에이베러 | ABetter
이커머스 상품의 상위 노출 예측 모델링 및 비교우위 관련 인사이트 도출
프로젝트 소개
ABetter는 이커머스 플랫폼 Coupang의 판매 로그 데이터를 활용하여, 특정 키워드 검색 시 상위 노출과 경쟁 상품 대비 우위를 확보하기 위한 전략을 수립하고 모델링하는 프로젝트였습니다.
세부 목표:
1. 검색 키워드 내 비교우위 인사이트 도출 및 전략 수립
2. 검색 키워드 내 상위노출 순위 예측 모델링
로드맵
진행 프로세스
주제 1. 검색 키워드 내 비교우위 인사이트 도출
1. 가격 변화에 따른 주문수의 변화 양상
2. 부정적 리뷰 비율 변화 및 리뷰 누적에 따른 CVR의 변화 양상
3. 검색량 트렌드 변동에 따른 주문수의 변화 양상
(2) CVR 증진을 위한 액션의 효과성을 검증한다.
주제 2. 검색 키워드 내 상위노출 순위 예측 모델링
(2) 시계열 특징과 과거 분포를 이용해 시간 신호를 생성한다.
(3) ML: LightGBM Multi-class Classifier
- 안정적인 성능을 보이는 baseline 모델을 구축한다.
- 핵심 feature를 발굴하고 비즈니스 인사이트를 확보한다.
(4) DL: MLP-based Position Aware ListNet
- 순위 자체에 대한 복잡한 비선형 관계를 학습한다.
- 상위권 오류에 더 큰 패널티를 주는 Position-Aware List MLE Loss를 설계한다.
성과 및 인사이트
주제 1. 검색 키워드 내 비교우위 인사이트 도출
- 주문수 증대에 있어 각 feature의 영향을 정량적으로 확인
- 액션 효과 평가 시, 해당 액션이 장기적 수요 기반을 변화시킨 것인지, 단기적인 관심의 일시적 변동에 기인한 것인지를 구분하여 해석
- 상품별 액션 포인트 설정 시, 전략적 의사결정에서의 체계적 분석 도구로써 활용 가능
주제 2. 검색 키워드 내 상위 노출 순위 예측 모델링
- 순위 예측에서 중요한 feature들을 생성하고 정량적으로 확인
- 핵심 feature들을 기반으로, 순위 학습에 특화된 DL 모델 구축
- 전략 상품의 상위 노출 가능성을 사전 예측하여, 순위 기반 전략 수립 및 광고 ·마케팅 의사결정 지원 도구로 활용함으로써 지속 가능한 경쟁 우위 확보
PM 소회
ABetter와 프로젝트를 진행하며 좋았던 점은 무엇인가요?
- 회사의 새로운 여정에 기여
이번 프로젝트는 에이베러가 데이터 활용을 본격적으로 시작하는 중요한 전환점에 함께할 수 있었다는 점에서 큰 의미가 있었습니다. 초기 단계부터 데이터를 축적, 정제하고 분석 체계를 구축하는 과정을 경험하며 값진 배움을 얻을 수 있었습니다. 무엇보다도 회사의 성장 여정 속에서 데이터 기반 의사결정의 출발점에 기여할 수 있었다는 점이 뜻깊었습니다.
프로젝트 진행 중 겪었던 가장 큰 어려움은 무엇이었나요? 이를 어떻게 해결했나요?
- 데이터 부족
프로젝트를 진행하며 가장 큰 어려움은 충분한 데이터를 확보하기 어려웠다는 점이었습니다. 특히, 경쟁 상품의 상세 정보나 장기간의 이력 데이터를 이커머스 측에서 제공하지 않아 분석에 제약이 뒤따랐습니다. 이를 극복하기 위해 상대적 지표와 시계열 변수를 설계하여 부족한 부분을 보완하였고, 머신러닝과 딥러닝을 단계적으로 적용함으로써 데이터 제약 속에서도 신뢰할 수 있는 성능을 확보할 수 있었습니다. 이러한 과정을 통해 제한된 환경에서도 창의적인 방식으로 문제를 해결하는 소중한 경험을 쌓을 수 있었습니다.
이번 경험을 통해 어떤 인사이트나 역량을 얻으셨나요?
- 데이터 분석 역량
이번 프로젝트를 통해 불완전한 데이터 환경에서도 의미 있는 분석을 도출하는 방법을 배울 수 있었습니다. 특히, 주어진 데이터에 한계를 두기보다 전처리와 feature 설계를 통해 해결책을 모색하는 자세의 중요성을 깊이 느꼈습니다. 또한, 끈끈한 팀워크와 열정적인 학회원들과의 협업을 통해 유연한 사고와 협력의 가치를 다시금 확인할 수 있었습니다.
향후 유사한 프로젝트를 진행할 학회원들에게 전하고 싶은 조언이 있나요?
- 불완정한 환경일수록 깊이있는 통찰력이 중요합니다!
데이터 분석을 시작할 때 우리는 종종 더 많은 데이터가 있어야 좋은 분석이 가능하다는 생각에 사로잡히곤 합니다. 하지만, 현실에서 완벽한 데이터는 거의 존재하지 않습니다. 불완전하거나 누락된 데이터, 제한된 기간의 기록, 혹은 제공받지 못하는 정보가 늘 따라오기 마련입니다.결국 분석의 본질은 “데이터를 얼마나 많이 갖고 있느냐”가 아니라, “주어진 자원 속에서 얼마나 깊이 있는 통찰을 이끌어내느냐”에 있습니다. 완벽함을 기다리기보다, 지금 가진 데이터 속에서 문제를 정의하고 해답을 찾아내는 태도가 진정한 데이터 분석가의 역량이라고 생각합니다.