 리뷰 문화가 잘 자리잡고 있어서 바람직한 개발 문화를 잘 실천하고 있습니다. 방학동안 인턴을 하면서 이런 개발문화를 경험하고 간 것이 무척 값진 경험이었습니다.
•
온보딩 : 초기에 팀원이 합류한 뒤 회사의 제품을 이해하고 업무에 자연스럽게 투입될 수 있도록 약 2주간의 온보딩이 잘 기획돼있습니다. 온보딩을 하면서는 회사의 기술 스택을 이해하며 배우는 것이 많았고, 실무에 투입되면서는 기술 스택을 활용하면서 배우는 것이 또 많았습니다. 그래서 인턴을 하는 한달 반 동안 계속해서 공부를 많이 하게 되고, 체계적으로 배워가는 것이 많았습니다. 시키는 일만 하는 것이 아니라 자신이 하고 싶은 공부를 직접 찾아서 할 수 있도록 장려해주는 것도 좋았습니다.
•
기술공유 세션 : 매주 금요일에 기술 공유 세션이 있는데, 엔지니어들이 업무를 하며 얻은 인사이트나 컨퍼런스에 가서 얻은 지식들, 새로 읽은 논문에 대한 요악 등을 공유하는 자리입니다. 이 자리에서 다른 분야의 지식들도 폭넓게 배워갈 수 있었습니다.
•
자율과 책임을 중시하는 문화이고, 여기에는 인턴도 예외가 아니기 때문에 짧은 기간동안 많은 것을 배워갈 수 있어서 감사했어요

Culture

•
팀원 : 최고의 복지는 팀원! 팀원 모두가 성격도 둥글둥글하고 서로 친해서 동아리같은 느낌이 들기도 하는 것 같아요. 기술적 성장도 좋았지만 ZAi에서 얻은 가장 값진 것은 훌륭한 동료들을 알게 된 것입니다 ㅎㅎ 열정있고 재밌고 잘생기고 예쁜 팀원들을 많이 알게 돼서 좋았습니다 ^_^
겨울 인턴을 마치며, - Ed
자이 팀 소식
2023/02/14
안녕하세요, 제트에이아이 입니다.
자이의 연혁과, 자이의 공동대표의 인터뷰 내용을 공유드리고자 합니다.
자이가 어떻게 성장해왔는지, 그리고 앞으로 자이가 나아갈 미래가 궁금하다면 아래 게시물을 확인해주세요!
연혁 & 공동대표 인터뷰
자이 이야기
2022/11/08
제트에이아이가 이번 10월 15억원 규모 프리A 라운드 투자 유치를 마무리했습니다. 이로써 법인 설립 이후 10개월 만에 누적 투자유치액 20억원을 달성했습니다.
제트에이아이의 이지혁, 설형욱 공동대표는 “딥러닝 기반 개인화 인공지능 기술을 통해 확실한 사업 지표의 상승을 가져다 줄 수 있는 것이 자이의 가장 큰 장점이다. 이번 투자 라운드를 통해 더욱 빠르게 사업을 확장해 나가며 국내외 기업들에게 실질적인 도움을 줄 수 있는 다양한 인공지능 프로덕트를 개발해 나가고자 한다"고 말했다. - 기사 발췌
빠르게 성장 중인 자이에 많은 관심 부탁드립니다 
제트에이아이, Pre A 투자유치
자이 팀 소식
2022/10/26
안녕하세요, 제트에이아이 입니다.
은행권청년창업재단 디캠프가 주최하는 9월 디데이에서 제트에이아이가 우승을 거두었습니다!
초기 스타트업들에게 뜻깊은 행사에서 좋은 성과를 내게 되어 영광입니다.
빠르게 성장하고 있는 자이에 앞으로도 많은 관심 부탁드립니다.
기사링크
디데이 우승
자이 팀 소식
2022/09/29
안녕하세요, 제트에이아이 입니다.
자이를 이끌어가고 있는 사람들, 팀 성장의 원동력이 되는 문화, 그리고 앞으로 더 큰 성장을 위해 자이가 찾고 있는 사람들에 대한 내용이 담긴 소식을 전해드리려 합니다!
자이 사람들이 어떻게 일하고 있는지 궁금하다면, 혹은 자이와 함께 하고 싶으시다면, 아래 게시물을 확인해주세요
자이 팀 & 문화
자이 이야기
2022/09/26
제트에이아이가 이번 7월 중소벤처기업부의 민간 투자 주도형 기술 창업 지원 프로그램 'TIPS'에 선정되었습니다.
이번 'TIPS' 과제 선정을 바탕으로 인공지능 큐레이션의 정성적, 정량적 역량을 모두 글로벌 최고 수준으로 끌어올릴 수 있는 발판을 마련했습니다.
“이번 팁스 선정에서는 높은 딥러닝 추천 R&D 수준과 산업별 맞춤형 모델 제작 능력 등을 인정 받았다. 제트에이아이는 클라이언트 문제 재정의, 데이터 수집 및 가공, 모델 개발, MLOps 구축, 서비스 적용 그리고 유지보수 및 모니터링 등 개인화 추천 시스템 적용까지의 복잡한 과정들을 All-in-One으로 제공하고 있다” - (기사 발췌)
 기사링크
TIPS 선정
자이 팀 소식
2022/09/22
안녕하세요. 월 구독 기반 개인화 추천 솔루션을 제공하는 Z.Ai입니다.
저희는 머신러닝 도입의 진입 장벽을 해소하고 커져가는 개인화 니즈를 충족시킬 수 있는 개인화 추천 솔루션을 SaaS 형태로 제공하고 있습니다. Z.Ai의 서비스는 개인화 추천 시스템 적용까지의 복잡한 과정들을 모두 담당하여, 문제 재정의, 데이터 수집 및 가공, 모델 개발, 서비스 적용 그리고 유지보수 및 모니터링까지의 과정을 All-in-one으로 제공합니다.
Z.Ai가 제공하는 개인화 솔루션의 종류, 솔루션 도입 절차 및 도입 효용이 궁금하시다면, 아래 게시물을 확인해주세요!
Z.Ai 솔루션을 소개합니다!
자이 이야기
2022/09/16
월 구독 기반 개인화 추천 솔루션을 제공하는 Z.Ai입니다.
최근 많은 기업들이 더 빠른 기업 성장을 목적으로 머신러닝/딥러닝 기술의 도입을 고려하고 있습니다. 특히 많은 커머스, 콘텐츠 플랫폼들의 서비스의 근본적 성장을 위해 개인화 추천 도입은 필수 고려 대상이 되었습니다. 그러나 내부에 별도의 ML 팀을 두어 기술 내재화를 하는 방식은 진입장벽이 높고 많은 비용이 발생할 뿐만 아니라 기술이 실질적으로 사업에 도움 되는지조차 불확실한 리스크가 존재합니다.
이에 Z.Ai는 많은 기업이 쉽고 편하게 머신러닝 기반 개인화 추천 솔루션을 도입할 수 있도록, 누구보다 합리적인 가격으로 머신러닝/딥러닝 기반 개인화 추천 시스템을 제공합니다.
자이를 알아봅시다!
자이 이야기
2022/09/02