AWS를 사용하여 혁신적인 고객 경험을 창출하는 Zappos

신뢰할 수 있는 전자상거래 브랜드를 구축하려면 고객 경험 혁신에 중점을 두어야 합니다. 특히 의류 부문에서는 전통적으로 직접 착용해보는 소매 경험이 고객이 원하는 기대치의 기준이 되어 왔습니다. Zappos의 기계 학습 연구 및 플랫폼 책임자인 Ameen Kazerouni는 다음과 같이 말합니다. "전자상거래의 핵심은 고객이 마치 오프라인 상점에 있는 것처럼 편안하게 느낄 수 있도록 하는 것입니다. 실제 착용해본 것처럼 몸에 잘 맞는지, 잘 어울리는지 등에 대한 자신감을 줄 수 있어야 해요."

디지털 상점에서 이러한 종류의 개인 경험을 만들어내기란 절대 쉽지 않습니다. 이 어려운 과제를 해결한 회사가 바로 Zappos입니다. 1999년에 설립된 Zappos.com은 손꼽히는 온라인 의류 소매 업체로서 선도적으로 365일 반품 정책, 신속한 무료 배송, 연중무휴 서비스를 도입한 것으로 유명합니다. Zappos는 2009년부터 Amazon의 자회사입니다.

이 회사는 Amazon Web Services(AWS)에 구축된 분석 및 기계 학습을 사용하여 전자상거래의 고객 경험을 눈에 띄게 개선했습니다. 이 솔루션을 통해 Zappos는 매우 유동적이고 대응력 있는 사용자 경험을 유지하면서도 사용자 개개인별로 사이즈 선택과 검색 결과를 개인화할 수 있게 되었습니다.

Zappos는 가장 효율적인 쇼핑 경험을 제공하려면 정확한 추천이 핵심이라는 점을 알고 있습니다. 회사가 관대한 반품 정책과 빠른 무료 배송으로 고객을 안심시킬 수는 있지만, 이러한 서비스는 비용도 많이 들고 차별화된 강점으로 다가오지도 않습니다.

Kazerouni는 다음과 같이 말합니다. "우리는 항상 스스로에게 묻습니다. 어떻게 더 차별화할 수 있을까? 고객 경험에 부정적인 영향을 미치지 않으면서 어떻게 반품률을 최적화할 수 있을까? 그리고 이러한 문제를 AWS의 기계 학습 및 분석 기능을 사용하여 해결하기로 했습니다.”

고객 여정 중 검색 단계에서 런타임 시 개인화된 추천 검색어를 제공하여 검색 관련성을 높이는 것을 목표로 잡았습니다. Zappos는 일반적인 검색 알고리즘을 사용하지 않고, 고객을 개별적으로 이해하여 입력된 단어에 대해 고유한 검색 결과를 제공하고자 했습니다. (또한 이러한 수준의 개인화를 원하지 않는 고객에게는 선택 해제 단추가 표시됩니다.)

그렇다고 검색 성능에 영향을 미쳐서는 안 됩니다. Kazerouni는 “추가 작업에 걸리는 시간을 최소화해야 했습니다. 따라서 고성능 캐싱, 특정 결과에 대한 전략적인 사전 계산, 그리고 여러 가지 간단한 모델을 사용하는 조합 기반 기계 학습 접근 방식을 결합해서 사용하고 있습니다."라고 말합니다.

데이터 파이프라인은 처리를 위해 관련 이벤트를 수집 API로 전송하는 경량 클라이언트에서 시작합니다. API는 대량의 데이터를 처리하기 위해 Auto Scaling 그룹에 있습니다. 데이터를 API에서 Amazon Data Firehose로 전송하여, 기계 학습 연구에 적합한 고성능 데이터 액세스를 제공하는 Amazon Redshift 데이터 웨어하우스가 처리할 수 있도록 합니다. Amazon Simple Storage Service(S3)는 Amazon Data Firehose와 Amazon Redshift 간의 중간자 역할을 합니다.

Zappos는 모델을 훈련하고 실행하는 데 여러 가지 기술을 사용합니다. 고객 의류 사이즈 예측에는 Amazon SageMaker를 사용합니다. 예측 결과는 캐시된 후 마이크로서비스 API를 통해 런타임 시 노출되어 추천 검색어로 사용됩니다. Zappos가 Amazon EMR을 사용하여 빅 데이터 분석을 실행하는 비용은 기존 온프레미스 클러스터 비용에 비해 현저히 적습니다. Amazon Elastic Compute Cloud(Amazon EC2)에서 GPU(Graphical Processing Unit)를 사용하여 모델을 실행하기도 합니다.

이 회사는 두 가지 서로 다른 서비스를 사용하여 사전 계산된 예측을 초고속으로 조회할 수 있습니다. Amazon DynamoDB는 런타임 시 액세스할 사전 계산 결과를 저장합니다. DynamoDB는 거의 모든 규모에서 10밀리초 미만의 성능을 제공하는 완전관리형 키-값 및 문서 데이터베이스입니다. 하루에 10조 개 이상의 요청을 처리할 수 있고, 피크 시에도 초당 2,000만 개 이상의 요청을 처리할 수 있습니다. Zappos는 응답 시간을 더 빠르게 하기 위해 인 메모리 데이터 스토어인 Amazon ElastiCache for Redis를 캐시 계층으로 활용합니다. 이 서비스는 요청 시 지연 시간을 1밀리초 미만으로 보장합니다.

모델을 실행하고 결과를 통합하는 마이크로서비스는 Auto Scaling 그룹에 정렬된 Amazon EC2 인스턴스에서 위치 기반 로드 밸런서와 함께 실행됩니다. Zappos는 Amazon Route 53을 DNS(Domain Name System)로 사용하여 솔루션 전체에서 트래픽을 라우팅합니다.

전통적인 개발 및 배포 방법으로 이렇게 뒤얽힌 아키텍처를 만들고 유지 관리하는 것은 엄청나게 복잡합니다. 대신, Zappos는 AWS CloudFormation을 사용하여 인프라를 코드로 운영합니다. Kazerouni는 “솔루션의 모든 부분은 AWS CloudFormation 템플릿으로 표현됩니다. 변경하려면 템플릿을 조금 조정하면 됩니다. 서비스가 Redis와 통신하는 방식을 수정할 필요가 있을 때, 변경 사항을 수동으로 반복하는 대신 템플릿을 변경하고 전 영역에 배포합니다."라고 이야기합니다.

그는 AWS 서비스의 풍성한 성능 없이는 팀의 요청에 따라 솔루션을 구축하는 것이 불가능했을 것이라며 다음과 같이 말합니다. “AWS 서비스를 빌딩 블록으로 사용하면 엔지니어가 DevOps 오버헤드 부담을 덜고 성능 및 결과 개선에 집중할 수 있습니다.”

Zappos는 99%의 검색이 48밀리초 이내에 완료되게 함으로써 지연 증가를 거의 감지할 수 없는 향상된 검색 성능을 고객들에게 제공했습니다. 또한 유사한 아키텍처를 사용하여 간단한 맞춤 설문 조사 및 과거 구매 이력을 기반으로 개인화된 사이즈 추천 기능도 크게 개선했습니다. 그 결과, 검색의 반복과 제품의 반품을 모두 줄일 수 있었습니다. 검색 후 제품 클릭률도 높일 수 있었으며, 고객이 선택한 상품이 검색 결과 상위에 노출되도록 만들었습니다.

Kazerouni는 이렇게 말합니다. “우리는 신발과 의류를 판매하는 고객 서비스 회사라고 생각합니다. 서비스를 개선하는 모든 작업은 비즈니스 실적 개선과 직결됩니다. AWS를 사용하여 고객 경험을 더욱 빠르게 혁신할 수 있었습니다.”

자세한 내용을 보려면 aws.amazon.com/big-data/datalakes-and-analytics를 방문하세요.