웹 서비스에 인공지능 활용하기

0

빅데이터와 데이터 활용의 중요성이 강조된 지도 꽤 오랜 시간이 흘렀다. 지금은 수집한 데이터를 어떻게 활용할지가 가장 큰 과제 중 하나다. 국내 기업은 데이터 활용에 대한 이해도가 부족하며, 데이터를 이용한 혁신을 일으키려는 의식 역시 다른 나라에 비해 낮은 편이다.

수집한 데이터의 대부분이 활용되지 않기도 하며, 방대한 데이터를 보존 및 해석하기 위한 비용과 그것에서 얻을 수 있는 효과의 균형을 어떻게 취할지도 큰 과제가 되고 있다.

빅데이터 활용은 기술 기업뿐 아니라 거의 모든 업종에서 필요해지고 있다. 데이터 활용의 유무가 기업의 생존을 좌우하는 상황에 이르고 있다. 또 보유한 데이터가 그다지 많지 않은 기업에서도 앞으로는 IoT의 폭발적 보급에 의해 데이터를 쉽게 대량으로 수집할 수 있게 된다.

2015년부터 2020년까지 5년 동안 IoT 디바이스의 수는 5배인 250억 대(Gartner), 디지털 데이터의 양은 매년 40% 증가(IDC)한다고 예측되고 있다. 이런 배경만 봐도 빅데이터 활용이 계속 중요해질 것임을 알 수 있다.

미국 실리콘밸리에서는 실제로 데이터를 활용해 서비스를 개선하는 움직임이 왕성하다. 구체적으로 어떻게 이용할지는 Apache Hadoop이나 Spark와 같은 분석 기술 콘퍼런스나 기술 블로그에서 소개된 적 있지만, 일반적으로는 그다지 알려지진 않았다. 이에 여기서는 ‘https://www.nelco.com/’에 실린 내용을 토대로 하여, 공유 경제를 대표하는 Air bnb 사례를 통해 어떻게 빅데이터를 활용해야 할지에 대한 힌트를 얻어보기로 한다.

Air bnb의 숙박 수요 예측 툴, Pricing Tips

공유 경제를 대표하는 기업 Air bnb는 샌프란시스코에 본사를 둔 스타트업이다. 비상장 기업이지만 평가액은 255억 달러나 된다(2016년 6월 기준). 미 상장이면서 평가액이 10억 달러를 넘는 기업을 유니콘이라고 하고 Uber 등 다수의 유니콘이 존재한다.

Air bnb는 얼핏 보기에 방을 제공하는 호스트와 방을 빌리는 게스트를 매칭하는 것만 있는 것 같다. 기술과는 무관한 기업으로 보일지도 모르겠지만, 실제로는 기술 회사이고 자사에서 개발한 기계학습 소프트웨어 라이브러리인 Aerosolve를 오픈소스화하거나, 사내의 빅데이터 분석과 인공지능의 활용에 대한 성과를 블로그나 콘퍼런스에서 공개하고 있다.

인공지능이 숙박 제공 호스트를 지원

Air bnb가 호스트에게 제공하고 있는 것이 Pricing Tips라는 숙박 수요 예측 툴이다. 설정한 숙박 가격을 놓고 봤을 때 어느 정도 가능성으로 예약이 있을지 하루 단위로 표시된다.

숙박 시설의 수요는 계절이나 이벤트의 유무에 의해 크게 바뀐다. 당연히 수요 변동에 의해 가격도 변동한다. Air bnb의 호스트는 수익을 높이기 위해 공실을 내거나 지나치게 저렴한 가격으로 방을 빌려주는 것은 피해야 한다.

그러나 Air bnb를 막 시작한 호스트가 자신의 방의 상태를 제대로 판단하기는 매우 어렵고, 또 자신이 모르는 이벤트가 있거나 숙박 수요가 급증하거나 계절에 따라 수요가 크게 바뀌는 것 등은 미리 알 수 없다.

이 툴은 이러한 과제를 해결하는 것을 목적으로 한다. Air bnb는 공식 블로그에서 툴이 제시하는 가격의 5% 이내로 가격을 설정함으로써 4배의 예약을 받을 수 있다고 한다(5% 이내 가격차가 있는 경우와의 비교).

Air bnb에게 있어 이러한 수요 예측은 호스트와 게스트(숙박자) 양쪽 모두에게 큰 장점이 있다. 호스트는 적정한 가격으로 효율적으로 방을 운용함으로써 수익을 높일 수 있고, 이로 인해 호스트가 늘어나고 방도 늘어난다. 가격이 높은 시기는 호스트도 적극적으로 방을 빌려주고자 할 것이다. 또 게스트 입장에서도 방이 증가하는 것은 큰 장점이다.

각종 파라미터로 적절한 숙박비를 인공지능이 산출

이 숙박 수요 예측 툴은 수백 개의 파라미터에 기초한다. 각각의 파라미터가 어떻게 가격에 영향을 미치는지가 모델화되고 예측에 사용되고 있다. 예를 들어 다음과 같은 것이 있다.

  • 입지 : 지역에 따라 당연히 가격이 다르다. 자동으로 영역을 구분하는 알고리즘이 이용되어 지역별 가격차를 반영하고 있다.
  • 사진 : Air bnb에서는 기계 학습에 의해 어떤 사진이 예약되기 쉬운지를 알려준다. 프로 사진가가 높게 평가하는 것은 거실이 화려한 사진이지만, 실제로 게스트가 많이 예약하는 것은 지내기 좋을 것 같은 침실이 있는 방이다.
  • 리뷰의 평균과 총수 : 리뷰의 수나 총수도 게스트가 판단하는 기준이 된다. 리뷰가 높은 호스트는 높은 가격임에도 불구하고 게스트를 확보하기 쉬워진다.
  • 로컬 이벤트 : 예를 들어 SXSW라는 이벤트가 열리는 미국의 오스틴에서는 SXSW 시즌이 되면 숙박 시설 가격이 몇 배나 뛴다. 이처럼 이벤트는 매우 중요한 지표이다.

그러나 Air bnb의 가격 결정은 여러 가지 수요가 조합되어 있어 복잡하다. 간혹 이런 계산이 잘 맞지 않아 낭패를 보는 경우도 있어 이에 대해 불만을 토로하는 호스트도 등장하곤 한다. 따라서 툴에 가격을 모두 맡기는 건 곤란할지도 모른다. 단 Air bnb에 따르면 ‘이 툴은 가격의 예측과 예약의 결과를 학습하여 정밀도를 높이는 구조를 갖고 있다’고 하여, 앞으로 점점 더 높은 정밀도로 예측이 가능해질 것으로 기대된다.

모든 기업이 IT 기업으로

Uber는 Air bnb와 마찬가지로 공유 경제를 대표하는 기업이다. 회사 가치 평가액이 620억 달러에 달할 정도다. 한국에서는 법규제 문제 등으로 인해 이용하기 어려워 실제로 어떤 서비스가 제공되고 있는지 그다지 알려지진 않았다.

Uber는 단순히 자동차와 승객의 매칭을 하는 기업이 아니라 기술 기업이다. 수급 균형에 따라 가격이 실시간으로 바뀌는 시스템이나, 출발 지점과 도착 지점이 가까운 사람끼리 합승시켜 저렴하게 이동할 수 있는 Uber Pool, 고도의 알고리즘을 이용해 정확한 도착시각을 예측하거나 Uber의 운행 상황을 실시간으로 시각화하는 등의 기술을 풀로 활용하고 있다.

Air bnb와 마찬가지로 Uber도 일견하기에는 고도의 기술과는 무관하게 생각된다. 그러나 실태는 IT기업이다. 물론 아름다운 앱이나 웹 사이트를 제공하지만, 빅데이터 분석이나 인공지능의 활용 부분에 주목해야 한다. 즉 유저 입장에서는 직접 보이지 않는 부분에 기술이 활용되고 있고 서비스의 품질을 향상시키고 있다. 모든 기업은 IT 기업이 되고 있고 기술을 어떻게 활용할지가 기업의 운명을 좌우하게 된다. 기존 기업은 IT 기업이 될 수 있느냐의 여부가 미래 성장에 큰 갈림길이 될 것이다.

 

Facebook Comments

About Author

월간 app의 프로필 사진

국내 모바일 산업과 창업 생태계를 응원합니다. 모바일 트렌드에 대한 전문 컬럼을 기고하거나 유망한 스타트업을 소개하고 싶으시면 연락바랍니다. 적극 수용하겠습니다~♥

댓글 남기기