푸드 커머스 플랫폼 ‘윙잇’, 딥러닝 개인화 추천을 도입한 이유

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

May 10, 2023

Contents

안녕하세요, 시간내주셔서 감사합니다. 우선 간단한 자기소개 부탁드립니다.다른 솔루션사들도 알아보셨을 것 같은데, 최종적으로 블럭스와 프로젝트를 진행한 이유가 궁금합니다.커스터마이징이 가능하다는 점이 가장 좋았다고 말씀해주셨는데, 실제 협업 과정 중 특별히 기억에 남는 사례가 있으신가요?개인화 추천 도입 이후, 윙잇의 비즈니스 성과에 어떤 긍정적 영향이 있었나요?현재는 홈화면에만 개인화 추천을 적용하고 계신데, 앞으로의 개인화 추천 확장 계획은 어떻게 되시나요?윙잇이 Blux와 함께 프로젝트를 진행하면서 가장 만족스러웠던 부분은 무엇인가요?마지막으로 한마디! 부탁드립니다 🙂

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 블럭스의 클라이언트 중 하나인 푸드 커머스 플랫폼 ‘윙잇’의 사례를 통해 자이의 개인화 추천 도입 과정 및 그 성과에 대해 좀 더 자세히 소개드리고자 합니다.

블럭스은 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. 블럭스는 윙잇의 메인 화면 최상단에 개인화 추천을 도입하였으며, 앞으로 윙잇의 다양한 화면들에 추가적으로 개인화 추천을 도입하며 지속적으로 협업을 이어갈 예정입니다.

윙잇은 블럭스의 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 블럭스와 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.

PM 우정님 안녕하세요. 저는 블럭스와 개인화 추천 도입 프로젝트를 함께 진행한 윙잇의 PM 김우정입니다. 만나서 반갑습니다.

엔지니어 재길님 안녕하세요. 저는 우정님과 함께 블럭스 팀과 프로젝트를 진행했던 윙잇의 엔지니어 최재길입니다.

윙잇이 개인화 추천의 필요성을 느끼게 된 계기는 무엇인가요?

대표 승진님 개인화 추천에 대한 니즈는 오랫동안 가지고 있었습니다. 저희 플랫폼에는 수많은 상품들이 존재하고 ‘식품’의 특성 상 고객마다 취향이 각각 다른데, 모든 고객에게 한 구좌에서 동일한 상품을 보여주는 것이 불합리하다고 느꼈고 당연히 개인화가 필요한 부분이라고 생각해왔습니다. 그래서 내부적으로 ML을 도입하려는 생각도 있었는데 윙잇 사업적으로 집중해야 하는 핵심 영역이 있어 내재화는 어렵다는 판단을 내리고 솔루션 활용을 고민하던 중 블럭스(구 자이)의 투자 기사를 보고 연락드리게 되었습니다.

다른 솔루션사들도 알아보셨을 것 같은데, 최종적으로 블럭스와 프로젝트를 진행한 이유가 궁금합니다.

대표 승진님 다른 솔루션에 비해 윙잇에 맞는 세부 커스터마이징이 가능하다는 점이 가장 좋았습니다. 이전에 다른 머신러닝 툴을 도입했을 때에는 협업사의 규격에 맞춰야하는 불편함과 그에 따른 성능의 제한이 문제였는데, 블럭스는 세부적인 부분까지 커스터마이징을 해주시면서도 성능을 높게 유지할 수 있다는 점이 좋았습니다.

두 번째로 첫 미팅 때 강조해주셨던 ‘빠른 협업 속도’도 아주 인상 깊었습니다. 저희도 스타트업이기 때문에 일을 얼마나 빠르게 진행할 수 있느냐가 중요한 기준 중 하나인데, 블럭스 팀은 저희의 속도에 맞게 일할 수 있는 최적의 팀이라는 생각이 들었습니다.

커스터마이징이 가능하다는 점이 가장 좋았다고 말씀해주셨는데, 실제 협업 과정 중 특별히 기억에 남는 사례가 있으신가요?

PM 우정님 추천 상품에 대해 저희가 정성적으로 기대하는 부분들이 몇 가지 있었는데, 이 사항들을 다 모델에 잘 녹여주셨습니다.

예를 들어 저희 플랫폼에는 메인 상품 외에도 쇼핑백 등 다양한 부가상품들이 있는데, 이런 부가상품들은 자연스럽게 후순위로 노출될 수 있도록 모델을 조정해주셔서 저희가 따로 로직을 세워 이를 필터링 할 필요가 없었습니다.

또한 추천 지면에 노출되는 상품들은 기본적으로 여러 카테고리에 속해있고 때로는 카테고리가 변경되기도 하는데, 카테고리 정보를 넘겨 드리면 맞춤형으로 실시간 재정렬이 가능했던 점도 좋았습니다.

개인화 추천 도입 이후, 윙잇의 비즈니스 성과에 어떤 긍정적 영향이 있었나요?

PM 우정님 홈화면에 개인화 추천을 적용하자마자 클릭률이 30% 정도 올랐고, 현재까지도 지속적으로 긍정적인 결과를 보이고 있습니다. 또한 A/B Test 결과 블럭스 개인화 추천이 적용된 고객들의 인당 거래액이 기존 대비 약 20% 상승한 결과를 보여주었습니다.

이전에도 개인화를 위한 다양한 시도들을 했지만 뚜렷한 성과를 확인하지 못했었는데, 이번에 블럭스 팀과 프로젝트를 진행하며 제대로 고도화에 성공한 것 같습니다.

현재는 홈화면에만 개인화 추천을 적용하고 계신데, 앞으로의 개인화 추천 확장 계획은 어떻게 되시나요?

PM 우정님 현재 홈 화면에 추천 적용을 완료하였고, Best 상품 지면에서도 협업을 진행 중에 있습니다. 추후 상품 상세 페이지 등에 추천 상품을 위한 신규 구좌를 생성하여 도입할 계획도 가지고 있습니다.

윙잇이 Blux와 함께 프로젝트를 진행하면서 가장 만족스러웠던 부분은 무엇인가요?

만족스러웠던 부분들이 많은데, 크게 3가지로 정리해볼 수 있을 것 같습니다.

1. 긴밀한 협업을 통해 윙잇에게 가장 적합한 추천 모델 제공

PM 우정님 A/B 테스트 기간 동안 블럭스에서도 함께 결과를 지켜보면서 디벨롭할 부분을 제안해주신 점이 좋았습니다. 테스트 초기에 도입한 모델이 클릭률에서 확실한 지표 상승을 보였으나 구매 전환율에서 뚜렷한 우위를 보이지 않았는데, 블럭스에서 모델 업데이트를 진행해주셔서 결과적으로 클릭률과 구매 전환율에서 모두 유의미한 지표를 보이는 모델을 적용할 수 있었습니다.

2. 윙잇의 전략적 요구사항을 반영한 모델 고도화

PM 우정님 블럭스에서 실제 서비스에 추천을 적용하기 전 추천이 어떻게 이루어지는지를 확인할 수 있도록 데모 페이지를 제공해주셨는데, 데모 확인 과정에서 요청드린 피드백들을 잘 정리해주시고 실제로도 해당 피드백들이 빠르게 반영되었던 점이 좋았습니다. 예를 들어 윙잇 내부적으로 중요하게 생각하는 상품군들이 있는데, 이러한 전략적 우선순위 상품군에 대한 노출을 늘릴 수 있도록 작업해주셨고, 결과적으로 해당 상품군의 노출 빈도가 약 20% 증가한 모델을 도입할 수 있었습니다.

3. 고객사 부담을 최소화한 효율적인 협업

엔지니어 재길님 블럭스 추천 시스템 도입 기간 동안 PM, 백엔드 개발, 머신러닝 등 모든 측면에서 일관성 있고 빠르게 대응해 주셔서 편하게 작업할 수 있었습니다. 특히 카테고리 추천 시 카테고리 상품 전체를 넘겨주어 추천을 받는 과정에서 서버에 부하가 발생한 일이 있었는데, 카테고리 ID를 이용하여 추천을 받을 수 있도록 빠르게 처리해주신 덕분에 서버 부하를 최소화할 수 있었던 경험이 기억에 남습니다. 또한 추천 모델 연동을 위한 API 문서가 간결하게 작성되어 있어 작업하기 수월했습니다.