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

서비스형 머신러닝(MLaaS) 시대의 기회와 도전과제

오늘날의 기업들은 막대한 양의 데이터를 다루며 그 규모 또한 그 어느 때보다 빠르게 성장하고 있다. 그와 동시에 시장경쟁 지형이 급격히 바뀜에 따라 신속하게 의사결정을 내리는 것이 이윤 추구를 목적으로 하는 조직들에게는 더욱 중요해졌다. 사업의 성공 여부가 활용 가능한 정보를 바탕으로 얼마나 신속하고 정확하게 의사결정을 내리느냐에 좌우된다.

머신러닝(ML)은 경쟁우위를 확보하려는 기업들에게는 반드시 필요한 기술이다. 막대한 양의 데이터를 빠른 속도로 처리할 수 있기 때문에, 브랜드가 소비자들에게 더 적합한 상품을 추천하거나, 제조 기업이 공정 과정을 개선하거나 혹은 시장 변화를 미리 예측하여 선제적으로 대응할 수 있도록 지원한다.

서비스형 머신러닝(Machine Learning as a Service, MLaaS)은 사업적인 맥락에서 고객에게 일관된 서비스를 지속적으로 제공할 ML 모델을 설계하고 구현하는 기업들로 정의될 수 있다. 특히, 고객의 수요와 행동이 빠르게 변하는 영역에서 큰 역할을 수행할 수 있는데, 2020년부터 이어지고 있는 코로나19 상황이 대표적인 예가 될 수 있다. 팬데믹의 영향으로 사람들이 쇼핑, 업무, 사회 활동을 하는 방식이 크게 바뀌었으며, 그 변화된 소비자들의 수요에 부응하기 위해 기업들은 빠르게 서비스 방식을 바꿔야 했다. 이는 기업들이 데이터를 수집하고 처리하는 데 사용하는 기술 또한 새로운 데이터 입력에 맞춰 유연하게 조정할 수 있어야 한다는 의미이다. 그래야만 기업이 최선의 의사결정을 민첩하게 내릴 수 있다.

ML 모델을 MLaaS로 전환하는 데는 해결해야 할 어려움이 하나 있다. 우리가 현재 ML 모델을 구축하고, 미래의 ML 인재들에게 이를 가르치는 방식과 관련된 문제이다. 현재 대다수의 ML 모델 연구 및 개발은 사전에 특징과 레이블이 부여된 일련의 훈련 데이터를 활용하는 개별 모델을 구축하여, 보통 테스트 데이터라고 부르는 다른 데이터 세트의 레이블을 가장 잘 예측하는 데 초점을 맞춘다. 그러나 계속해서 진화하는 실제 소비자의 수요에 부응하고자 하는 실제 기업들의 사례를 보면 훈련 데이터와 테스트 데이터의 경계가 점점 흐려지고 있다. 오늘 테스트 또는 예측을 위해 사용하는 데이터를 훈련 데이터로 활용하여 향후 더 나은 모델을 만들 수 있게 되는 것이다.

결과적으로, 모델 훈련에 사용되는 데이터는 몇 가지 이유로 불완전할 수밖에 없다. 현실의 데이터 소스가 불완전하거나 개방형 고객 설문조사처럼 비구조화될 수 있음은 물론이고 편향된 수집 절차에서 발생했을 수도 있다. 예를 들어 추천 모델 훈련에 사용될 데이터는 보통 현재 구동되고 있는 다른 온라인 추천 시스템의 피드백으로부터 수집한 결과에 토대를 두고 있어, 이 데이터는 해당 추천 서비스 모델에 의해 편향될 수 있다.
또한, 보통 가장 중요시하는 결과가 가장 평가하기 어렵다. 전자상거래 디지털 마케팅 분야를 예로 들어 생각해볼 수 있다. 가장 일반적인 소비자 여정은 ‘품목을 클릭하고, 열람하고, 장바구니에 담고, 구매하는 것’이다. 그러나 실제에서는 이 절차가 이렇게 단순한 경우는 거의 없다. 사람들은 같은 품목을 다양한 기기에서 여러 번 열람하거나, 장바구니에서 품목을 뺐다가 다시 넣기도 하고, 구매 자체를 갑자기 중단하기도 한다. 일반적으로 구매와 같이 퍼널(funnel), 즉 깔때기의 아랫단에서 일어나는 활동은 퍼널 상위 단계의 활동보다 유도하기가 훨씬 어렵다. 만약 MLaaS 모델이 클릭과 열람 수 등 단순한 지표에만 의존한다면 언제 마케팅 메시지를 보낼지 등의 추천 또한 최종 비즈니스 목적과 일치하지 않을 것이다.

마지막으로, 머신러닝 서비스를 제공하는 B2B AI 기업은 보통 수천 명, 또는 그 이상의 고객에게 여러 도메인에서 서비스를 제공해야 한다. 이는 최소한 수천 개의 모델이 온라인에서 지속적으로 구동되고 있음을 뜻한다. 게다가 이런 모델이 끊임없이 변화하는 사업 목적에 지속적으로 부응하기 위해서는 매일 다시 훈련되거나 업데이트되어서 진화하는 현실의 시나리오를 따라잡을 수 있어야 한다. 이 목표를 달성하려면 자동 훈련 파이프라인을 설계해야 하는 것은 물론이고 모델이 잘못된 로컬 최적 지점으로 수렴할 가능성을 0에 가깝게 만들어야 한다.

MLaaS 모델의 전반적인 안정성과 일관성을 보장하는 것이 중요하다. 분명 어려운 일이고 상당한 비용의 지속적 투자, 연구와 실험을 요하지만 그로써 기업이 얻는 보상은 막대하다. 변화하는 비즈니스 환경에 맞춰 선제적으로 대응하여 경쟁에서 앞서나갈 힘을 얻게 되기 때문이다. MLaaS 모델의 작동 원리, 효과, 도입의 어려운 점 등 관련 제반 여건을 현실적으로 따져보고 우리 기업에 적합한 형태로 활용할 수 있다면 급변하는 세계 시장에서 강력한 경쟁우위를 확보할 수 있을 것이다.

 

* 이 글은 동아닷컴에 게재된 애피어 최고 ML 과학자 슈드 린(Shou-de Lin) 박사의 기고입니다. 원 기사는 여기서 확인할 수 있습니다. 

애피어에 문의하세요!

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

다른 최신 포스트도 둘러보세요!

불확실한 경제 상황에서 마케팅 회복력을 높이기 위한 7단계 전략

경제 상황이 좋을 때는 기업이 번창하기도 쉽다. 반대로 상황이 나빠지면 기업은 진정한 시험대에 오르게 된다. 마케팅 회복력을 향상시킴으로써 현재의 혼란한 상황을 꿰뚫어보고 그 다음에 닥쳐올 그 어떤 최악의 상황에도 대처할 수 있다. 지금 세계는 2008년 금융위기 이후 최악의 글로벌 경기 침체 속에 빠져 있다. 만약 세계은행(World Bank)의 예측대로 올해 세계 경제가 5.2% 위축된다면, 실제로 2차 세계대전 이후 가장 깊은 불황이 될 것이다. 많은 기업들에게 이 시기를 잘 넘기고 나아가 사업을 성장시키는 일은 그 자체로 큰 도전이다. 따라서 비용 절감과 같은 당장 실행할 수 있는 전략을 우선 취한다. 그러나 기업의 장기적인 성공을 보장하기 위해서는 마케팅 회복력을 강화할 수 있는 방법에 대해 좀 더 전략적으로 생각해 볼 필요가 있다. 그러기 위해서는 우선 글로벌 경제 상황, 특히 우리 기업이 속한 업계의 상황을 정확하게 이해하고 그 이해를 토대로 전략을 세워야 한다. 또한, 고객들의 변화하는 요구사항을 파악하고, 그에 따라 달라질 잠재고객 구성비율을 가늠하고 그 모두에 즉각 대응해야 한다. 현재의 상황에서 핵심 역량을 강화하고 마케팅 회복력을 갖추는 데 아래의 7가지 조치가 도움이 될 수 있다. 1. 데이터에 집중하라 시장과 고객 모두가 어떻게 변화하고 있고, 그 변화에 어떻게 대응할 수 있을지 이해하려면 데이터가 핵심이다. 항공기 조종사가 기상 변화를 점검하고 항로를 정하는 것처럼 데이터를 토대로 현 상황에 대해 정확한 판단을 내려야 한다. 그렇지 않으면 눈을 가리고 비행하는 것과

인공지능(AI)을 통한 리마케팅 전략 극대화

전세계적으로 전자상거래 사이트의 평균 전환율이 2.6%에 불과하다는 것을 알고 있는 사람은 드물다. 이는 거꾸로 얘기하면 온라인 매출을 확대할 수 있는 잠재력이 무한함을 의미한다. 그런 잠재력을 실현해 성장을 이룰 수 있는 일반적인 방법은 리마케팅(remarketing)을 실행하는 것이다. 요즘은 인공지능(AI) 분야에서의 뛰어난 발전으로 머신 러닝(ML)과 같은 최신 기술을 활용하여 이전보다 훨씬 효율적인 리마케팅을 전개할 수 있다. 상현이 사이트를 둘러보고 장바구니에 신발 한 켤레를 담은 다음, 실제로는 아무것도 구매하지 않고 장바구니를 방치한다. 상현이 온라인 활동을 계속하는 동안 장바구니에 담아 두었던 그 신발을 홍보하는 광고가 따라 붙어 상현으로 하여금 해당 사이트로 돌아가 구매를 완료하도록 유도한다. 해당 광고에는 신발 구매에 사용할 수 있는 할인 혜택이 포함될 수도 있다. 고전적인 의미의 기존 리마케팅은 이런 식이다. 리마케팅은 관심을 보였지만 전환까지 완료하지 않는 잠재 고객에게 관련 마케팅 메시지를 다시 보냄으로써 구매 전환으로 이어질 수 있도록 유도할 목적으로 진행된다. 이미 제품에 관심을 보였고, 따라서 전환 가능성이 높은 사람들을 대상으로 하기 때문에 투자수익률(ROI)이 높은 편이다. 리마케팅을 진행할 때 그 채널로 광고만 사용되는 것은 아니다. 브랜드에서는 eDM이나 인앱 알림을 통해 쇼핑객의 재참여를 권유할 수 있다. 타겟이 명확하고 관련성이 높은 메시지일수록 리마케팅 전략이 효과를 낼 수 있다. 바로 이 부분에서 인공지능(AI)이 힘을 발휘한다.  인공지능 기반 타겟 고객 세분화로 리타겟팅 성능 향상 기존의 세분화 마케팅 전략에는 단점이 있다. 특히 구매자가 로그아웃 한 다음에는 구매자별 최적의

불확실한 시기일수록 데이터 기반 의사결정이 필수인 이유

비즈니스에서 데이터가 갖는 가치는 아무리 높게 평가해도 지나침이 없다. 지금과 같은 불확실성의 시기에는 더욱 그렇다. 한 때 브랜드가 수익성을 높이기 위해 가지고 있으면 좋은 것으로 여겨졌지만, 이제는 데이터를 활용하여 중요한 결정을 내리는 것이 비즈니스를 지속적으로 유지하는 데 반드시 필요한 것으로 널리 인식되고 있다. 새로운 표준(New Normal) 지금을 불확실한 시기라고 표현하는 것은 상황을 과소평가하는 것이다. IMF에 따르면, 전 세계적으로 코로나 바이러스와 관련한 불확실성의 수준은 2002-3년의 사스(SARS, 중증급성호흡기증후군) 유행 때보다 3배 이상 높고, 에볼라 바이러스 발발 때보다 약 20배 더 높다. 이로 인해 OECD는 글로벌 GDP 성장 추정치를 1.5%로 대폭 낮췄는데, 2019년 2.9%나 2020년에 대한 이전 추정치 3%의 절반에 해당하는 수치다. 코로나19는 또한 글로벌 생산 및 공급망에도 영향을 미치고 있다. 세계무역기구(WTO)는 2020년의 글로벌 무역 거래량이 2019년 대비 13에서 32%까지 감소할 수 있다고 예측했다. 당연히 소비자 신뢰도 타격을 받았다. 맥킨지(McKinsey)는 경제가 회복될 수 있을 것이라는 확신은 지역에 따라 크게 차이가 있지만, 소비자 지출이 생활 필수품과 더 저렴한 품목 구매에 집중되고 있다고 밝혔다. 이처럼 전례 없는 상황에서 많은 비즈니스 관련 인사이트가 쓸모 없어지고 있기 때문에, 데이터를 활용하여 현재 상황을 정확히 진단하는 것이 그 무엇보다 중요하다. 데이터 기반 접근 방식으로 큰 이점을 얻을 수 있는 비즈니스 영역   데이터 사용 방법을 이해하면 비즈니스의 다양한 측면에 긍정적인 영향을 미칠 수 있다. 가령 예측 애널리틱스는 과거의 데이터, 트렌드 및 추세를

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다