소매업

소매업을 위한 생성형 AI: 기술 발전에 발맞춰 성공으로 나아가는 방법

Tue, 28 Nov 2023 01:00:00 +0000

*본 아티클의 원문은 10월 5일 Google Cloud 블로그(영문)에 게재되었습니다.

생성형 AI가 중대한 기술적 변화를 불러일으키고 있습니다. 인터넷이나 휴대전화와 마찬가지로 생성형 AI가 개인과 비즈니스의 생산성에 끼칠 잠재적인 영향력이 실로 엄청납니다. 실제로 현재 생성형 AI를 사용 중이거나 사용을 고려하고 있는 조직의 82%는 생성형 AI가 업계에 큰 변화 또는 혁신을 가져올 것으로 생각한다고 밝혔습니다(Google Cloud 생성형 AI 벤치마킹 연구, 2023년 7월).

소매업에서는 이미 생성형 AI가 가치를 드러내기 시작했습니다. 여러 조직이 관련 도메인의 사용 사례를 지원하고 개선하는 데 생성형 AI를 활용하고 있으며, 이를 통해 직원과 고객 모두의 경험을 재구성하고 있습니다.

어떤 기술도 소매업계의 가치 제안과 핵심 가치 구조의 근본을 흔들 수는 없습니다. 그 가운데 변화를 도모할 수 있는 부분은 바로 팀에서 더욱 생산적이고 의미 있게 업무를 수행하도록 기술을 활용하는 방식입니다. 이때 적절한 도구를 사용하면 핵심 서비스를 개선하고 서비스 제공에 방해가 되는 근본적인 문제를 해결하는 것뿐 아니라 운영 중인 소매업 비즈니스의 새로운 차별점을 발굴할 수도 있습니다.

생성형 AI가 획기적인 이유

생성형 AI를 둘러싼 과대광고에도 불구하고, 이 기술은 단순히 눈길을 끄는 신기술이 아니라 소매업계를 비롯한 여러 업계의 비즈니스 리더를 위한 완전히 새로운 가치 흐름입니다. 그렇다면 생성형 AI가 과거 다른 형태의 AI와 다른 점은 무엇일까요?

간단히 말해, 생성형 AI는 사람들의 개인 생활이나 업무에서 발생하는 일상적인 문제를 해결하는 데 사용하기가 상당히 쉽다는 것입니다. 검색엔진에 궁금한 것을 질문하는 방법을 아는 사람이라면 누구나 일상 언어를 사용해 생성형 AI 챗봇이나 가상 에이전트와 상호작용하여 질문에 대한 답을 얻고, 콘텐츠를 만들고, 이미지를 생성하고, 문서를 요약하는 등의 작업을 수행할 수 있습니다.

오늘날 선두 기업은 생성형 AI를 사용해 일반적으로 시간이 많이 소요되는 문제를 해결하고 있습니다. McKinsey에 따르면 생성형 AI 가치의 75%는 CS, 마케팅 및 영업, 소프트웨어 엔지니어링, R&D에서 실현됩니다.

Google Cloud의 생성형 AI 기술은 고객에게 진정으로 차별화되고, 신속하며, 원활한 경험을 선사할 수 있는 엄청난 기회를 제공할 뿐 아니라, 직원들이 계속해서 훌륭한 제품을 만들고 고객과의 라포를 형성하는 데 집중할 수 있도록 하여 고객의 재방문율을 높여줍니다. Todd Penegor
President and CEO, The Wendy’s Company

생성형 AI가 소매업계를 혁신할 5가지 방법

소매업계에서 혁신이란 단순히 필요한 것을 넘어선 경쟁의 영역입니다.

고객은 실시간 추천, 구독 모델, 자율 매장, 주문형 배송, 원활한 옴니채널 쇼핑, 쇼핑 어시스턴트, 맞춤형 서비스 등을 기대합니다. 생성형 AI는 고객의 이러한 기대치를 충족할 수 있도록 도울 준비가 되어 있을 뿐 아니라, 생산성 향상과 직원 업무 환경 개선 등 내부적인 이점도 제공해 줍니다.

이제 소매업계에서 생성형 AI를 활용할 수 있는 강력한 5가지 방법을 알아보겠습니다.

1. 광고 소재 지원

브랜드가 고객의 선호도를 파악하고 있기를 기대하는 소매 고객이 73%에 달하는 가운데, 소매업체는 생성형 AI의 도움을 받아 더욱 비용 효율적이고 시의적절한 방식으로 매력적이고 창의적인 맞춤형 콘텐츠를 제공할 수 있습니다.

생성형 AI를 사용해 신속하게 프로토타입을 제작하고 콘텐츠를 만들면 시간과 비용을 절약할 수 있을 뿐 아니라 새로운 차원의 창의성과 혁신을 실현할 수 있습니다. Google Cloud와 함께라면 생성형 AI를 활용해 특정 잠재고객에 대해 관련성 높은 맞춤형 콘텐츠를 만들 수 있으며, 이를 통해 참여도를 끌어올리고 전환을 늘릴 수 있습니다. 새로운 아이디어를 빠르게 테스트하고 조정할 수 있음은 물론, 전략 개발에 집중하고 고객 참여도를 개선하는 데에도 도움이 됩니다.

2. 대화형 상거래

소매 조직은 더 많은 판매를 유도하기 위해 생성형 AI를 활용하여 대화형 상거래 시스템을 구축하고 있습니다. 소비자가 필요로 하는 것을 찾을 수 있도록 도와주는 가상의 스타일리스트를 떠올리면 쉽습니다(예: “고객님의 사이즈와 좋아하시는 스타일에 맞는 드레스를 준비했습니다. 스타일링에 참고하면 좋을 인플루언서의 이미지도 함께 살펴보세요.”). 이러한 가상의 스타일리스트는 고객과 대화를 통해 궁금증을 해결해주고, 고객에게 맞춤형 제품을 추천하고, 실시간으로 소통하며 고객의 구매 결정에도 영향을 끼칠 수 있습니다.

이는 검색 이탈과 같은 문제를 해결하는 데도 큰 도움이 됩니다. 전 세계 소매업체에서 이 문제로 인해 매년 2조 달러 이상의 총손실이 발생하는 것으로 보고하고 있으며, 소매 웹사이트의 검색 기능으로 원하는 상품을 정확하게 찾았다고 답한 소비자가 10명 중 1명 수준에 그쳤습니다.

소매업체에서 생성형 AI를 사용해 쇼핑객과 소통하고 맞춤형 솔루션을 제공하는 개인 스타일리스트를 설계하는 방법을 알아보려면 이 데모를 시청하세요.

3. 제품 카탈로그 관리

생성형 AI는 소매업체에서 제품 카탈로그를 만들고 유지하는 방식을 혁신하고 있습니다. 이제 간단한 텍스트 프롬프트로 스튜디오급 이미지를 빌드하고, 정보를 더 빠르게 분류하며, 고객 중심의 근사한 마케팅 문구를 생성할 수 있습니다.

생성형 AI는 공급업체로부터 이미지를 가져오고, 제품을 분류 및 카테고리화하고, 상품 관련 문구를 작성하는 등 카탈로그 관리와 관련된 일반적인 문제를 해결할 수 있는 이상적인 방법입니다. 이전까지 이와 같은 모든 작업은 많은 시간과 노력이 필요했으며, 소매 웹사이트의 검색 가능성을 떨어뜨렸습니다. 소비자의 92%가 상품을 쉽게 찾을 수 있는 환경에서 해당 상품을 구매할 가능성이 더 높은 것으로 나타나는 만큼, 카탈로그를 최신 상태로 유지하여 상품의 검색 가능성을 높이는 것이 중요하다는 사실을 알 수 있습니다.

소매업체가 제품 카탈로그 관리에 드는 시간을 단축하고 고객의 쇼핑 및 검색 환경을 개선하는 데 생성형 AI를 사용하는 방법을 알아보려면 이 데모를 시청하세요.

4. 신제품 개발

생성형 AI를 사용하면 더욱 빠르고 비용 효율적인 방식으로 제품을 개발하고 혁신할 수 있습니다. 연구를 가속화하여 여러 데이터 소스에서 유용한 정보를 찾고, 제품 R&D 비용을 절감하고, 성공적인 제품 콘셉트를 더 빠르게 공략하는 데 생성형 AI를 활용할 수 있습니다. 손쉬운 쿼리, 요약, 유용한 정보 생성을 통해 내부 소비자 연구를 개선할 수 있을 뿐 아니라, 추가 테스트를 위한 문구 콘셉트와 설명, 제품과 포장 디자인을 위한 시각적 콘셉트를 만들 수도 있습니다.

소매업체가 생성형 AI의 도움으로 데이터 기반 통계 정보를 활용하여 제품 혁신을 앞당긴 방법을 알아보려면 이 데모를 시청하세요.

5. 고객 서비스 자동화

고객 서비스 전략에 유용함을 더해 주는 생성형 AI는 고객 서비스 담당자가 고객 문의에 도움이 되는 답변을 제공할 수 있도록 실시간으로 지원할 뿐 아니라, 그 외 다른 운영 부문을 확장하고 최적화하는 데에도 도움이 됩니다. 예를 들어 가상 에이전트를 활용해 고객센터의 업무 부담을 줄이거나 대화 내용과 고객 서비스 데이터를 요약하여 웹사이트에 게시할 새로운 FAQ 콘텐츠를 마련하는 데 생성형 AI를 사용할 수 있습니다.

소비자의 약 75%가 지속적으로 여러 채널을 사용하고 있는 가운데, 생성형 AI는 디지털 셀프 서비스 채널부터 여러 지사, 콜센터, 소셜 미디어 플랫폼의 에이전트 지원 옵션에 이르는 모든 터치 포인트에 최고의 고객 서비스를 제공할 수 있는 좋은 방법입니다.

생성형 AI를 통해 즉각적이고 친화적인 고객 서비스를 구현하여 고객이 필요로 하는 답변을 빠르고 쉽게 찾을 수 있도록 지원해 보세요.

앞서가는 브랜드는 생성형 AI의 이점을 톡톡히 누리고 있습니다

세계적으로 앞서 나가는 몇몇 브랜드는 이미 고객 경험을 혁신하는 데 생성형 AI의 뛰어난 역량을 활용하고 있습니다.

예를 들어, 패스트푸드 업계 선두 주자인 Wendy's는 오하이오에 최첨단 생성형 AI 테이크아웃 창구를 시험적으로 운영하면서 직원들이 고객 경험에 더욱 집중할 수 있도록 지원하고 있습니다.

미용 업계에서는 The Estée Lauder Companies Inc.가 Google Cloud와 손을 잡고 생성형 AI를 활용해 온라인 고객 경험을 혁신하고 있습니다.

생성형 AI를 순조롭게 시작하세요

생성형 AI와 같이 새로운 기술이 급속히 발전하면 따라가기가 어려울 수 있습니다. 소매업계의 전략적 파트너로서 Google Cloud는 적절한 프레임워크, 도구, 거버넌스 구조를 활용해 조직이 앞으로 나아갈 방향을 계획할 수 있도록 지원하며, 조직 전체에 책임감 있는 AI 접근 방식이 뿌리내릴 수 있도록 돕습니다.

이제 소매 업계 기업들은 생성형 AI로 제품 온보딩, 분류, 검색용 라벨 지정, 마케팅 방식을 간소화하면서 고객 맞춤 환경을 조성할 수 있습니다. 간단한 텍스트 프롬프트를 사용해 새 SKU의 세부 제품 속성을 빌드하고, 기존 제품 계층 구조에 이를 매핑하고, 마케팅 문구와 제품 설명, 이미지, 동영상은 물론 음악을 생성해 전환을 유도할 수 있습니다.

생성형 AI를 순조롭게 시작하고 싶으신가요? 경영진을 위한 생성형 AI 가이드 eBook을 다운로드하세요.

^{Google Cloud 생성형 AI 벤치마킹 연구 소개}^{Google Cloud 고객 인텔리전스팀에서는 2023년 중반에 Google Cloud 생성형 AI 벤치마킹 연구를 실시했습니다. AI를 사용 중이거나 사용을 고려하고 있는 1,000명 이상 규모의 조직에서 IT 의사결정권자, 비즈니스 의사결정권자, 최고 책임자가 연구에 참여했습니다. 참여자들은 Google이 연구를 후원한다는 사실을 모르는 상태였으며 참여자의 신원 역시 Google에 공개되지 않았습니다.}

aside_block: <ListValue: [StructValue([('title', "여러분의 프롬프트는 무엇인가요? '경영진을 위한 생성형 AI 가이드'를 소개합니다"), ('body', <wagtail.rich_text.RichText object at 0x7fa3a43f3610>), ('btn_text', '자세히 읽어보기'), ('href', 'https://cloud.google.com/blog/transform/ko/introducing-executives-guide-to-generative-ai?hl=ko'), ('image', <GAEImage: introducing-executives-guide-to-generative-ai-midjourney-hero.png>)])]>

Google Cloud 매대 관리 AI와 Cortex Framework 및 SAP를 사용하여 소매업체의 성공 앞당기기

Thu, 24 Aug 2023 08:00:00 +0000

*본 아티클의 원문은 2023년 7월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

특정 브랜드의 제품을 사려고 매장을 방문하는 상황을 상상해 보세요. 원하는 제품을 구매한다는 기대감에 신이 날 겁니다. 그런데 제품이 동나 매장 내 매대가 비어 있는 것을 발견하면 얼마나 실망스러울까요? 누구나 이런 경험을 한 번쯤 해 보았을 것입니다.

매장을 방문했는데 매대가 비어 있는 상황이 달가운 쇼핑객은 아무도 없습니다. 일부 쇼핑객은 인내심을 발휘하여 매장 직원에게 도움을 요청하겠지만, 대부분은 원하는 제품의 재고가 있는지 확인하지 않은 채 빈손으로 매장을 나가버리기 마련입니다. 판매 기회를 놓치면 곧 수익 감소, 수익성 저하로 이어지고 불만족스러운 고객 경험을 제공하게 됩니다. 똑같은 상황이라도 오늘날에는 이 문제가 더 심각하게 다가올 수 있습니다. 구매 대행과 주문 앱의 등장으로 기존의 쇼핑 패턴이 완전히 바뀌었기 때문입니다. 2021년 한 해에만 매대에 물건이 없어 미국 소매업계가 놓친 판매 기회가 820억 달러에 이릅니다.

매장이라는 개념이 생겨난 이래 매장 운영자는 늘 매대 위 재고가 동나는 일이 없도록 노력해 왔습니다. 대형 매장에서 수천 개의 상품을 손수 확인하려면 인력과 비용이 모두 많이 드는 만큼, 경쟁에서 앞서려면 매대 관리 작업을 어느 정도 자동화해야 합니다. 예를 들어 카메라를 설치하여 매대의 사진을 촬영하면 매대 위 재고가 부족할 때 직원들이 쉽게 정보를 파악하는 데 도움이 됩니다.

이러한 접근법은 유망해 보이지만, 문제는 대규모로 데이터를 분석해야 할 때입니다. 전 소매점에 걸쳐 수백만 개의 제품을 판매하고 있는 회사의 경우 이미지 캡처 솔루션을 사용하려면 모델이 제품 이미지를 인식하고 매핑할 수 있도록 학습시키기 위해 방대한 데이터와 확장성이 뛰어난 학습 설정이 필요합니다.

Google Cloud에서는 이 문제를 규모에 맞게 해결하기 위해 데이터 및 AI 전문성을 활용해 왔습니다. 또한 SAP ERP에서 제품 및 재고 데이터와 같은 관련 데이터 소스의 데이터 액세스와 가용성을 가속화하기 위해 Google Cloud Cortex Framework를 사용합니다. 매대 관리 정보에 Cortex Framework를 결합하면 효율적으로 작업을 관리할 수 있는 통합된 데이터 영역을 만들 수 있어 매장 직원의 생산성이 높아집니다. 자세한 내용을 알아보려면 계속 읽어보세요.

실시간 매대 관리 AI: 빈 매대 관리 솔루션

Google Cloud는 올해 초 개최된 미국소매협회(NRF) 행사에서 소매업체를 위한 새로운 AI 도구들을 발표했습니다. 그 중 하나인 매대 관리 AI는 자동화, AI 전문성, 데이터 처리 기능을 활용하여 매대가 비는 문제를 해결할 수 있도록 지원합니다.

사전 학습된 머신러닝 모델을 사용하는 이 솔루션은 제품 인식기 AI 모델로 특정 제품과 이미지를 연결하고 태그 인식기 AI 모델로 제품명, 가격 등 가격 태그 속성을 식별합니다. 또한 휴대기기, 매대 가장자리 카메라, 고정 카메라, 로봇 자동화 등 다양한 방식으로 매대 이미지 캡처를 지원합니다. 현재 미리보기 버전으로 제공되는 매대 관리 AI는 Google Cloud가 소매업체의 수익, 고객 경험, 브랜드 평판 향상을 지원하기 위해 매대 위 재고를 적절하게 유지하는 문제를 해결하는 데 큰 진전을 이루었음을 의미합니다.

매대 관리 AI의 중추 역할을 하는 제품 인식기 AI 모델은 매대 또는 이미지에서 제품을 식별하며, 휴대기기나 카메라로 촬영한 매장 매대 이미지를 사용할 수 있습니다. 또한 매대 관리 AI는 제품의 GTIN/UPC ID, 브랜드, 제품명, 교차 언어 설명, 로고, 다양한 포장재가 포함된 이미지 등 Google이 제공하는 방대한 제품 정보 컬렉션을 사용하므로, 제품 인식기 AI 모델이 이 제품 데이터베이스를 통해 수많은 제품들을 빠르게 식별할 수 있습니다.

Google Cloud와 SAP: 함께해서 더 좋은 솔루션

어떤 매대가 비었는지 실시간으로 확인할 수 있으므로 이제 문제 해결을 위한 조치를 취할 수 있습니다. 그러나 이 데이터만 가지고는 정보에 기반한 결정을 내리기 어렵습니다. 충분한 정보에 입각하여 재입고 최적화 방법을 결정하려면 ERP 시스템에서 보완 데이터를 가져와야 합니다. 예를 들면 아래와 같습니다.

마진이 높은 제품: 재입고 우선순위를 지정하는 데 유용함
매장 내 제품 재고 보유 현황: 해당 제품의 재입고가 필요한지 여부를 판단하는데 유용함
공급업체 리드 타임: 언제 공급업체에 다시 주문해야 제품을 제때 배송받아 재입고할 수 있는지 판단하는 데 유용함
주문 빈도: 제품을 얼마나 자주 재주문해야 하는지 판단하는 데 유용함

SAP와 같은 ERP 애플리케이션과 매대에서 수집한 데이터에서 얻을 수 있는 상황별 정보는 강력한 힘을 제공합니다. 이 두 데이터 세트를 결합하면 운영 상황을 더 정확하게 파악하여 더 나은 결정을 내릴 수 있습니다.

이 데이터는 다음과 같은 작업에 활용할 수 있습니다.

재입고 작업의 우선순위 지정: 수요 및 마진이 높은 제품이 무엇인지 파악하여 재입고에 투입할 노력의 우선순위를 정하고 매대가 늘 채워져 있도록 하여 수익성을 극대화합니다.
인력 최적화: 재고 보충 작업 관리를 자동화하고 재입고 빈도에 따라 일정을 예약하여 소매업체의 인력 활용을 최적화합니다.
품절 줄이기: 수요 및 재고 수준을 파악하여 제품이 동나는 상황을 최소화합니다.
재고 보충 최적화: 수요 및 리드 타임을 파악하여 비용을 처리하고 절감합니다.

Google Cloud는 SAP 데이터 액세스를 신속하게 처리하는 등 엔터프라이즈 데이터 세트를 통합하여 고급 분석 및 통계를 제공함으로써 소매업체가 이러한 과제를 해결할 수 있도록 지원합니다.

그러나 SAP 시스템 바깥에서 SAP 데이터를 사용하여 작업을 수행하기는 어려울 수 있습니다. SAP 데이터는 다량의 비즈니스 시맨틱을 포함하고 있는 만큼, 애플리케이션 레이어에서 데이터를 외부 데이터 클라우드로 추출하려면 대개 수작업으로 데이터를 통합해야 하기 때문입니다.

이때 SAP 데이터에서 가치를 더 빠르게 창출할 수 있게끔 돕는 역할을 하는 것이 Google Cloud Cortex Framework입니다. Cortex Framework는 통합용 참조 아키텍처 패턴과 일련의 배포가 가능하며 사전 정의된 솔루션 가속기 콘텐츠를 제공하여 BigQuery 내 데이터 처리 및 모델링 속도를 높임으로써 고급 정보 및 대규모 AI 처리를 위한 기반을 마련해 줍니다.

SAP용 Cortex Data Foundation 콘텐츠를 Google Cloud BigQuery 환경에 신속하게 배포할 수 있으며, 풍부한 SAP 컨텍스트 인식 데이터 모델군과 함께 제품, 주문 빈도, 재고 보유 현황, 공급업체의 리드 타임 등과 같은 관련 영역에 대한 정보를 얻을 수 있습니다. Cortex Framework는 의사 결정에 필요한 데이터 기반을 제공하여 작업 관리, 인력 최적화, 재고 보충과 같은 비즈니스 성과를 효과적으로 얻는 데 도움이 됩니다. 예를 들어 SAP용 Cortex Data Foundation과 POS 데이터, 매대 관리 AI를 결합하여 매장 관리자의 주문 처리 작업 관리 및 계획을 지원하면 매장 직원의 생산성이 향상됩니다. 따라서 수익성을 극대화하고 재고 부족 및 품절 사태의 발생을 최소화할 수 있습니다.

정보 자동화 수준 향상이란 매대, 제품, 제품 마진, 주문 빈도, 재고 정보를 종합적으로 파악하고 최적화된 작업 목록을 생성하여 매장 운영자의 모바일 애플리케이션으로 보낼 수 있게 되는 것을 말합니다.

이 솔루션 접근법을 토대로 다음을 비롯한 여러 가지 이점을 구현할 수 있습니다.

트렌드, 기상 상황, Instacart 주문, 실시간 매대 재고 현황, 지역 이벤트 등 외부 신호를 통합하여 단기적으로 시장을 예측할 수 있도록 거의 실시간으로 수요 감지
경쟁력 있는 가격에 대한 고급 분석
최적화된 가격 및 프로모션 등

수요 감지와 같은 Google Cloud Cortex Framework 솔루션 가속기를 사용하면 빠른 수요와 관련된 문제 또한 데이터를 통합하고 기존 수요 계획 기능의 가치를 확대하는 데 도움이 되는 AI 템플릿과 사전 정의된 데이터 모델을 통해 해결할 수 있게 됩니다.

종합적인 관점에 비즈니스 데이터를 통합할 때 얻을 수 있는 성과와 잠재력은 무궁무진합니다. 종합적인 관점에서 오프라인 상점을 파악하고 이를 거래 데이터와 결합하면 경쟁력 있는 가격 분석이 가능하고, 실시간으로 가격 및 캠페인을 관리할 수 있으며, 재입고를 위한 매장, 매대, 창고 가시도가 향상되고, 매장 직원의 생산성과 공급업체의 참여도를 제고할 수 있습니다. Cortex의 데이터 기반과 AI가 제공하는 정보를 사용하면 무한한 가능성이 펼쳐집니다.

Google Cloud에서 제공하는 매대 관리 AI 및 Cortex Framework 솔루션을 자세히 알아보고 지금 여정을 시작하세요.

Built with BigQuery: 기술 파트너와 협력해 소매 데이터를 간편하게 수집, 분석하고 조치를 취할 수 있게 한 BigCommerce

Tue, 20 Jun 2023 06:00:00 +0000

* 본 아티클의 원문은 2023년 4월 28일 Google Cloud 블로그(영문)에 게재되었습니다.

데이터 세트가 21세기에 가장 가치 있는 리소스 중 하나라는 데는 반론의 여지가 없습니다. Fortune 500대 기업과 소규모 기업 모두가 데이터를 활용해 온라인 네트워크 전반에서 성패를 가르는 의사결정에 영향을 미칠 수 있습니다. 궁금한 점이 있다면 비즈니스 데이터 어딘가에 답이 있을 겁니다.

그러나 사용자 데이터를 수집하고 해석하여 비즈니스 의사결정에 활용하는 일은 말처럼 쉽지 않습니다. 무수한 데이터 수집 소프트웨어와 훨씬 더 많은 집계 도구로 인해 비즈니스마다 원하는 대로 데이터를 활용해 의사결정을 내리기가 어려울 수 있습니다.

이러한 이유로 BigCommerce는 Google Cloud와 협업하여 BigQuery를 Google의 개방형 SaaS 전자상거래 플랫폼과 기본적으로 통합했습니다. 이 통합으로 Google 플랫폼을 사용하는 판매자는 강력하고 새로운 도구를 활용하여 하나의 편리한 위치에서 가치 있는 데이터를 수집, 분석하고 조치를 취할 수 있습니다.

사용 사례: 해결된 도전과제와 문제

도전과제는 데이터 자체가 아니라 데이터의 방대한 양입니다. Statista에 따르면 2025년까지 온라인에서 181제타바이트 이상의 데이터가 생성, 캡처, 복사, 소비될 것으로 예상됩니다. 실로 엄청난 양의 데이터입니다. 이 모든 데이터를 수집하는 데 서로 다른 소스나 도구를 활용한다면 광고 위치나 방법, 메시지, 제품 목표 등 활용 가능한 분석 정보를 도출하는 데 큰 어려움이 있을 수 있습니다.

기업 판매자의 사이트에 매일 수만 명이 방문하는 경우가 많습니다. 광고는 수많은 채널을 통해 수십만 명에 이르는 잠재고객의 화면에 노출될 수 있습니다. 따라서 데이터를 활용해 정보에 입각한 비즈니스 결정을 내리는 일은 판매자의 성공에 필수적인 요소입니다.

많은 판매자가 단일 정보 소스가 없어서 이러한 데이터 분석에 어려움을 겪고 있습니다. 팀이나 부서마다 데이터를 집계하는 데 서로 다른 도구를 사용하기도 하며 수집한 데이터가 고립되는 경우도 많아 판매를 비롯한 전반적인 전자상거래 전략에 종합적인 방식으로 접근하지 못합니다.

BigQuery와 BigCommerce의 만남으로 판매자는 모든 데이터를 단일 정보 소스로 통합하고 구조화된 쿼리 언어(SQL)와 Google Looker Studio를 활용하여 데이터를 분석하고 시각화할 수 있습니다. 이를 통해 판매자들은 실질적으로 유용한 정보를 토대로 전략적인 비즈니스 의사결정을 내릴 수 있게 되었습니다.

솔루션

한 판매자가 데이터 집계와 분석에 Google BigQuery를 사용하기 전과 후의 사례를 살펴보겠습니다.

이 판매자는 기업 간 거래(B2B) 및 소비자 직판(DTC) 제품을 모두 판매합니다. 전자상거래 웹사이트가 있지만 성장 극대화를 위해 Facebook, Instagram, Amazon, Google 등 다른 영업 채널도 다양하게 활용합니다. 판매뿐 아니라 도달범위를 확대하고 더 많은 고객을 유치하기 위한 광고 채널로도 이러한 플랫폼을 활용하고 있습니다.

이 판매자는 BigCommerce 백엔드를 활용해 매우 다양한 서비스를 기본 통합하거나 서드 파티를 통해 통합할 수 있습니다. 그러나 이러한 서비스를 통해 수집된 광고, 옴니채널 판매, 전자상거래 매장 등의 데이터가 모두 자체 플랫폼에 사일로 상태로 존재합니다. 마케팅팀은 광고 데이터를 자체 프로그램에 보관하고, 전자상거래팀은 판매 데이터를 직접 선택한 플랫폼에 보관합니다. 같은 부서 내에서도 팀마다 다른 도구를 사용해 데이터를 분석할 수 있습니다.

이러한 상태가 판매자에게 어떤 영향을 미칠까요? 적시에 효과적으로 데이터를 분석하고 조치를 취하기 어렵습니다. 예를 들어 이 판매자가 광고 전체에서 클릭 유도 문구에 대한 A/B 테스트를 실시한다고 가정해 보겠습니다. 더 많은 클릭수를 얻은 광고는 확인할 수 있지만, 통합 데이터가 없기 때문에 백엔드에서 해당 클릭에 판매에 대한 기여도를 부여하는 것은 매우 어려운 일입니다. 의미 있는 분석을 수행하는 데 시간이 너무 오래 걸리고 분석이 완료되었을 때는 데이터가 관련성이 없을 수도 있습니다.

이는 사일로화된 데이터가 판매자 수익에 미치는 부정적인 영향에 관한 여러 사례 중 하나일 뿐입니다.

이제 BigQuery가 데이터 스트림에 통합된 아키텍처 사례를 살펴보겠습니다.

이 판매자는 계속 여러 플랫폼에 걸쳐 광고와 판매를 하고 있습니다. 테스트, 판매 및 기타 수단을 통해 여전히 방대한 양의 데이터를 수집합니다. 새로운 접근 방식에 따라 이제 수집된 모든 데이터는 하나의 위치에 머무는 대신 BigCommerce 백엔드와 BigQuery 사이를 자유롭게 이동할 수 있습니다.

BigQuery와 BigCommerce의 통합으로 판매자들은 매장의 데이터를 추출하고 실시간으로 분석해 비즈니스 실적에 대한 가치 있고 유용한 정보를 도출할 수 있습니다. BigCommerce는 REST API를 통해 판매, 고객, 제품 등에 대한 정보가 포함된 데이터를 BigQuery로 전송합니다. BigQuery가 받은 데이터를 저장하고 처리하면 판매자는 복잡한 쿼리를 실행하고 보고서를 생성할 수 있습니다. 이러한 통합은 데이터를 안전하게 전송하고 예약된 일정에 따라 자동으로 새로고침하는 Data Transfer Service 덕분에 원활히 수행됩니다. 다양한 플랫폼에서 API 요청과 응답을 통해 통신하여 BigCommerce와 BigQuery 간에 원활하고 효율적인 데이터 전송을 보장합니다.

BigQuery와 BigCommerce의 통합은 더 빠르고 효과적인 데이터 처리와 분석을 제공합니다. 또한 Google의 클라우드 인프라를 통해 데이터를 더 안정적으로 안전하게 저장하고 처리할 수 있습니다. 이번 통합으로 판매자는 하드웨어와 소프트웨어에 투자하지 않아도 되므로 비용을 절감할 수 있고, 가격은 쿼리당 지불 모델이 적용됩니다. 판매자는 오래된 데이터 분석 정보가 아닌 현재의 분석 정보를 토대로 실시간 의사결정을 내릴 수 있습니다.

이것이 이전 모델에 비해 대폭 개선된 점입니다. 이전에는 막상 데이터 수집과 분석을 완료하면 이미 데이터가 오래되어 중요한 조치를 취할 수 없었습니다.

이제 판매자는 BigQuery와 통합하여 다양한 보고 및 비즈니스 인텔리전스 플랫폼을 통해 수집한 데이터를 실행할 수 있습니다. 판매자는 이러한 도구를 사용해 가치 있는 데이터를 빠르고 효율적으로 집계, 분석하여 활용 가능한 분석 정보를 얻을 수 있습니다. 결과적으로 판매 증가 가능성을 높이고 비즈니스 성장을 위해 더 많은 시간을 쏟을 수 있게 됩니다.

Google Cloud를 함께 사용할 때의 이점

BigCommerce는 판매자를 기술 분야에서 가장 강력한 기술 도구로 연결해 줍니다. 판매자는 이제 BigQuery, Looker Studio와 같은 Google Cloud 도구와의 기본 통합을 사용해 영업 채널, 광고 플랫폼 등에서 데이터를 간편하게 수집, 분석하고 조치를 취할 수 있으며 대규모 개발 일정이나 내부 예산은 필요하지 않습니다. 이러한 파트너십 외에도 BigCommerce는 가장 현대적인 기업 전자상거래 플랫폼이 되기 위해 다양한 방법으로 노력하고 있습니다.

여기에서 BigCommerce의 빅 오픈 데이터 솔루션에 대해 자세히 알아보세요.

Built with BigQuery가 ISV에 주는 이점

Google은 2022년 4월 Google Data Cloud Summit의 일환으로 출시한 Built with BigQuery 이니셔티브를 통해 기술에 대한 간소화된 접근, 유용한 전담 엔지니어링 지원, 공동 시장 진출 프로그램을 지원하며 BigCommerce와 같은 기술 업체가 Google의 데이터 클라우드에서 혁신적인 애플리케이션을 빌드하도록 돕고 있습니다. 참여하는 기업은 다음과 같은 이점을 얻을 수 있습니다.

Google에서 자금을 지원하는 사전 구성된 샌드박스로 빠르게 시작합니다.
ISV(Independent Software Vendor) CoE(Center of Excellence)의 지정된 전문가로부터 주요 사용 사례, 아키텍처 패턴, 권장사항에 대한 유용한 정보를 제공받아 제품 설계 및 아키텍처를 가속화합니다.
공동 마케팅 프로그램을 통해 인지도를 높이고 수요를 창출하며 채택률을 높여 성공을 확대합니다.

BigQuery는 Google Cloud의 개방적이고 안전하며 지속 가능한 플랫폼과 통합된, 확장성이 뛰어나고 강력한 데이터 웨어하우스의 이점을 ISV에 제공합니다. 또한 방대한 파트너 생태계와 멀티 클라우드 지원, 오픈소스 도구 및 API를 통해 Google은 기술 업체에 데이터 종속을 방지하는 데 필요한 이동성과 확장성을 제공합니다.

여기를 클릭해 Built with BigQuery에 대해 자세히 알아보세요.

모든 소매업체가 Google Cloud Retail Search를 고려해야 하는 이유

Wed, 21 Sep 2022 00:00:00 +0000

Cloud Retail Search는 소매업을 위한 탐색 솔루션 포트폴리오의 일부로서 소매업체가 'Google급' 검색을 통해 디지털 플랫폼의 쇼핑 경험을 크게 개선하게 도와줍니다. Cloud Retail Search는 사용자 의도 이해, 자가 학습 순위 모델 등 소매업체가 온라인 경험을 최대한 활용하도록 돕는 고급검색 기능을 제공합니다.

Google Cloud의 소매업을 위한 탐색 솔루션은 소매업체가 디지털 참여를 개선하도록 도와주는 서비스 모음으로서 Google 업종별 솔루션의 하나로 제공되고 있습니다.

핵심 요약

소매업체는 항상 끊임없이 변화하는 소비자 기대에 부응하고 매출과 수익에 영향을 미칠 수 있는 새로운 트렌드를 예측하기 위해 노력하고 있습니다.

이러한 활동은 팬데믹으로 발생한 고유하고 새로운 문제로 인해 지난 2년간 더욱 어려워졌습니다. 소매업체에서는 탐색 및 제품 조사가 주로 디지털(엔드리스 아일)로 이루어지고 온라인 구매 후 매장 수령(BOPIS), 매장 밖 수령, 보관함 수령 등 기타 트렌드를 가속화한 (물리적 접촉이 적은) 새로운 소비자 행동에 적응해야 했습니다. 지난 해 초에 실시한 McKinsey Global Survey에 따르면 팬데믹은 디지털 혁신을 몇 년이나 앞당겼습니다.

미국소매협회(NRF)는 소비자들이 상품 대신 서비스에 더 많이 지출하고 세계의 지정학적 혼란에 따른 인플레이션과 식품 및 가스 가격 상승에 대처함에 따라 소매 매출이 2022년 6~8%(2021년보다 느린 성장률)의 성장을 보일 것으로 예측했습니다.

그리고 여전히 치열한 경쟁이 벌어지고 있습니다. Amazon은 미국 소매업계에서 우위를 이어가고 있으며, 최신 PYMNTS 데이터에 따르면 2021년 미국 전자상거래 매출에서 Amazon이 차지한 비율은 56.7%로 역대 최고치를 기록했습니다.

이제 고객은 소매업체를 어떻게 이용하고, 어디서 지출하며 구매할지에 대한 그 어느 때보다도 많은 선택권을 갖고 있습니다. 또한 고품질의 제품 탐색 경험 제공에 대한 기대치가 커짐에 따라 전환율과 전반적인 고객 충성도를 높이기 위해서는 소매업체에서 디지털 플랫폼의 고객 참여를 개선하는 데 적극 투자해야 합니다.

Retail Search는 Google급 검색 모델을 사용하여 고객 의도를 이해하고 순위 결과에 소매업체의 퍼스트 파티 데이터(예: 프로모션, 가용 재고, 가격)를 반영하는 향상된 검색 환경을 제공합니다.

Google Cloud Retail Search의 차별화 요소

전자상거래 플랫폼 사이트 검색은 새로운 것이 아닙니다. 소매업체는 지난 20년 동안 이를 효과적으로 구축하기 위해 노력해 왔습니다. 대부분의 소매업체는 검색이 플랫폼에서 중요한 서비스라는 점을 인지하고 있으며 수년간 검색을 개선하고 미세 조정하기 위해 막대한 자원을 투자했습니다. 그럼에도 불구하고 여전히 과제가 존재합니다. 2019년 말에 진행된 Baymard Institute 연구에 따르면 쇼핑 사이트의 61%가 여전히 사이트에서 사용하는 정확한 제품 유형 용어로 검색하도록 요구하고 있었습니다.

하지만 사용자들은 이제 Google.com과 다른 유명 웹 플랫폼처럼 복잡한 검색어를 지능적으로 해석하고 관련 결과를 산출하는 강력하고도 직관적인 검색 기능을 기대합니다.

수십 년간 Google이 쌓은 검색 기술 분야의 경험과 연구를 토대로 Cloud Retail Search 솔루션이 완성되었으며 이것이 경쟁업체와 차별화되는 점입니다.

진보된 검색어 이해: Retail Search는 우수한 검색어 이해 기능을 갖추고 있으며 검색결과를 넓히거나 좁혀야 할 시기를 알기 때문에 동일한 검색어에 보다 적절한 결과를 제공할 수 있습니다. 대부분의 검색엔진은 여전히 키워드 기반 또는 일치하는 토큰 결과에 주로 의존하고 있지만, Retail Search는 Google 검색 알고리즘을 활용하여 제품 등록정보 및 카테고리 페이지에 대한 관련성 높은 결과를 반환할 수 있다는 장점이 있습니다.
시맨틱 검색: 인텐트 인식은 시맨틱 검색의 핵심 요구사항이며 고객이 입력한 검색어가 무엇을 의미하는지 파악하는 능력이 Retail Search가 지닌 주요 강점입니다. 이는 클릭률, 전환율, 이탈률에 직접적인 영향을 미치기 때문에 소매업체에게 매우 중요합니다.
맞춤 검색결과: Retail Search의 또 다른 주요 차별화 요소는 사용자 상호작용 데이터와 순위 모델을 활용하여 고도로 개인화된 검색결과를 제공하는 능력에 있습니다. 소매업체는 검색 성능을 최적화하여 향상된 참여, 수익 또는 전환 등 원하는 결과를 얻을 수 있습니다.
자가 학습 및 자체 관리형 솔루션: Retail Search 모델은 자가 학습 기능이 솔루션에 기본 제공되어 시간이 지날수록 개선됩니다. 또한 완전 관리형 서비스이기 때문에 실행 및 설정 관리에 필요한 귀중한 리소스가 절약됩니다.
강력한 보안 제어: 서비스가 Google Cloud에서 실행되며 보안 권장사항을 따라 고객 데이터를 안전하게 보호합니다. Google에서는 Retail AI 또는 기타 탐색 솔루션 제품을 사용하는 고객 간에 모델 가중치 또는 고객 데이터를 절대 공유하지 않습니다. 관련 데이터 사용에 대한 자세한 내용은 Retail API 데이터 사용의 설명을 확인하세요.

그림으로 보는 대략적인 개념

다음은 Retail Search API를 대략적으로 단순화한 이미지입니다. 소매업체는 특정 검색어에 대해 API를 호출하고 반환된 결과를 디지털 자산에 표시할 수 있습니다.

반환된 결과에는 2가지 유형의 정보가 포함됩니다.

검색결과: 고급 검색어 이해 및 시맨틱 검색을 기반으로 제품 등록정보 및 카테고리 페이지를 포함한 쿼리 검색결과입니다.
동적 상품 속성별 검색 속성: 상품 속성별 검색은 결과를 반환할 때 추가 필터를 적용하는 방법을 제공하여 상세검색을 지원하는 기능입니다.

검색을 위해 머신러닝 모델을 학습시키기 위해서는 Retail Search에 다음 데이터 세트를 입력으로 사용해야 합니다.

제품 카탈로그: 제품 카테고리, 제품 설명, 재고, 가격 등 제공되는 제품의 정보입니다.
사용자 이벤트: 클릭 및 구매 등 사용자 상호작용 정보가 포함된 클릭스트림 데이터입니다.
인벤토리/가격 업데이트: 재고 및 가격 정보에 대한 점진적 업데이트입니다.

(고품질의 결과를 반환하려면 제품 카탈로그를 최신 상태로 유지하고 사용자 이벤트를 성공적으로 기록하는 것이 중요합니다. Cloud Monitoring 알림을 설정하여 문제가 발생할 경우 즉시 조치를 취하세요.)

소매업체는 검색결과를 맞춤설정하고 클릭률, 전환율, 평균 주문 규모 등과 같은 비즈니스 수익 목표에 맞게 최적화하기 위한 비즈니스/구성 규칙을 설정할 수도 있습니다.

시작하는 방법

Retail Search는 현재 정식 버전으로 출시되었으며 Google Cloud 계정이 있는 사용자는 누구나 이용할 수 있습니다. 아직 계정이 없다면 여기에서 무료 체험판 계정을 사용해 시작할 수 있습니다.

성공 기준 설정: Retail Search의 효과를 측정하기 위해서는 성공 기준을 설정해야 합니다. Retail Search의 효과를 측정할 때 어떤 요소를 범위에 포함할지 합의하세요. 검색 전환율, 검색 평균 주문 금액, 검색 방문당 수익, Null 검색 비율(검색결과 없음) 중 1~2개를 포함할 수 있습니다.
초기 설정: Google Cloud 프로젝트를 만들고 Retail API를 설정하세요. 새 프로젝트에 Retail API를 설정하면 Google Cloud 콘솔에 Retail API 프로젝트를 구성하는 데 도움이 되는 다음 세 가지 패널이 표시됩니다.

카탈로그: 제품 카탈로그와 카탈로그를 가져올 수 있는 링크를 표시합니다.
이벤트: 사용자 이벤트 및 이전 사용자 이벤트를 가져올 수 있는 링크를 표시합니다.
서빙 구성: 서빙 구성 세부정보와 새 서빙 구성을 만들 수 있는 링크를 포함합니다.

성능 측정: Retail 대시보드는 Retail API 통합이 결과에 미친 영향을 파악할 수 있도록 측정항목을 제공합니다. Cloud 콘솔의 모니터링 및 분석 페이지에 있는 애널리틱스 탭에서 프로젝트의 요약 측정항목을 볼 수 있습니다.
A/B 실험 설정: Retail Search의 성능을 다른 검색 솔루션과 비교하여 측정하려면 Google 최적화 도구와 같은 서드 파티 실험 플랫폼을 사용해 A/B 테스트를 설정하면 됩니다.

요약:

공급망 실패와 디지털 혁신 가속화가 화두로 떠오른 팬데믹 이후의 세상을 헤쳐 나가야 하는 소매업체들은 이제 인플레이션과 비용 상승을 초래하는 최근의 지정학적 문제도 주시해야 합니다.

오프라인 매장 쇼핑이 계속해서 주요 수익원이 될 것임은 모두가 동의하는 사실이지만, 디지털 세상에 맞게 매장 경험을 조정하는 것도 소매업체에게 중요한 과제가 될 것임이 분명합니다. 온라인 구매 후 매장 내 수령(BOPIS), 매장 밖 수령, 보관함 수령 등의 트렌드가 대중화되고 있습니다.

위의 모든 사항을 고려할 때, 소비자 참여와 디지털 경험이 지금 그 어느 때보다 중요합니다. 검색 이탈은 높은 비용을 초래하며 단기 및 장기적인 영향을 미칩니다. Retail Search는 고객 이탈을 줄이고 전환 및 유지율을 개선하는 데 유용한 솔루션입니다. Google급 검색 모델을 제공하여 고객 의도를 이해하도록 도와주며 소매업체는 비즈니스/구성 규칙을 설정하여 클릭률, 전환율, 평균 주문 규모와 같은 비즈니스 수익 목표에 맞게 검색결과를 최적화할 수 있습니다.

아시아 태평양 소매 업계의 디지털 성숙도를 평가하는 Retail Digital Pulse

Mon, 18 Apr 2022 00:00:00 +0000

* 본 아티클의 원문은 2022년 2월 18일 Google Cloud 블로그(영문)에 게재되었습니다.

코로나19는 전 세계 다른 지역과 마찬가지로 아시아 시장의 소매 업계에도 강력한 영향을 끼쳤습니다. 팬데믹 기간 중 이동제한 같은 각종 제한으로 인해 문을 닫거나 매출이 급감한 매장이 속출했습니다. 대부분의 분야에서 경기가 반등하기 시작했지만 소매업은 회복 속도가 더딜 것으로 예상되고 있으며 디지털 혁신의 초기 단계에 있는 업체들은 더욱 그렇습니다.

다행히도 디지털 전환은 빠르게 이루어지고 있습니다. 소매업체는 쇼핑 여정의 각 단계에서 효과적이고 효율적인 경험을 제공하기 해 노력하면서 동시에 급변하는 소비자에 대한 대처에 우선순위에 두기 시작했습니다.

Google Cloud Retail Digital Pulse는 아시아 태평양 지역의 소매 업계가 코로나19 이후에 경쟁력을 갖추기 위해 어떻게 디지털화하고 복원력을 높이고 역량을 향상하고 있는지 평가합니다. IDC와 Google이 매년 진행하고 있는 이 평가에서는 아시아 태평양 지역에 위치한 소매업체의 디지털 혁신 성숙도에 초점을 맞추고 있으며, 시장 및 부문 전반에 걸쳐 소매업체의 디지털 성숙도를 5가지 측정기준(전략, 인력, 데이터, 기술, 프로세스)으로 조사하여 낮은 단계인 1단계부터 디지털 성숙도가 가장 높은 4단계까지 총 4단계로 구성된 DPI(Digital Pulse Index)를 측정합니다.

현재 연구에 의하면 디지털 성숙도는 지난해보다 전반적으로 높아졌지만 아시아 소매 업계의 DPI는 여전히 낮은 수준입니다. 소매 업체의 44%가 1단계인 디지털 참가자(Digital Participants) 단계에 머물고 있고 29%는 2단계인 디지털 탐험가(Digital Explorers) 단계이며, 25%는 3단계인 디지털 야심가(Digital Aspirant)에 해당합니다. 4단계인 디지털 복원력 보유자(Digitally Resilient)에 해당하는 소매업체는 전체의 2%에 불과합니다.

또한 도전과제, 중점 분야, 혁신 영역, 우선순위 사용 사례에 관한 주요 통계를 기준으로 봤을 때 국가 및 부문별로 디지털 성숙도에 차이가 나타납니다. 보고서를 다운로드하여 조직의 디지털 성숙도를 평가하고 미래를 위해 디지털 로드맵을 개발하는 방법에 대한 실용적인 지침을 얻어 보세요.

변화를 거듭하는 소매 업계의 환경을 자세히 살펴보겠습니다.

아시아 소매 업계의 DPI

코로나19 팬데믹으로 가장 큰 영향을 받은 부문 중 하나인 소매업도 2021년에는 눈에 띄는 반등을 보였습니다. 아시아 소매업체들은 성장세를 회복하며 점차 미래를 위한 투자를 낙관적으로 생각하고 있습니다. 다만 아시아 태평양 지역의 시장 전반에서 비즈니스 신뢰도가 엇갈리고 있는데, 이는 각 시장이 맞닥뜨린 고유한 문제 때문으로 보입니다. 홍콩과 일본에서는 60%가 넘는 소매업체가 공격적인 투자를 모색하며 낙관적인 태도를 보이는 반면 태국에서는 절반 이상의 소매업체가 여전히 경기 침체나 둔화에 머물고 있는 것으로 판단하고 있습니다.

소매업체의 73%가 DPI(Digital Pulse Index) 1단계 또는 2단계에 머물러 있는 만큼, 조직이 디지털 전략을 개발하고 실현하여 경쟁에서 앞서나갈 기회는 열려 있습니다. 디지털 성숙도가 높은 업체(DPI 3~4단계)는 디지털로 연결된 경험에 중점을 두는 반면, 디지털 성숙도가 낮은 업체(DPI 1~2단계)는 수요 계획, 할당, 분류 혁신을 우선시하고 있습니다.

한편, 소매업체의 혁신 초점은 시장 성숙도에 따라 다릅니다. 디지털 성숙도가 높은 시장에서는 고객 유지를 중시하나 개발 단계의 시장에서는 매장 및 창고 프로세스 개선에 관심을 둡니다. 하지만 소매업체가 향후 12개월 안에 투자할 의향이 있는 주요 혁신 사용 사례는 핵심 시장의 모바일 커머스 및 고객 경험에 초점이 맞춰져 있습니다.

시장의 성숙도라는 측면에서 선두를 달리는 지역은 싱가포르이며 한국, 일본, 오스트레일리아, 홍콩과 함께 2단계에 위치하고 있습니다. 모든 지역이 디지털 복원력을 높여 점수를 개선할 여지가 있으며 디지털 여정에서 모든 측정기준을 개선해야 합니다. 지속적으로 가장 높은 성숙도를 보이는 온라인 분야를 제외하고 하위 부문의 DPI 점수를 살펴보면 지난해에 다른 부문 대비 가장 빠른 성장을 이룬 부문은 대형마트와 편의점입니다.

혁신 영역

디지털 복원력을 향한 여정은 혁신을 통해 변화하는 고객 요구 및 기대에 부응할 준비를 갖추는 일이 얼마나 중요한지 알려줍니다. DPI가 현재 디지털 복원력의 수준을 파악하는 것을 목표로 하는 반면 혁신 영역은 소매업체가 미래를 위해 투자하고 있는 대상을 살펴봅니다. 본 연구는 이러한 혁신 여정을 탐색하는 과정에서 여러 시장 및 부문에서 '대규모 투자 테마'로 확인된 7개의 혁신 영역과 구체적인 사용 사례를 살펴봤습니다.

종합적으로 볼 때 최고의 혁신 영역은 고객 유지로 나타났으며, 매장 및 창고 운영과 옴니채널 상거래가 그 뒤를 이었습니다. 물론 디지털 성숙도에 따른 편차는 존재합니다. 1단계 소매업체는 고객 확보를 목표로 시간/비용 최적화를 위한 프로세스 개선에 중점을 두는 반면, 4단계 소매업체는 고객 유지를 목표로 경쟁업체와 차별화하고 고객에게 개인화된 경험을 제공하기 위해 옴니채널 상거래 기능을 개선하는 데 초점을 맞추고 있습니다.

스마트폰 보급률이 크게 증가하고 새로운 결제 솔루션이 보급된 아시아 태평양 지역에서는 소매업체가 언제 어디서나 쇼핑객과 소통할 수 있으며 이에 따라 고객의 기대치도 높아지고 있습니다. 그 결과 모바일 상거래가 소매 업계 전반에서 가장 우수한 사용 사례에 해당합니다. 흥미롭게도, 소매업체의 디지털 복원력이 높아짐에 따라 협업적인 분석 및 고객 관계 최적화에서 디지털로 연결된 제품 및 서비스로 사용 사례 전환이 나타나고 있습니다. 수요 계획, 할당, 분류, 선별된 제품 분류 같은 사용 사례는 여전히 중요한 중점 영역으로 남아 있으며, 오프라인 소매업체의 경우에 특히 그러합니다.

디지털 혁신을 위한 도전과제

디지털 혁신을 이루기 위한 난관은 여전히 존재합니다. 디지털 혁신의 장벽은 변화하고 있습니다. 이전에는 디지털 계획을 수립하는 것이 가장 큰 도전과제였으나 이제는 계획을 구현하기 위해 올바른 문화와 디지털 사고방식을 정립하는 것으로 옮겨 가고 있습니다. 아직 디지털 기술의 가치 및 투자수익에 대해 이해가 부족하며 혁신을 주저하기도 합니다. 디지털 개발 수준과 복원력이 가장 높고 필요한 계획 및 기술을 갖춘 소매업체조차 적절한 디지털 기술과 인재를 찾는 데 어려움을 겪으며, 조직 내부의 디지털 사고방식과 문화도 미비한 상황입니다.

디지털 복원력의 동인

아시아 태평양 지역의 평균 DPI는 여전히 낮은 수준이지만 신흥 시장을 중심으로 디지털 성숙도가 빠르게 향상되고 있으며, 새로운 기술과 관련 프로세스를 채택하면서 도약을 보이는 경우도 확인됩니다.

디지털 복원력의 향상을 목표로 하는 소매업체는 DPI의 5가지 측정기준 모두에서 발전하고 있음을 입증해야 합니다. 또한 새로운 기술을 채택하고, 데이터를 활용하며, 규모에 따라 신속하게 구현할 수 있는 역량을 토대로 혁신을 받아들이는 것이 성공의 지름길입니다.

오늘날의 소매 환경에서 디지털 혁신 계획을 수립하는 것은 '선택사항'이 아니라 경쟁력을 유지하기 위한 '필수사항'입니다. 디지털 복원력이 있는 조직은 끊임없이 변하는 외부 상황에 문제 없이 대응하고 혁신에 필요한 기술 기반을 갖추고 있음을 의미합니다. 다만 조직의 DPI만이 아니라 변화에 대한 욕구 또한 파악해야 합니다. 대부분의 소매업체가 기술 로드맵을 마련한 만큼, 이제 관건은 디지털 사고방식과 혁신적인 문화를 갖춰 디지털 복원력을 높이는 여정을 가속화하는 것입니다.

Recommendations AI를 사용해 CTR을 60% 개선한 Bazaarvoice

Mon, 14 Feb 2022 09:00:00 +0000

* 본 아티클의 원문은 2021년 12월 1일 Google Cloud 블로그(영문)에 게재되었습니다.

불과 얼마 전만 해도 AI를 추천 엔진에 내장하는 작업은 착수하는 데에만 몇 년이 걸릴 정도로 어렵고 많은 비용이 드는 일이었습니다. 하지만 Bazaarvoice의 사례에서 입증되었듯, 클라우드 서비스의 도움을 받으면 AI에 투자하여 비즈니스 성과를 얻기까지 걸리는 시간이 대폭 단축됩니다.

Bazaarvoice는 브랜드와 소매업체가 고객을 이해하고 더 나은 서비스를 제공할 수 있도록 돕는 제품 리뷰 및 사용자 제작 콘텐츠(UGC) 솔루션 분야의 선두 제공업체입니다. 2019년 Bazaarvoice는 650만 명의 소비자 리뷰어가 활동하는 커뮤니티인 Influenster.com을 인수하면서 소비자가 솔직한 의견을 공유할 수 있는 플랫폼으로 포트폴리오를 확장했으며 5,400만 회가 넘는 공유 횟수를 달성하기에 이르렀습니다.

인수 이후 Bazaarvoice는 사이트의 제품 다양성이 53% 증가하여 540만 개가 넘는 고유 제품을 선보이고 있습니다. 높은 사용자 참여도를 유지하기 위해서는 Influenster가 신뢰할 수 있고 투명한 리뷰의 출처이자 고객이 관련성 있는 유용한 제품을 처음으로 발견할 수 있는 공간으로 인식되어야 합니다. Influenster는 쇼핑객에게 신제품을 소개함으로써 고객에게 가치를 제공할 뿐만 아니라 브랜드에서 유용한 소비자 정보를 수집할 수 있도록 돕고 있습니다.

원래 Influenster는 사용자들이 미용 제품에 대한 솔직한 의견을 공유하기 위해 모이는 공간이었으나 예술 작품부터 웨어러블 기기에 이르는 거의 모든 카테고리로 영역이 빠르게 확장되었습니다. 처음에는 사이트의 범위가 훨씬 좁았기 때문에 규칙 기반의 추천 엔진으로 시작하여 성장할 수 있었습니다. 하지만 Bazaarvoice에 인수되면서 범위를 확장했기 때문에 Influenster에는 더욱 강력한 추천 시스템이 필요해졌습니다. 초창기 Influenster는 제품마다 자세한 리뷰와 이미지가 제공되어 친구가 제품을 보증하는 것처럼 느껴지는 인간적인 매력을 갖추고 있었기 때문에 성공을 거뒀습니다.

Bazaarvoice 엔지니어링팀은 상품 카탈로그와 카테고리가 계속 증가하는 가운데 기존의 인간적인 느낌을 어떻게 유지할 수 있을지 자문했습니다. 새로운 제품 카테고리를 도입할 때마다 규칙을 더 만들기보다는 사이트에 맞춰 확장될 수 있는 추천이 필요했습니다. 또한 기록이 없는 회원에게도 Influenster 환경의 성능이 그대로 제공되도록 해야 했습니다.

Bazaarvoice는 여러 추천 엔진을 테스트하면서 각 엔진을 현재의 규칙 기반 시스템을 기준으로 벤치마킹했습니다. 결국에는 투명한 청구, 손쉬운 통합 및 설정, 입증된 성과를 토대로 Google Cloud의 Recommendations AI를 선택하기로 결정했습니다.

투명한 청구

“확장에 따른 비용을 정확히 알 수 있다는 점에서 엔지니어들이 크게 만족했습니다.”라고 Influenster 콘텐츠 획득 서비스 제품 부문의 닉 시프탄 수석 부사장은 말합니다. 기술적 부채를 방치했다가 예기치 않게 비용이 걷잡을 수 없이 증가할 때 비로소 해결하기보다는 한 번에 구축하여 혁신하는 것이 목표였습니다. 사용한 만큼만 지불하는 Google Cloud의 간단한 요금제 덕분에 사용자 상호작용 증가에 따른 비용 증가를 예측하고 그에 따라 계획을 세울 수 있었습니다.

손쉬운 통합

이 프로젝트를 감독한 소프트웨어 엔지니어링팀의 책임자인 에랄프 바이락타르는 "Google에서 이렇게 복잡한 시스템을 무척 사용하기 쉬운 API에 패키징했다는 사실이 매우 인상적이었습니다.”라고 말합니다. 원래는 단 한 명의 정규직 엔지니어가 모든 업무를 담당했기 때문에 간편한 통합이 더욱 중요해졌습니다. Recommendations AI는 Google 검색 및 YouTube에서 수년 간 축적된 추천 전문 지식을 활용하며 Google Ads의 판매자 센터와 함께 사용하면 제품 메타데이터를 가져오는 간소한 프로세스도 만들 수 있습니다. 모델을 만들 때는 선호하는 추천 유형과 최적화할 비즈니스 목표를 선택해야 합니다. 모델을 만들고 API를 웹사이트에 통합하면 이미 코드가 전 세계에 배포되어 있습니다. 전 세계 사용자에게 추천을 제공하기 위해 추가적으로 고려해야 할 아키텍처 요소가 없습니다. 따라서 Bazaarvoice에서 구상부터 제작을 완료하기까지 한 달밖에 안 걸렸습니다.

검증된 성과

“이를 제품 추천에 사용하고 DB 사용이 많은 비즈니스 로직을 Recommendations AI로 오프로드한 결과, 전반적으로 응답 시간이 단축되었고 A/B 테스트로 입증된 보다 정확한 추천을 제공할 수 있게 되었습니다.”라고 에랄프는 덧붙였습니다.

우선 Bazaarvoice는 자체 규칙 기반 시스템을 기준으로 Recommendations AI를 A/B 테스트했습니다. 실험 단계 초기에 클릭률이 꾸준하고도 확실하게 개선되어 원래의 추천 시스템보다 60% 증가한 것을 확인했습니다.

기록이 없는 회원에 대해서는 더욱 인상적인 성능을 보였습니다. Influenster.com에서 계정을 가입하는 사용자 외에 방문자들이 등록을 완료하지 않은 채 웹사이트를 떠나는 경우도 많습니다. 업계에서는 이를 일반적으로 '콜드 스타트' 문제라고 부릅니다. 사용자의 기록, 행동, 선호도를 모르는 상태에서 추천할 상품을 어떻게 파악할 수 있을까요? Recommendations AI는 알 수 없는 사용자를 입력하고 학습하는 옵션을 제공합니다. 제품에 대한 메타데이터를 제공함으로써 등록된 회원과 신규 사용자 모두에게 고품질의 추천을 제시할 수 있습니다.

기업의 미래와 관련하여 에랄프는 Bazaarvoice 경험에 대한 의견을 다음과 같이 마무리했습니다. “모든 카탈로그에서 보다 양호한 [트래픽 분산이 가능하도록] 교차 카테고리 제품을 조정 가능한 비율로 추가하여 손쉽게 제품을 발견하도록 도와줍니다. Bazaarvoice는 데이터 과학에 투자하고 있으며 Recommendations AI를 기준으로 삼아 성장하는 것은 멋진 도전과제입니다.”

Recommendations AI에 대해 자세히 알아보고 조직의 성장에 어떤 도움을 주는지 살펴보려면 최근에 게시한 4부작 가이드를 확인하세요. 'Recommendations AI를 사용해 효과적인 소매 추천을 얻는 방법' 개요를 시작으로 하는 이 가이드에서는 데이터 수집, 모델링, 예측 제공 및 Recommendations AI 평가도 다룹니다. 또한 빠른 시작 가이드를 참고하면 간편하게 사용을 시작할 수 있습니다.

급변하는 시대의 브랜드 성장 방법

Wed, 22 Dec 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 7월 28일 Google Cloud 블로그(영문)에 게재되었습니다.

2020년은 쇼핑객들이 제품을 발견하고 평가하고 구매하는 새로운 방법을 찾으면서 전 세계적으로 소비자 행동에 전례 없는 변화가 일어난 해입니다. 이러한 변화로 인해 브랜드와 소매업체에서는 소비자 친밀도를 높이고 디지털화를 수용하며 보다 민첩하고 지속 가능한 방식의 운영으로 전환해야 한다는 새로운 기대치가 형성되었습니다. 이러한 주제는 CPG 고객과 대화를 나눌 때 제가 항상 염두에 두었던 사항이며 이번 주에 마무리된 Google Cloud Retail & Consumer Goods Summit에서도 중요하게 다뤄졌습니다. 저희 팀이 무척 자랑스럽습니다. 또한 세션에 참여하고 이벤트에 참석하여 Google Cloud에 대한 지지를 보여주신 고객분들께도 감사드립니다.
저는 CPG 업계에 오랫동안 몸담았다가 2021년 1월 Google Cloud에 입사했습니다. Summit의 CPG 기조연설에서도 언급했듯이 Google 기술로 CPG 산업의 혁신에 일조하게 되어 기쁩니다. Google에서 '뉴노멀'이라고 부르는 클라우드 혁신 시대에 Google은 단순히 스토리지나 컴퓨팅을 통해 비용을 절감하는 것이 아니라 클라우드 및 디지털 기술을 사용해 비즈니스 전반의 민첩성을 높이려는 고객들과 협력하고 있습니다. 오늘날은 '소비자 전환'의 시대이기도 합니다. 코로나19로 인해 소비자가 브랜드 또는 쇼핑 방법을 전환할 가능성이 커졌기 때문입니다. 이러한 변화는 여전히 진행 중입니다. 최근 Google 조사에 참여한 쇼핑객 중 40% 이상이 2021년 3월에 브랜드를 바꾸거나 오프라인 매장에서 구매하던 물건을 온라인으로 쇼핑했다고 답했습니다.
Google에는 최근 몇 년간의 소비자 행동을 다각적으로 연구, 관찰, 분석하는 전략가들로 구성된 유능한 팀이 있습니다. Retail & Consumer Goods Summit의 개회 기조연설인 오늘날 소비자의 마음 사로잡기에서 Google의 Human Truths팀은 팬데믹 이후에도 '지속'될 것으로 보이는 행동 패턴을 포함한 소비자 통계 정보를 공유했습니다. CPG 쇼핑객의 사고방식을 보여주는 최근 연구 결과인 만큼 특히 브랜드에 중요한 통계라고 생각합니다.

Accenture는 소비자의 브랜드 및 행동이 변화함에 따라 기업 간에 3조 달러에 이르는 가치 변동이 발생할 수 있다고 예측합니다. 거대한 변화 속에서 누가 승자가 될지는 알 수 없지만, 한 가지는 확실합니다. 데이터와 분석을 가장 빠르게 활용할 수 있는 기업이 급변하는 시대에 가장 큰 혜택을 누릴 것입니다. 저는 기조연설, 급변하는 시대의 브랜드 성장 방법에서 이러한 변화가 CPG 업계에 미치는 영향과 함께 Google Cloud가 브랜드의 성공을 위해 CPG 기업을 돕는 3가지 주요 방법에 대해 설명했습니다.

데이터 기반 통계로 소비자 성장 촉진
옴니채널 생태계에서 시장 진출 혁신
연결형의 효율적이며 지속 가능한 작업 실행

각 방법을 간단히 살펴보겠습니다.

데이터 기반 통계로 소비자 성장 촉진

디지털 마케팅 생태계가 개인 정보 보호를 중심으로 한 환경을 향해 나아가고 있으며 브랜드에서는 이러한 동향이 마케팅 효과에 미치는 직접적인 영향을 실감하고 있습니다. CPG 산업이 소비자 중심으로 변화하고 소비자 직접 판매(D2C) 비즈니스 모델로 전환됨에 따라 고객 동의 하에 자사 소비자 데이터를 확보하고 활성화할 경우 새로운 소비자 수요를 활용할 수 있는 확실한 기회가 마련됩니다.

따라서 CPG 업계에서는 다양한 마케팅 도구, 웹사이트 분석, 이메일 캠페인, 포인트 제도 등을 통해 이질적인 모든 데이터를 통합, 관리, 보강, 보호할 수 있는 소비자 데이터 플랫폼(CDP)에 주목하고 있습니다. Google Cloud와 파트너 생태계는 CPG 기업이 기본 제공되는 예측 데이터 시각화 도구 및 모델을 통해 모든 고객 및 마케팅 데이터를 최신 데이터 웨어하우스로 통합하는 개인 정보 보호 중심의 CDP를 구축하도록 지원할 수 있습니다. Google Cloud 기반의 CDP를 사용하면 Google Marketing Platform의 데이터를 통합하여 예측 마케팅 및 미디어 효과를 높일 수 있습니다. 또한 사전 빌드된 커넥터로 Google 외의 미디어와 SAP 및 Oracle과 같은 다른 엔터프라이즈 플랫폼의 데이터를 손쉽게 통합하여 소비자 데이터를 토대로 통합된 의사결정을 내릴 수 있습니다. Google Cloud의 비즈니스 인텔리전스 도구인 Looker를 사용하면 조직 전반의 데이터 액세스를 민주화하여 마케팅부터 공급망, 제품 혁신에 이르는 의사 결정을 실시간으로 빠르게 내릴 수 있습니다.

Retail & CPG Summit에서 개인 정보 보호 중심의 환경에서 소매업체와 브랜드가 소비자 친밀도를 높이는 방법에서 소개했듯 Procter & Gamble은 고객에게 보다 나은 서비스를 제공하고 마케팅 효과를 극대화하며 비즈니스 전반의 성장을 촉진하기 위해 개인 정보를 보호하는 방식으로 소비자 데이터를 구축하고 활성화하고 있습니다. 데모에서는 Constellation Brands가 Looker를 사용해 어떻게 여러 상업 소스의 실시간 데이터를 활용하여 통계를 얻고 행동 계획을 개발하고 있는지 다루었습니다.

옴니채널 생태계에서 시장 진출 혁신

코로나19로 인해 이동제한을 포함한 각종 제한이 계속되는 가운데 전자상거래 활동이 이전으로 돌아갈 수 없는 수준으로 급증했습니다. 소비자 직접 판매(D2C) 또는 디지털 기반 브랜드에서는 팬데믹 동안 우수한 온라인 경험을 제공하여 소비자 전환을 최소화할 수 있었습니다. 오프라인 쇼핑이 여전히 중요하긴 하지만 소비자들은 더 많은 디지털 및 옴니채널 경험을 기대하고 있으며 많은 사람들이 계속해서 온라인에서 새로운 브랜드를 탐색하고 구매할 것입니다. 시장 주도권을 유지하려는 CPG 기업은 소매업체와 소비자 모두의 관심을 사로잡는 데 있어 옴니채널 기능이 담당하는 중요한 역할을 더 이상 무시할 수 없는 상황입니다. D2C 판매가 비즈니스에서 큰 비중을 차지하지 않더라도 자사 데이터를 활용해 통계를 확보하고 제품 혁신을 촉진할 수 있습니다.

CPG 브랜드는 오래된 투박한 주문 절차를 현대적인 디지털 쇼핑 경험으로 전환하기를 원합니다. Google Cloud에서 기존 솔루션의 플랫폼을 변경하면 애플리케이션 혁신이 가속화될 뿐만 아니라 새로운 기능과 제품을 쉽고 빠르게 출시할 수 있습니다. Google Cloud는 대형 D2C 브랜드 및 전통적인 소매업체의 전자상거래에 혁신을 가져온 만큼 동급 최고의 D2C 경험에 대한 이해도가 높습니다. 이러한 전문성을 귀사의 브랜드에도 적용할 수 있습니다. 이미 소매업의 여러 대형 브랜드가 시각적 검색 및 Recommendations AI와 같은 솔루션을 통해 전자상거래를 현대화하고 제품 검색을 개선할 수 있도록 돕고 있습니다. 이러한 모든 솔루션은 브랜드가 최고 수준의 옴니채널을 구축하는 데 도움이 될 수 있습니다.

Google Cloud는 옴니채널 환경 개선을 위해 다음과 같은 여러 세션을 진행했습니다.

검색 이탈이 중요 측정항목인 이유에서는 Macy’s의 사례를 소개했으며 Google을 활용한 대화형 상거래에서는 Albertsons 사례를 다루었습니다. 이를 통해 소비자가 필요할 때 어디서나 비즈니스에 문의하는 데 Google의 대화형 환경이 어떻게 도움이 되는지 공유했습니다.

연결형의 효율적이며 지속 가능한 작업 실행

AI/ML의 이점은 마케팅에만 유용한 것이 아닙니다. MIT와 Google Cloud의 연구에 따르면 AI/ML을 사용하는 기업은 데이터를 기반으로 의사 결정을 내릴 가능성이 2배 높고 의사 결정 속도가 5배 빠르며 실행 속도 역시 3배나 높았습니다. 검색, 동향, 날씨, 이동성과 같은 수요 신호를 실시간으로 운영에 반영하고 AI 및 ML로 데이터를 보강하면 보다 스마트하고 신속하게 비즈니스 의사 결정을 내릴 수 있습니다. 예를 들어 검색 동향을 사용해 수요를 예측하고 인기 제품의 제조를 늘릴 수 있습니다.

Google Cloud는 클라우드로 마이그레이션하고 AI/ML 및 스마트 분석을 사용해 기존 비즈니스 애플리케이션을 현대화함으로써 비즈니스 성과를 향상할 수 있도록 도와드립니다. SAP를 예로 들겠습니다. Forrester 연구에 따르면 Google을 사용해 SAP를 현대화한 결과, IT팀의 효율성이 56% 향상되었을 뿐만 아니라 3년 ROI가 160%에 달했습니다.

Google Cloud의 SAP 데이터는 SAP, 마케팅, 제조 시스템, 외부 데이터 소스 전반의 사일로를 해소하여 차세대 지능형 운영을 지원합니다. 예를 들어 SAP와 Google Cloud를 사용하면 SAP 및 SAP 외 소스의 제품, 미디어, CRM, 디지털 상거래, 사이트 데이터를 결합하여 보다 효과적인 소비자 통계를 도출하고 구매 과정에서 제품 검색을 촉진할 수 있습니다. SAP 제품 및 판매 데이터를 소비자, 시장 데이터, Google 지역 동향과 병합하여 목표한 프로모션 결과를 얻고 소매 채널 전반에서 프로모션 비용의 ROI를 극대화할 수 있습니다. SAP 시스템의 공급망 및 제조 데이터를 소비자, 마케팅, Google 지역 시장 데이터와 통합하여 수요 예측을 개선하고 공급망 물류를 최적화할 수도 있습니다. 가능성은 무한합니다. SAP 현대화를 끊임없이 주어지는 선물 이라고 설명하는 이유가 바로 여기에 있습니다. Summit의 SAP 관련 세션을 확인하고 Google Cloud에서 SAP를 현대화한 Rodan + Fields 사례를 들어보세요.

수요 예측 프로세스에 혁신을 가져온 Vertex AI 솔루션 또한 인상적입니다. 기존 수요 예측은 대다수 CPG 기업에게 정확성 개선이라는 과제를 안겨줍니다. 현재의 예측 방법은 현지 날씨, 인구통계 또는 예기치 않은 이벤트 등 수요에 영향을 미치는 세분화된 요소를 고려하지 않습니다. Google이 최근에 출시한 Vertex Forecast는 수요 예측에 최첨단 머신러닝 모델을 손쉽게 사용할 수 있도록 설계되었습니다. 수요 예측: 직관이 아닌 지능을 활용하는 시대 세션에서는 American Eagle Outfitters의 사례를 통해 기업 고유의 니즈에 따라 맞춤설정된 데이터 과학 방식의 수요 예측을 채택하는 방법을 알아봅니다.

CPG 조직은 신규 고객 유치, 새로운 시장 진출 경로 확보, 연결형의 지속 가능한 운영 구축과 같은 난제를 해결하기 위해 Google을 찾습니다. Google은 혁신, 문화, 인프라, AI/ML, 소비자 행동에 대한 심도 있는 이해 등 Google이 가장 전문성을 갖추고 있는 역량을 활용해 최고의 브랜드를 구축하도록 도와드립니다.

마지막으로 제가 개인적으로 특히 중요하다고 생각하는 주제를 소개하겠습니다. 바로 소매업 및 소비재 분야의 지속가능성 해결입니다. 조사에 따르면 쇼핑객의 62%가 2020년 온라인에서 제품을 구매할 때 하나 이상의 지속가능성 측면을 고려했습니다. 또한 작년에 발생한 여러 사건으로 인해 소비자들은 브랜드와의 관계를 재평가하고 팬데믹과 관련해 보다 지속 가능한 브랜드에 우선순위를 두게 되었습니다. 이 세션에서 소매업체와 소비재 기업이 어떻게 기술, 데이터, 머신러닝을 활용해 지속가능성을 회복의 핵심 요소로 만들고 있는지 자세히 알아보세요.

모든 세션 콘텐츠는 온디맨드로 제공됩니다. Google에서 어떻게 CPG 브랜드 및 제조업체의 성과 개선을 돕는지 자세히 알아볼 준비가 되셨나요? Google Cloud의 소비재 솔루션을 자세히 알아보고 Google Cloud 영업팀에게 문의하여 현재와 미래의 브랜드 성장을 위해 도움을 받을 수 있는 방안에 대해 심도 있는 대화를 나누세요.

소매업의 미래

Mon, 20 Dec 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 7월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

소매업체 및 브랜드 비즈니스의 디지털 혁신을 집중적으로 다루는 디지털 이벤트, Retail & Consumer Goods Summit을 개최했습니다. 이 이벤트는 경험을 향상하기 위해 고객에 집중하고 기술을 활용하려는 회사에 엄청난 기회가 되기 때문에 제 개인적으로 매우 흥분되는 순간이었습니다.

이 이벤트에는 소매업체와 브랜드가 고객 중심으로 전환하고 디지털화하며 운영 환경을 혁신하는 데 도움이 되는 소그룹 세션이 포함되어 있습니다. 제가 특히 흥미롭게 생각하는 세션은 다음과 같습니다.

검색 이탈이 중요 측정항목인 이유 - Retail Search 집중 조명과 Macy’s 사례 소개
개인 정보 보호 중심 세상에서 소비자 친밀도 높이기 - P&G 사례를 중심으로 소매업체와 브랜드가 성공적인 자사 데이터 전략을 수립하는 방법 소개
현대적인 매장: 7가지 혁신 핫스팟 - Home Depot 사례를 중심으로 소매업체와 브랜드가 매장 혁신을 통해 기술의 가치를 최대한 활용하는 방법 소개

저는 Retail Spotlight 세션에서 현재의 소매 환경과 업계의 접근 방식에 대해 소개한 후 IKEA Retail(Indga Group) 에지 엔지니어링 책임자 알베르트 베르틸손, Lowe's 기술 전자상거래, 마케팅, 상품기획 부문 수석 부사장인 닐리마 샤르마와 대담을 진행했습니다.

이 세션에서 다룬 주제에 대해 조금 더 자세히 소개해 드리겠습니다.

특히 소매업에서 디지털 중심 쇼핑 여정은 물리적 브랜드 경험과 디지털 브랜드 경험 사이의 경계를 모호하게 하고 있습니다. 쇼핑객들은 매장을 방문하기 전에 어떤 상품을 구매할 수 있는지 알고 싶어 하며, 매장 밖 수령과 같은 주문 처리 옵션을 사용하기를 원합니다. 매장 밖 수령이나 재고가 있는 상품에 대한 관심 동향을 추적해보면 이러한 기대를 확인할 수 있습니다.

이로 인해 많은 소매업체에서는 데이터를 더욱 스마트하게 활용하고 3,000억 달러 규모에 달하는 '검색 이탈' 문제를 해결하며 새로운 고객 경험을 창출하기 위해 보다 민첩하게 대처하는 방법, 그리고 확신을 가지고 직원과 고객을 효과적으로 연결하는 방법을 궁금해하게 되었습니다.

Google Cloud팀은 어떻게 하면 이 새로운 시대에 함께 성장하고 성공할 수 있을지 고민해왔습니다. Google Cloud는 전 세계 소매업 분야 고객에게 역량을 다할 수 있는 분야에 지속적으로 집중하고 있습니다. 또한 클라우드 통합을 통해 Google에서 제공하는 이점을 최대한 활용할 수 있는 방법에 주력해 왔습니다.

Google Cloud의 목표는 소매업체가 고객 중심, 데이터 중심으로 전환하고 디지털 및 옴니채널 매출 기회를 포착하고 현대적인 매장을 조성하고 운영 개선을 도모할 수 있도록 지원하는 것입니다.

이러한 각각의 전략적 원칙에 대해 좀 더 자세히 알아보겠습니다.

고객 중심, 데이터 중심으로 전환

오늘날의 고객은 자신과 자신의 필요에 맞게 적시에 타겟팅되고 맞춤화된 경험을 기대하고 있으며 이러한 특징을 제공하지 못하는 경험은 거부합니다. 그러나 데이터 모델링과 레거시 기술, 사일로화된 시스템으로 인해 소매업체가 이러한 수준의 맞춤설정된 경험을 제공하지 못하는 경우가 많습니다.

Google Cloud는 글로벌 소매업체 및 생태계 파트너와 협력하여 특히 고객 데이터 플랫폼(CDP) 분야에서 자사 데이터를 활성화하고 가치를 창출합니다. 그 일환으로 비즈니스 인텔리전스 플랫폼인 Looker와 인기 있는 기타 플랫폼 등을 Google Cloud에서 통합하여 조직 전체에서 단일 고객 데이터 소스를 지원합니다. 또한 Google Cloud는 소매업체에서 Looker를 통해 데이터 웨어하우스를 현대화하여 조직 전반에서 비즈니스 인텔리전스를 수집할 수 있도록 지원합니다. 이는 소비자 데이터뿐만 아니라 인벤토리, 공급망, 매장 운영에도 중요합니다.

디지털 및 옴니채널 성장 기회 포착

Google Cloud는 세계 최대 규모의 전자상거래 사이트에서 블랙 프라이데이, 사이버 먼데이, 기타 연말연시 이벤트에 맞게 확장할 수 있도록 지원합니다. 규모도 매우 중요하지만 온라인 경험의 품질도 고려해야 합니다. 고객이 어떻게 제품을 찾나요? 원활한 온라인 및 옴니채널 경험을 제공하도록 어떻게 지원하나요?

이를 지원하기 위해 Google Cloud는 소매업체가 소비자의 참여를 유도하는 데 도움이 되는 최고의 기술이 결합된 제품 검색 솔루션을 구축하고 있습니다. 예를 들어 Retail Search를 통해 소매업체는 자체 디지털 자산에서 자신의 고유한 비즈니스 니즈에 맞게 맞춤설정할 수 있고 사용자 의도 및 컨텍스트에 대한 Google의 수준 높은 지식을 기반으로 하는 Google 품질 수준의 검색 기능을 제공할 수 있습니다.

필요성은 너무도 명확합니다. 최근 연구에 따르면 소매업체는 검색 이탈로 인해, 즉 잘못된 검색 결과로 인해 구매 의도가 판매로 전환되지 않아 매년 미국에서만 3,000억 달러 이상 손실을 보고 있습니다.

오늘 Google Cloud는 더 많은 소매업체에서 Retail Search를 사용할 수 있다고 발표했습니다. Retail Search에 대해 더 자세히 알아보려면 영업 담당자에게 문의하세요.

현대적인 매장 조성

매장 밖 수령 및 근접 기반 검색과 같은 구매 동향이 증가함에 따라 Google Maps Platform팀은 쇼핑객이 인벤토리에 대해 자세히 파악할 수 있도록 새로운 제품과 기능을 개발하고 있습니다. 선택한 채널에서 구매할 수 있는 상품을 더 쉽게 이해할 수 있도록 지원해 드립니다.

각 제품 페이지에서는 Product Locator를 사용해 현지 수령 및 배송 옵션에 필요한 정보를 고객에게 제공합니다. 이를 통해 고객은 결제 단계뿐만 아니라 구매 과정 전반에서 수령 및 배송 옵션을 알 수 있습니다.

오프라인 판매점 인벤토리를 파악하고 있으면 비즈니스에 대한 다양한 주요 측정항목을 향상할 수 있습니다. Shopify에 따르면 최근 배송보다 현지 수령을 선택한 쇼핑객의 전환율이 13% 이상 더 높았고 현지 수령 고객의 45%가 도착 시 추가 구매를 했습니다.

이는 Google Maps Platform팀이 어떻게 쇼핑객의 경험을 개선할 수 있는지를 보여주는 하나의 간단한 예시일 뿐입니다.

운영 개선

소비자 행동과 공급망이 매우 혼란스럽고 불안정할 뿐만 아니라 전체 소매팀이 원격으로 근무해야 하는 팬데믹 기간과 그 이후 시대에는 운영이 매우 어려운 도전과제가 될 수 있습니다.

Google Cloud는 인공지능(AI)을 활용하여 어디서나 고객의 문제를 해결하는 채팅 봇 또는 대화형 상거래를 통해 소비자 경험을 개선하기 위해 소매업체와 협력하고 있습니다. Google을 활용한 대화형 상거래 소그룹 세션에서 Albertsons 사례를 중점적으로 살펴보면서 이러한 제품에 대해 자세히 알아볼 수 있습니다.

디지털 혁신에 대한 요구가 계속해서 가속화됨에 따라 Google Cloud는 디지털 및 옴니채널 성장, 데이터 중심 및 고객 중심 경험, 운영 개선을 위한 솔루션을 통해 소매업체가 앞서 나갈 수 있도록 지원하고 있습니다. Google Cloud는 과거부터 미래에 이르기까지 클라우드 기술의 모든 시대에 소매업체에 솔루션을 제공하기 위해 최선을 다하고 있습니다.

Retail & Consumer Goods Summit에서 소매업 솔루션에 대해 자세히 알아보고 CPG Industry Spotlight 세션 급변하는 시대의 브랜드 성장 방법 – L’Oréal 사례를 비롯한 추가 세션을 확인해보세요.

Recommendations AI를 사용하여 전자상거래의 전 세계 평균 주문 금액을 2% 높인 IKEA Retail(Ingka Group)

Fri, 12 Nov 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 7월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

IKEA에는 다양한 채널의 고객 여정에 각종 개인화를 토대로 한 뛰어난 고객 경험을 제공할 수 있는 여러 기능이 있습니다. 예를 들어 쇼핑 장바구니의 제품 추천, 광고 섹션의 콘텐츠 추천, 제품 페이지의 영감을 주는 추천 등입니다. 얼마 후 추천 관련 일을 폭넓게 다루는 '추천'팀을 분할하여 제품 추천에 주력하는 하위 팀 하나를 만들기로 했습니다. 팬데믹으로 인해 고객 행동뿐만 아니라 니즈에도 변화가 생겼습니다. 급변하는 상황에서 IKEA는 지금까지의 업무처리 방식을 바꾸고 더 과학적인 접근 방식을 전면적으로 적용하여 고품질 제품 추천을 대규모로 제공하는 운영상의 복잡성을 처리하기로 했습니다. 개인화의 수준을 높이고 고객을 종합적으로 이해하기 위해서는 필요한 일이라고 판단했습니다.

데이터 기반 의사 결정

첫 번째 단계는 '추천' 솔루션이 개인화에 미치는 영향을 파악하기 위해 고품질의 정량적 정보를 확보하는 능력을 근본적으로 개선하는 것이었습니다. 이를 위한 수단으로 고객 행동에 대해 대량의 A/B 테스트를 수행하였고 초기 실험 이후 다음과 같은 몇 가지 중요한 사실을 알게 되었습니다.

UX와 알고리즘의 조합은 통합적인 고객 경험을 제공하는 데 매우 중요합니다.
개인화의 품질은 단편적으로 측정할 수 없습니다. 한 번에 여러 추천 그룹을 테스트해야 통계적 유의성을 얻을 수 있습니다.

탄탄한 데이터 수집 프레임워크를 구축하고 고객에 대해 아는 것이 거의 없다는 사실을 인정한 후에야 믿을 수 없을 정도로 많은 창의적인 옵션을 남김없이 검토할 수 있었습니다. 틀에 얽매이지 않고 보다 자유롭게 개인화에 대해 생각해 보는 새로운 관점을 얻었다는 점에서 한번 돌아보는 계기가 되었습니다. 데이터가 예상하지 않은 것을 알려주기 때문에 데이터를 신뢰하는 법도 배웠습니다.

실험 및 학습 프레임워크

당사의 팀은 실험적인 수정사항을 기존 솔루션에 신속하게 배포하는 방법을 고안했습니다. 덕분에 제목과 이미지의 세세한 부분까지 포함한 사용자 경험을 프런트엔드에서 실험할 수 있었습니다. 또한 수동으로 세밀하게 추천을 추가하거나 삭제하는 작업부터 자체 개발 및 Recommendations AI의 다양한 알고리즘 조합과 일치까지 백엔드에서도 조정하고 있습니다.

이러한 유연성은 Recommendations AI의 추천을 직접 가져오는 데 따른 비용 증가와 복잡성 가중 등 오버헤드를 수반했습니다. 하지만 우수한 추천 시스템을 만들기 위해 더 이상 일일이 직접 평가하지 않아도 된다는 이점이 있었습니다. IKEA가 데이터 기반의 질적 접근 방식을 중심으로 추천을 제공하면서 실험 일정을 상당히 단축했습니다. 여기에 CI/CD 파이프라인의 최적화가 더해져 팀에서 아이디어나 가설을 구상하고 고객 A/B 테스트에 적용하기까지 30분이 채 걸리지 않게 되었습니다.

Recommendations AI 실험

IKEA팀의 인프라를 이미 GCP에서 실행하는 상황에서 Recommendations AI 사전 체험판을 사용하게 되면서 시작 요건이 최소화되고 초기 테스트를 시작하는 데 필요한 노력과 투자도 줄어들었습니다.

처음에는 몇 가지 사용 사례로 시작하여 기존 추천 알고리즘에서 개선해야 할 부분이나 보완이 필요한 추천을 찾아냈습니다. 또한 개인화된 추천을 통해 더 유용한 정보를 고객에게 제공할 수 있는 추가 방법을 탐색했습니다.

Recommendations AI 모델 조합

Recommendations AI를 제품 추천 모음을 알려주는 간단한 API로 생각할 수도 있겠지만, 솔루션을 연구할수록 Recommendations AI를 여러 가지 방식으로 조정하면 비즈니스 목적을 달성하기 위해 다양하게 세부 조정 구성을 제공할 수 있다는 점이 분명해졌습니다. 아무리 유용한 조정과 개인화일지라도 그 수가 너무 많으면 성능이 평균 이하로 떨어질 수 있지만, 일반적으로 작업할 ML 기반 추천을 여러 버전으로 제공하는 것이 훌륭한 전략임을 알 수 있었습니다. 경험을 개인화할수록 경우의 수가 많아져 고객에게 가장 적합한 옵션을 선택할 수 있는 가능성이 높아집니다.

'추천 서비스', '자주 함께 구매하는 항목', '내가 좋아할 만한 기타 항목'과 같은 Recommendations AI 모델은 전환율, 클릭률, 수익에 맞게 최적화 등과 같은 비즈니스 목표와 관련이 있습니다. IKEA는 여러 모델 조합과 커스텀 규칙을 실험했습니다. 이 모든 것은 GCP Console에서 바로 손쉽게 구성할 수 있었습니다. 가장 간단한 커스텀 구성은 재고가 있는 상품만 추천하는 것이었고 재고가 없는 경우에는 재고가 있는 유사 상품을 확인하는 방법으로 고객 경험을 개선했습니다.

Google과 협업

Google Cloud와 협업하면서 실험 과정에서 학습 속도가 빨라졌습니다. 제품 개발 초기에 밀접하게 협력하였습니다. 또한 방향을 바꿀 수 있는 Google 모델의 유연성 덕분에 선택권이 이전보다 훨씬 더 다양해졌습니다. 그 결과 TTM(time to market)이 크게 향상되고 자력으로는 달성할 수 없었던 놀라운 성과를 이룰 수 있었습니다.

결과 및 핵심사항

더욱더 개인화된 실시간 추천 덕분에 큰 성공을 거두었습니다. 한 페이지에 표시되는 관련성 높은 추천 수를 +400% 늘릴 수 있었습니다. 보다 폭넓고 다양한 추천을 제공하기 위해 사용자 환경을 바꿀 필요가 있었습니다. 예를 들어 일부 위치에서는 고객의 사용 편의성을 높이기 위해 제품 추천이 표시된 화면을 가로로 스크롤할 수 있게 했습니다.

더욱 개인화된 추천을 표시하면서 전환율과 평균 주문 금액이 눈에 띄게 늘어나는 결과도 나타났습니다. Recommendations AI 알고리즘은 다음과 같은 두 가지 방법으로 고객을 지원합니다.

고객이 좋아하는 제품을 빠르게 찾고 다른 옵션 중에서 선호하는 제품을 더 빨리 선택할 수 있으므로 구매에 대한 확신이 높아지고 구매까지 소요되는 클릭수가 훨씬 줄어듭니다. 이미 여러 유형의 추천을 적절하게 조정했지만 Recommendations AI의 도입으로 클릭률이 +30% 향상된 것으로 측정되었습니다.
평균 주문 금액이 2% 급증했고 고객이 매력적이고 직접적인 보완 제품을 찾는 데 Recommendations AI가 어떤 도움이 되는지 보여주는 수많은 사례가 생겨나면서 단일 제품에서 전체 가정용 가구까지 고객 구매가 늘어났습니다.

더 큰 비즈니스 성과가 나타남에 따라 팀은 고객 여정에서 점점 증가하는 추천을 사용할 수 있는 위치를 찾기 시작했습니다. 특정 컨텍스트에서 추천을 표시하는 것이 적합한지 확인하기 위해 초기 실험을 시작했습니다. 이 실험에서 나타난 데이터를 토대로 고객 행동의 변화에 따라 고객에게 표시할 가장 적합한 추천 유형을 추가로 탐색하게 된 경우가 많습니다. 현재 IKEA 사이트 추천은 대부분 Recommendations AI를 기반으로 표시됩니다.

한 가지 중요한 사항은 일부 유형의 개인화된 추천은 단순한 접근방식보다 실적이 더 우수하기 때문에 높은 수준의 데이터 과학과 엔지니어링 역량이 요구되는 고급 알고리즘을 사용하면 이점이 많다는 점입니다. 단순한 접근방식이 효과적인 경우도 있고 제품 추천을 표시하지 않는 것이 적절한 경우도 있습니다. 제품 추천을 효과적으로 사용하기 위해서는 앞에서 언급한 모든 옵션과 언제 어떤 추천을 사용할 것인지 판단하는 능력을 갖추고 있어야 합니다.

다음 단계

고객 경험과 밀접하게 관련된 무언가를 시도하는 경우 사용자 행동은 끊임없이 변화하므로 이를 관찰하여 새로운 정보를 얻고 그에 맞게 조정해야 합니다. 제품 추천은 독립적인 주된 경험이 되기보다 경험을 지원하고 개선하는 데 사용되는 경우가 많습니다. 많은 옵션을 제공하는 도구 상자를 마련하고 팀이 고객 경험 향상을 위한 협업에 주력할 수 있다면 큰 가치를 창출할 수 있을 것입니다. IKEA는 Recommendations AI팀과 직접 협력하고 있으며 기대하는 몇 가지 새로운 기능을 실험하고 있습니다.

미래에는 고객이 제품의 조화를 머릿속에서 상상하기보다 고객의 구매 욕구를 자극하는 한층 시각적인 경험을 통해 고객 여정을 개선할 기회가 있다고 생각합니다. Vision 제품 검색은 이러한 시각적 경험의 기반이자 IKEA가 향후 배포하려고 하는 기능입니다.

IKEA 제품 추천팀과 Google Recommendations AI팀의 모든 개발자에게 행운을 기원합니다.

Lowe’s가 Google SRE 관행으로 고객 수요를 충족하는 방법

Tue, 14 Sep 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 6월 8일 Google Cloud 블로그(영문)에 게재되었습니다.

편집자 주: 오늘은 Lowe’s SRE팀의 사례를 살펴보겠습니다. Google 사이트 안정성 엔지니어링(SRE) 프레임워크를 채택하고 Google Cloud와의 파트너십을 활용해서 지원 가능한 출시 수를 늘릴 수 있었던 비결을 공유합니다.

Lowe’s는 다년간에 걸쳐 기술 혁신을 단행하면서 괄목할 만한 발전을 이뤄냈습니다. 시스템을 현대화하고 고객 및 관계자를 위한 새로운 기능을 빌드하기 위해 Lowe’s는 니즈를 보다 빠르고 효율적으로 충족시킬 수 있도록 지원하는 Google SRE 프레임워크 및 Google Cloud를 활용하고 있습니다. 이러한 노력에 힘입어 2주에 한 번이었던 출시가 하루 20개 이상으로 증가하면서 월별 출시 횟수가 약 20배 뛰었습니다.

하지만 SRE 혁신이 하루 밤 사이에 이뤄진 것은 아닙니다. 혁신을 이루는 단계마다 난관에 부닥쳤습니다. 하지만 돌아보면 결과적으로 고객을 위해 많은 성과를 이뤘다는 점에서 보람을 느낍니다.

SRE 관행을 채택하기 전인 2018년에는 주도적이기보다 수동적으로 대응하면서 '모니터링에 급급한' 자세를 취했습니다. 반복 작업과 수동 작업이 지나치게 많아 상시 대기 구조 및 사고 관리 효율성이 낮았기 때문에 운영 부담이 컸습니다. 프로덕션 환경의 문제가 제품 로드맵에 반영되지 않아 수정 시 지연이 발생했습니다.

Lowe’s의 SRE 부트스트랩 수행

온프레미스에서 Google Cloud로 이전함에 따라 모놀리식 기반에서 마이크로서비스 기반의 아키텍처로 이동하기로 결정했습니다. 또한 새로운 아키텍처를 보다 효과적으로 관리하기 위해 SRE 여정을 시작했습니다.

그러다 코로나19 사태 발생과 더불어 고객들이 전면적인 주택 개조 니즈를 충족하기 위해 부쩍 온라인 주문 및 배달을 선택하면서 SRE 여정에 더욱 박차를 가해야 했습니다. 이를 위해 Lowe's는 변화하는 고객 니즈를 빠르게 충족시키고 신속하고 안정적으로 제품을 출시할 수 있도록 도와주는 네 가지 원칙을 따랐습니다.

자동화로 업무 부담 제거
기존 운영 방식에서 SRE 생태계로 이동하면서 발생한 가장 큰 기회는 업무 부담이 줄어든 것입니다. 덕분에 엔지니어가 경영 성과 및 고객이 원하는 결과물을 도출할 수 있는 활동에 시간을 투자할 수 있습니다. 여기서 업무 부담이란 반복적이며, 전략적이고, 지속적인 가치가 결여되어 있으나 자동화가 가능한 수작업을 의미합니다. 업무 부담을 덜기 위해 Lowe's는 직접 개입해야 하는 작업을 자동화하는 일에 집중했습니다. 예를 들어 알림이 발생했을 때 엔지니어가 최초의 연락 지점이 되지 않도록 했습니다. 엔지니어가 수행할 수 있는 분류 작업이나 해결 방법이 있다면 머신이 동일한 작업을 수행할 수 있도록 학습시킬 수 있습니다. Lowe's는 지도 및 비지도 학습 기술을 사용하여 업무 부담을 자동화했습니다. '업무 부담을 없애자'라는 장기적인 목표에 따라 SRE는 조직 전반에서 업무 부담을 식별하고 관리 가능한 수준으로 줄였습니다.
로드맵을 통한 엔지니어 조율
Lowe's의 목표는 개발팀의 엔지니어링 속도를 극대화하면서도 제품 안정성을 유지하는 것입니다. 이를 위해 제품팀, SRE팀, 개발팀이 긴밀하게 협업하는 참여 모델을 정립하고자 했습니다. 이러한 협업을 가능케 한 비결은 SRE를 도메인 및 제품팀에 포함시킨 것입니다. 각 도메인에 제품 개발의 초기 단계에 관여하는 SRE가 배치되어 해당 도메인의 관계자들이 SRE 이니셔티브에 부합하게 업무를 수행할 수 있습니다. 이와 같이 SRE는 서비스 수명 주기의 모든 단계에 걸쳐 서비스의 안정성, 성능, 확장성, 출시 속도를 향상시킬 수 있습니다.
원터치 출시 방식 채택
이전에는 프로덕션 경로에 여러 수동 단계 및 검증이 포함되어 기능 출시 속도를 둔화시켰습니다. 또한 한 번에 배포할 수 있도록 모든 출시를 하나로 묶었기 때문에 실패 위험이 커졌고 프로덕션에서 피드백 루프가 더 길어졌습니다. SRE 방식으로 이러한 문제를 해결하기 위해 SRE가 제품팀의 pull 요청을 검토하는 원터치 출시 프로세스를 만들었습니다. 승인을 받으면 승인된 변경사항을 프로덕션에 안전하게 배포하는 DevSecOps 파이프라인이 트리거됩니다. 이러한 프로세스는 빠른 피드백 루프가 가능한 안전하고, 안정적이고, 지속가능한 지속적 배포 파이프라인을 만들었습니다. 속도, 혁신, 안정성이 균형을 이루면서 연간 출시 횟수가 기하급수적으로 증가했습니다. 자동화된 여러 품질 확인 및 프로세스를 포함하여 양질의 코드를 제공하는 데 걸리는 시간이 30분 미만으로 단축되었고 이 모든 작업이 단 한 번의 클릭으로 가능해졌습니다.
용량 계획 수용
서비스에 급격한 트래픽 증가를 처리할 수 있는 충분한 예비 용량을 갖추기 위해, SRE는 지속적 배포(CD) 파이프라인에서 용량 변경 권장사항을 수행하는 용량 계획의 중요성을 강조했습니다. SRE는 지속적인 성능 모니터링을 통해 서비스가 강력하고, 안정적이며, 사용 가능한지 확인합니다. 또한 예측된 볼륨을 넘어서 트래픽이 급증하는 경우 SRE가 필요에 따라 용량을 변경하고 성능 및 도메인팀을 위해 해당 변경사항을 기록합니다.

용량 계획은 블랙 프라이데이 및 사이버 먼데이(BFCM) 같은 성수기에 특히 중요합니다. Lowe's는 3개월 전에 미리 SRE 안정성 계획을 마련하고 도메인팀의 제품 로드맵에 반영합니다. 이렇게 하면 개발팀이 안정성을 위해 충분한 엔지니어링 시간을 할당할 수 있습니다. 성능 테스트를 통해 해당 환경이 부하 증가를 장기간 견딜 수 있으며 트래픽 급증을 처리할 수 있는지 확인합니다. 또한 전 세계적인 규모로 리전 장애 조치 테스트를 수행하여 서비스수준계약(SLA)의 자동 장애 조치 기간, SRE, 도메인 준비 상황을 확인합니다. 아울러 블랙 프라이데이 및 사이버 먼데이와 관련된 집중 테스트를 수행하여 고객 경험, 안정성 등을 검증합니다.

Google Cloud의 블랙 프라이데이 및 사이버 먼데이고객 맞춤형 서비스는 Lowe’s가 2019년 BFCM 및 2020년 BFCM에 성공적인 결과를 얻는 데 핵심적인 역할을 했습니다. 이 서비스에는 Google 고객 신뢰성 공학(CRE)팀의 현장 방문을 통한 Lowe’s 웹 아키텍처, 용량 계획, 이벤트 위험에 대한 운영 관행 검토 및 사고 대응 권장사항과 같은 주제에 대한 워크샵 등이 포함됐습니다.

향후 계획

언제나 개선의 여지는 있으며 Lowe’s는 SRE 관행을 지속적으로 개선해나갈 것입니다. 지금까지 효과가 좋았고 앞으로도 이어갈 SRE 관행으로는 로드쇼를 꼽을 수 있습니다. 로드쇼에서는 선임 SRE 책임자가 다른 SRE 및 애플리케이션 도메인팀에 최신 SRE 원칙 및 권장사항을 소개하고 상대방의 의견을 실시간으로 청취하는 자리입니다.

Google 도구 및 방법론은 SRE 관행을 재구성하고 고객 서비스를 개선하는 데 있어서 중요한 역할을 했습니다. Lowe's는 SRE 여정을 지속하면서 Google Cloud와 모멘텀 및 파트너십을 계속 발전시켜 나가기를 기대합니다.

Google Cloud에서 SRE 권장사항을 채택하는 방법에 대한 자세한 내용은 관련 문서를 확인해 보세요. Google SRE에 대해 자세히 알아보려면 Google Cloud 웹사이트를 참조하세요. Lowe's에서 SRE 관행 및 도구를 채택하기 위해 엔지니어링 인력을 교육시키고 SRE 원칙에 따라 MTTR을 향상시킨 방법이 궁금하다면 다음 블로그를 기다려 주세요.

원클릭 리테일: Marxent에서 Google Cloud를 사용해 셀프서비스 3D 쇼핑 앱을 지원하는 방법

Wed, 08 Sep 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 5월 26일 Google Cloud 블로그(영문)에 게재되었습니다.

코로나19로 가정용품 전자상거래가 폭발적인 인기를 끌면서 가구 및 DIY 소매업체에서는 온라인 거래 규모를 오프라인 매장 수준으로 키울 수 있는 새로운 방법을 모색했습니다. 그동안 가구 및 인테리어 프로젝트 관련 쇼핑은 온라인에서 성장하기가 쉽지 않았습니다. 가구, 주방 수납장, 설비, 가전제품은 일상 생활의 일부로서 반품이 어렵고 구매 빈도가 낮습니다. 따라서 한번 결정을 내리고 나면 몇 년 동안은 좀처럼 바꾸지 않습니다. 이 분야에서는 크기 측정, 스타일 선택, 예산 책정, 사용 가능한 제품에 대한 이해, 관련된 고려 절차를 요하는 시각적, 촉각적 결정이 이루어집니다. 팬데믹 상황 속에서 소매업체들은 3D를 채택하여 가상 쇼핑 경험을 개선했습니다.

영감과 시각화로 확신을 제공

3D 공간 상거래 회사인 Marxent는 3D 시각화 및 구성 솔루션을 제공하여 소매업체가 소비자용 3D 디자인 및 시각화 앱을 통해 구성 가능한 복잡한 제품을 온라인에서 판매하도록 도와주고 있습니다. Marxent의 3D Room Planner를 HD Renders와 함께 사용하면 쇼핑객이 집에 가구나 주방 수납장을 배치했을 때 어떤 모습일지 시각화하는데 도움이 됩니다. 2011년에 설립된 Marxent는 식탁 구입 또는 주방 전체 리모델링이 Carvana에서 차를 사거나 Bite Squad를 통해 식사를 주문하는 것만큼이나 간단해지는 날이 오기를 기대하고 있습니다. Marxent의 3D 앱은 영감이 거래로 이어지고 또다시 지지로 연결되는 모델을 효율적으로 구축하여 쇼핑객에게 확신을 주고 소매업체가 단일 품목이 아니라 전체 공간을 판매할 수 있게 합니다.

Marxent는 Google Cloud를 기반으로 전 세계 여러 대형 소매 및 가정용품 기업이 특별한 고객 여정을 제공하는 데 도움을 주고 있습니다. Marxent의 고객은 Marxent가 쇼핑객이 쉽고 빠르게 세미 커스텀 방식으로 맞춤형 프로젝트를 구매할 수 있도록 지원해 줄 것이라고 믿습니다. 이와 마찬가지로 Marxent도 Google Cloud를 신뢰합니다.

3D 기능을 활용한 전자상거래 강화

전자상거래의 성장세에 대해서는 논란의 여지가 없습니다. 그 어느 때보다 많은 사람들이 가구, 주방 수납장, 마루 상판, 기타 대규모 맞춤형 제품을 온라인으로 구매하고 있습니다.

한 소매업체에서 디자인을 마친 쇼핑객은 일반적으로 해당 소매업체에서 구매까지 합니다. 쇼핑객은 매장과 쇼룸을 방문하여 소파, 의자, 카펫, 조명 같은 제품들이 어떻게 스타일을 완성하는지 보여주는 디스플레이에서 영감을 얻습니다. 노련한 영업 담당자는 여러 제품을 제안하고 이들을 조화롭게 구성하는 방법을 조언합니다. 간단한 평면도를 작성하여 다양한 제품들을 한 공간에 배치했을 때의 모습도 보여줄 수 있습니다. 매장에서 영감 단계는 고려 과정과 긴밀히 연계되며 궁극적으로 거래로 이어집니다.

이와 달리 온라인 쇼핑객은 일반적으로 Pinterest와 Instagram을 이용하거나 특정 브랜드를 고려하지 않은 온라인 이미지를 검색하여 영감과 아이디어를 얻고 홈 인테리어 프로젝트를 시작합니다. 쇼핑객은 원하는 스타일을 정한 후 계속 검색하여 다양한 소매업체의 제품을 비교하고 프로젝트를 계획하며 최종 예산을 결정합니다.

소매업체는 프로젝트 전체를 판매하기 위해 영감이 거래로 이어지고 또다시 지지로 연결되는 모든 과정을 확보해야 합니다. 온라인 및 오프라인 매장 애플리케이션 모두에서 Marxent의 3D Room Planner 앱을 활용한 소매업체들이 쇼핑객에게 확신을 주고 전체 프로젝트 판매를 확보하며 쇼핑객의 마음을 얻고 있습니다.

사전 렌더링된 미드폴리 3D 공간

사전 렌더링된 미드폴리 3D 공간 - 'Raw Render'로 2분도 안 걸려 렌더링된 공간을 약간 다른 각도에서 본 이미지입니다.

사용자는 Marxent의 3D 공간 상거래 솔루션으로 영감이 거래로 이어지고 또다시 지지로 연결되는 경험을 하게 됩니다. 이 경험은 쇼핑객이 온라인에서 영감을 주는 이미지와 미디어를 보는 것에서부터 시작됩니다. 쇼핑객은 Marxent의 애플리케이션에서 영감을 주는 이미지를 토대로 직접 디자인하여 제품 카탈로그에 대한 지식 없이도 맞춤 구성된 공간을 만들 수 있습니다. 여러 제품 페이지를 돌아다니며 제품들이 서로 어울릴지 생각하는 대신, 마음에 드는 제품들을 한데 모아 자신의 평면도에 시각화할 수 있습니다.

그리고 클릭 한 번으로 전체 공간을 장바구니에 담을 수 있습니다. 이러한 가상 경험이 거래로 이어지기까지 사용자는 자신이 만든 공간을 저장하고 공동작업하며 공유할 수도 있습니다. 쇼핑객이 소셜 미디어에 프로젝트를 공유하여 지지자가 되면 영감을 주는 콘텐츠가 재생산되는 선순환이 반복됩니다.

수동 작업과의 작별

Marxent에서는 대규모 렌더링을 위해 클라우드 렌더링 솔루션을 업데이트해야 했습니다. 처음에는 3D 아트팀에서 수동 온프레미스 렌더링 시스템을 운영했습니다. 하지만 수동 설정, 구성, 운영에 많은 시간이 들었습니다. 또한 베어메탈과 같은 고가의 그래픽 서버와 CPU, GPU, RAM, HDD도 관리해야 했습니다. 3D 렌더링 프로세스를 자동화하고 최종 사용자가 자신의 3D 공간을 빠르게 렌더링할 수 있도록 지원하는 것이 유일한 방법이었습니다.

Marxent는 새로운 솔루션을 평가하는 과정에서 비즈니스를 안전하게 확장하면서 최종 고객과의 파트너십을 강화할 수 있는 차별화된 장점을 Google Cloud Platform에서 발견했습니다. 예를 들어 Google Cloud로 이전하면 다수의 물리적 서버를 관리하지 않고도 렌더링 프로세스를 자동화하고 확장할 수 있었습니다. 또한 Google의 보안 내재화 설계 인프라, 민첩성, 데이터 분석 기능, 마켓플레이스 참여 가능성에서 이 플랫폼의 자산적 가치를 찾았습니다.

구매를 촉진하는 마법 같은 고객 경험 만들기

Marxent 애플리케이션에서는 고객과 쇼핑객에게 상황별 경험을 제공하기 위해 미드폴리 3D 모델을 사용하여 속도와 현실감 사이의 균형을 이룹니다. 이 모델은 지연 시간이 없는 실시간 디자인 경험을 제공하여 소셜 미디어에서 사진으로 인식될 만큼 현실감이 있는 장면으로 렌더링할 수 있습니다.

이미지 렌더링 프로세스는 복잡하기 때문에 Google Cloud가 제공하는 효율, 속도, 분석, 일관된 성능이 필요합니다. Marxent 애플리케이션은 강력하고 빠른 게임 GPU로 구성되어 고객과 쇼핑객의 수요에 부합하는 신속한 렌더링을 제공할 수 있습니다. 다음은 HD Renders 애플리케이션의 이미지입니다.

사용자가 HD 렌더링을 요청하려면 Marxent 3D Room Planner에서 공간을 만들어야 합니다. 요청이 있으면 Marxent 애플리케이션이 데이터베이스에서 저장된 프로젝트를 가져온 다음 Cloud Pub/Sub를 사용해 프로세스를 시작합니다. 프로젝트가 게임 GPU에 로드되며 사용자가 애플리케이션에서 공간을 처음 만들 때 실행했던 플랫폼 코드를 사용합니다. 덕분에 클라우드에서 공간을 빠르게 로드할 수 있습니다.

이후 코드가 공간을 샅샅이 검토하고 렌더링, 텍스처 형식 조정, 조명 추가를 준비합니다. 프로젝트는 렌더링 엔진을 통과한 후 Cloud Storage에 자동 업로드됩니다. 마지막으로 사용자에게 최종 제품의 링크가 전달됩니다. 이 모든 과정이 진행되는 동안 Cloud Pub/Sub에서는 메시지를 처리하여 렌더링 성공이나 실패 같은 적합한 이벤트 프로세스가 발생하도록 지원합니다.

이 프로세스를 통해 하나의 장면에서 수십 가지 이미지를 만들고, 다양한 콘텐츠 도형 및 커버, 질감, 끝손질로 구성된 카탈로그를 활용하여 평면도에 제품을 자유롭게 배치할 수 있습니다.

구매 여정 전체에 Google Cloud 활용

현재 Marxent의 애플리케이션은 AR, VR, 3D 상거래 경험을 통해 세계적인 소매업체를 지원하고 있습니다. 첨단 그래픽 하드웨어를 사용하여 렌더링을 만드는 데 보통 스크린샷당 2분이 채 걸리지 않습니다. 또한 더 이상 값비싼 서버를 관리하거나 고가의 하드웨어를 선불로 구매하지 않아도 되기 때문에 비용도 절감하고 있습니다. 이렇게 절감한 비용을 고객에게 투자하고 무제한 확장 기능으로 수요를 충족하여 고객의 만족도가 더욱 높아졌습니다.

Marxent는 Google Cloud와의 협력을 통해 첨단 보안 도구로 규정 준수와 데이터 기밀유지를 지원하는 인프라 기반의 안전한 애플리케이션을 고객에게 자신 있게 제공할 수 있게 되었습니다. 또한 전 세계적으로 일관성을 갖춘 플랫폼 덕분에 여러 브랜드가 판매 성수기에도 다운타임에 대한 걱정 없이 고객 터치포인트 전반에서 신뢰할 수 있는 구매 경험을 구축하도록 도울 수 있습니다. 이러한 전략적 파트너십을 통해 파트너가 기대하는 안정성을 제공하는 동시에 고객이 요구하는 최고 수준의 고객 우선 경험을 제공할 수 있었습니다.

Marxent는 원활한 쇼핑 경험에 대한 고객 요구에 부응하고자 3D 기술로 더욱 새롭고, 쉽고, 편리하며, 만족도 높은 쇼핑 경험을 제공하여 소비자가 처음부터 적합한 제품을 구매할 수 있도록 합니다.

Google Cloud에서 스타트업을 어떻게 지원할 수 있는지 자세히 알아보려면 여기에서 스타트업 프로그램 신청 페이지를 방문하고 월간 스타트업 뉴스레터를 구독하여 커뮤니티 활동, 디지털 이벤트, 특별 이벤트 등에 대한 소식을 받으세요.

클라우드 기술로 식료품 구매를 간소화한 Albertsons와 Google

Thu, 20 May 2021 00:00:00 +0000

* 본 아티클의 원문은 2021년 3월 30일 Google Cloud 블로그(영문)에 게재되었습니다.

지난해 팬데믹 상황에 적응하는 과정에서 모두의 일상이 뒤흔들렸습니다. 식료품 구매 같은 간단한 일이 새삼 중요해졌고 이전과는 다른 어려움이 되었습니다. 하루아침에 온라인 식료품 주문이 일상으로 자리잡았습니다. 온라인 식료품 주문을 보다 손쉽게 만드는 것은 작년 봄에 Google이 Albertsons Companies와 협력을 시작하면서 세운 목표 중 하나였습니다. Albertsons와 함께 Google은 식료품 쇼핑을 더욱 쉽고, 흥미롭고, 친근하게 만들어 Albertsons Cos.의 장기 전략을 위한 기반을 마련하는 디지털 경험을 구축하기로 했습니다.

Albertsons Cos.는 Albertsons, Safeway, Vons, Jewel-Osco, Shaw's, Acme, Tom Thumb, Randalls, United Supermarkets, Pavilions, Star Market, Haggen, Carrs를 비롯한 20여 개 식료품 브랜드를 운영하며 미국 전역의 수백만 소비자에게 서비스를 제공하고 있습니다.

작년 봄 전 세계가 코로나19 상황에 적응하며 사투를 벌일 때 Albertsons Cos.와 Google은 온라인으로 공동 혁신 회의를 개최하여 코로나19 상황은 물론 그 이후에도 고객의 삶에 도움을 줄 수 있는 방법을 모색했습니다. 불과 하루 만에 기술을 구현하여 식료품 쇼핑을 보다 간편하게 만들 수 있는 다양한 아이디어가 쏟아졌습니다.

온라인 공동 혁신 회의로 다양한 아이디어 도출

작년에 Albertsons와 Google은 많은 아이디어를 함께 구현했으며 오늘 그 아이디어 중 하나를 발표합니다. 바로 Albertsons Cos 매장에서 모바일 검색의 비즈니스 프로필을 통해 주문 가능 상태와 최소 주문 수량 같은 추가 온라인 정보를 직접 공유하는 새로운 픽업 및 배송 기능이며, 올해 하반기에 Google 지도에 도입될 예정입니다.

이 새로운 기능에는 지난 3월 초에 구현된 또 다른 아이디어가 추가됐습니다. 당시 Albertsons는 Business Messages를 사용하여 Albertsons Cos. 약국에서 코로나19 백신에 대한 최신 정보를 제공하겠다고 발표했습니다.

또한 양사는 미래를 바라보며 미국 전역의 수백만 고객에게 보다 쉽고 편리한 쇼핑 경험을 제공하기 위해 장기 파트너십을 체결할 계획입니다. 이 파트너십을 통해 Albertsons와 Google은 팬데믹 상황이 종료된 이후에도 식료품 쇼핑 경험에 혁신을 지속할 것입니다.

예를 들어 AI에 기반한 현지 정보와 기능으로 맞춤형 서비스, 보다 간편한 주문, 픽업과 배송, 장바구니 예측 같은 기능을 선보여 식료품 쇼핑을 더욱 편리하게 만들 것입니다.

미래의 식료품 쇼핑을 예측하기 위해 지난해부터 향후 식료품 쇼핑에 대한 아이디어를 구성했던 트렌드 몇 가지를 살펴보겠습니다.

어떤 미래가 펼쳐질지 정확하게 알 수 없지만 무엇이 앞으로 영원히 변하지 않을지는 잘 알고 있습니다. 많은 사람들이 다시 레스토랑의 해산물을 즐기게 되겠지만 팬데믹 시기의 변화 가운데 모두에게 지속적인 영향을 미칠 변화도 있습니다. 간편한 식료품 쇼핑이 그러한 변화 중 하나라고 Albertsons Cos와 Google은 확신합니다.

자세히 알아보기

Google Cloud 뉴스룸과 블로그에서 Google Cloud의 최신 소식을 알아보기
Business Messages를 통해 고객이 코로나19 백신 정보를 찾을 수 있도록 지원하는 Albertsons
Apigee API 관리를 사용한 대화형 AI로 고객 경험 향상

Google Cloud로 전자상거래를 혁신한 THE YES

Sat, 23 Jan 2021 00:00:00 +0000

* 본 아티클의 원문은 2020년 12월 17일 Google Cloud 블로그(영문)에 게재되었습니다.

2020년은 소매업 역사상 가장 격동적이었던 시기 중 하나로 기억될 것입니다. 전 세계의 소매업체와 브랜드는 코로나19로 인한 어려움에 맞서 민첩하게 비즈니스를 혁신해야 하는 엄청난 부담을 떠안아야 했습니다.

소매업체는 코로나19 대유행 상황으로부터 직원과 쇼핑객을 안전하게 지키기 위해 매장 문을 닫고 매장 이용 인원수에 제한을 두었고 소비자 역시 그 어느 때보다도 휴대전화, 노트북, 태블릿을 사용해 쇼핑하는 횟수가 늘어났습니다. 2021년에는 소매 업계에 어떤 일이 벌어질지 예상하기 힘들지만 한 가지 확실한 것은 온라인 쇼핑 시장이 성장할 것이라는 사실입니다.

올해 온라인 쇼핑은 우수한 실적을 거두었으며 대부분의 소매업체에서 매출을 이끄는 견인차 역할을 하며 전자상거래의 혁신에 힘을 더했습니다. 2021년을 준비하며 계획을 수립하는 소매업체와 브랜드 대부분은 디지털 및 온라인 전략에 우선순위를 두고 투자를 집중할 것입니다.

새롭게 출시된 온라인 쇼핑 플랫폼인 THE YES는 고객의 선호도에 따라 새롭게 떠오르는 인기 패션 브랜드의 상품을 추천해주는 서비스를 제공하며 소매업 부문에서 요구되는 혁신의 바람직한 본보기가 되고 있습니다. 그리고 Google Cloud가 이 회사의 플랫폼을 지원할 수 있게 되었습니다. 이 회사는 기존 전자상거래 스택과 내장 인공지능(AI)을 기초부터 완전히 재구축하여 수백 가지 글로벌 인기 브랜드의 상품을 가져다가 각각의 모든 쇼핑객에게 맞춤설정된 온라인 카탈로그를 선별해 제공했습니다.

THE YES의 설립자이자 CEO인 줄리 본스타인, 공동 설립자이자 CTO인 아밋 아가월과 대담을 통해 회사에 대해 자세히 알아보고 이 회사의 전체 플랫폼에서 Google Cloud를 어떻게 활용하고 있는지 들어볼 수 있었습니다.

캐리: 두 분 모두에게 엄청난 한 해였을 것 같은데요, 연휴 쇼핑 시즌이 끝나가는 시점이라 이 질문을 하지 않을 수 없네요. 이번 연휴 시즌에 앱 매출 실적이 어땠나요? 기대치를 충족했나요?
줄리: 질문 감사합니다. 올해는 정말 흥미로운 한 해였고 연휴 시즌도 다르지 않았습니다. 코로나19로 인해 많은 쇼핑객이 집에 머물게 되면서 블랙 프라이데이에는 앱을 이용한 쇼핑이 크게 증가했어요. 블랙 프라이데이 기간 중 온라인 매출의 65%가 스마트폰을 통해 이루어졌거든요. THE YES의 경우 연휴 시즌 매출은 2배로 뛰어올랐습니다. 하지만 흥미롭게도 전 세계 많은 업체가 할인과 특가에 중점을 두었지만 매출 중 2/3는 정가 상품에서 발생한 것으로 나타났어요. 이게 바로 AI의 힘이죠. 추천 엔진을 통해 적절한 추천 기능을 제공한다면 정가를 추구하는 비즈니스도 안정적으로 운영할 수 있다는 사실이 증명된 셈이죠. THE YES에서 궁극적으로 타겟팅하는 부분은 블랙 프라이데이의 매출 주기가 아니라 쇼핑객이 복잡하고 미묘한 패션 카테고리에서 자신의 원하는 상품을 찾을 수 있도록 도와주는 기술을 활용하는 것입니다.

캐리: 아밋 씨는 전에 Google 직원으로 일하셨는데요, Google 직원이 아니라 Google 솔루션을 이용하는 입장에서 소감은 어떠신가요?
아밋: 재미있는 경험이었어요! THE YES의 AI 기반 앱은 쇼핑객별로 고유한 '매장'을 구축하기 때문에 모든 추천 상품이 개별 쇼핑객의 스타일과 선호하는 브랜드에 맞춰집니다. 이를 가능하게 하기 위해 기술 인프라를 필요로 하는 새로운 방식의 쇼핑 환경을 처음부터 만들고 있어요. THE YES를 구축하는 방식을 정하는 데 Google에서의 경험을 활용할 수 있었습니다. 반대편 입장에 있는 지금은 기술이 어떻게 쇼핑객에게 더욱 개인화된 경험을 선사할 수 있는지 직접 확인할 수 있어요. 굉장히 보람 있는 일이죠. 그리고 물론 줄리처럼 소매 업계의 미래를 만들어 가는 전문가와 함께 일한다는 것도 영광스럽게 생각합니다.

캐리: THE YES와 Google Cloud가 협력하는 방식을 설명해주시겠어요?
아밋: 기술은 자사 마켓플레이스의 기반으로서 전자상거래의 미래를 위한 토대를 다집니다. THE YES에서는 패션을 이해하여 인코딩하고 패션계에서 가장 광범위한 검색 및 추천 엔진을 개발하기 위해 AI를 구축하기 시작했어요. Google Cloud는 이를 실현하기 위한 중요한 파트너였죠. Google Cloud 기술을 사용하여 새로운 것을 시도하고, 모델을 학습시키고, 실험하고, 빠르게 학습하는 것이 가능했기 때문에 개발하는 데 3~4년이 걸렸을 작업을 빠르게 마칠 수 있었어요.

일대일 모델을 사용해 전자상거래 기술 스택을 실시간으로 재구축하여 각 사용자가 쇼핑할 때 표시되는 결과와 추천 상품을 조정했습니다. 이 과정은 일반적으로 비용이 많이 들고 매우 어려운 작업이었어요. Pub/Sub, Spanner, Kubernetes Engine과 같은 Google Cloud 도구를 통해 효과적이고, 성능 기준을 충족하며, 비용 효율적인 방식으로 이 작업을 수행할 수 있었습니다. 또한 브랜드와 통합을 간편하게 하기 위해 Cloud Vision API를 사용하고 있으며, 수많은 브랜드의 데이터를 인력 개입 없이 지능적으로 수집하는 데는 머신러닝 모델을 사용하고 있습니다. 이렇게 기초를 다진 다음 BigQuery 및 Looker를 사용하여 데이터와 트렌드를 실시간으로 파악하고 회사와 브랜드 차원에서 비즈니스 목표를 달성하기 위한 결정을 내릴 수 있었어요.

Google Cloud를 통해 인프라에 시간을 소모하지 않고 우리만의 핵심적인 기술과 전문 분야에 집중할 수 있었고 개발자는 이러한 작업을 쉽게 하기 위한 도구를 확보할 수 있었어요.

캐리: 브랜드에는 어떤 이점이 있나요? 그렇게 많은 유명 패션 브랜드와 파트너십을 맺을 수 있었던 비결은 무엇인가요?
줄리: THE YES는 Balenciaga와 Prada부터 Everlane과 Levi’s까지 225개 브랜드와 파트너십을 맺고 있어요. 쇼핑과 소매업의 온라인 환경으로 전환이 그 어느 때보다도 증가한 현재 상황에서 THE YES는 관련성은 높지만 특정 브랜드를 검색할 생각조차 없는 새로운 고객에게 다가갈 수 있는 새로운 채널을 브랜드에 제공합니다. 광고에 많은 예산을 투입하는 것 외에는 집에서 쇼핑하는 고객의 관심을 끌기가 쉽지 않아요. 브랜드는 특히 쇼핑 검색 단계에서 적절한 잠재고객에게 도달할 수 있는 고유한 방법을 찾고 있습니다. 따라서 쇼핑객이 별도의 앱이나 브라우저로 전환하지 않고 해당 앱 내에서 간편하게 결제할 수 있다는 사실을 높이 평가하며 좋아합니다.

게다가 브랜드는 자신들의 제품을 앱에 통합하기 위해 할 일이 거의 없어요. 브랜드의 미적 요소, 제품 설명과 가격에만 신경을 쓰면 되죠.

캐리: 현재 당면하고 있는 과제는 무엇이며, 그 과제를 극복하는 데 기술이 어떤 도움이 되나요?
아밋: 현재 사용자의 선택권은 너무 많아요. 반면 브랜드는 자신들의 브랜드 가치와 정체성을 유지하면서 고객에게 다가가기 위해 애쓰고 있죠. 모든 전자상거래 모델에 일률적으로 적용되는 방법은 더 이상 통하지 않아요. 소비자는 자신에게 맞는 스타일과 사이즈를 찾느라 제품 페이지를 스크롤하는 데 지쳐 있어요. THE YES의 첨단 기술을 사용하면 소비자와 브랜드 사이의 격차를 해소할 수 있습니다. 다른 전자상거래 플랫폼도 소비자 데이터에 액세스할 수 있긴 하지만 이를 활용하여 쇼핑 경험에 맞춤화하는 방법은 모르죠. THE YES는 AI를 활용하는 정교한 알고리즘을 사용하여 소비자의 스타일과 사이즈를 고려한 상품을 피드 상단에서 바로 추천해 줍니다.

캐리: 온라인 소매업의 성장은 새로운 주제가 아닙니다. 하지만 코로나19 대유행 상황은 실제로 이러한 트렌드를 진행시켰고 올 연휴 온라인 매출은 기록적이었으며 전반적인 온라인 트래픽은 유례없는 수준이었죠. 소매 업계의 미래를 어떻게 보시나요?
줄리: 맞아요. 한동안 온라인 소매업의 성장에 대해 이야기해왔지만 전 세계적인 코로나19 대유행 상황은 전 세계의 많은 소매업체에 이러한 성장을 가속화시켰죠. 올해 블랙 프라이데이 기간 중 온라인 매출이 20% 증가했는데 2020년 동안 우리가 얻은 성과 중 몇 가지는 많은 소매업체의 일부 전략으로 유지될 것이라고 말해도 될 것 같네요. 소비자는 온라인으로 쇼핑할 수 있는 더 많은 방법을 찾고 있으며 브랜드는 유통 채널을 다각화하고 성장시켜야 하죠. 앞으로 더 많은 브랜드가 온라인 시장에서 입지를 확장하고 AI와 같은 첨단 기술을 구현하여 더욱 맞춤설정된 경험으로 더 많은 소비자에게 도달할 수 있는 새로운 방법을 찾을 것이라고 보고 있습니다.

캐리: 그렇게 된다면 THE YES에는 어떤 영향을 줄까요? 2021년에는 소비자와 브랜드가 무엇을 기대할 수 있을까요?
줄리: 연휴 시즌을 마무리하면서 THE YES팀에 어떤 과제가 주어질지 기대하고 있습니다. 우리는 올해 수백 가지의 브랜드 카탈로그에서 각 제품의 텍스트와 이미지를 통해 모든 차원을 파악할 수 있는 소프트웨어 시스템을 포함해 패션업계에서 가장 광범위한 분류 체계를 구축했어요. 현재 THE YES 앱은 iOS App Store를 통해 쇼핑객에게 제공되며 앞으로 Google Cloud 파트너와 협력하여 지속적으로 혁신적인 기술을 개발할 것이며 고객에게 더 많은 브랜드를 소개해드리기 위해 노력할 것입니다.

AI와 머신러닝을 통해 코로나19 이후의 혁신을 모색하는 소매 업계

Tue, 05 Jan 2021 09:00:00 +0000

* 본 아티클의 원문은 2020년 11월 21일 Google Cloud 블로그(영문)에 게재되었습니다.

지난 10년간 수없이 많은 변화의 물결을 헤쳐온 전 세계 소매 업계는 그 어느 때보다도 역동적이고 예측할 수 없는 시대를 맞이하고 있습니다. 소매업체 경영진과 이야기해 본 결과 여전히 호황을 누리는 기업이 있는 반면 견뎌 내는 것이 최선이거나 어려움을 겪는 곳도 있었습니다. 이들과의 대화를 통해 알게 된 것은 코로나19가 클라우드 인프라, 인공지능과 머신러닝(AI/ML) 기술을 토대로 민첩하고 복원력이 우수한 운영 모델의 개발을 크게 앞당기는 역할을 했다는 점입니다.

Google Cloud에서는 소매 가치 사슬에서 가장 많은 가치와 수익을 창출하는 AI/ML 사용 사례에는 어떤 것이 있으며 이러한 기회를 추구하는 소매업체가 유의해야 할 사항은 무엇인지 알아보고자 전 세계 소매업체 경영진을 대상으로 최근 설문조사를 의뢰했습니다. 모든 소매업을 조사 대상 범위에 포함했지만 특히 코로나19 상황 속에서 전례 없는 도전에 직면한 두 가지 특정 하위 부문(식품, 의약품, 대량 판매(FDM)와 전문 판매)을 집중적으로 조사했으며 주요 연구 결과는 다음과 같습니다.

AI/ML을 통해 식품, 의약품, 대량 판매, 전문 판매 소매업체 전체적으로 상당한 가치를 창출할 수 있는 것으로 확인됨

이 연구에서는 식품, 의약품, 대량 판매, 전문 판매 소매업체 전반에서 75개의 사용 사례를 조사하여 AI/ML이 소매업체의 다양한 비즈니스 영역에서 가치를 창출하는 데 도움이 될 분야를 알아봤습니다.

식품, 의약품, 대량 판매 소매업체의 경우 AI/ML 기술의 채택이 가속화되면 가치 사슬 전체적으로 $2,800억~6,500억의 잠재적 가치 창출이 가능하다는 연구 결과가 나왔습니다. 전문 판매 소매업체 역시 2023년까지 $2,300억~5,200억의 잠재적 가치 창출이 예상됩니다. 한 자릿수 이익 마진을 기록하는 소매 업계에서 주요 업체들은 부쩍 AI/ML을 기본적인 투자 대상으로 인식하고 있습니다.

현저한 가치를 창출하는 몇몇 사용 사례

어떤 AI/ML 프로젝트를 시작할지 결정할 때 고려해야 할 사항은 많지만 데이터를 살펴본 결과 소매업체가 더 많은 가치를 창출할 이니셔티브를 선택할 분명한 기회가 있음이 드러났습니다. 다양한 방면의 소매업체에서 특히 눈에 띄는 사용 사례가 몇 가지 있었습니다.

식품, 의약품, 대량 판매 소매업체에서 상품기획, 매장 운영, 물류는 손익 계산에서 가장 큰 비용을 차지하는 부분입니다. 이 부분의 상위 10가지 사용 사례 중 비접촉 결제, 피커 라우팅, 자동화된 작업 발송, 선반 확인을 포함한 4가지 사례가 이 가치 사슬 영역에 속합니다. 이 부문의 소매업체가 AI/ML 기능을 활용하면 매장 및 유통 센터의 업무를 자동화하여 직원의 효율성 및 생산성을 높일 수 있습니다.

전문 판매 소매업체의 경우 가장 많은 가치를 창출하는 사용 사례는 상품기획 및 분류, 제품 수명 주기 관리, 물류(L&F) 부문이었습니다. 이러한 소매업체에서는 특히 상품기획 및 분류 관련 사용 사례가 상위 10가지 중 5가지를 차지했으며 분류, 재고, 가격 인하의 최적화를 통한 수요 계획 개선에 방점을 두고 있습니다. 상품기획팀에서는 비즈니스의 다양한 측면에서 얻은 데이터와 신호를 조합하고 AI/ML 기반 분석을 적용함으로써 기존 분석으로는 놓치기 쉬운 패턴을 발견하고 신제품 또는 수명 주기가 짧은 제품에 대해서도 세부적인 예측을 할 수 있습니다.

AI를 통한 비즈니스 혁신 자세히 알아보기

Google은 지난 10년간 AI 및 머신러닝 기술로 비즈니스 문제를 해결해 왔으며 그동안 쌓은 경험과 기술을 고객에게 선보일 수 있게 되어 기쁘게 생각합니다. Carrefour, Zulily, The Home Depot 등의 주요 소매업체에서 Google Cloud AI 및 머신러닝 제품을 사용해 비즈니스 혁신을 이루고 있습니다.

이 eBook에서 연구 결과를 자세히 살펴보고 고객 우수사례를 더 확인하거나 Zulily 관계자와의 대화가 담긴 최근 웹 세미나를 시청하세요.

2020년 쇼핑 성수기에 대비: 상황실을 가상 환경으로 전환

Thu, 03 Dec 2020 09:00:00 +0000

* 본 아티클의 원문은 2020년 10월 24일 Google Cloud 블로그(영문)에 게재되었습니다.

소매업이 전례 없는 상황에서 2020년 연휴 시즌을 준비하는 가운데 디지털을 우선시하는 것이 비단 쇼핑객만은 아닙니다. 기존의 소매업 상황실은 핵심 IT팀과 비즈니스팀이 한자리에 모여 시스템의 중단 없는 실행, 웹사이트의 비정상 종료 방지, 제품 재고의 유지를 논하던 거대한 단일 공간이었으나 코로나19로 인해 상황실도 다른 모습으로 변하고 있습니다.

직원들이 원격으로 근무하면서 다수의 소매업체가 2020년 연말에는 상황실을 거실, 소파, 차고, 주방에서 산발적으로 운영할 전망입니다. 이렇게 가시성이 높은 대규모 이벤트 유형을 100% 가상으로('원격으로' 또는 '디지털로'라고도 표현) 관리하는 것은 많은 소매업체가 처음 겪는 일입니다.

올해 많은 고객이 Google의 블랙 프라이데이 및 사이버 먼데이(BFCM) 고객 맞춤형 서비스를 이용하기로 결정했습니다. Google은 상황실을 100% 가상으로 운영하는 Macy’s, The Home Depot, Tokopedia 등의 선도적인 소매업체와 협력하고 있습니다.

가상 상황실의 구현은 사이트 트래픽 및 판매 증가에 발맞춰 신속하게 대처하고 1억 명이 넘는 월간 활성 사용자를 만족시키는 데 중요한 부분이었습니다. Tahir Hashmi
VP of Engineering (Technical Fellow) at Tokopedia

다행히 Google은 이러한 상황이 낯설지 않습니다. Google은 대규모 제품 출시, 사고 대응, 자체 블랙 프라이데이 및 사이버 먼데이 활동을 수행하며 수년 동안 가상 상황실을 운영해 왔습니다. 이 과정에서 블랙 프라이데이 및 사이버 먼데이와 장기간의 연휴 시즌에 가상 상황실을 준비, 실행, 평가하기 위한 지침을 마련했습니다. Google은 지난 몇 년 동안 그래왔듯이 고객이 응답성과 효율성을 극대화하여 중요한 성수기 이벤트에 대응하기를 바랍니다. 다음의 권장사항은 팀이 이번 시즌의 소비자 행동 불확실성과 그에 따른 시스템 수요를 파악하여 지속적인 업타임 및 탁월한 고객 환경을 제공하는 데 도움을 줄 수 있습니다.

1단계: 이벤트 준비

중요한 데이터 수집

이벤트 기간 중에 필요할 수 있는 모든 정보를 쉽게 사용할 수 있도록 하고, 명확하게 문서화하며, 상황실의 모든 구성원이 빠르게 액세스할 수 있도록 만들어 비즈니스에서 연중 최대 규모의 가장 중요한 이벤트를 관리하기 시작하세요. 팀원의 자리에 가서 궁금한 사항을 직접 물어볼 수 없기 때문에 커뮤니케이션으로 인해 지연이 발생할 가능성이 다분합니다.

커뮤니케이션

먼저 정상적인 이벤트 관리 중이든 비상 또는 사고 대응으로 전환할 때든 상관없이 사용할 정확한 커뮤니케이션 도구와 접근 방식을 정합니다. 그룹 및 팀 전체에서 일어나는 커뮤니케이션에 대한 기대(예: 채팅 채널, 회의 등)는 물론 직접 에스컬레이션 또는 설명이 필요한 경우 직원들이 일대일로 커뮤니케이션하는 방법을 명시합니다. 커뮤니케이션 기대는 이미 스트레스가 심한 상황에서 사고를 관리해야 하는 경우 등에도 혼란이 없도록 최대한 명확하고 간단해야 합니다. 예를 들어 '선택한 채팅 플랫폼의 서비스가 중단되면 어떤 조치를 취할 것인가?'와 같은 상황별로 백업 계획을 고려하세요.

한 가지 권장사항을 제시하자면 모든 커뮤니케이션에서 날짜 및 시간 형식을 표준화하라는 것입니다. 이는 팀원들이 여러 시간대에 분산되어 있는 경우 특히 중요합니다. 커뮤니케이션은 최대한 명확해야 하며 전달하는 이벤트를 설명할 때 혼란과 응답 지연이 발생하지 않도록 다음 대기자가 아닌 본인이 위치한 지역의 시간대로 표현한 것임을 분명히 해야 합니다.

커뮤니케이션에서 중요한 또 다른 구성요소는 구성원이 다른 사람에게 묻지 않고도 필요한 정보를 얻을 수 있도록 하는 것입니다. 이를 위해 이벤트와 관련된 시스템의 전반적인 상태를 제공하고 관련 모니터링이나 로깅 콘솔과 같은 추가 세부정보 링크를 제공하는 전용 상태 페이지 또는 Google 그룹을 사용하거나 만드는 것이 좋습니다. 무슨 일이 일어나고 있는지 알아야 하는 사람이 정보를 한눈에 보고 추가 커뮤니케이션이 필요하지 않도록 하기 위해서입니다. 여기에서 핵심 권장사항은 미리 정해진 일정에 따라 해당 페이지를 업데이트하는 알려진 소유자를 구체적으로 지정하는 것입니다.

기대

다음으로, 일반적인 상황과 비상 시 연락 방법을 모두 포함하여 직원 배치, 역할, 기대에 대한 명확한 정의가 마련되어 있어야 합니다. 이벤트에 참여할 팀원 목록과 필요한 경우 직접 연락을 받을 수 있는 방법(일반적으로 휴대전화 또는 무선 호출기)을 작성하세요. 순환 시스템을 사용하는 경우에는 이를 명확하게 문서화하고 이벤트 중에 정상적인 운영 및 에스컬레이션 전달을 처리하는 방식을 규정하는 계획을 작성합니다. 어느 경우에든 이벤트 발생 시 각 팀 또는 개인의 역할을 명시하고 일반적인 연락 방법이 아닌 비상 연락 방법을 사용해야 하는 시기를 분명히 해야 합니다. 아직 마련되어 있지 않다면 명확한 '에스컬레이션 체인' 문서를 작성하는 것이 매우 유용합니다. 문제가 발생할 경우 이 방법을 통해 적절한 수준의 주의를 기울일 수 있으며 이벤트가 진행되는 중에 직원들이 과중한 업무와 번아웃에 시달리는 상황을 방지하여 이벤트가 장기화되더라도 필요한 집중력을 유지할 수 있습니다.

또한 이 단계는 이벤트에 대한 예상 타임라인을 만들기에 알맞은 시간입니다. 이벤트가 시작되는 시기, 이벤트 중에 수행되는 활동, 이벤트가 종료되는 시기를 가능한 한 명확하게 문서로 작성하세요.

마지막으로, 만약을 대비해 일반적인 서비스 중단 모드에 대한 처리 계획을 수립하는 것이 좋습니다. 서비스 중단을 감지할 모니터링을 실시하고 있고 이와 같은 상황에 대한 대응 계획이 있는지 확인하세요. 예를 들어 적절한 담당자가 있고(예: 용량을 추가로 확보하기 위해 신속하게 자금 지출이 필요한 경우) 필요한 경우에 관련 의사결정을 신속하게 승인할 준비가 되어 있는지 확인합니다.

참여

과거에는 이러한 이벤트를 물리적인 전용 공간에서 실행하고 팀의 참여도를 유지하기 위해 음식, 엔터테인먼트나 기타 즐길 거리를 제공했을 것입니다. 가상 환경에서는 근무 시간에 직원들의 참여를 어떻게 계속 유지할 수 있을까요? 가상에서 이벤트를 진행할 때 깜짝 선물로 팀을 위한 기프트 카드나 선물 바구니를 보내면 사기를 높일 수 있습니다.

테스트 실행

준비 상태를 확인하는 가장 좋은 방법은 부하 상태에서 가상 프로세스가 작동하는 방식을 확인할 수 있는 시뮬레이션을 실행하는 것입니다. 이 방법은 문제가 발생할 경우 상황을 얼마나 효율적으로 해결할 수 있는지 가늠하고 발생 가능한 모든 상황을 처리하는 데 도움이 됩니다.

이러한 연습을 준비하려면 테스트하여 달성하려는 정확한 범위를 설정합니다. 가상 환경으로 전환된 상황실의 다양한 측면을 구체적으로 검토하려면 분산된 팀에서 정보를 교환하는 방법에 초점을 맞추면 됩니다. 일반적인 커뮤니케이션 및 에스컬레이션 상황에서 사용하여 기본 및 보조 커뮤니케이션 도구를 테스트해 보세요. 그러면 팀에 적절하고 쉽게 사용할 수 있도록 설정된 도구가 마련되어 있는지, 이벤트 전에 해결해야 할 사용성 또는 접근성 관련 문제가 있는지, 이벤트 중 커뮤니케이션 진행 방법에 대한 기대가 명확한지 여부를 판단하는 데 도움이 됩니다.

'정상적'인 작동 상황과 사고, 긴급 또는 에스컬레이션 상황 모두에서 이벤트 타임라인을 검증할 수 있는 연습을 실시하는 것이 좋습니다. 후자는 사고 관리 및 대응 기술을 연습하는 것이 목표인 불운의 바퀴 모의 연습(템플릿)으로 간주할 수 있습니다. 반면 전자의 경우 작성한 타임라인이 현실적인지, 기대가 명확하고 이해하기 쉬운지, 팀이 지정된 책임에 따라 행동할 수 있는지 여부를 확인하는 데 더 중점을 둡니다.

마지막으로 DiRT 스타일 또는 카오스 엔지니어링 방식을 사용하고 프로덕션 시스템에 실제 오류를 적용하는 '실시간' 테스트를 실행하거나 비프로덕션 환경에서 대규모 부하 테스트를 실행하여 이벤트를 준비할 수 있습니다. 어떤 경우든 테스트를 실제 이벤트에 대한 연습으로 간주하고 이전 섹션에서 수집한 모든 정보를 사용하여 대응하는 것이 좋습니다.

준비 및 테스트의 사후 분석

준비와 테스트가 완료되면 잘된 부분, 개선할 수 있는 부분, 상황실 프로세스 자체를 강화할 수 있는 방법을 평가합니다. 이 과정은 어떤 상황에서도 적응하고 이벤트를 계속 진행할 수 있는 능력을 확인하는 데 중요합니다. 하지만 올해의 이벤트 준비에 필요한 일에만 집중하지 말고 향후 이벤트에서 더 나은 위치에 있도록 장기적으로 개선할 수 있는 사항을 파악하는 것이 좋습니다.

테스트에서 얻은 정보를 사용하여 계획을 개선하고 발견된 문제를 최대한 신속하게 해결합니다. 이벤트까지 이어지는 엔지니어링 작업 계획에서 사후 분석 작업 항목의 우선순위를 지정하고 커뮤니케이션 및 정보 흐름 문제에 각별한 주의를 기울이세요. 이러한 문제는 팀이 이 이벤트를 원격으로 관리하는 데 지대한 영향을 미칠 수 있습니다.

2단계: 이벤트 중

이제 준비가 끝났으니 대형 이벤트를 맞을 시간입니다. 이미 광범위한 계획을 세웠으므로 일이 순조롭게 진행되도록 하는 것이 목표입니다. 그러나 원격 공동작업으로 인해 가상 상황실에 영향을 미치는 커뮤니케이션, 활동 로깅, 에스컬레이션 관리의 주요 차이점을 기억해야 합니다.

커뮤니케이션

가상 상황실에서 커뮤니케이션의 중요성은 아무리 강조해도 지나치지 않습니다. 준비에 대한 체계적인 접근이 마련되고 정해진 규칙을 준수한다면 서비스 중단을 해결하는 시간을 앞당길 수 있습니다.

이벤트가 진행되는 전 기간 동안 커뮤니케이션 전략의 핵심에 있는 단일 채팅방을 운영해야 합니다. 실제 서비스 중단이 발생하면 특정 문제에 초점을 맞춘 채팅방을 추가로 개설하도록 준비되어 있어야 합니다. 예를 들어 기술팀을 위한 전용 채팅방이 매우 유용하게 활용될 수 있습니다.

커뮤니케이션을 이끌 한 사람의 리더를 지정합니다. 대규모 서비스 중단이 발생하면 Google의 사고 관리 교육에 따라 커뮤니케이션 책임자를 지정해야 합니다. 이 책임자는 모두에게 질문을 받고 모든 발신 업데이트를 제공하여 나머지 팀원들이 각자의 역할에 집중할 수 있도록 지원합니다. 앞서 언급했듯이 커뮤니케이션 책임자는 무슨 일이 일어나고 있는지 누구나 한눈에 알 수 있도록 단일 이벤트 현재 상태 페이지를 지속적으로 업데이트할 수 있습니다.

마지막으로 업무 인계 과정에서 정보 전달에 특히 주의를 기울여야 합니다. 상태 페이지 및 로그가 최신 정보로 유지되면 간단한 일일 수도 있습니다. 하지만 특히 커뮤니케이션 책임자나 의사 결정권자와 같은 역할을 이양하는 경우에는 역할을 넘겨받는 당사자에게 항상 명시적인 확인을 받아야 합니다. 준비 단계에서 만든 연락처 목록은 가상 상황실에서 긴급 대기 예정인 모든 팀원을 반영해야 합니다. 인계하는 팀은 채팅방에 있는 상황실 구성원에게 대기를 앞둔 직원과 대체할 직원을 알리는 작업을 포함하여 인계 임무를 수행할 준비가 되어 있어야 합니다.

로깅

회고록 또는 사후 분석을 작성할 때는 이벤트 중에 발생한 일을 나중에 쉽게 재구성할 수 있도록 발생하는 모든 일을 기록하도록 합니다. 채팅방에 기록 기능이 켜져 있는지 확인하세요. 기록 담당자를 지명하되 모든 사람에게 취한 조치 및 이벤트와 관련해 발견한 사항을 기록으로 남길 것을 권장합니다. (이 경우 Google 설문지가 간단한 해결책이 될 수 있습니다. 단일 텍스트 필드로 최대한 간단한 양식을 설정하고 타임스탬프가 기록되는지 확인하세요. 모든 사람에게 정보를 입력하도록 권장합니다. 중복되는 항목은 나중에 삭제할 수 있습니다.)

상태 업데이트 주기를 설정하세요. 특별한 일이 없더라도 업데이트 사항을 계속 게시해야 합니다.

에스컬레이션

예상한 긴급 상황 및 예상하지 못한 긴급 상황 모두에 대처할 수 있는 방안을 마련하세요. 다음에 취해야 할 조치를 결정하는 전담 의사 결정권자 한 사람이 반드시 있어야 합니다. 단독으로 결정을 내리고 프로덕션을 변경할 권한이 있다고 생각하는 사람이 동시에 여러 명 존재하는 경우 상황이 악화되고 서비스 중단이 길어질 가능성이 훨씬 더 높습니다.

서비스 중단 처리는 대면이든 원격이든 본질적으로 숙달해야 하는 중요한 영역입니다. SRE 도서의 이슈 관리 장과 후속편인 SRE 워크북의 이슈 대응 장 등은 이슈 처리 방법에 대해 자세히 알아볼 수 있는 좋은 출발점이 될 수 있습니다.

3단계: 이벤트 후

이벤트가 종료되면 전체 프로세스에 대한 사후 분석을 수행해야 합니다. 잘된 부분, 잘못된 부분, 운이 따랐던 부분이라는 세 가지 섹션에 대해 정보를 수집하는 것이 좋습니다.

세 가지 섹션 모두에서 비난 없이 조사를 진행하는 것이 좋습니다. '누가 무엇을 했다'가 아닌 '무슨 일이 발생했다'와 같은 문장을 사용하세요. 감사 추적이 일어나도록 하려면 코드 또는 감사 로그 링크를 추가하면 되지만 이 문서의 목표는 누군가의 잘못을 지적하는 것이 아니라 시스템 문제와 성공을 강조하는 것입니다.

이 사후 분석의 주제는 가상 상황실 자체에 대한 세부정보에 중점을 두어야 합니다. 팀에서 이벤트에 관련된 문서(예: 백만 달러의 수익 달성)와 가상 상황실 운영에 관련된 문서로 두 가지의 사후 분석을 작성하는 것이 좋습니다. 세 가지 섹션을 작성할 때는 다음의 메시지도 고려해 보세요.

커뮤니케이션이 어떻게 진행되었는가? 무슨 일이 언제 일어났는지 모두가 알고 있었는가?
서비스 중단이 발생한 경우 정상적인 흐름을 따랐는가?
모두에게 올바른 권한이 있었는가?
언제 무엇을 해야 하는지 모두가 알고 있었는가?
대화는 다양한 매체에서 진행되었는가, 아니면 모두 한 공간에 진행되었는가?
공급업체와의 커뮤니케이션이 수월했는가?
상황실은 적절한 기간 동안 운영되었는가?
정상적인 운영에 적용할 만한 사항을 학습했는가?

이벤트 및 상황실에 관련된 모든 참여자에게 기여할 기회가 있는지 확인하되 소유자는 한 사람이어야 합니다. 참여자들이 댓글을 달아 확장된 후에는 전 직원이 가상 상황실 운영 방법을 배울 수 있도록 회사 전체를 대상으로 게시하세요.

사후 분석 작성에 대해 자세히 알아보려면 다음 리소스를 확인하세요.

위 접근 방법이 어렵게 보일 수도 있지만 올바른 방법론과 조직적 사고방식을 따르면 연휴 시즌에 좋은 성과를 거두는 동시에 대응력이 우수하고 안전한 가상 상황실의 기틀을 마련할 수 있습니다. Google Cloud팀이 언제든지 도와 드리겠습니다. 블랙 프라이데이 및 사이버 먼데이의 시작, 기타 예정된 이벤트 준비 또는 위험 관리를 위한 일반적인 권장사항에 대해 자세히 알아보려면 기술계정 관리자에게 문의하거나 Google Cloud 계정팀에 문의하세요.

^{이 블로그 게시물에 도움을 주신 Yuri Grinshteyn(Site Reliability Engineer/CRE), Nat Welch(Site Reliability Engineer/CRE), Ahsan Khan(Program Manager), Dan Tulovsky(Site Reliability Engineer/CRE), Fabian Elliott(Technical Account Manager)에게 감사의 말을 전합니다.}