실시간 추천 엔진으로 매출 UP! Knowledge Graph 활용법

Knowledge Graph에 대해 들어보셨나요? 그래프 기술은 또 어떻고요? 혹시 소매업에 종사하고 있다면, 이번 내용이 정말 획기적일 수 있어요. Knowledge Graph가 여러분의 비즈니스를 어떻게 변화시킬 수 있는지 알아보고, 요즘 잘나가는 소매업체들이 이 기술을 활용해서 쇼핑 경험을 개선하고, 고객에 대한 더 깊은 통찰력을 얻고, 궁극적으로 수익을 늘리는 방법들을 한번 살펴볼게요.

절대 놓치고 싶지 않으실 거예요. 아래에서 자세한 내용을 확인하고 지금 바로 비즈니스 혁신을 시작해 보세요!

닉 보라: 안녕하세요, 여러분! 저는 닉 보라입니다. Neo4j를 대표해서 "Knowledge Graph가 실시간 추천 엔진을 통해 더 많은 매출을 창출하는 방법"에 오신 여러분을 환영합니다. 이렇게 함께하게 되어 정말 기쁩니다. 최근에 일어난 몇 가지 사건들을 한번 살펴볼까요? 우리는 항상 초연결 세상에 살고 있었죠. 수세기 동안 우리는 모두 연결되어 있었어요. 사람이든, 자산이든, 연결이든, 우주이든 우리의 움직임이든, 최근 몇 년 동안 이러한 연결의 결과와 영향이 정말 현실적으로 다가왔어요. 수에즈 운하에 갇힌 배에 대한 헤드라인, 다들 보셨을 거예요.

배는 며칠 만에 풀려났지만, 그 영향은 아직까지도 남아있죠. 생산 목표가 삭감되거나, 공급망 칩 부족과 같은 사건으로 주식이 하락하는 것도 보셨을 거에요. 그리고 그 영향은 정말 광범위하죠. 심지어 실행되도록 설정된 하드웨어 가용성 프로젝트조차도 칩이 부족하고, 하드웨어가 충분하지 않아서, 원하는 많은 작업을 실행할 수 있는 배포가 부족하기 때문에 대기열에 밀려있는 상황이에요.
자동차부터 의료 등 모든 분야가 공급망 문제로 영향을 받고 있어요. 그리고 이러한 문제들은 우리 모두가 얼마나 연결되어 있는지를 여실히 보여주죠. 누구도 피할 수 없어요. 세계 다른 지역에서 발생하는 고립은 우리가 운영하는 방식, 사업이 운영되는 방식, 고객이 우리의 서비스를 경험하는 방식에 직접적이고 중대한 영향을 미치거든요.

이러한 공급망 문제 중 상당수는, 생각해보면 결국 데이터 문제에요. 비효율적인 수동 프로세스를 사용해서 공급 데이터를 얻고 있는 경우가 많죠. 연구에 따르면, 임원 중 75% 이상이 자신이 보유한 데이터의 품질에 확신이 없고, Fortune 1000대 기업 중 938개 이상이 팬데믹 기간 동안 T1-2 공급업체 문제를 겪었다고 해요. 쇼핑몰, 호텔, 패션 소매업체 등 어떤 소매업을 운영하든, 우리는 일반적으로 Tier 1 공급업체를 알고 있지만, Tier 1 공급업체는 Tier 2 공급업체에, Tier 2 공급업체는 Tier 3 공급업체에 종속되는 식으로 연결되어 있잖아요.

그리고 Tier 3, 4, 5 수준의 공급업체에 대한 영향은 우리와 고객의 문제 해결 능력에 영향을 준다는 점이 중요해요. 938개 이상의 Fortune 1000대 기업이 Tier 2 이후 공급업체에 대한 가시성이 없어서 공급망 지연으로 비즈니스가 심각한 위험에 처해 있다는 걸 깨닫고 있죠.

예측(좋은 예측이든 나쁜 예측이든)은 부정확할 수밖에 없어요. 잘못된 공급 데이터는 수백만 달러의 비용을 발생시키고, 잘못된 결정, 비효율적인 운영, 물류 비용 등 많은 문제를 야기하죠. 결국 이 모든 복잡한 문제는 데이터 문제라고 할 수 있어요. 우리가 살고 있는 세계는 서로 연결되어 있기 때문에 더 나은 데이터 품질, 더 나은 데이터 통찰력, 더 나은 데이터 분석을 통해 가시성을 어떻게 높일 수 있을까요?

잠시 시간을 내서 많은 내부 IT 시스템이 갖고 있는 일반적인 아키텍처를 한번 살펴볼까요? IT 시스템은 수년에 걸쳐 유기적으로 성장해 왔지만, 데이터가 단순해지고 데이터를 역할과 열에 추가하는 것이 매우 간단했던 시대에 성장했어요. 구조화되어 있었죠. 지난 15년 동안 수많은 비정형, 반정형 데이터, 수많은 연결된 데이터, 수많은 모바일 데이터가 등장했지만, 그 전에 우리가 일반적으로 사용하는 모든 시스템은 이 모든 일이 일어나기 전에 설계되고 구축되었답니다.

관계형 데이터베이스 및 관계형 데이터베이스 관련 애플리케이션(CRM, SCM, 제조 계획, 인적 자원 계획, 매장 재고 등)은 모두 여러 사일로에 있으며 실제 생활에서와 동일한 동적 방식으로 서로 통신할 필요가 없어요. 실제 생활에서 고객은 재고 관리, 공급망 관리, CRM 등에 실시간으로 영향을 미칠 수 있죠. 하지만 우리 시스템에는 단일 의도가 있는 경우가 많기 때문에 이러한 연결은 잘 드러나지 않아요. 충성도 시스템, 재고 시스템, 상품화 시스템 등 하나의 특정 의도로 구축되었고, 그 의도가 경직되는 경우가 많거든요.

데이터 팀과 데이터 과학자에게 이러한 시스템에서 더 많은 통찰력과 더 많은 정보를 생성하도록 요청하면 맥락을 파악하는 데 어려움을 겪게 돼요. 비즈니스 결정을 내릴 때 상황은 정말 중요하죠. 고객이 특정 날에 들어와서 특정 제품을 구매하는 경우, 해당 고객이 어떻게 들어왔는지, 고객이 특정 제품을 구매하는 이유에 대한 맥락, 특정 색상 선택이 있는 특정 구매 범위를 가진 특정 인구통계인지, 아니면 축제나 장소 등 시장 요인이 구매 선택을 결정하는지 궁금할 수 있어요. 공급망이 구매 선택을 결정할 수도 있겠죠? 다른 곳에서는 구할 수 없었기 때문에 당신의 매장에 왔을 수도 있고요. 이 모든 맥락이 얼마나 중요할까요? 그리고 오늘날 우리가 갖고 있는 엄격한 단일 의도 시스템에서 이를 어떻게 지시할 수 있을까요?

이 모든 것이 훌륭하게 들리지만, CIO와 대화할 때 비현실적으로 느껴질 때도 있어요. 많은 CIO들이 저에게 성공 사례가 있는지 묻곤 해요. 누군가 정말로 전체 비즈니스를 변화시켰는지, 소매업의 모든 부분에 맥락이 있다면 가치를 얻는 것이 현실적인지 궁금해하죠.

이제 아주 유명한 예를 한번 살펴볼게요. 데이터에서 더 깊은 맥락을 추출하는 방법을 알아낸 것은 Amazon에 엄청난 도움이 되었어요. Amazon은 아마도 전 세계적으로 가장 복잡한 재고 시스템 중 하나를 가지고 있을 거예요. 그들은 매우 다양한 카테고리와 업종의 제품을 보유하고 있고, 프리미엄 제품과 최저 가격대의 제품을 모두 취급하죠. 또한 시스템 전반에 걸쳐 학사, 어린이, 유아, 성인, 생활 관리를 위한 제품을 판매하고 있어요. 고객 기반도 복잡하고 창고부터 배송까지 공급망도 복잡하죠. Amazon은 상황을 활용해서 수많은 결정을 내리고 있고, 모든 IT 시스템을 연결해서 컨텍스트를 사용하고 있어요.

그들은 고객 경험을 변화시키고 있고, 고객이 제품을 검색하는 방식을 바꾸고 있으며, 고객이 제품을 추천받는 방식, 그리고 최종적으로 제품을 받는 방식까지 바꾸고 있어요. 이런 혜택은 Amazon에만 국한되지 않아요. 오랜 친구나 중요한 사람과의 연결을 즐겨온 우리 모두를 위한 소셜 기술의 등장인 LinkedIn과 Facebook을 한번 살펴볼까요? 현재 직업을 갖고 있는 사람 10명 중 8명은 다음 직업을 찾기 위해 LinkedIn과 같은 도구를 사용함으로써 긍정적인 영향을 받았다고 해요.

네트워크 과학의 예를 들어보면, 우리 모두는 우리가 한 일 때문이 아니라 우리가 아는 누군가 때문에 다음 급여 인상을 받을 가능성이 훨씬 더 높아요. 우리가 한 일도 물론 중요하지만, 다음 승진이나 급여 인상에서 네트워크의 힘은 당신이 아는 사람들의 종류에 달려 있다는 거죠. 옛말에도 있듯이, "아는 것이 힘이다"라는 말이 있잖아요.

Google PageRank를 보면 Google은 검색에 혁명을 일으켰어요. 정말 흥미롭고 빠르면서 훨씬 더 정확했죠. Google의 PageRank는 실제로 검색에서 훨씬 더 많은 컨텍스트를 생성하는 그래프 기술을 적용한 결과에요. 기술적인 배경이 없는 제 가족들도 "Google은 내가 진짜 원하는 것을 어떻게 알아낼까?"라고 자주 묻곤 해요. 그리고 대답은 바로 맥락, 즉 context인 거죠.

PayPal을 통해 P2P 거래를 보호하고, 신약 발견이나 eBay를 통해 제품 검색 경험 방식을 바꾸고, 당일 배송 방식을 바꾸는 것을 보면 정말 흥미진진하죠? 이러한 놀라운 애플리케이션들은 전 세계적으로 많은 변화를 가져왔어요.

지난 2년 동안, 맥킨지의 보고서에 따르면 위치와 국가에 관계없이 전체 소매 판매에서 전자상거래가 차지하는 비중이 급격히 증가했다고 해요. 인도네시아, 호주, 싱가포르, 인도, 중국, 미국, 독일 등에서 전자상거래의 중요성이 2~10배 증가한 것으로 나타났죠. 소매업체나 숙박업체로서 어떻게 대처해야 할지 고민해 보셨나요? 2019년까지만 해도 전자상거래는 아마 비즈니스의 1, 2, 3% 정도였을 텐데, 이제는 사업의 6, 8, 10%가 된 거죠.

이 부분에 더 많이 투자하고 훨씬 더 높은 견인력을 창출할 수 있다면 오프라인 부문에서 발생하는 손실을 잠재적으로 보호할 수 있어요. 바이러스는 완전히 사라지지 않았고, 우리 모두는 하이브리드가 표준인 것처럼 보이는 새로운 표준으로 진화하고 있죠. 당신의 조직, 그리고 내부 및 외부에서 서비스를 제공하는 고객들은 이제 전자상거래가 경쟁을 따라가야 하는 종류의 투자와, 고객이 현재 믿고 있는 경험이 최소한이라고 생각하는 것을 중심으로 구성되어 있을까요? 2년 전만 해도 "웹사이트에 가서 검색하고 뭔가를 얻으면 5~6일 안에 받는다"는 것이 최소한이었고, 그걸로 충분했죠.

하지만 이제 전자상거래 경험은 크게 달라졌어요. 어딘가에 접속하면 웹사이트가 쉬울 거라고 기대하고, 웹사이트가 직관적일 거라고 기대하며, 내가 찾고 있는 제품을 검색하는 데 거의 노력이 필요하지 않을 거라고 기대하죠. 웹사이트가 올바른 구성과 올바른 옵션을 추천할 것이라고 기대하며, 배송도 빠르고 쉽고 간단할 것이라고 기대해요. 이게 바로 새로운 최소 요구 사항이고, 전자상거래 매출 비중이 점점 더 높아지고 있기 때문에 이를 해결하는 것이 전략적 요구 사항이 된 거예요.
자, 왜 그래프가 이 문제를 해결해야 할까요? 그래프 기술은 기본적으로 매우 직관적이고 연결된 방식으로 더 깊은 맥락을 통해 데이터 관계를 통합해요. 그래프는 자연스러운 사고 방식이죠. 데이터를 저장하는 자연스러운 방법이기도 하고, 데이터를 분석하는 자연스러운 방법이기도 해요.

사람들의 그래프를 볼 때, 친구 네트워크에 있는 누군가에게 다른 사람을 아는 사람을 어떻게 아는지 설명하려고 시도하고 종이에 그 내용을 적으려고 한다면 아마도 그래프를 그리고 있을 거예요. 아이디어 워크숍에서 지도, 고객 여정 지도, 고객 라이프사이클 지도를 그리면 고객이 기사나 광고, 친구나 추천을 통해 회사와 처음 상호 작용하고 웹사이트를 방문할 때 다른 사항을 확인하게 되죠. 이게 바로 그래프에요. 브랜드와 상호 작용하는 여정을 그래프로 나타낸 것이죠. 여행의 각 단계마다 서로 다른 단계에 있는 거구요.

여정을 이해하고 그래프를 이해하면 고객이 다음 단계와 다음 단계로 이동하여 결국 거래로 이어질 확률을 맞춤화하고 향상시키는 데 도움이 돼요. 그리고 이러한 여러 그래프를 서로 다른 의미로 병합하고 결합하면 Knowledge Graph가 생성되는 거죠. Knowledge Graph는 단일 의도의 사람 그래프나 트랜잭션 그래프뿐만 아니라 여러 도메인의 정보를 결합해요. 재고 및 고객의 과거 거래, 고객의 클릭스트림 데이터 등 전체 공급망 네트워크 가용성을 오버레이할 수 있어요. 실제로 모든 것이 연결되어 있기 때문이에요.

방금 품절된 제품에 대한 추천을 실시간으로 표시하고 싶지는 않을 거예요. 25일 배송되는 제품을 추천하고 싶지도 않구요. 이 모든 것을 실시간 추천, 고객이 놀라운 경험을 하고 거래를 하고 싶어하는 곳으로 어떻게 매핑할 수 있을까요?

그래프 기술은 전 세계적으로 가속화되는 추진력을 얻고 있어요. 다른 분석가들 사이에서 Gartner는 애플리케이션이 그래프를 사용하면 100% 증가한다고 밝혔죠. 2022년 내내 채택률은 4%에서 30%로 높아질 가능성이 높아요. 만약 당신이 지금 그래프를 고려하고 있지 않다면, 다른 사람들이 그래프 기술을 진지하게 고려하고 채택하여 경쟁 우위를 창출하고 있을 가능성이 매우 높다는 것을 기억해야 해요.

Graph 기술은 정말 다양한 분야에서 도움을 주고 있어요. 머천다이징 예측, 집중해야 할 머천다이징 이해, 고객의 과거 여정 이해 등등, 의사결정 분석을 훨씬 쉽게 만들어주죠. 고객 경험, 옴니채널 경험, 매장 내 경험, 마켓플레이스 경험 모두 해당돼요. 온라인 마켓플레이스나 오프라인 쇼핑몰 마켓플레이스 같은 것들이요. 데이터 통합에도 활용될 수 있고요.

고객 데이터는 여러 곳에서 들어오지만, 항상 똑같거나 완벽하게 정리되어 있진 않죠. 100% 깨끗한 데이터, 모든 데이터 소스의 일관된 데이터를 꿈꾸던 시대는 이제 지났어요. 현실은 고객이 상호 작용하는 시스템이 너무 많아서 누가 고객인지 이해하는 새롭고 혁신적인 방법을 찾아야 한다는 거예요. 고객이 쇼핑몰 WiFi를 사용하고 서로 다른 3개 매장에서 거래하는 경우, 같은 기기를 사용하지 않을 수도 있고, 같은 신용카드나 휴대폰 번호를 사용하지 않을 수도 있잖아요.

이 모든 정보들을 연결해서 '이게 한 명의 고객, 한 가족의 고객이었구나!'라고 파악할 수 있는 방법을 찾는 게 중요한데, Graph가 바로 이런 부분에서 엄청난 비즈니스 가치를 창출해 줘요. 웹사이트 개인화부터 매장 내 경험 개선까지, Graph가 정말 잘하는 일이죠.

자, 그럼 Neo4j는 뭘 하는 회사고, 왜 저희 이야기에 귀 기울여야 할까요? Neo4j는 Graph와 Database를 합쳐서 만든 이름이에요. 전 세계적으로 23만 명이 넘는 개발자가 Neo4j 커뮤니티에 속해있고, 이들은 Neo4j 기술 전문가 교육을 받은 인증된 개발자들이에요. 즉, 비즈니스 변화에 발맞춰 새로운 기술을 도입하고 싶을 때, 언제든 Neo4j 기술을 가진 사람을 찾을 수 있다는 거죠.

Neo4j는 상업적인 성공과 커뮤니티의 성원에 힘입어 투자자들에게도 많은 사랑을 받고 있어요. 최근에는 3억 달러 이상을 투자받았는데, 데이터베이스 역사상 최대 규모의 투자라고 하네요! 정말 감사하고 겸손하게 생각하고 있어요. 미국, 유럽, 그리고 전 세계 최고 투자자들이 저희를 응원해주시는 만큼, 여러분과 협력해서 더 많은, 더 나은 제품과 더 많은 사용 사례를 만들어낼 수 있도록 최선을 다할 거예요.

저희는 1억 6천만 건 이상의 다운로드를 기록했고, 전 세계 수천 개의 기업 고객이 Neo4j를 사용하고 있어요. 상위 10개 소매업체 중 7곳이 Neo4j를 사용하고 있는데, 여기에는 Amazon, eBay, Walmart 같은 유명 브랜드들이 포함돼요. 상위 5개 항공사 중 3곳, 북미 상위 20개 은행 모두 Neo4j를 사용하고 있고요. 싱가포르, 인도, 호주, 중국, 홍콩 등 APAC 지역의 많은 일류 은행과 통신사, 그리고 전 세계적으로 수많은 유명 기업들이 저희 고객이에요.

Neo4j는 Forrester와 DB-Engines에서도 압도적인 선두를 달리고 있어요. 개발자 커뮤니티에 익숙하신 분들은 DB-Engines가 어떤 데이터베이스 서비스가 가장 사랑받고, 많이 사용되고, 트렌드를 이끄는지 보여주는 최고의 지표라는 걸 아실 거예요. 개발자들이 최고의 정보를 얻을 수 있는 좋은 소스이기도 하고요. DB-Engines는 최고의 Graph 플랫폼으로 Neo4j를 수년 연속 선정했고, Forrester나 Gartner 같은 분석 기관들도 마찬가지고요. 그럼, Neo4j가 기존 시스템에 어떻게 통합될 수 있을까요? 기존 시스템을 전부 뜯어고쳐야 할까요? 엄청난 변화가 필요할까요? 새로운 하드웨어를 사야 할까요? 사람을 더 뽑아야 할까요? 정답은 "아니요"에요.

Neo4j는 이미 여러분이 가지고 있는 기존 시스템과 정말 잘 어울려요. 다른 모든 데이터 소스에 연결할 수 있죠. 클라우드에서 서비스를 운영하고 있다면 클라우드에서 여러 옵션을 사용할 수 있어요. 프라이빗 데이터 센터, 하이브리드 환경, 모든 가상화된 환경에서 온프레미스로도 실행 가능하고요. 즉, 여러분이 있는 곳, 데이터가 있는 곳 어디든 사용할 수 있다는 거죠. 관계형 데이터베이스부터 다른 NoSQL 기술까지 다양한 데이터 소스는 물론, 인기 있는 오픈 소스 도구의 최신 에코시스템에도 연결할 수 있어요. Kafka, Spark, Hudu는 물론, 최고의 리테일 업체들이 투자하고 있는 모든 기술과도 함께 할 수 있답니다.

Neo4j는 크게 세 가지 범주로 나눌 수 있어요. 핵심 데이터베이스, Neo4j 그래프 데이터 과학(Neo4j Graph Data Science, GDS), 그리고 더 나은 경험을 위한 시각화 도구들이죠. 이 모든 것들은 조직 내 다양한 사용자를 위한 서비스로 제공되고 있어요.

고객들이 배포한 실시간 추천 사용 사례는 어떤 게 있을까요? SAP부터 eBay, Marriott의 동적 가격 책정 시스템, Walmart, Nordstrom 등의 재고 시스템까지 정말 다양해요. 소매업에 적용할 수 있는 다양한 업종에 걸쳐 수많은 애플리케이션이 있죠. 마스터 데이터 관리를 살펴보면, 소매업은 데이터 사일로, 다양한 시스템에서 들어오는 데이터, 그리고 IT 부서(특히 거버넌스, 개인 정보 보호 및 규정 준수 보안을 담당하는 사람들)가 데이터의 위치를 ​​이해해야 하는 주요 과제를 안고 있어요. 게다가 고객이 데이터 삭제를 요청하면 기술 환경 내에서 항상 새로운 제품이 생겨나죠.

때로는 고객 정보가 어디에 있는지 파악하기 어려울 때가 있어요. 그래프는 개인 데이터 보호법을 준수하면서 속도, 민첩성, 단순성을 얻을 수 있는 완벽하고 자연스러운 방법이에요. ID 액세스 관리를 예로 들어볼까요? 다양한 매장에서 데이터를 사용할 수 있고, 배달 파트너, 매장 파트너, 공급망 파트너 등 다양한 파트너가 있을 수 있죠. 적절한 수준의 액세스 권한을 가진 적절한 당사자, 즉 적절한 엔터티만 데이터를 사용할 수 있도록 어떻게 보장할 수 있을까요? 그래프는 거버넌스 위험 및 규정 준수를 위해 Neo4j에 의존하는 가장 큰 소매업체와 은행들이 신뢰하는 ID 및 액세스를 관리하는 완벽한 방법이랍니다.

실시간 추천과 관련해서 정말 흥미로운 사용 사례는 eBay에서 찾아볼 수 있어요. 무엇보다도 eBay는 자사 제품을 검색하려는 고객에게 훨씬 더 나은 경험을 제공하고 싶어 했죠. Google이 검색에 그래프를 사용하여 큰 성공을 거둔 이후로 '검색'은 '그래프'와 동의어가 되었어요. 검색을 개선하고 싶다면 기본적인 noSQL 기술만으로는 더 이상 충분하지 않아요. 고객이 100달러 미만의 남성용 가죽 송아지 가방을 구매하고 싶어 한다면, 관계형 데이터베이스를 가지고 있거나 가방 밑에 태그를 보관하는 것만으로는 부족하죠.

고객에게 필요한 것이 무엇인지 정확히 이해하기 위해 첫 페이지에 최상의 추천을 제공하려면 검색어 자체가 그래프로 분류되어야 해요. 고객이 지난 10분 동안 여러분의 웹사이트에서 지속 가능한 채식 제품을 검색했을 수도 있잖아요? 그렇다면 가죽 제품을 보여주지 않겠죠. 대신 인조 가죽 제품을 보여줄 수 있을 거예요. eBay 또는 웹 사이트에 대한 고객 경험의 맥락을 파악하고 이를 실시간 검색의 일부로 사용하는 것(재고, 카탈로그, 공급망 재고 등 모든 다양한 데이터 사일로에 연결하고 가능한 최고의 추천을 전면 및 중앙에 표시하는 것)은 eBay에게 큰 과제였어요.

eBay는 20,000개 이상의 제품과 150,000개 이상의 속성을 검색하고 싶어 했어요. 그걸 제공하는 건 정말 어려운 일이었죠. 그래서 eBay는 모든 확률 모델을 보유하는 기본 Graph Database로 Neo4j를 선택했고, 이를 Google 어시스턴트와 함께 사용하고 있어요. Google 어시스턴트를 사용해 본 적이 있다면 "eBay를 사용해 보겠습니다."라고 말할 수 있죠. 거기에서 사용할 수 있는 음성 검색은 먼저 Neo4j 기반 시스템에 입력되어 Natural Language Processing을 사용하여 가능한 최상의 추천을 제공하는 검색 문자열을 생성해요. 그리고 이러한 권장 사항은 매우 고도로 훈련되어야 해요. 왜냐하면 Google 어시스턴트와 같은 인터페이스를 사용하고 있기 때문에 여러 제품을 표시하고 여기를 클릭하고 저기를 클릭하는 유연성이 없기 때문이에요. 이번 교환에서는 보이스오버이기 때문에 가장 좋은 제품을 먼저 보여주는 것이 중요하죠. 이것이 바로 eBay가 Google 지원 제품을 위한 Neo4j를 통해 달성할 수 있었던 거예요.

이제 Meredith Corporation을 살펴볼까요? Meredith Corp는 정말 흥미로운 사용 사례를 가지고 있어요. 여기 계신 많은 분들이 진정으로 독특한 고객 360이라는 개념으로 어려움을 겪고 있기 때문이에요. 우리에겐 고객인 가족이 있고, 커플이 있고, 자녀가 있는 부모가 있고, 조부모, 대가족, 독신자, 자녀 등이 있다는 걸 알고 있죠. 하지만 이러한 점들을 어떻게 연결할 수 있을까요? 정말 어렵죠? 게다가 온라인, 매장 내, 모바일 랩, 콜센터, 트위터 등을 운영하는 조직도 있어요. 데이터 소스가 너무 많은 거죠. 그래서 실제 고객이 누구인지 이해하는 건 정말 어려운 일이에요.

Meredith Corp가 한 일은 익명의 데이터를 가져오는 것이었어요. 쿠키만 수집할 뿐 다른 건 없죠. 여러분 대부분은 쿠키뿐만 아니라 훨씬 더 많은 정보를 가지고 있을 거예요. 쿠키와 같은 간단한 정보를 사용하여 140억 개의 익명 데이터 포인트를 1억 6,300만 개의 고유한 프로필로 변환할 수 있었어요. 한번 생각해 보세요. 140억 개의 데이터 포인트가 1억 6,300만 개의 고유한 프로필로 변환되었다니! 그리고 그건 바로 온라인 경험 쿠키였답니다.

이제 여러분이 가진 다른 모든 정보를 추가해볼게요. 이걸 중심으로 Knowledge Graph를 만들고 모든 거래, 뉴스레터 가입 등 모든 것을 넣어보는 거죠. 매장에서 Wi-Fi에 등록한 사람, 로그인 후 온라인 전자 상거래 웹사이트를 탐색한 사람, 장바구니가 있는 사람, 위시리스트가 있는 사람 등 모든 데이터 포인트는 1억 6,300만 개의 고유한 프로필을 더욱 풍부하게 만들어서 더 정확한 계산을 가능하게 해줘요. 다음 분기별 회의나 캠페인에서 고객이 실제로 누구인지, 고객 기반 내 영향력 있는 사람이 누구인지 훨씬 더 잘 이해할 수 있을 거예요.

인플루언서 한 명을 잃으면 다른 고객 40명을 잃게 된다고 하니, 인플루언서가 누구인지 아는 게 정말 중요하겠죠? 고객 서비스에 데이터 과학을 활용할 수 있도록 영향력 있는 사람과 가장 가까운 사람, 그리고 가장 멀리 있는 사람을 아는 것도 중요해요. 콜센터에 연락해서 인플루언서가 전화하는지 확인할 수 있고, Neo4j를 사용해서 콜센터에 정보를 팝업해서 특별한 관심과 보살핌을 제공할 수도 있고요. 고객 서비스 및 캠페인 등에서 데이터 과학을 사용하는 건 이제 필수적이지만, Neo4j 덕분에 배포가 정말 쉬워졌어요. 이게 비용 대비 가치가 있는지 궁금한 비즈니스 리더분들을 위해, 기존 배포를 사용하는 수많은 고객을 대상으로 한 Forrester의 경제적 영향 연구에서 ROI 417%라는 결과가 나왔다는 점을 말씀드리고 싶네요.

Neo4j는 3년 동안 투자 비용을 4배 이상 회수했어요. 소프트웨어, 인력, 시간 측면에서 매출이 220만 달러 증가했고, 시장 출시 시간과 가치 실현 시간이 60% 단축되었으며, 180만 달러 이상의 비용 절감 효과가 있었죠. 그래프는 규정 준수를 강화할 뿐만 아니라 하드웨어 설치 공간을 줄여서 비용을 절감하고 규정을 준수하며 수익을 높이는 데도 도움이 된답니다.

이러한 솔루션을 여러분이 있는 곳에서 바로 실행할 수 있기 때문에, 파트너 네트워크, 기존 고객 및 커뮤니티의 230,000명 이상의 개발자를 통해 여러분의 조직과 사용 사례에 많은 가치가 있을 거라고 확신해요. 그래프 기술을 사용해서 전략적이고 경쟁적인 이점을 창출하고 단일 의도 아키텍처에서 연결된 아키텍처로 전환할 수 있어요.

오늘날의 소매업체는 복잡하고 새로운 과제에 직면해 있어요. 이 백서를 읽으려면 아래를 클릭하세요. 그래프 기술로 소매업 혁신 주도 Neo4j가 소매업체가 연결된 데이터를 통해 가장 큰 과제를 극복하는 데 어떻게 도움이 되는지 알아보세요.

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지