AWS 기술 블로그
AWS AI Day Hackathon 고객 사례 2부: 카카오스타일의 혁신적인 AI 코디 추천 서비스
지난 11월 진행된 AWS AI Day Hackathon 2024에서 13개 기업들이 선보인 혁신적인 프로젝트들을 시리즈로 소개해 드리고자 합니다.
해커톤 고객 사례 시리즈를 통해 각 기업들이 Amazon Bedrock을 활용해 실제 비즈니스 과제를 어떻게 해결했는지, 기술적 접근 방식과 구현 과정에서의 인사이트를 심층적으로 다뤄보고자 합니다. 본 시리즈가 생성형 AI 도입을 고민하시는 분들께 실질적인 참고 사례가 되길 바랍니다. 해커톤의 전반적인 내용과 주요 성과는 이전 포스팅 “AWS AI Day Hackathon에서 GenAI로 미래를 창조하기“에서 확인하실 수 있습니다.
참가팀 소개
카카오스타일은 스타일 커머스 플랫폼 ‘지그재그‘를 운영하는 이커머스 플랫폼 기업입니다. 최신 기술과 패션, 뷰티, 라이프 트렌드를 결합해 사용자들에게 혁신적이고 개인화된 쇼핑 경험을 제공하고 있습니다. 카카오스타일은 지속적인 기술 혁신을 통해 패션 산업을 선도하는 플랫폼이 되는 것을 목표로 하고 있으며, ‘개인화’와 ‘관계’를 기반으로 이커머스 생태계를 발전시키기 위해 노력하고 있습니다.
카카오스타일이 고민하는 문제
‘사도 사도 입을게 없고, 꼭 나가려면 마음에 드는 옷이 없는 느낌. 당신은 아침마다 옷장 앞에서 얼마나 서 계시나요?’
많은 사람들이 일상 생활에서 “오늘 뭐 입지?”라는 고민을 합니다. 실제로 여성은 하루에 평균 17분 가량을 옷을 고르는데 사용한다고 합니다. 특히 중요한 미팅이나, 데이트와 같은 특별한 상황에서는 더욱 그렇죠. 이러한 고민은 다음과 같은 이유에서 비롯됩니다.
- 다양한 옷 조합에 대한 경험 부족
- 구매한 옷들을 효과적으로 활용하지 못함
- TPO(Time, Place, Occasion)에 맞는 적절한 스타일링에 대한 불확실성
이로 인해 사용자들은 옷을 고르는 데 지나치게 시간을 낭비하고, 자신이 가진 옷들을 모두 활용하지 못한 채 늘 입던 옷만 입게 됩니다.
카카오스타일이 제안하는 솔루션: “재구 PICK”
이러한 문제를 해결하기 위해 카카오스타일은 AI 기반의 개인 맞춤형 코디 추천 서비스인 “재구 PICK”을 개발하고 있습니다. 이 서비스의 주요 특징은 다음과 같습니다.
- 개인화된 추천: 사용자의 구매 목록을 바탕으로 개인의 스타일 선호도를 파악합니다.
- AI 챗봇 인터페이스: Amazon Bedrock의 Claude 3 모델을 활용한 대화형 인터페이스로 사용자의 구체적인 요구사항을 파악합니다.
- TPO 기반 추천: 사용자가 원하는 시간, 장소, 상황에 적합한 스타일을 제안합니다.
- 다양한 코디 제안: 사용자가 잊고 있던 옷들을 포함한 새로운 조합을 제안합니다.
기술적 접근 방식
1. 스타일 별 색조합 및 코디팁 분석
유저 선호도가 높은 스타일들에 대한 색조합 및 코디팁을 연구하였습니다.
2. 프롬프트 엔지니어링
2-1. 스타일 별 코디 가이드
각 스타일에 대한 적합한 코디셋을 추천하기 위해 세심한 프롬프트 엔지니어링 작업을 수행했습니다. 스타일에 가장 적합한 아우터, 상의, 하의, 그리고 스타일에 대한 설명을 정의하여 AI가 정확한 코디 세트를 추천 할 수 있도록 설계 하였습니다.
2-2. 색조합에 대한 가이드
유저에게 센스있는 코디 세트를 추천하기 위해 색조합에 대한 가이드를 정의하였습니다.
2-3. 출력에 대한 가이드
단계별 지시 프롬프트를 통해 Claude 3 모델이 요청사항을 더 정확히 이해하고, 실행할 수 있도록 하였습니다.
2-4. 출력 결과
추출된 결과를 바탕으로 유저의 구매 목록 데이터베이스와 매치하여 최적의 코디 세트를 추천합니다.
기술적 구현
AI 코디추천 챗봇인 “재구 PICK”은 Amazon Bedrock의 생성형 AI 성능, 특히 Claude의 성능을 극대화하기 위해 오직 Anthropic Claude 3 Haiku 만을 사용하여 구현 되었습니다.
“재구 PICK” 서비스의 핵심 기술 구현 과정은 다음과 같습니다:
- 데이터베이스 구축
- 사내 코디 추천 이미지와 상품 데이터, 유저 데이터를 활용합니다.
- Amazon Bedrock 에서 Claude 3 모델의 Image-to-text 기능을 사용하여 의류 속성을 태깅합니다.
- AI 모델 미세조정 및 프롬프트 엔지니어링
- Claude 3 모델에 색상, 스타일링 팁 등의 가이드를 시스템 프롬프트로 제공합니다.
- 다양한 의류 카테고리(아우터, 상의, 하의, 원피스, 가방, 신발 등)에 대한 코디 능력을 모델에게 제공 및 미세조정 합니다.
- 개인화 알고리즘
- 사용자의 구매 이력을 분석하여 개인별 스타일 선호도를 파악합니다.
- 사용자가 코디 추천을 받고 싶은 날짜의 날씨 정보, TPO 정보와, 선호 스타일 등의 정보를 결합하여 최적의 개인 맞춤형 코디를 추천합니다.
- 대화형 인터페이스
- 사용자의 요청을 정확히 이해하고 적절한 응답을 생성하기 위해 자연어 처리 기술을 활용합니다.
- UI/UX를 개선하기 위해 응답 시간 최적화, 다양한 입력 옵션, 사용자 이름 사용 등 높은 만족도를 느낄 수 있도록 구현되었습니다.
- 착샷 이미지 제공
- 사용자에게 보여줄 코디 세트에 대한 가시성을 보여주기 위해 착샷 이미지를 제공합니다.
- 사내 API를 활용하여 코디 세트와 비슷한 착샷 이미지를 찾고, 이미지가 없으면 이미지 생성 기술을 통해 고도화할 수 있습니다.
코디 추천 서비스 흐름
- 사용자의 캘린더 기반으로 최근 4일 날짜와, 중요 일정을 프리셋으로 제안합니다. 사용자는 해당 일정에서 선택할 수도 있고 직접 날짜를 입력할 수도 있습니다.
- 사용자가 선택 또는 입력한 날짜를 바탕으로 날씨와 중요 일정을 확인합니다.
- 날씨와 중요 일정을 기반으로 3가지 스타일을 프리셋으로 제안합니다.
- 날씨/중요일정/스타일을 조합하여 사용자의 구매목록을 기반으로 코디 세트(착용 사진 포함)를 제안합니다.
- 만약 사용자의 구매목록에서 적합한 옷이 없을 경우, 지그재그의 빠른 배송 & 별점 높은 상품을 추가 제안합니다.
결론
“재구 PICK”은 AI 기술을 활용한 혁신적인 패션 추천 서비스로, 카카오스타일의 기술력과 패션 산업에 대한 이해를 잘 보여주는 프로젝트입니다. 이 서비스를 통해 다음과 같은 성과를 기대하고 있습니다:
- 사용자 경험 향상
- 개인화된 코디 추천으로 스타일링 시간을 단축하고, 새로운 코디 발견의 즐거움을 제공합니다.
- 잊고 있던 옷들을 다시 활용할 기회를 만들어 옷장 속 아이템의 활용도를 높입니다.
- 일상 속 스타일링 고민을 해결하여 사용자의 만족도를 높입니다.
- 비즈니스 성과 창출
- 고객 경험 만족도 향상으로 재방문율과 재구매율을 높이는 선순환 구조를 만듭니다.
- 서비스 Lock-in 효과를 통해 고객 충성도를 강화합니다.
- 코디 추천을 통한 추가 구매 유도로 매출 증대를 기대할 수 있습니다.
- 기술 혁신
- AI 기술과 패션 산업의 융합을 통해 새로운 서비스 모델을 제시합니다.
- 개인화된 추천 시스템의 고도화로 향후 다양한 분야에 적용 가능한 기술력을 확보합니다.
나가며
AWS AI Day Hackathon 블로그 시리즈 링크는 아래에서 확인하실 수 있습니다.
이전글 보기
다음글 보기
카카오스타일의 멋진 여정을 소개하며 AWS AI Day Hackathon 고객 사례 시리즈의 두 번째 글을 마무리 하겠습니다. 다음 편에서는 또 다른 산업군의 흥미로운 구현 사례를 소개할 예정이니 많은 관심 부탁드립니다. Stay tuned!