아마존 퍼스널라이즈의 가장 훌륭한 대안, 블럭스

저희는 클라이언트가 쉽게 상품 데이터를 연동할 수 있도록 다양한 서비스를 지원하고 있습니다. 특히 '블럭스 개인화 추천(이하 블럭스)'의 경우, 이커머스 서비스에서 사용할 수 있는 다양한 AI 추천을 제공하고 있으며 클라이언트의 플랫폼 특성에 맞는 커스터마이징을 지원합니다. 또한, 손쉬운 데이터 연동과 추천에 대한 확실한 효용을 검증할 수 있는 방법에 집중하고 있습니다.

이번 글에서는 이커머스에서 발생하는 문제를 AI로 해결하는 저희의 '블럭스 레커먼데이션'과 해외에서 자주 쓰이는 '아마존 웹 서비스(Amazon Web Services, AWS) 퍼스널라이즈' 솔루션의 차이에 대해 알아보겠습니다.

1. 간편한 데이터 연동 vs 불편한 데이터 연동, 그리고 추가 비용

블럭스는 클라이언트들이 고객들의 상품 데이터를 쉽게 연동할 수 있도록 다양한 연동 방식과 관리자 페이지를 지원하고 있습니다. 기본적으로 상품 데이터의 주소(Url)을 통해 바로 연동할 수 있으며, 서드파티(3rd-party) 툴을 활용해 '앰플리튜드(Amplitude)', '브레이즈(Braze)와 같은 글로벌 CRM 마케팅 솔루션과도 연결할 수 있습니다. 이때 추가 비용은 발생하지 않습니다.

퍼스널라이즈는 2가지 방식을 지원합니다. 먼저 AWS S3(Simple Storage Service, S3)에 상품, 고객 데이터가 저장되어있거나 '데이터 랭글러(Data Wrangler)'를 통해 서드파티 툴과 연동할 수 있습니다. 다만 후자의 경우, 추가 비용이 청구됩니다.

블럭스와 퍼스널라이즈 모두 행동 데이터를 'SDK(Software Development Kit)'를 통해 수집합니다. 다만 블럭스 개인화 추천 솔루션은 상품 데이터를 ‘블럭스 상품 데이터 관리 형식’에 맞게 변경하는 과정이 필요한데, 관리자 페이지에서 쉽게 변경할 수 있습니다. 특히 매일 업데이트되는 상품 현황과 적재 이벤트를 쉽게 확인할 수 있어 데이터 연동 난이도가 매우 낮습니다.

2. 지속적인 추천 알고리즘 업데이트 vs 제한된 알고리즘 제공

이커머스에서 추천 화면을 설계하기 위해서는 전통적인 추천 알고리즘에서 나아가 '추천을 통해 제공할 수 있는 고객 경험'이 특별해야 합니다. 블럭스에서는 고객이 탐색한 이력을 바탕으로 각 상품별로 유사한 상품을 추천하거나 고객이 좋아할 만한 브랜드와 카테고리를 기반으로 추천할 수 있는 알고리즘을 제공하고 있습니다. 특히 최신 트렌드에 맞게 새로운 추천 알고리즘을 지속적으로 업데이트하고 있어서 실험하고 싶은 추천 알고리즘에 있으면 블럭스를 이용해 바로 실험해 볼 수 있습니다.

이와 달리 아마존 퍼스널라이즈에서는 '협업 필터링(Collaborative Filtering)', '콘텐츠 필터링(Content Filtering)'과 같이 전통적인 추천 알고리즘을 제공하고 있습니다. 전통 추천 알고리즘만 사용해서는 실제 화면을 설계하는데 부족하기 때문에 실무자의 입장에서는 약간의 불편함이 있습니다.

3. 자동 커스터마이징 vs 수동 커스터마이징

블럭스는 비즈니스적 요구사항에 따라 상품 추천을 바꿔야하는 상황이 있을 때 유연하게 대처할 수 있습니다. 예를 들어 추천에 새 상품을 적절하게 섞거나 특정 카테고리를 노출하고 싶지 않을 때, 혹은 특정 타입의 상품을 우선적으로 노출해야 하는 등 클라이언트의 다양한 요구사항을 빠르게 반영할 수 있습니다. 또한, 블럭스는 데이터 분석을 통해 전체적인 UI/UX에 어긋나지 않는 선에서 서비스 특성에 맞는 추천 UX를 직접 제안하기도 합니다.

반대로 퍼스널라이즈는 담당자들이 추천 결과에 대해서 분석한 후 직접 필터링을 해야 하는 불편함이 있습니다. 아울러 노출이 필요한 알고리즘 역시 직접 선택해서 적용하는 번거로움이 있습니다.

4. A/B 테스트 지원 vs 추가 트랙킹 필요

블럭스는 추천 솔루션에 대한 성과를 확인하실 수 있도록 A/B 테스트를 자체적으로 지원하고 있습니다. A/B test를 위한 솔루션(ex. 핵클)이나 대시보드(ex. 앰플리튜드, 믹스패널) 없이도 A/B 테스트를 진행할 수 있으며, 대시보드를 통해서 결과를 확인할 수 있습니다.

이와 함께 블럭스 내에서 자체 고객군 분할을 통한 실험을 지원하며, A/B 테스트를 위한 수집 데이터를 추가로 안내하고 있습니다. 클라이언트는 A/B 테스트를 통해 고객의 클릭률, 구매 전환율, 추천 매출 기여액 등의 지표를 직접 확인하면서 블럭스의 성능을 확인할 수 있습니다.

반면 퍼스널라이즈는 A/B 테스트를 따로 지원하고 있지 않기 때문에 클라이언트의 실무자들이 직접 A/B 테스트를 설계하고 추천 알고리즘에 대한 성과를 트랙킹해야 해야 합니다.

5. 간소화된 과금 방식 vs 가변적인 과금 방식

블럭스는 비용을 예측할 수 있도록 월 고정 구독제 또는 사용량에 따라서 변동될 수 있는 추천 쿼리 기반 과금을 제공하고 있습니다. 데이터 트랜잭션 또는 모델 학습에 대한 비용은 따로 발생하지 않습니다.

퍼스널라이즈는 데이터 트랜잭션, 모델 학습, 추론 요청 등 기능당 추가 과금이 발생합니다. 이러한 가변 요금제는 비용을 예측하기 힘들기 때문에 솔루션에 대한 예산을 산정하기 어렵습니다.

블럭스가 퍼스널라이즈의 훌륭한 대체제인 이유

블럭스는 다양한 이커머스 도메인(패션, 푸드, 뷰티, 종합)에서 수많은 고객사와 같이 추천 UX를 기획하고 탑재하면서 추천 솔루션을 사용하는 과정에서 발생할 수 있는 불편함을 개선했습니다.

이미 많은 클라이언트들이 블럭스와 함께 성장하고 있습니다.

• 주류 관련 플랫폼 D사, 추천 도입 이후 매출액 2.8배 증가

• 스트릿 패션 브랜드 N사, 추천 도입 이후 CTR 4.4배 증가

• 패션 플랫폼 B사, 타 AI 솔루션 대비 CTR 2배 이상 우위

개인화 추천 솔루션 도입에 고민되거나 궁금하신 내용이 있으시다면 하단의 문의하기 버튼을 눌러주세요! 담당자가 미팅을 통해서 구체적인 내용을 설명하겠습니다.

블럭스가 클라리언트의 매출 성장을 위해 같이 고민하겠습니다! 💪