AI모델을 통해 불량 공정률을 획기적으로 줄인 기업이 있다? (feat.SHAP라이브러리)
머신러닝과 SHAP 라이브러리를 활용해 불량공정률을 획기적으로 줄인 고객사 사례를 살펴봅니다. 데이터 수집, 전처리, 모델링, SHAP 라이브러리를 통한 변수 도출과 직관성 높인 기능 추가까지 상세히 알아보세요.
TABLE OF CONTENTS
앞서가는 패션 기업은 어떻게 데이터를 활용하는가?
최근 패션 업계는 빠르게 디지털화되고 있습니다. 이 포스트에서는 패션 MD, 디자이너, 마케터들을 위한 데이터 활용 방법을 소개하며, 국내 패션 업계를 이끄는 S사의 리뷰 데이터 분석 전략을 살펴봅니다.
0. 패션 MD, 디자이너, 마케터를 위한 코딩 없이 데이터를 수집하고 활용하는 방법
최근 패션 업계도 디지털화를 빠르게 추진하고 있습니다. 온라인 커머스가 크게 성장하면서 상품, 가격, 리뷰 정보 등 다양한 데이터들이 발생하고 있고, 이 데이터들은 패션 업계의 여러 직무에 인사이트를 제공할 수 있습니다.
이번 게시물에서는 MD, 디자이너, 마케터들이 참고할만한 리뷰 데이터 활용 방안을 소개하고, 국내 패션 업계를 이끌어가는 S사에서 어떻게 리뷰 데이터를 분석하고 수집하는지 소개해드리고자 합니다.
리뷰 데이터는 MD, 디자이너, 마케터에게 실무에 필수적인 인사이트를 제공합니다. 그러나 데이터를 수집하고 분석하는 과정은 꽤나 복잡하고 기술적인 지식을 요구하는데요. 특히, 웹 스크래핑이나 웹 크롤링에 대한 지식이 없다면 쉽지 않은 작업입니다.
MD, 디자이너, 마케터에게 리뷰 데이터는 고객의 이야기를 직접적으로 들을 수 있는 채널이자, 다음 시즌을 구상하는 기초 자료로 활용됩니다. 각 직무별로 리뷰 데이터를 어떻게 활용할 수 있는지 구체적으로 알아봅시다.
1. MD를 위한 활용 방안
1.1. 상품 라인업 결정
리뷰 데이터를 통해 어떤 카테고리나 스타일의 상품이 고객들에게 인기가 많은지 파악할 수 있습니다.
예를 들어, "지속가능한 패션"에 대한 긍정적인 리뷰가 많다면, 다음 시즌에 지속 가능한 소재와 제작 과정을 강조한 상품 라인업을 계획할 수 있습니다.
1.2. 가격 설정
리뷰에서 고객들이 "저렴한 가격에 잘 산 것 같다", "가격이 적당하다" 또는 "가성비가 좋다" 등의 표현을 사용하면, 현재 가격이 적정하다는 것을 알 수 있습니다.
반면에 "너무 비싸다" 등의 의견이 많다면, 가격을 조정하거나 프로모션 전략을 세울 필요가 있습니다.
1.3. 시즌 트렌드 분석
리뷰에서 계절이나 특정 이벤트(예를 들어, 크리스마스, 여름 휴가 등)와 관련된 키워드가 빈번하게 등장한다면, 이를 활용해 다음 시즌 상품을 어떻게 구성할지 계획할 수 있습니다.
예시로, 겨울 시즌에 "따뜻함"이나 "보온성"에 대한 긍정적인 리뷰가 많다면, 보온성을 강조한 아이템을 더 많이 준비해야 할 수 있습니다.
2. 디자이너를 위한 활용 방안
2.1. 소비자 선호 분석
리뷰에서 자주 언급되는 색상, 패턴, 소재 등을 분석할 수 있습니다.
예를 들어, "파스텔 톤"이나 "린넨" 등에 대한 피드백을 확인하고 이를 다음 컬렉션에 반영할 수 있습니다.
2.2. 디자인 개선
리뷰에서 나오는 착용감, 내구성, 소재, 길이감 등의 문제점을 파악하여, 실제 디자인이나 제작 과정에서 이를 수정할 수 있습니다.
2.3. 컬렉션의 타겟 설정
"20대 여성", "대학생 딸", "출근룩", "꾸미고 싶은 날" 등의 정보를 리뷰에서 추출하여, 다음 컬렉션에서 타겟 고객의 페르소나와 착용 시점 등을 더 명확하게 설정할 수 있습니다.
3. 마케터를 위한 활용 방안
3.1. 프로모션 전략 개발
리뷰 데이터에서 고객들이 "할인"과 관련된 키워드를 얼마나 자주 언급하는지 확인하여, 시즌별 또는 이벤트별 할인 전략을 조정할 수 있습니다.
3.2. 제품 포지셔닝
리뷰 내용에서 "귀여움", "고급스러움", "편안함", "실요성" 등의 키워드가 어떤 상품에 주로 언급되는지 분석합니다.
이를 통해 해당 상품에 적절한 브랜드 메세지나 광고 캠페인을 기획할 수 있습니다.
3.3. 소비자 반응 모니터링
새로운 제품 출시나 마케팅 캠페인 후, 그 효과를 실시간을 확인하기 위해 리뷰 데이터를 활용할 수 있습니다.
상품의 포지셔닝과 마케팅 메세지와 고객 반응이 일치하는지, 어떻게 리뷰에 반영되는지 모니터링할 수 있습니다.
4. 국내 패션을 선도하는 S사는 어떤 리뷰를 보고, 어떻게 분석하고 있을까?
앞서 패션 관련 주요 직무들이 리뷰 데이터를 어떻게 활용할 수 있는지 확인해봤습니다. 이번에는 해시스크래퍼에 온라인 리뷰 데이터 수집과 분석을 요청했던 S사의 사례를 통해 패션 업계에서 어떤 데이터를 주목하고 있으며 더 나아가 어떻게 분석하길 원하는지 소개합니다.
- 자사몰 및 외부몰 리뷰데이터 수집
S사는 다양한 브랜드의 상품을 자사몰과 외부몰에서 판매하고 있습니다. 따라서, 자사몰과 외부몰의 리뷰 데이터를 수집하고 분석하길 원했습니다.
자사몰의 데이터는 S사 내부에서 확보할 수 있었고, 외부몰의 데이터는 웹 스크래핑 방식으로 수집을 진행하였습니다.
수집된 데이터는 위와 같이 리뷰의 별점, 유통채널, 리뷰작성일, 리뷰 내용 등으로 구성되었습니다.
이렇게 구성된 데이터를 AI 자연어처리 모델을 활용하여 감정분석을 수행하고, 속성 카테고리별로 언급된 키워드을 추출하였습니다.
감정분석은 개별 리뷰를 각 문장으로 분리하여, 문장별 감정분석을 진행하였습니다.
속성 카테고리는 color, matter, fit, size, length, body, style 등 패션 아이템 관련 카테고리를 만들고, 리뷰 내용에 카테고리에 속하는 키워드가 존재하면 속성 카테고리에 매칭하는 방식으로 키워드 분석이 진행되었습니다.
이 결과물을 활용하여, S사에서는 브랜드별 MD, 디자이너, 마케터들에게 제공하여 위에서 말씀드린 다양한 활용방안을 실무에 적용하고 있습니다.
패션 업계에서 직무별로 데이터를 어떻게 활용할 수 있는지, 그리고 앞서가는 패션 기업에서는 어떤 데이터를 보고 어떻게 분석하는지 알아보았습니다.
5. 직접 체험하고 싶으시다면
해시스크래퍼 대시보드에서는 코딩을 몰라도 네이버 쇼핑, 무신사, 쿠팡, 11번가 등 다양한 온라인 커머스에서 데이터를 수집할 수 있습니다.
회원가입 시 5만 원 상당의 무료 크레딧을 제공합니다. 이 크레딧을 받고 원하는 데이터를 수집해보세요!
필요한 데이터가 없거나, S사와 같이 커스텀한 데이터 솔루션을 원하신다면 언제든지 문의를 남겨주세요. 풍부한 경험이 있는 컨설턴트가 여러분의 어려움을 해결하기 위해 가장 효율적인 솔루션을 제안해드립니다.
Made with Bullet