Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드

인공지능(AI) 모델은 사람보다 빠르게 의사결정 및 예측을 수행할 수 있다. 사람보다 빨리 의사결정을 내리고 예측을 수행하려면 먼저 데이터로부터 학습을 해야 하고, 이 데이터 학습을 수행하는 두 가지 주요 방식이 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)이다.

 

비지도 학습이란 무엇인가?

비지도 학습은 학습 알고리즘에 결과물이라고 할 수 있는 출력을 미리 제공하지 않고 인공지능(AI)이 입력 세트에서 패턴과 상관관계를 찾아내야 하는 머신러닝 알고리즘이다. 예를 들면, 새로 출시할 상품 유형에 맞는 타겟 시장을 정의하려고 할 때 필요한 기술이다.

비지도 학습은 데이터 자체가 부족하거나 훈련 데이터를 수집하기에는 비용이 너무 높은 등의 이유로 출력에 대해 알 수 없거나 활용할 수 없을 때 주로 사용된다.

AI를 어린 아이라고 가정할 때, 지도 학습은 색깔, 숫자 또는 어휘와 같이 인간이 이미 알고 있는 것을 아이에게 가르치는 것과 같다. 비지도 학습은 아이가 스스로 문제를 풀고 추론할 수 있도록 내버려두는 방식이라고 할 수 있다. 보통 아이가 상상을 통한 놀이 또는 글쓰기와 그림 그리기 등의 창의적인 활동을 하면서 스스로 배우도록 한다.

지도 학습과 비교했을 때 비지도 학습은 다음과 같은 특징이 있다:

  • · 레이블이 지정되지 않은 데이터를 처리한다
  • · 사용자가 보다 복잡한 처리 작업을 수행할 수 있도록 한다
  • · 더 예측이 어렵다
  • · 데이터의 근본 구조를 발견하는 데 사용할 수 있다
  • · 실시간으로 발생한다

 

비지도 학습 알고리즘의 일반 유형

클러스터링 알고리즘(Clustering algorithms)

클러스터링 알고리즘(clustering algorithms), 즉 군집화 알고리즘은 분류되지 않은 데이터에서 구조나 패턴을 찾는 데 도움을 준다. 어린이들이 좋아하는 볼풀을 미가공 데이터라고 한다면, 클러스터링 알고리즘은 모든 파란색 공을 하나의 클러스터 또는 그룹으로, 빨간색 공을 그와 다른 클러스터로 정렬하는 것과 같은 작업을 수행할 수 있다.

운영자인 사람이 알고리즘이 식별해야 할 클러스터 수를 지정 또는 수정할 수 있으며, 이를 통해 그룹들을 어디까지 세분화할 것인지 보다 쉽게 제어할 수 있다.

하지만 클러스터링 알고리즘에는 단점이 있다. 그룹 간의 유사성을 과대평가할 수 있고 각 데이터 포인트를 개별적으로 다루지 못한다. 예를 들어, 볼풀에 있는 빨간색 공들의 크기 차이가 굉장히 크더라도 알고리즘은 모두 같은 그룹으로 분류한다. 따라서 각 데이터 포인트의 개별성에 초점을 맞춰야 하는 고객 세분화 및 타겟팅과 같은 애플리케이션에 클러스터링 알고리즘을 사용할 경우 주의해야 한다.

변칙 또는 이상 감지 모델(Anomaly detection)

변칙 감지(anomaly detection) 알고리즘은 데이터 세트에서 변칙적인 것이나 이례적인 것을 자동으로 감지하고 알려준다. 사기성 거래, 하드웨어 결함 또는 사람의 실수로 인한 잘못된 데이터 포인트를 발견하는 데 유용하다.

잠재 변수 모델(Latent variable models)

데이터가 엄청나게 복잡한 경우에는 데이터를 통한 학습이 어려울 수 있다. 우선, ‘불량(noisy)’ 데이터를 제거하여 단순화함으로써 학습을 용이하게 하고, 데이터에서 의미 있는 인사이트를 찾을 수 있다. 잠재 변수 모델(latent variable model)은 전처리 단계에서 큰 도움이 된다. 차원 축소(dimensionality reduction)로 알려진 기법을 통해 데이터 세트에서 그 특징의 수를 줄이거나 데이터 세트를 여러 구성요소로 분할함으로써 데이터를 단순화시키는 데 기여한다.

 

마케팅에서 비지도 학습 활용

1. 고객 행동 예측

사람의 행동은 대체로 예측이 어렵다. 불완전한 데이터를 가지고 효과적인 마케팅 전략을 수립해야 하는 어려운 게임이다. 이처럼 불완전한 데이터 세트만 있을 때 비지도 학습은 공백을 채워 줌으로써 큰 ​​도움이 될 수 있다. 예를 들어, 어떤 웹사이트 페이지의 이탈률과 전환율이 모두 높게 나타난다고 하자. 비지도 학습은 알고리즘이 찾아내도록 훈련시킨 하나의 정답에 의존하지 않고, 데이터를 분석하고 그 안에 숨겨진 통계와 정보를 발견함으로써 이 페이지가 고객들로부터 그렇게 극단적인 반응을 이끌어내는 이유를 파악하는 데 도움을 준다. 비지도 학습은 데이터 내에서 무엇이 고객들의 특이한 행동을 유발하는지 밝혀줄 특정 추세를 파악할 수 있다.

2. 고객 세분화

비지도 학습은 타겟 고객 세분화에도 유용하다. 잠재고객을 여러 세그먼트로 나누어 더 가치 있는 그룹에 우선순위를 둘 수 있도록 한다. 크게 네 가지 유형의 요소를 기반으로 고객을 분류할 수 있다:

  • · 인구통계 특성(나이, 성별)
  • · 지리적 특성(위치)
  • · 심리적 특성(태도, 열망)
  • · 행동 특성(사이트 내에서 수행하는 작업 및 외부 관심사)
  • · 실시간으로 발생한다

비지도 모델을 활용하면 고객의 평생가치(LTV) 또는 전환 확률과 같은 지표를 토대로 고객 기반을 세분화하는 데 도움된다. 이런 지표를 토대로 세그먼트를 분류한 다음에는 달성하고자 하는 비즈니스 목표에 따라 우선순위를 정하여 그 그룹에 마케팅 노력을 집중할 수 있다.

3. 닮은꼴 고객 찾기

비지도 AI 모델은 기업이 이미 보유하고 있는 고가치 고객과 매우 유사한 특징을 보이는 잠재고객을 찾는 데에도 사용할 수 있다. 예를 들면, 스킨케어 브랜드는 세럼을 구매했거나 샘플을 받기 위해 등록한 모든 고객들로부터 수집된 데이터를 활용할 수 있다. 비지도 모델을 사용하여 이미 파악하고 있는 기존 고객들과 유사한 특징을 보이는 다른 고객 그룹을 찾아내어 관련성 있는 마케팅 자료로 공략할 수 있다.

AI가 고객의 습관, 행동 및 성향에 대해 이 정도로 깊이 있는 인사이트를 생성해주기 때문에 고도로 개인화되고 타겟 맞춤화된 마케팅 활동으로 해당 고객 그룹의 참여율을 크게 높일 수 있다.

 

* 비지도 학습 AI 알고리즘이 정확한 예측과 마케팅 의사결정을 내리는 원리와 이를 광고에 적용하는 방법을 자세히 알아보고자 하시면, 관련 백서 ‘지도 학습에서 비지도 학습으로: AI 재구성하는 광고참고하시기 바랍니다. 구체적인 설명이나 컨설팅이 필요하시면 문의남겨주세요!

 

 

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

인공지능 기반 통합고객관점(SCV)을 통한 역동적 개인맞춤화 구현

오늘날 마케터들의 목표는 단순히 고객의 수를 늘리는 데 있지 않다. 고객 참여를 강화하고 유지해 갈 수 있는 역량을 향상시켜 고객 전생애가치(Life Time Value)를 높이는 데 더 많은 시간과 노력을 할애한다. 인공지능 기반 솔루션은 초개인화(hyper-personalization)와 여러 기기에 걸친 사용자 경험을 원활하게 통합함으로써 마케터들이 이러한 새로운 목표를 달성하도록 지원한다. 이전 블로그 포스트에서 개인화 마케팅으로 전환율을 높이는 방법에 대해 살펴보았다. 온라인 비즈니스의 경우 개인화는 사용자 경험과 매출 신장의 근간이 된다. 그러나 시장조사기관 이마케터(eMarketer)가 실시한 설문조사에 따르면 의사결정권자의 91%가 회사 차원에서 개인화 역량을 보강할 필요가 있음을 인정하고 있다. 대부분의 기업은 마케팅 캠페인과 관련하여 진정한 의미의 개인화를 구현하지 못하고 있다. 그 이유는 개인화의 성공을 위한 필수 요소, 즉 통합고객관점(single customer view, SCV)이 부족하기 때문이다. SCV 개발에 있어 마케팅 자동화 툴이 가진 한계 간단히 말하면 SCV는 다양한 마케팅 및 고객서비스 채널에서 수집한 고객 데이터를 한 곳으로 통합하여 고객에 대한 완전하고 종합적인 가시성을 제공한다. 이를 통해, 보다 정밀하게 타겟팅하고 그 고객을 대상으로 개인맞춤 메시지를 전달함으로써 고객의 관심도, 참여도, 구매 전환율을 높일 수 있도록 지원한다. 그러나 이를 실제로 구현하는 것은 말처럼 쉽지 않다. 아시아태평양 지역 내 많은 기업들이 SCV를 통한 효과적인 개인화를 구현하는 데 많은 어려움을 겪고 있는 것이 사실이다. 고객들이 다양한 기기를 사용하여 검색, 평가, 구매 활동을 실행하고 따라서 고객과 접촉하는 터치포인트의 수가 점점 늘어남에 따라, 기업들도

인공지능(AI)을 통한 고객중심 금융 서비스 구현

금융 서비스 업계에도 디지털 전환이 가속화되고 있다. 은행, 투자, 보험 등으로 대표되는 금융 업계는 전통적으로 변화에 대응하는 속도가 느린 편임에도, 디지털 상품 플랫폼 구축에서부터 챗봇을 활용한 고객 서비스 응대에 이르기까지 발빠르게 움직이고 있다. 업계에서는 아태지역 핀테크 시장 규모가 2020년 미화 720억 달러에 달할 것으로 전망하고 있다. 그러나 조직의 태생에 따라 바이두(Baidu), 텐센트(Tencent), 그랩(Grab)과 같이 처음부터 디지털 기반 서비스로 시작하여 시장의 판도를 바꿀 정도로 영향력이 급성장한 신흥 강자들과 전통적인 방식으로 서비스를 제공해오던 기존 금융 기업들은 서로 다른 접근 방식을 취하고 있다. 디지털에서 태어나 시장 교란자로까지 불리고 있는 신흥 강자들이 잘 하는 것은 상품 중심의 시스템이 아닌 아닌 고객 최우선 시스템을 구축하는 능력이다. 전통적인 의미의 금융 서비스 기업들이 각종 서비스 신청서에서부터 많은 금융 거래에 이르기까지 나름대로 많은 데이터를 확보하고 있는 데 반해, 신흥 강자들은 다양한 디지털 터치포인트에서 확보한 고객 데이터를 기반으로 고객의 관심사 및 행동에 대한 완전한 고객 프로필을 구성할 수 있는 정도에 도달해 있다. 이는 한층 개인화된 고객 경험을 제공해야 하는 현재의 새로운 마케팅 패러다임에 더 적합하다고 할 수 있다. 사람들은 금융 서비스, 즉 돈과 관련된 사안에서는 기꺼이 제반 사항을 모두 알아보고 정보 기반 결정을 내리고자 노력하며, 내용과 시기 면에서 적합할 뿐만 아니라 신뢰할 수 있고 쉽게 접근 가능한 형태의 정보를 제공하는 것이 관건이다. 최신 기술을 활용한 마케팅으로 일정 부분 도움을

AI 중심 기업이 되려면 무엇이 필요한가?

인공지능(AI)에는 비즈니스를 성장시킬 수 있는 엄청난 잠재력이 있다. 업무를 자동화하고 빅데이터의 힘을 활용하여 혁신과 통찰, 의사결정을 향상시킬 수 있는 능력이 있다. 기업이 이와 같은 인공지능의 힘을 이용해서 많은 결실을 거둘 수 있기 위해서는 어떻게 해야할까? 모든 업무의 핵심에 AI를 두는 AI 중심 기업이 되어야 한다. 어디서부터 어떻게 시작해야할지 모르겠다면, 아래 내용이 도움될 것이다. AI 중심 기업이 무엇을 의미하는지, 어떻게 착수할 수 있는지, 어떤 어려움이 있고 그것을 극복할 방법은 무엇인지 등 정확히 설명해줄 것이다. 시리(Siri)야, 비즈니스 제국을 건설해줘: AI가 기업을 위해 할 수 있는 것 대부분의 사람들은 Apple의 시리(Siri)나 Amazon의 알렉사(Alexa) 같은 개인비서로서의 소비자 용도를 통해 인공지능(AI)을 알고 있을 것이다. 그렇다면 어떻게 같은 기술이 기업의 목표 달성을 도울 수 있는가? 즉, AI 중심 기업이란 정확히 무엇인가? 애피어(Appier)의 엔터프라이즈 AI 부문 부사장 찰스 응(Charles Ng) 박사는 “AI 중심 기업은 데이터와 AI 기술을 지속적으로 활용하여 사업을 성장시키고 개선하는 기업이다. 이를 위해서는 탄탄한 데이터 인프라, 데이터 기반 의사결정 마인드와 실험 정신이 요구된다”고 설명한다. AI는 생산성 향상, 오류 최소화에서 인력 자원의 창의력 확보, 새로운 시장 진출, 기업 내부 운영 최적화에 이르기까지 사실상 경영의 모든 측면에 도움을 줄 수 있다. AI를 잘 알고 있는 사람들은 이미 그 혜택을 보고 있다. 워크마켓(WorkMarket)의 2020 인사이트 보고서, AI와 자동화가 실제 업무에 미치는 영향(What AI & Automation Really Mean for

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다