[중앙뉴스= 이광재 기자] 이커머스 마케팅 플랫폼 기업 스토어링크가 카이스트(KAIST) 뇌역공학과 영상연구실(BREIL, Brain Reverse Engineering and Imaging Laboratory)과 협력을 통해 ‘리뷰 데이터 기반 소구점 분석’ 기술을 개발했다고 22일 밝혔다.

‘리뷰 데이터 기반 소구점 분석’은 딥뉴럴 네트워크를 적용, 상품의 소구점을 자연어 데이터에 기반해 특정하는 기술이다. 평점, 가격, 퀄리티, 성분, 특성 등 제품 관련 정보와 소비자 연령 및 성별, 가격, 결제 시점 등의 구매 데이터를 자동으로 수집·분석해 인사이트를 도출하는데 활용된다.

다양한 소구점을 중요도에 따라 확인할 수 있도록 지원하는 것도 주요 특징이다. 분석 범위는 네이버쇼핑, 쿠팡, 옥션, 11번가 등 100여개 오픈마켓에 등록된 제품 리뷰 데이터를 비롯해 커뮤니티, 블로그, 카페 등 각종 웹페이지 내 상품 관련 게시물이다.

신규 기술은 자동화된 시스템을 기반으로 제품 마케팅 효율성을 극대화한다. ‘리뷰 데이터 기반 소구점 분석’ 기술 활용 시 100만개 이상 리뷰 데이터를 종합해 구매 의사 결정 요인과 제품의 장단점 등을 항목과 시기별로 분류 및 추출하는 과정을 약 1시간 이내에 완료할 수 있다. 일반적으로 제품 기획자가 수동으로 업무를 추진하는 경우 하나의 상품 소구점 분석 업무를 위해 오픈마켓 데이터를 수집 및 정제하는 기간만 길게는 2주까지 소요된다.

스토어링크는 뇌과학 및 AI 분야 전문가 카이스트 김대식 교수가 이끄는 BREIL팀과 지난해 11월부터 약 1년여간 협력을 진행했다. 양측의 협업은 데이터를 기반으로 마케팅 분야의 과학적인 의사결정을 지원하고 업무 효율성을 제고하는 차세대 기술 개발 필요성에 대한 공감대를 바탕으로 성사됐다.

‘리뷰 데이터 기반 소구점 분석’ 시스템에는 제품 정보 등 메타데이터를 반영한 모델링을 구현하고 문맥을 보다 자연스럽게 분석하는 딥 뉴럴 네트워크 기반의 AEVB 기법으로 설계한 NTM(Neural Topic Model)이 탑재됐다.

고품질 토픽 추출을 위해, 상품 별점을 활용하고 추출된 토픽의 긍·부정 분류를 가능케 하는 STM(Structural Topic Model), 문맥 정보를 효과적으로 활용하도록 개발된 쇼핑 도메인 자연어 데이터 기반 BERT pre-trained model 등도 활용됐다.

그동안 스토어링크가 오픈마켓 최적화 마케팅 솔루션 운영을 통해 축적해온 데이터 분석 역량도 신기술 개발에 적극 활용됐다. 데이터 수집 과정에서 등록 제품을 판별 및 특정하는 ‘상품 매칭’과 100여개 이상의 국내외 오픈마켓, 쇼핑몰, 웹페이지 등의 리뷰 및 제품 언급 데이터를 수집할 수 있도록 지원하는 ‘자동 수집’ 등 기존 스토어링크 플랫폼에 탑재된 기술들도 ‘리뷰 데이터 기반 소구점 분석’ 시스템에 대거 반영됐다.

기술을 실제 마케팅 플랫폼에 적용하기 위한 막바지 상용화 작업도 진행 중이다. 스토어링크는 ‘리뷰 데이터 기반 소구점 분석’ 기술의 개발이 마무리 단계에 접어든 시점부터 내부에 별도 시스템을 구축했으며 해당 기술 시범적인 운영을 통해 자사 PB 브랜드 상품의 마케팅 전략을 도출해 괄목할 만한 성과를 얻은 것으로 알려졌다.

기술의 효용성이 자체적으로 검증됨에 따라 스토어링크는 내년에 자체 플랫폼의 버전 업데이트를 통해 해당 기술을 외부에 공개한다는 방침이다.

스토어링크 정용은 대표는 “이커머스 시장 규모가 팽창하는 가운데, 오픈마켓에 최적화된 마케팅 전략을 도출하는 시스템을 확립하지 못하고 비효율적인 업무 절차를 단순 반복한다면 한정된 리소스의 낭비를 초래할 수밖에 없다”며 “스토어링크는 업계 종사자들의 업무 효율을 제고하는 것은 물론 궁극적으로 브랜드의 비용 절감과 매출 증대를 동시에 실현하는 새로운 방법론을 제시하고자 지속적인 기술 개발에 매진해왔다. 앞으로도 혁신적인 데이터드리븐(Data-Driven) 마케팅 기술들을 선보이기 위해 다양한 형태로 협업의 범위를 확장해가겠다”고 전했다.