안녕하세요! 저는 오늘의집 Search and Recommendation(이하 S&R) 팀에서 프로덕트 오너(PO)로 일하고 있는 제임스입니다. 오늘의집은 2023년 3월에 합류했어요. 이 블로그에서는, 왜 제가 오늘의집 S&R팀에 합류하게 됐는지, 또 오늘의집 S&R 프로덕트 팀 PO로서 어떤 일을 하는지에 대해 소개해 보겠습니다.
왜 오늘의집인가?
오늘의집에 합류하기 전에도 항상 데이터와 관련된 프로덕트를 기획해왔던 저는 오늘의집의 독특한 서비스 모델에 관심을 가지고 있었습니다. 오늘의집은 고객의 삶을 더 편리하고 풍요롭게 만들기 위해 콘텐츠와 커머스, 커뮤니티를 성공적으로 결합한 보기 드문 서비스이기 때문입니다. 인테리어를 위한 콘텐츠를 읽다 보면 자연스럽게 관련 상품을 발견할 수 있고, 상품을 둘러보는 중에도 콘텐츠를 통해 사용 사례를 확인할 수 있습니다. ‘이렇게 살아보고 싶다’는 꿈을 가지고 자신의 공간과 일상을 좋아하는 것들로 채우려는 유저들이 이룬 커뮤니티를 통해, 사용자들은 새로운 영감을 얻기도 하고 자신이 겪고 있는 문제에 대한 해답을 얻기도 합니다.
그래서 콘텐츠와 커머스, 커뮤니티라는 세 가지의 데이터를 기반으로 상호 간의 시너지를 만드는 오늘의집의 3C(Content-Community-Commerce) 모델과 그 3C 모델이 실제 고객에게 서비스되는 접점에 있는 S&R팀은 저에게 큰 매력으로 다가왔어요. 게다가 오늘의집이 데이터를 기반으로 목표를 설정하고 의사결정을 한다는 것을 알게 되어 오늘의집에 합류하기로 결정하였습니다.
오늘의집 유저의 더 나은 탐색 여정을 위해
S&R팀은 오늘의집만이 가진 독특한 3C 모델에 특화된 탐색 경험을 책임지고 있어요. 유저가 오늘의집을 방문하는 순간부터 모든 단계에서 검색이나 추천을 경험하고 있기 때문에 S&R팀은 오늘의집 탐색의 모든 단계에 대한 퀄리티를 책임지고 있다고 할 수 있습니다.
저는 그중에서도 Discovery Quality를 책임지고 있습니다. 요즘엔 유튜브나 인스타그램을 이용하는 분들이 많아 ‘알고리즘’이란 단어에 익숙하실 텐데요. 제가 담당하고 있는 Product를 조금 더 풀어 설명하자면, 오늘의집을 방문하는 모든 고객에게 각각 만족스러운 탐색 경험이 되는 ‘알고리즘’이라고 할 수 있습니다. 머신러닝(혹은 인공지능) 기술을 적극적으로 활용하여 저희가 만드는 알고리즘은 기본적으로,
- 콘텐츠와 상품의 특성을 자동으로 분류하고
- 데이터를 이용해 유저의 선호를 분석하며
- 유저에게 가장 잘 맞는 콘텐츠와 상품을 판단해 추천하건 검색 결과로 제공합니다
이렇게 데이터를 통해 유저 여정을 정교하게 분석함으로써, 유저가 '와, 이게 내가 원하던 거야!'하고 오늘의집 방문 목적을 성공적으로 이루어내도록 돕는 것이 저희의 역할입니다.
S&R팀의 PO는 어떤 일을 하나?
프로덕트 오너(PO)는 제품의 성공적인 기획, 실행, 런칭, 그리고 개선 전반을 책임지며 각 프로세스를 진두지휘하는 사람입니다. 저는 이 모든 과정에 대한 의사결정을 데이터를 기반으로 해야 한다고 생각하는데, 특히나 검색과 추천을 책임지는 PO라면 데이터에 ‘집착’ 수준의 data-driven decision making의 원칙이 필요하다고 생각합니다.
그래서 S&R PO는 유저에게 노출된 콘텐츠나 상품의 특성, 노출한 횟수나 위치, 각 상황에서 발생한 유저의 클릭이나 조회 등 모든 액션을 데이터화해 바라봅니다. 고객 액션 데이터를 수시로 모니터링할 뿐 아니라, 데이터를 기반으로 고객 문제를 정의하고, 가설을 세우고, 가설을 검증하는 방법도 데이터를 기반으로 정의합니다. 모든 기획과 디자인의 시작도, 과정도, 마무리도 데이터는 필수 요소입니다.
- 고객 문제 정의 : 고객 액션 데이터를 기반으로 문제 정의 및 검증 메트릭 정의
- A/B 테스트 중심의 접근 : 내재화된 A/B 테스트 플랫폼을 이용한 신속한 실험과 학습
- 결과 분석 : 유저 데이터 메트릭으로 결과 분석 및 의사결정
이런 문화 속에서 S&R PO는 끊임없이 새로운 모델을 개발하고, 실험을 통해 데이터를 쌓고 새로운 서비스를 검증해 나가며 유저의 경험 개선에 기여하고 있어요.
데이터와 실험으로 고도화
대표적인 예로, 최근 성공적으로 런칭한 ‘개인화 콘텐츠 추천 알고리즘 업데이트’ 사례에 대해 소개하고자 합니다. 오늘의집은 유저의 성별, 나이대, 콘텐츠의 토픽, 조회수, 유저의 콘텐츠 조회 이력과 같은 필수적인 피쳐들에 더해 자체적으로 파인튜닝한 멀티 모달 임베딩 모델을 이용해 콘텐츠의 텍스트와 이미지 피쳐 등을 조합해 콘텐츠를 추천하고 있습니다. 50여 개의 정보를 사용하고 추천이 이뤄지고 있는데, 방문자의 콘텐츠 전환율을 기반으로 현재의 알고리즘이 유저가 관심을 갖는 콘텐츠를 잘 추천해주고 있다는 것을 알 수 있었습니다.
그러나 콘텐츠 조회수에 비해 콘텐츠를 통한 상품 탐색과 구매로의 전환율이 낮다는 것을 데이터 분석가와의 분석을 통하여 알게 되었고, 콘텐츠를 통해 상품을 접하고 구매로 이어지는 연결고리가 약하다는 걸 확인했습니다. S&R팀의 중요한 역할 중 하나는 오늘의집 유저들이 자신의 취향에 맞는 콘텐츠를 발견하는 데 그치는 게 아니라 이를 통해 구매하고 싶은 상품을 발견하는 것입니다. 이를 통해 고객과 상품, 커뮤니티를 잇는 3C 플라이휠의 선순환을 발생시키는 게 목표입니다. 저는 유저의 상품 조회 이력을 콘텐츠 추천에 활용하면 콘텐츠 추천을 통해 구매 연결을 활성화할 수 있을 것이라는 가설을 세웠고, 기존 알고리즘에 유저의 상품 조회 이력을 새로운 피쳐로 추가해 콘텐츠 데이터와 유기적으로 연결한 새로운 모델을 개발하는 것이 필요하다고 판단하였습니다.
문제와 목표가 정해진 후 저는 정의된 문제와 데이터를 S&R 엔지니어링팀과 상의하여 상품 조회 이력을 기반으로 한 알고리즘을 추가하기로 결정하였고, 기획의 목표에 맞게 A/B 테스트의 성패를 판단할 지표를 포함해 실험 지면, 실험에 필요한 모수, 발생할 수 있는 잠재적 trade-off 등을 개발팀과 함께 논의하고 정의했습니다. 멋진 엔지니어분들과 함께 지속적이고 반복적으로 나오는 결과물들을 확인하고 개선하는 마법과 같은 과정을 통하여 저희는 유저가 콘텐츠를 탐색하는 과정에서, 본인의 관심사와 직접적으로 연결된 상품을 더 쉽게 발견할 수 있도록 하는 알고리즘을 만들 수 있었습니다.
- 문제 : 기존 콘텐츠 추천 알고리즘은 콘텐츠와 유저 사이의 관계를 중심으로 작동. 콘텐츠와 상품의 연결고리가 약함
- 목표 : 콘텐츠를 통해 상품 구매 전환 상승
- 실행 : 플랫폼에서 발생하는 콘텐츠 조회와 상품 구매 정보를 연결한 알고리즘 개선
- 결과 : 방문자의 콘텐츠 조회가 구매 전환율 상승으로 이어지는 성과
업데이트된 알고리즘을 기반으로 한 콘텐츠 조회를 통해 구매 전환율이 크게 상승했고, 콘텐츠를 통하여 고객의 구매 액션의 영향을 준 몇 안 되는 실험으로 기록될 수 있었습니다. 이 모든 것은 콘텐츠와 커머스, 커뮤니티를 성공적으로 결합한 오늘의집 3C 모델과 데이터를 기반으로 업무를 하는 오늘의집 문화가 있었기에 가능한 결과라고 생각해요.
압도적으로 좋다, 편리하다고 느낄 때까지
말로 정의하기 어렵지만 우리는 좋은 서비스가 어떤지 느끼고 있어요. 뭔가 모르게 더 편리하고, 내가 모르는 나의 취향도 기막히게 찾아주죠. 그러기에 더 자주 방문하고 싶고, 오랜 시간 머물러도 시간 가는 줄 모르게 되는 서비스, 오늘의집은 단순히 콘텐츠 소비나 상품 구매를 넘어 고객의 삶을 풍요롭게 변화시키는 여정을 함께하는 서비스를 추구합니다. S&R팀의 PO로서 저는 유저가 오늘의집을 압도적으로 좋다고, 또 편리하다고 느끼고, 그로 인해 더 자주 방문하고 시간 가는 줄 모르고 오늘의집을 사용하도록 하고 싶어요.
그리고 당신이 데이터를 사랑하고, 유저의 삶을 더 나아지게 할 아이디어를 가진 사람이라면 당신과 함께하고 싶습니다. :)
