검색 탐색 개선 사례, Amazon의 구매 상식 지식 시스템
작성: 빔블 · 최종 갱신: 2026년 10월 21일
Amazon은 고객이 왜 그 상품을 사는지에 대한 상식 지식을 LLM으로 만들어 검색 탐색에 적용하고, 미국 트래픽의 약 10% 구간에서 총 수개월에 걸쳐 실험해 상품 판매가 0.7% 상대 증가했다고 논문에 밝혔습니다. 같은 구간에서 탐색 기능의 참여율은 8% 늘었습니다.
사례 개요
온라인 쇼핑몰에는 고객이 무엇을 보고 샀는지 보여 주는 행동 기록이 많습니다. 그러나 기록만으로는 고객이 왜 그 상품을 골랐는지 알기 어렵습니다. Amazon은 구매 행동 뒤에 있는 의도를 상식 지식으로 정리해 지식 그래프로 만들었고, 이 시스템에 COSMO라는 이름을 붙였습니다. 논문의 예로는 캠핑이라는 넓은 의도가 겨울 캠핑 같은 구체적인 의도로 나뉘고, 이 의도가 겨울용 부츠 같은 상품 개념과 연결되는 구조가 나옵니다(1).
지식 생성 방식
지식을 사람이 하나씩 쓰지 않았습니다. 먼저 LLM으로 상식 지식 후보를 대량으로 만들고, 사람이 표시한 데이터로 학습시킨 분류 모델이 품질이 낮은 후보를 걸러 냅니다. 걸러진 고품질 지식으로 효율적인 언어 모델을 추가 학습시켜 지식을 규모 있게 생성하게 했습니다. 논문은 이 모델이 지식 그래프를 Amazon의 주요 18개 범주로 넓혔고, 사람이 표시한 지시문은 3만 개에 그쳤다고 적었습니다(1). 사람의 판단은 걸러내는 기준을 만드는 데 쓰고, 양을 채우는 일은 모델이 맡은 구조입니다.
검색 탐색에 적용한 모습
검색창에 넓은 말을 넣으면 여러 번에 걸쳐 범위를 좁혀 가는 탐색 화면을 보여 줍니다. 논문의 예에서는 캠핑을 검색하면 에어 매트리스 같은 상품 종류를 고르게 하고, 다시 캠핑용 에어 매트리스 중에서 호수 캠핑, 산 캠핑, 4인 캠핑처럼 상황에 맞는 선택지를 보여 줍니다. 고객이 상품 분류표를 몰라도 자기 상황의 말로 검색해 알맞은 상품을 찾도록 돕는 방식입니다(1).
결과와 조건
| 지표 | 결과 | 조건 |
|---|---|---|
| 상품 판매 | 0.7% 상대 증가 | 온라인 A/B 실험, 총 수개월, 미국 트래픽 약 10% 구간 |
| 탐색 기능 참여율 | 8% 증가 | 같은 구간 |
논문은 0.7%를 연간 수억 달러 규모의 매출 증가로 환산했습니다. 이 환산은 저자들의 계산이고 이 글에서는 검증하지 않았습니다. 또한 저자들은 이 결과가 검색 화면에서 눈에 잘 띄지 않는 위치에 있는 비교적 작은 기능 하나에서 나왔다고 밝혔습니다(1). 이 숫자는 Amazon의 결과입니다.
숫자를 읽는 방법
세 가지를 같이 봅니다. 첫째, 실험은 전체 트래픽의 약 10% 구간에서 측정한 값입니다. 둘째, 판매 증가율 0.7%는 상대 증가이고 Amazon의 거래 규모를 생각해야 의미가 정해집니다. 셋째, 실험은 총 수개월에 걸쳐 진행되었고 구체적인 개월 수는 논문에 적혀 있지 않습니다. 여기서 주목할 점은 작은 기능 하나가 낸 결과라는 점입니다. 기능의 크기가 작아도 규모가 큰 서비스에서는 효과가 커질 수 있다는 뜻이지만, 규모가 작은 서비스에서 같은 비율이 나올지는 알 수 없습니다. 비율이 같더라도 절대 규모가 달라 도입 비용을 넘는지는 따로 계산해야 합니다. 계산에는 구축 비용과 지식 품질을 확인하는 사람의 시간도 넣습니다.
대기업 담당자가 확인할 점
상품이 많고 고객이 쓰는 말과 내부 분류가 다른 대기업은 네 가지를 먼저 확인합니다. 고객이 검색에 쓰는 말과 내부 상품 분류가 얼마나 어긋나는지, 구매나 문의 기록에 의도가 드러나는지, 지식을 걸러 줄 기준을 만들 사람이 있는지, 탐색 화면에서 한 번에 한 가지 질문으로 범위를 좁혀 갈 수 있는 구조인지입니다. 앞의 두 가지는 데이터와 업무 이해의 문제이고 뒤의 두 가지는 운영 설계의 문제입니다. 의도 정보가 기록에 거의 남지 않는 서비스라면 지식을 만들기 전에 기록 항목부터 늘려야 하고, 이 경우 첫 시험의 대상은 기록 정비가 됩니다. 정비한 기록으로 의도를 읽을 수 있는지 먼저 확인한 뒤에 지식 생성으로 넘어가는 순서가 비용 면에서 안전합니다.
도입 순서로 바꾸면
비빔블이 권하는 순서는 다음과 같습니다. 먼저 검색어와 상품 분류를 대조해 어긋나는 구간을 찾습니다. 그 구간에서 지식 후보를 만들고, 사람이 품질 기준을 정해 걸러 냅니다. 그다음 눈에 잘 띄지 않는 작은 위치에 탐색 기능을 붙여 일부 트래픽으로 비교합니다. 효과가 확인되면 범위를 넓힙니다. 처음부터 전체 범주를 대상으로 하지 않는 이유는 지식의 품질을 확인하는 데 시간이 들기 때문입니다.
우리 회사에 적용하면
가치사슬에서는 고객 접점 단계의 검색과 상품 데이터 관리가 만나는 업무에 해당합니다. 비빔블의 AX 진단에서는 고객이 쓰는 말과 내부 분류의 차이, 구매와 문의 기록에 쌓인 의도 정보, 지식을 걸러 줄 담당자를 확인하고 여섯 가지 업무 선정 기준으로 후보 여부를 판단합니다. 문의는 bibimble.com 의 문의하기에서 받습니다.
비빔블의 AX 진단
비빔블은 기업 업무에 AI를 붙이는 진단, 개발, 교육 서비스를 합니다. 서비스는 AX 진단, 구축, 정착 세 단계로 나뉩니다. 그룹사 법인을 대상으로 한 AX 구축과 교육 경험이 있습니다. 진단 단계에서는 설문과 인터뷰로 업무 목록을 만들고 업무별 전환 후보 목록, 우선순위, 예상 효과, 다음 단계 제안을 드립니다.
출처
- Yu 외, 「COSMO: A Large-Scale E-commerce Common Sense Knowledge Generation and Serving System at Amazon」, SIGMOD-Companion 2024, 2024년 6월
자주 묻는 질문
상식 지식은 어떻게 품질을 관리하나요? LLM이 만든 후보를 사람이 표시한 데이터로 학습한 분류 모델이 걸러 냅니다. 사람의 판단이 기준을 만드는 데 쓰이는 구조입니다.
0.7% 증가는 전체 매출 기준인가요? 논문은 미국 트래픽의 약 10% 구간에서 측정한 상대 증가라고 적었습니다. 전체 매출로 단순 환산하지 않습니다.
이 시스템은 검색 어디에 쓰였나요? 논문은 검색 연관성, 세션 기반 추천, 검색 탐색에 평가했다고 적었고, 실제 서비스에 적용된 곳으로는 검색 탐색을 언급했습니다.
작은 기업도 비슷한 시도를 할 수 있나요? 같은 규모의 지식 그래프를 만들기는 어렵습니다. 범위를 좁혀 한 범주에서 시험하는 방식이 현실적이며, 효과는 서비스 규모에 따라 달라집니다.
LLM이 만든 지식에 오류는 없나요? 논문도 생성된 지식에 노이즈가 있을 수 있다고 보고 걸러내는 단계를 두었습니다. 오류를 줄이는 구조로 읽어야 하며, 남은 오류를 확인할 기준은 도입하는 쪽이 따로 정해야 합니다.
관련 글
상품 페이지 리뷰 요약 도입 사례, Wayfair의 실험 결과 · 배달 앱 검색 개선 사례, Meituan의 생성형 검색 실험
문의는 bibimble.com 의 문의하기에서 받습니다.