2019년. 옴니어스 연구팀 리더
현재. 옴니어스 COO
옴니어스 트렌드 분석 서비스 ‘알피(Alffy)’에 따르면 한 달간(6월15일~7월14일) SNS에서 노출된 캐주얼 상의 중 가장 인기있는 색상은 화이트(40.3%)가 차지했다. 블랙(20.9%), 그레이(8.3%) 순으로 나타났다. 스카이블루가 새롭게 부상했다. 최근 4일간(7월1~4일까지) SNS 인기 순위 추이에서는 스카이블루가 3단계 뛰어 5위를 기록했다.
패션 AI기업 옴니어스는 AI를 이용해 매일 30만장 이미지를 분석한다. AI는 0.5초 만에 이미지 한 장을 분석한다. 지금까지 태거와 렌즈를 만들기 위한 학습데이터에 3000만장 이상 이미지가 사용했다.
옴니어스는 지난 6월 정량화하기 어려웠던 패션 정보를 데이터화한 트렌드 서비스 ‘알피’를 리뉴얼해 선보이며 새로운 도전에 나섰다. 알피는 현재 베타 서비스로 몇몇 고객사와 테스트 중에 있다. 국내외 플랫폼과 SNS 데이터를 활용한 트렌드 분석 서비스다. 누적 450만장을 패션 트렌드 분석에 사용하고 있다.
옴니어스 장윤훈 공동 창업자(COO)는 “옴니어스는 패션 아이템을 AI로 분류하고 각 개인이 패션 제품들에 대해 취하는 행동을 분석하고 데이터화하며 패션 플랫폼의 초개인화를 돕고 있다”며 “옴니어스는 다양한 메타정보를 모든 채널에 대해 동일한 기준으로 분석할 수 있도록 표준화하고 있다”고 말했다. 옴니어스는 고객사의 관심 조닝, 타겟 고객, 분석 목적에 맞추어 쉽게 데이터를 활용하고 추출할 수 있도록 다양한 데이터 서비스를 제공하고 있다.
-패션기업들이 트렌드 정보를 데이터화하기 어려운 이유는 무엇인가.
“패션의 경우 수많은 아이템 정보를 디테일하게 구분하고 라벨링하는 작업은 너무 어려운 일입니다. 고객 행동에 대한 이해는 높지만 그 행동 대상이 되는 제품에 대한 정보가 빈약한 채로 개인화가 많이 이루어지고 있는 실정입니다.
그 이유는 패션기업들이 다양한 종류의 데이터, 즉 빅데이터를 통해 트렌드 정보를 분석하는 게 어렵기 때문입니다. 패션기업들이 트렌드 분석데이터를 수집하는 것 자체가 쉽지 않아요. 자사 데이터의 경우 어떤 형태로든 데이터를 쌓고 있겠지만 추후 분석을 위한 관리, 가공하는 작업도 많은 공수가 들어갑니다.
외부 데이터 경우 데이터들을 안정적으로 적재하고, 시계열 분석까지 할 수 있도록 관리할 수 없었죠. 또 데이터를 일관된 기준으로 분석하고 가공하는 것도 어렵습니다. 채널마다 각 아이템과 속성들을 구분하는 기준도 다르고, 제공되는 정보 범위도 다르지요.
사람이 일일이 수작업으로 가공해 분석하기에는 그 양이 너무 많기 때문이죠. 어쩔수 없이 일부분만 활용하게 됩니다. 일관된 기준으로 데이터를 재조합해도 인사이트를 추출하기 위한 툴을 셋업하는 것도 어렵습니다.”
-데이터화가 패션기업에 필요하는 이유는.
“AI를 비롯한 기술과 툴이 발전하면서 디지털 기반 분석이 중요해지고 있습니다. 패션은 트렌드를 데이터화하기 쉽지 않은 분야입니다. 최근 몇 년간 온라인에서 유통되는 각종 트렌드를 반영하는 데이터들이 많아지고 있어요. 커머스 관점에서 보면 온라인 중요성이 점점 커지고 있습니다. 코로나 19는 이러한 변화의 속도를 가속화시키고 있습니다.
기업들이 다양한 데이터트렌드를 활용하게 된다면 사람의 직관과 감에 의존한 분석을 좀 더 객관적인 지표로 볼 수 있어요. 그 시간과 비용이 감소하게 될 것입니다. 이전에는 소수 인원들이 뛰어난 직관에 의해 할 수 있었던 일들이었어요. 기업은 빅데이터 활용을 통해 좀 더 빠르고, 효율적으로 객관적인 지표와 함께 스케일업(scale-up)이 가능합니다.
데이터 기반 접근방법 성공은 물론 실패에 대한 분석도 객관적으로 수행할 수 있게 됩니다. 자사 데이터 및 외부 데이터 분석을 수행하는 기업과 그렇지 못한 기업 간 차이는 더 벌어질 것입니다. 사람은 AI가 할 수 없는 더 창의적이고 감각적인 일에 역량을 발휘해야 합니다.”
-섬유 패션 기업은 디지털 트랜스포메이션 기반을 구축하며 역량을 강화하고 있다. 가장 먼저 해야 할 일은 무엇인가.
“기업은 디지털 트랜스포메이션을 통해 달성하고자 하는 목표가 명확해야 합니다. 어떤 목표를 위해서 디지털 트랜스포메이션을 하고자 하는지가 명확해야하고, 각 구성요소들을 체계적으로 준비해야 합니다. 모든 데이터를 목적에 맞게 취합, 가공, 분석하기 위해 데이터들에 충분한 메타정보를 부여하는 게 중요하죠.
자사와 경쟁사, 참조 브랜드들 패션 아이템들이나 SNS 내 패션 포스팅들을 깊이있게 분석하기 위해서는 사람이 인지하는 수준으로 각각 아이템과 이미지들에 대해 다양한 속성 정보를 제공하는 것이 중요합니다. 이후 목적에 맞게 조합하고, 분석할 수 있도록 시스템을 갖추는 것이 다음에 할 일입니다. 적절한 뷰(view)로 데이터를 활용할 수 있도록 하는 효율적인 툴도 필요합니다.”
-옴니어스가 새롭게 도전하고 있는 것은.
“기반 기술이자 장점인 옴니어스 태거(이미지 내 아이템과 속성들을 실시간으로 인식)를 최근 의류, 신발 이외의 가방, 모자, 기타 잡화까지 확장 범위를 넓힐 예정입니다. 앞으로 사람의 영역이라고 여겨졌던 상품 간 코디 추천, 각 상품 스타일 및 TPO 인식 등 정성적인 분야 확장을 시도하고 있어요.
이를 위해 2년 이상 SNS 등에서 축적된 다양한 상품 코디, 스타일 이미지들을 활용한 모델을 학습하고 있죠. 고객사들은 플랫폼이나 자사몰에서 유용한 상품 추천과 복합적인 트렌드 분석이 가능할 것입니다. 또 국내외 마켓플레이스와 SNS 데이터를 활용한 트렌드 분석 서비스 알피의 경우 현재 다양한 로우 데이터(raw data)을 직접 활용해 업무에 활용할 수 있을 것입니다.
