카카오스타일은 모바일 쇼핑 플랫폼 ‘지그재그'를 시작으로 이커머스 기업으로 성장했습니다. ‘지그재그’, ‘포스티', '패션 by Kakao’를 운영하고 있으며, 특히 ‘지그재그’는 월 방문자 수 300만과 입점 브랜드 1만 7000여 개를 기록하면서 여성 패션 최대 플랫폼으로 자리매김했습니다.

카카오스타일은 일간 이용자 수, 거래액 등의 비즈니스 지표를 한눈에 파악하고 데이터도 빠르게 검색할 수 있도록 전사 대시보드를 구축했습니다. 다양한 툴과 솔루션을 활용해 대시보드를 직접 개발해 내부 직원이 활용할 수 있게 지원했습니다. 하지만 플랫폼의 성장으로 사용 인원수, 운영 이슈, 데이터 양도 증가하면서 엔터프라이즈급 대시보드 솔루션을 고려하게 되었습니다.

카카오스타일의 소성운 데이터플랫폼 그룹 리더는 “카카오스타일에서 사용하는 데이터는 모두 AWS에 구축한 데이터 레이크에 저장하고 있어 원활하게 데이터를 연동할 수 있기 때문에 Amazon QuickSight를 도입하는 것이 자연스러운 수순”이었다고 설명했습니다.

카카오스타일은 빅데이터와 AI 기술을 다양하게 쇼핑 플랫폼에 적용하고 있습니다. 사용자의 선호 브랜드, 관심 상품, 구매 이력 등을 분석해 사용 패턴을 찾아내는 개인화 추천 서비스를 제공합니다. 또한, 입점 셀러 대상으로 개인화된 데이터 인사이트를 공급해 입점 쇼핑몰의 판매를 돕고 있습니다.

카카오스타일의 김하영 커머스플랫폼분석팀 리더는 데이터플랫폼팀이 제공한 대시보드를 활용하여 부서별 도메인 담당자가 보다 통찰력 있는 인사이트를 도출할 수 있음을 확인하고, 지그재그 입점 셀러들에게 데이터 인사이트를 제공하는 아이디어를 구체화하게 되었다고 전했습니다. 그리고 Amazon QuickSight를 활용해 판매 인사이트, 키워드 인사이트, 고객 인사이트, 경쟁사 인사이트로 구성된 분석 솔루션 ‘지그재그 인사이트’를 2022년 9월 정식 출시했습니다. 덕분에 데이터에 익숙하지 않은 셀러들도 ‘지그재그 인사이트’를 통해 필요한 비즈니스 지표를 한눈에 확인하고 비즈니스 결정을 내릴 수 있게 되었습니다.

데이터마트의 데이터가 수백만 TB에 달했음에도 불구하고, Amazon QuickSight에 Amazon Athena 커넥터를 연동해 데이터를 조회하고, Amazon QuickSight의 인메모리 엔진인 SPICE를 통해 조회한 데이터를 빠르게 분석할 수 있었습니다. 김하영 리더는 “AWS는 원활한 데이터 연동뿐만 아니라 성능까지 탁월했습니다. Amazon Athena 커넥터를 통해 원활한 데이터 연동이 가능했고, Amazon QuickSight의 SPICE를 활용하였더니 데이터 조회 속도가 빨라 분석 및 대시보드 조회 모두 만족스러웠습니다.” 라고 설명했습니다.

지그재그 입점 셀러의 성장을 도울 수 있는 ‘지그재그 인사이트’를 출시한 후 해당 솔루션의 베타 버전을 사용하던 셀러 중 90% 이상이 유료로 전환했습니다. 김하영 리더는 “셀러가 성장하면 지그재그도 성장하는 구조를 가지고 있습니다. 모든 셀러가 성장할 수 있도록 판매 노하우와 ‘지그재그 인사이트’와 같은 분석 솔루션을 지원하고 있으며 더 다양하게 지원할 수 있는 방법을 고민하고 있습니다.”라고 밝혔습니다.

카카오스타일은 ‘지그재그 인사이트’를 구독 기반의 SaaS 솔루션 형태로 셀러에게 제공하고자 했기 때문에 Amazon QuickSight의 합리적인 가격이 장점이었습니다. 고도화된 Athena 커넥터 지원으로 쉬운 데이터 연동과 Amazon QuickSight의 다양한 기능을 통해 소수의 인원으로 간편한 대시보드 구현 및 운영이 가능한 점도 Amazon QuickSight의 강점으로 꼽았습니다. 카카오스타일은 셀러들에게 더 다양한 기능을 제공하기 위해 APJ QuickSight 팀 및 한국의 BI Jumpstart 팀과 협업해 ‘지그재그 인사이트’를 고도화하고 있습니다.

소성운 리더는 Amazon QuickSight를 사용하면서 AWS에 필요한 기능이나 의견을 제공하면 몇 개월 이내에 피드백을 적용한 서비스를 출시했다고 설명했습니다. 이런 관점에 비추어 볼 때 Amazon QuickSight는 SDK로 기능을 제공하고 있어 Amazon QuickSight의 운영 자동화도 가능하지 않을까 기대하게 된다고 전했습니다.

현재 카카오스타일은 통계 데이터와 Amazon SageMaker를 활용하여 생성한 머신러닝을 데이터 접목한 기능들을 출시하고 있습니다. 그 예시로 이미지 유사도를 머신러닝 데이터로 추출하여 유사도가 높은 이미지 간의 상품성과 성장성을 Amazon QuickSight에서 계산하고 있습니다. 또한, 내부의 다양한 데이터 요구사항을 효율적으로 처리하기 위해 Amazon QuickSight에 최근 추가된 직접 쿼리 파라미터 기능을 활용하고 있습니다. 자주 호출되는 최신 데이터는 SPICE를 이용하여 빠르게 제공하고 과거 데이터는 파라미터를 이용하여 제공함으로써, 한정적으로 제공했던 데이터 조회 기간을 제한 없이 제공하는 방향도 추가할 예정입니다.