“영상 속 맥락 읽는 AI”…GS샵, 추천 시스템 고도화했더니 주문고객 57% ↑ 작성일 05-21 22 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">‘아마존 베드록’ 위에서 영상 분석…전환율·체류 시간도 동시 상승</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="ymE6vUGhTf"> <figure class="figure_frm origin_fig" contents-hash="119a8b411a8b108bb0d3575b742e1a65a196ceabe3e14cfd4eda9a04b17943ff" dmcf-pid="WsDPTuHlSV" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/21/552796-pzfp7fF/20260521152850458mglv.jpg" data-org-width="640" dmcf-mid="PBx7rXCEy6" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/21/552796-pzfp7fF/20260521152850458mglv.jpg" width="658"></p> </figure> <p contents-hash="20b5f0094380f4fc567fdda62e314699eb3d1cde9743be87e14cedc4ccd211fd" dmcf-pid="YOwQy7XSW2" dmcf-ptype="general">[디지털데일리 이안나기자] 1시간짜리 홈쇼핑 방송이 끝나면 PD들의 진짜 업무가 시작된다. 재방송에 쓸 하이라이트 클립을 골라내고, 이미 바뀐 카드 혜택이나 품절 임박 멘트처럼 더 이상 유효하지 않은 장면을 찾아 제거하는 작업이다. 영상을 처음부터 끝까지 다시 돌려보며 일일이 확인하는 이 과정에 매번 한두 시간이 소요됐다.</p> <p contents-hash="edff835452b5561a995a942b100603c53d5737f66b7c85632cd449f28df2d6c7" dmcf-pid="GIrxWzZvh9" dmcf-ptype="general">“영상도 텍스트처럼 검색할 수는 없을까.” GS리테일 GS샵 검색추천파트가 던진 이 단순한 질문 하나가 결국 추천 시스템을 한 단계 끌어올리는 출발점이 됐다. 조민규·이세윤 매니저는 20일 ‘AWS 서밋 서울 2026’이 열리는 서울 코엑스에서 <디지털데일리>와 만나 GS샵이 영상 기반 AI 상품 추천 플랫폼을 구축하게 된 배경과 성과를 설명했다.</p> <p contents-hash="8a6a75529305e87a090fda756b1a31a56762caebf2a9811d34aa8fe0c0350e51" dmcf-pid="HCmMYq5TTK" dmcf-ptype="general">GS샵은 TV 홈쇼핑을 근간으로 하는 영상 전문 커머스 플랫폼이다. 숏폼 브랜드 ‘숏픽’을 운영하며 매일 수십 편 상품 영상을 앱에 노출하고 있고 기존 추천 시스템도 상품 기반으로 안정적으로 운영돼 왔다. 다만 이름은 ‘숏픽 추천’이었지만 영상 자체를 추천 신호로 쓰지는 못했다. 시스템이 다룰 수 있는 데이터는 카테고리·브랜드·상품명 같은 정형 정보였고 영상 안의 맥락까지는 추천에 활용하지 못했다.</p> <p contents-hash="9373acb911324c63136ab64badd0d4243130d7ea200b270f19be9f50e96f8357" dmcf-pid="XhsRGB1yyb" dmcf-ptype="general">조민규 매니저는 “추천 모델을 늘 정성적으로 모니터링하다 보면 고객이 진짜 원하는 것에 아직 못 미친다는 아쉬움이 있었다”고 말했다. 냉장고 영상을 본 고객에게 비슷한 냉장고만 반복 노출되는 것이 대표적인 사례였다. 인테리어 맥락에서 냉장고를 찾는 고객이라면 가구나 소품까지 이어지는 추천이 자연스럽지만 정형 데이터만으로는 그 맥락까지 읽어내기 어려웠다.</p> <p contents-hash="97908534c1133d77a9fc7281ba4645c1909fd7974f8e5c2167ace34095d91f35" dmcf-pid="ZBuh8NMVTB" dmcf-ptype="general">영상 검색 출발점은 추천이 아니었다. AWS가 소개한 NFL 선수 동선 트래킹 사례가 계기였다. 조 매니저는 “연구 단계에 머무는 것이 아니라 실제 사례로 구현해낸 것을 확인했고 API로도 안정적으로 서비스되고 있었다”며 트웰브랩스 영상 이해 모델이 이미 검증된 기술임을 확인했다고 말했다.</p> <div contents-hash="b113e5f3fdc8d959f9f174db324ae00f16cffe22f89015ad2a4144cca0578170" dmcf-pid="5b7l6jRfhq" dmcf-ptype="general"> 여기에 기존 AWS 인프라가 토대가 됐다. 이세윤 매니저는 “이미 AWS 인프라를 많이 활용하고 있었기 때문에 유기적으로 연결할 수 있었던 부분이 가장 컸다”고 했다. 방송 영상은 아마존 S3에, 상품 정보와 고객 행동 로그는 아마존 레드시프트에 이미 쌓여 있었고 트웰브랩스 모델이 아마존 베드록 위에서 제공된 덕분에 별도 계약이나 인프라 구축 없이 바로 도입이 가능했다. </div> <figure class="figure_frm origin_fig" contents-hash="3c2a6a7b91f27dba3b7759e40252a07a3511795158e7d7544cd681946c029923" dmcf-pid="1KzSPAe4lz" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/21/552796-pzfp7fF/20260521152851815xchd.png" data-org-width="640" dmcf-mid="xvdukWmjy4" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/21/552796-pzfp7fF/20260521152851815xchd.png" width="658"></p> </figure> <p contents-hash="8b8bcb59588c74d70c57c59a757a40aa544824d6aad7f5cd91eeb80878da7c86" dmcf-pid="t9qvQcd8T7" dmcf-ptype="general">이 실험은 곧 추천 시스템 개선으로 이어졌다. 영상 전체 맥락을 이해할 수 있다면 그 안에서 고객 클릭과 구매를 이끌어낸 메시지를 뽑아낼 수 있지 않을까. GS샵은 이를 ‘소구 포인트(Appeal Point)’라 이름 붙이고 추천 시스템의 새로운 신호로 삼았다. 아마존 베드록 위에서 영상 이해부터 키워드 추출, 벡터 변환까지 순차적으로 처리해 유사도 기반 추천이 이뤄지는 구조다.</p> <p contents-hash="200d008dae2dc86442298c89a3e01de6be1a64aaaf4220d445382203a95b9858" dmcf-pid="F2BTxkJ6Tu" dmcf-ptype="general">적절한 소구 포인트를 추출하기까지 시행착오도 있었다. 조 매니저는 “영상을 이해하는 모델이 생겼는데 정작 뭘 물어봐야 할지 몰랐다”고 했다. 텍스트 기반 AI와 달리 영상 전체를 이해하고 질의응답하는 방식 자체가 낯선 경험이었고 추천에 필요한 신호를 뽑으려면 어떤 질문을 해야 하는지 감을 잡는 데에도 시간을 들여야 했다.</p> <p contents-hash="a38d792c2590a70ee8cf0ba0cb49dec431d358f8bcd53a0cdef0a2340fdb9dbb" dmcf-pid="3VbyMEiPyU" dmcf-ptype="general">처음에는 영상 전체 설명을 그대로 임베딩했더니 브랜드명과 상품명 신호에 끌려가 운동화 영상을 보면 운동화만 추천되는 결과가 반복됐다. 방향을 바꿔 기능성·스타일·사용 상황·실용성 네 가지 축의 키워드만 선택적으로 추출하자 워킹화 영상이 레깅스·바람막이·양말로 이어지는 크로스카테고리 추천이 가능해졌다.</p> <p contents-hash="aba28a92f737e3e57a59554e31bddf0ac53888f2fc3d36599ad17ea5b1573b39" dmcf-pid="0fKWRDnQyp" dmcf-ptype="general">실제 서비스에 얹는 과정도 만만치 않았다. 사과 상품에 손빨래 영상이 매핑되는 휴먼 에러, 점수 합산 구조에서 하나라도 응답이 늦어지면 추천이 나가지 않는 레이턴시 문제가 발생했다. 이 매니저는 “각 점수마다 타임아웃을 걸어두고 하나가 안 나오더라도 나머지로 추천이 나갈 수 있게 했다”고 대응 방법을 소개했다.</p> <p contents-hash="dacc53e90bcc23f872a32c80e0d0ba2d6dcd63c6bc02c210d3c17b61a825bf1a" dmcf-pid="p49YewLxT0" dmcf-ptype="general">그 결과 숏픽 동일 영역·동일 기간 기준 50대 50 A·B 테스트 결과, 클릭 순방문자는 21.7%, 총주문고객수는 57.5%, 전환율은 29.4% 상승했다. 유저당 평균 영상 체류 시간도 6.3초에서 8초로 늘었다. 이 매니저는 “광고 플랫폼에서도 영상 시청 지표를 중시하는데 체류 시간 증가는 추천 품질의 또 다른 지표로 볼 수 있다”고 의미를 전했다.</p> <p contents-hash="304c3a2294f17dac3c1ad932912555a9cc09dd6c2834a4c9853246d39321765e" dmcf-pid="U82GdroMT3" dmcf-ptype="general">GS샵이 그리는 다음 단계는 ‘콘텐츠→추천→반응 학습→재제작’으로 이어지는 선순환 구조다. 추천 시스템이 어떤 소구 포인트에 고객이 반응했는지를 학습하고 그 결과를 다시 콘텐츠 제작에 활용하는 것이다. 아마존 베드록 내 영상 생성 모델과 연결하면 검증된 소구 포인트를 기반으로 영상 자체를 자동 생성하는 것도 가능해진다. 조 매니저는 “고객이 본인도 생각하지 못했던 것에 호기심을 느끼게 한다면 그게 진짜 초개인화 추천”이라며 “영상을 추천에 활용하는 것은 그 방향으로 나아가는 분명한 개선”이라고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 [뉴스줌인] CDN·HTTPS에 막힌 불법 사이트 차단...범정부·산업계 대응체계 구축해야 05-21 다음 "처음엔 계산기였는데"…애플 심사 통과 후 '사기 앱' 돌변한 6만개 정체는? 05-21 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
