Paytm, Amazon Personalize를 활용한 맞춤형 추천으로 홈페이지 판매량 증대

금융 서비스 회사인 Paytm은 사이트 홈페이지에 맞춤형 추천을 구현하여 전자 상거래 서비스인 Paytm Mall의 매출과 클릭률을 높이고자 했습니다. Paytm은 이 추천 모델을 만들기 위해 Paytm Mall에서 소매품을 쇼핑하는 매일 1,000만 명 이상의 활성 사용자에게 추천을 분석하고 제안할 수 있는 강력한 기계 학습(ML) 솔루션이 필요했습니다.

Paytm은 Amazon Web Services(AWS)로 눈을 돌리고 완전 관리형 ML 서비스인 Amazon Personalize를 사용하여 각 고객에 대한 추천 항목을 생성하는 맞춤형 모델을 만들었습니다. Amazon Personalize를 사용하면 개발자가 기계 학습에 대한 전문 지식 없이도 Amazon.com에서 거의 실시간 맞춤형 추천을 위해 사용하는 것과 동일한 기계 학습 기술로 애플리케이션을 손쉽게 구축할 수 있습니다. Paytm은 Amazon Personalize를 사용하여 Paytm Mall 홈페이지의 판매 및 클릭률을 높이는 동시에 고객이 상품을 더 쉽게 찾을 수 있도록 했습니다.

Paytm은 인도에 위치한 디지털 결제, 전자 상거래 및 금융 서비스 공급자입니다. 현재 1,700만 명 이상의 판매자를 지원하고 있으며 매일 수백만 명의 개인이 유틸리티, 식료품, 영화 티켓 등을 구입하는 데 Paytm을 이용하고 있습니다. Paytm의 서비스에는 여행 예약, 보험 및 소매점(Paytm Mall)이 있으며 모두 Paytm 앱에 포함되어 있습니다. Paytm은 Paytm Mall 홈페이지에서 사용자의 브라우징 기록을 기반으로 사용자에게 맞춤형 추천을 제공하는 ML 모델을 만들고자 했습니다. 이전에는 사용자 수준의 맞춤형 추천 서비스는 없었지만 항목별 추천을 위한 위젯은 있었습니다.

사내 솔루션을 마련하는 옵션도 연구했지만 결국 Paytm은 Amazon Personalize를 사용하는 것이 구현하는 것도 더 빠르고 처리 시간도 단축될 것이라고 판단했습니다. Paytm은 이미 애플리케이션 배포에 AWS를 사용했기 때문에 그 환경에 더 익숙했습니다. Paytm은 2021년 5월부터 Amazon Personalize를 구현하기 시작했고, 맞춤형 추천 모델은 2021년 9월에 출시했습니다. Paytm은 전환 기간 동안 Amazon Personalize 엔지니어링 및 지원 팀의 지원을 받았습니다. Paytm의 Technical Lead인 Ankur Gogate는 “특히 개발 초기 단계에서 AWS 팀으로부터 훌륭한 지원을 받았습니다.”라고 말했습니다.

Paytm은 Amazon Personalize 및 다른 AWS 서비스를 사용하여 사용자 데이터를 수집하고 추천 모델을 통해 실행하여 Paytm Mall을 매일 방문하는 1,000만 명 이상의 개별 방문자에게 고유한 콘텐츠를 생성하여 제안합니다. Paytm은 맞춤형 모델을 지원하는 데이터 출력을 제공하기 위해 사내 Java 기반 애플리케이션과 Amazon EMR을 사용합니다. Amazon EMR는 오픈 소스 분석 프레임워크를 사용하여 대규모 분산 데이터 처리 작업, 대화형 SQL 쿼리 및 ML 애플리케이션을 실행하는 클라우드 빅 데이터 서비스입니다. Amazon EMR을 통해 사용자 데이터를 처리한 후 Amazon Personalize로 전송하여 맞춤형 모델을 실행합니다. 그러면 맞춤화된 추천 결과가 반환되고 홈페이지로 푸시됩니다. 추천 항목은 각 Paytm Mall 방문자에게 개별화된 경험을 제공합니다. Gogate는 “맞춤화는 사용자가 가능한 한 적은 클릭으로 필요한 것을 얻을 수 있도록 도와줍니다.”라며, “Amazon Personalize를 사용한 맞춤화를 통해 개인의 선택과 선호도에 따라 각 사용자 모두를 위한 고유한 앱을 만들 수 있습니다.”라고 말했습니다.

맞춤형 추천 모델을 추가한 이후 Paytm은 Paytm Mall 홈페이지에서 5.5~6%의 전환율을 기록했습니다. 이에 비해 Paytm이 이전에 항목별 추천을 위해 사용했던 위젯의 클릭률은 1.8~2%에 불과했습니다. Gogate는 “이 전환율은 지금까지 사용했던 다른 추천 모델보다 높은 수치입니다.”라며, “이러한 추천 항목이 홈페이지에 있기 때문에 사람들은 원하는 항목을 바로 찾을 수 있습니다. 이를 통해 홈페이지 자체에서 총 주문량과 판매량을 늘릴 수 있었습니다.”라고 말했습니다. Paytm은 이전에 홈페이지 전환율에 대한 지표를 수집하지 않았기 때문에 추천 솔루션 구현으로 홈페이지에서의 활동을 더 잘 측정할 수 있었습니다.

Amazon Personalize를 사용하여 Paytm의 비즈니스 민첩성이 향상되었으며 회사가 혁신을 지속하는 데 도움이 되었습니다. Gogate는 “사용자 맞춤화가 출시된 후 Amazon Personalize를 다른 새로운 솔루션과 얼마나 빠르고 쉽게 통합할 수 있는지 알게 되었습니다.”라고 말했습니다. Paytm은 브랜드 기반 추천 항목을 보여 주기 위한 또 다른 솔루션을 만드는 것도 고려하고 있었습니다. 팀은 처음부터 무언가를 구축하는 대신 Amazon Personalize를 사용하여 이미 만들어진 것을 재사용하여 베타 버전을 빠르게 실행할 수 있었습니다. 현재 테스트 중인 이 새로운 브랜드 기반 추천 모델은 사용자가 이전에 앱에서 상호 작용한 브랜드를 기반으로 추천 항목을 제공합니다. Amazon Personalize를 사용하여 베타 버전을 단 한 달 만에 구현한 반면, 팀은 유사한 모델을 사내에서 만들었을 경우 시간이 두 배 더 오래 걸렸을 것으로 추정했습니다. Gogate는 “Amazon Personalize를 사용하면 매우 간단한 플러그 앤 플레이 방식을 사용할 수 있습니다.”라며, “이는 새로운 추천 모델을 사용자에게 신속하게 제공할 수 있다는 점에서 회사에 큰 이점으로 작용합니다.”라고 말했습니다.

Paytm은 향후 Paytm Mall 이외에도 애플리케이션에서 맞춤화를 구현할 수 있는 다른 부문을 찾고 있습니다. Gogate는 “Amazon Personalize 덕분에 Paytm은 맞춤화를 구현할 수 있는 새로운 영역을 찾을 수 있었습니다.”라며, “이제 Paytm은 여행 및 보험과 같은 다른 비즈니스 영역에서 더 나은 결과를 얻기 위해 사용자 맞춤화를 사용할 수 있는 다양한 방법을 모색하기 시작할 것입니다.”라고 말했습니다. Paytm은 더 많은 맞춤화를 통해 고객이 원하는 서비스와 상품을 효율적으로 이용할 수 있도록 지원하고자 합니다.

궁극적으로 Paytm은 판매 증진뿐만 아니라 새로운 기회도 얻게 되었습니다. Gogate는 “Amazon Personalize를 사용한 덕분에 판매 전환율을 개선하기 위한 전체 접근 방식을 혁신하고 재고하는 데 큰 도움이 되었습니다.”라고 말했습니다.