고객 구매패턴 읽고 맞춤형 상품 제안…‘그래프 DB’ 주목

최근 서비스 및 유통업계의 화두는 실시간 추천서비스다. 과거 실시간 추천서비스는 추천 대상을 순위별로 나열하는 랭킹시스템에 불과했다. 이는 시스템의 성능상 대규모 추천서비스를 유지·관리하기 어려웠기 때문이다.

이에 그래프 데이터베이스 개척자인 에밀 이프렘 Neo4j(네오포제이) CEO는 차세대 추천기법을 완성하기 위해서는 AI 및 네이티브 그래프와 관련 사례를 들여다 볼 필요가 있다고 말했다.

현재 아마존과 넷플릭스는 '손님과 같이 본 상품을 구입한 고객이 구입했던 상품', '본 상품을 보았던 고객이 눈여겨본 제품' 등 고객 맞춤형 제품 및 서비스에 대한 추천을 제공함으로써 고객 비즈니스 창출에 대한 가치를 보여줬다. 

하지만 디지털 세상에서 생존하려면 점점 더 까다로워지는 고객의 니즈에 걸맞은 맞춤형 제품 및 서비스 추천기법이 필요하다. 

두 회사가 제공하고 있는 형태의 추천기법은 기본적인 서비스만을 제공해 자칫 소비자의 관심에서 멀어질 수 있다. 디지털 소비자는 개인의 선호도, 역사, 관심사 및 사회적 맥락을 토대로 한 개인적인 제품 및 서비스를 기대하기 때문이다. 

고객의 기대를 충족시키기 위해서는 구매자가 진정으로 찾고자 하는 것을 파악하고 기억할 수 있는 추천 시스템을 제공해야 한다. 이러한 작업수행을 위해서는 AI (Artificial Intelligence) 및 데이터 기반 실시간 스마트 소프트웨어가 필요하다.

eBay의 AI 기반 ShopBot을 예로 들면 온라인 유통업계의 거물은 그래프 데이터베이스를 통해 텍스트, 음성, 사진 검색기능으로 사용자와 대화하는 개인 쇼핑 봇을 만들었다. 

이 응용 프로그램은 구매자의 문자, 그림, 음성을 파악해 고객의 유형, 스타일, 브랜드, 예산, 크기 등 구매자가 진정으로 원하는 항목을 찾아낸다.

eBay의 최고제품책임자(Chief Product Officer)는 기존의 제품 검색 및 추천용 엔진이 쇼핑을 제안하는 과정에서 문맥 정보를 제공하거나 추론할 수 없었기 때문에 그래프 소프트웨어로 전환했다고 밝혔다.

쇼핑에 대한 정보를 재검토하고 반영하는 것은 쇼핑이 필요 이상으로 어려워질 수 있지만, eBay의 실시간 추천엔진은 구매자가 제공한 문맥상의 언어를 이해하고 학습해 특정 제품에 대한 권유 활동을 신속하게 처리한다.

eBay 및 기타 추천 엔진개발자는 전체제품 카탈로그의 내용과 구매자와의 과거 거래내용을 저장, 기억 및 학습할 수 있도록 온라인 실시간 저장 장치를 제공하는 것을 목표로 하고 있다.

AI를 활용해 시장이 원하는 차세대 정교한 추천기법(고객을 만족시키면서 매출을 높일 수 있는 추천기법)을 완성하려면 순수 그래프데이터베이스의 적용이 가장 효과적이다.

Neo4j는 탁월한 쓰기 및 읽기 성능을 제공해 사용자 요청에 매우 민첩하게 응대한다.

2000년 설립된 그래프 데이터베이스 솔루션 글로벌 1위 Neo4j는 기업들이 새로운 제품과 서비스를 창출하기 위한 보다 진보된 데이터 관계를 전면적으로 구현함으로써 기존의 정보를 재해석 할 수 있도록 지원한다. 또한 고객의 보다 빠르고 지능적이며, 혁신적인 비즈니스를 위해 그 한계를 뛰어넘을 수 있는 기술을 제공한다.