Google Cloud 매대 관리 AI와 Cortex Framework 및 SAP를 사용하여 소매업체의 성공 앞당기기

*본 아티클의 원문은 2023년 7월 27일 Google Cloud 블로그(영문)에 게재되었습니다.

특정 브랜드의 제품을 사려고 매장을 방문하는 상황을 상상해 보세요. 원하는 제품을 구매한다는 기대감에 신이 날 겁니다. 그런데 제품이 동나 매장 내 매대가 비어 있는 것을 발견하면 얼마나 실망스러울까요? 누구나 이런 경험을 한 번쯤 해 보았을 것입니다.

매장을 방문했는데 매대가 비어 있는 상황이 달가운 쇼핑객은 아무도 없습니다. 일부 쇼핑객은 인내심을 발휘하여 매장 직원에게 도움을 요청하겠지만, 대부분은 원하는 제품의 재고가 있는지 확인하지 않은 채 빈손으로 매장을 나가버리기 마련입니다. 판매 기회를 놓치면 곧 수익 감소, 수익성 저하로 이어지고 불만족스러운 고객 경험을 제공하게 됩니다. 똑같은 상황이라도 오늘날에는 이 문제가 더 심각하게 다가올 수 있습니다. 구매 대행과 주문 앱의 등장으로 기존의 쇼핑 패턴이 완전히 바뀌었기 때문입니다. 2021년 한 해에만 매대에 물건이 없어 미국 소매업계가 놓친 판매 기회가 820억 달러에 이릅니다. 

매장이라는 개념이 생겨난 이래 매장 운영자는 늘 매대 위 재고가 동나는 일이 없도록 노력해 왔습니다. 대형 매장에서 수천 개의 상품을 손수 확인하려면 인력과 비용이 모두 많이 드는 만큼, 경쟁에서 앞서려면 매대 관리 작업을 어느 정도 자동화해야 합니다. 예를 들어 카메라를 설치하여 매대의 사진을 촬영하면 매대 위 재고가 부족할 때 직원들이 쉽게 정보를 파악하는 데 도움이 됩니다. 

이러한 접근법은 유망해 보이지만, 문제는 대규모로 데이터를 분석해야 할 때입니다. 전 소매점에 걸쳐 수백만 개의 제품을 판매하고 있는 회사의 경우 이미지 캡처 솔루션을 사용하려면 모델이 제품 이미지를 인식하고 매핑할 수 있도록 학습시키기 위해 방대한 데이터와 확장성이 뛰어난 학습 설정이 필요합니다.

Google Cloud에서는 이 문제를 규모에 맞게 해결하기 위해 데이터 및 AI 전문성을 활용해 왔습니다. 또한 SAP ERP에서 제품 및 재고 데이터와 같은 관련 데이터 소스의 데이터 액세스와 가용성을 가속화하기 위해 Google Cloud Cortex Framework를 사용합니다. 매대 관리 정보에 Cortex Framework를 결합하면 효율적으로 작업을 관리할 수 있는 통합된 데이터 영역을 만들 수 있어 매장 직원의 생산성이 높아집니다. 자세한 내용을 알아보려면 계속 읽어보세요.

실시간 매대 관리 AI: 빈 매대 관리 솔루션

Google Cloud는 올해 초 개최된 미국소매협회(NRF) 행사에서 소매업체를 위한 새로운 AI 도구들을 발표했습니다. 그 중 하나인 매대 관리 AI는 자동화, AI 전문성, 데이터 처리 기능을 활용하여 매대가 비는 문제를 해결할 수 있도록 지원합니다.

사전 학습된 머신러닝 모델을 사용하는 이 솔루션은 제품 인식기 AI 모델로 특정 제품과 이미지를 연결하고 태그 인식기 AI 모델로 제품명, 가격 등 가격 태그 속성을 식별합니다. 또한 휴대기기, 매대 가장자리 카메라, 고정 카메라, 로봇 자동화 등 다양한 방식으로 매대 이미지 캡처를 지원합니다. 현재 미리보기 버전으로 제공되는 매대 관리 AI는 Google Cloud가 소매업체의 수익, 고객 경험, 브랜드 평판 향상을 지원하기 위해 매대 위 재고를 적절하게 유지하는 문제를 해결하는 데 큰 진전을 이루었음을 의미합니다.

매대 관리 AI의 중추 역할을 하는 제품 인식기 AI 모델은 매대 또는 이미지에서 제품을 식별하며, 휴대기기나 카메라로 촬영한 매장 매대 이미지를 사용할 수 있습니다. 또한 매대 관리 AI는 제품의 GTIN/UPC ID, 브랜드, 제품명, 교차 언어 설명, 로고, 다양한 포장재가 포함된 이미지 등 Google이 제공하는 방대한 제품 정보 컬렉션을 사용하므로, 제품 인식기 AI 모델이 이 제품 데이터베이스를 통해 수많은 제품들을 빠르게 식별할 수 있습니다.

Google Cloud와 SAP: 함께해서 더 좋은 솔루션

어떤 매대가 비었는지 실시간으로 확인할 수 있으므로 이제 문제 해결을 위한 조치를 취할 수 있습니다. 그러나 이 데이터만 가지고는 정보에 기반한 결정을 내리기 어렵습니다. 충분한 정보에 입각하여 재입고 최적화 방법을 결정하려면 ERP 시스템에서 보완 데이터를 가져와야 합니다. 예를 들면 아래와 같습니다.

• 마진이 높은 제품: 재입고 우선순위를 지정하는 데 유용함
• 매장 내 제품 재고 보유 현황: 해당 제품의 재입고가 필요한지 여부를 판단하는데 유용함
• 공급업체 리드 타임: 언제 공급업체에 다시 주문해야 제품을 제때 배송받아 재입고할 수 있는지 판단하는 데 유용함
• 주문 빈도: 제품을 얼마나 자주 재주문해야 하는지 판단하는 데 유용함

SAP와 같은 ERP 애플리케이션과 매대에서 수집한 데이터에서 얻을 수 있는 상황별 정보는 강력한 힘을 제공합니다. 이 두 데이터 세트를 결합하면 운영 상황을 더 정확하게 파악하여 더 나은 결정을 내릴 수 있습니다.

이 데이터는 다음과 같은 작업에 활용할 수 있습니다.

• 재입고 작업의 우선순위 지정: 수요 및 마진이 높은 제품이 무엇인지 파악하여 재입고에 투입할 노력의 우선순위를 정하고 매대가 늘 채워져 있도록 하여 수익성을 극대화합니다.
• 인력 최적화: 재고 보충 작업 관리를 자동화하고 재입고 빈도에 따라 일정을 예약하여 소매업체의 인력 활용을 최적화합니다.
• 품절 줄이기: 수요 및 재고 수준을 파악하여 제품이 동나는 상황을 최소화합니다.
• 재고 보충 최적화: 수요 및 리드 타임을 파악하여 비용을 처리하고 절감합니다.

Google Cloud는 SAP 데이터 액세스를 신속하게 처리하는 등 엔터프라이즈 데이터 세트를 통합하여 고급 분석 및 통계를 제공함으로써 소매업체가 이러한 과제를 해결할 수 있도록 지원합니다.

그러나 SAP 시스템 바깥에서 SAP 데이터를 사용하여 작업을 수행하기는 어려울 수 있습니다. SAP 데이터는 다량의 비즈니스 시맨틱을 포함하고 있는 만큼, 애플리케이션 레이어에서 데이터를 외부 데이터 클라우드로 추출하려면 대개 수작업으로 데이터를 통합해야 하기 때문입니다.

이때 SAP 데이터에서 가치를 더 빠르게 창출할 수 있게끔 돕는 역할을 하는 것이 Google Cloud Cortex Framework입니다. Cortex Framework는 통합용 참조 아키텍처 패턴과 일련의 배포가 가능하며 사전 정의된 솔루션 가속기 콘텐츠를 제공하여 BigQuery 내 데이터 처리 및 모델링 속도를 높임으로써 고급 정보 및 대규모 AI 처리를 위한 기반을 마련해 줍니다.

SAP용 Cortex Data Foundation 콘텐츠를 Google Cloud BigQuery 환경에 신속하게 배포할 수 있으며, 풍부한 SAP 컨텍스트 인식 데이터 모델군과 함께 제품, 주문 빈도, 재고 보유 현황, 공급업체의 리드 타임 등과 같은 관련 영역에 대한 정보를 얻을 수 있습니다. Cortex Framework는 의사 결정에 필요한 데이터 기반을 제공하여 작업 관리, 인력 최적화, 재고 보충과 같은 비즈니스 성과를 효과적으로 얻는 데 도움이 됩니다. 예를 들어 SAP용 Cortex Data Foundation과 POS 데이터, 매대 관리 AI를 결합하여 매장 관리자의 주문 처리 작업 관리 및 계획을 지원하면 매장 직원의 생산성이 향상됩니다. 따라서 수익성을 극대화하고 재고 부족 및 품절 사태의 발생을 최소화할 수 있습니다.

정보 자동화 수준 향상이란 매대, 제품, 제품 마진, 주문 빈도, 재고 정보를 종합적으로 파악하고 최적화된 작업 목록을 생성하여 매장 운영자의 모바일 애플리케이션으로 보낼 수 있게 되는 것을 말합니다.

이 솔루션 접근법을 토대로 다음을 비롯한 여러 가지 이점을 구현할 수 있습니다.

• 트렌드, 기상 상황, Instacart 주문, 실시간 매대 재고 현황, 지역 이벤트 등 외부 신호를 통합하여 단기적으로 시장을 예측할 수 있도록 거의 실시간으로 수요 감지
• 경쟁력 있는 가격에 대한 고급 분석
• 최적화된 가격 및 프로모션 등

수요 감지와 같은 Google Cloud Cortex Framework 솔루션 가속기를 사용하면 빠른 수요와 관련된 문제 또한 데이터를 통합하고 기존 수요 계획 기능의 가치를 확대하는 데 도움이 되는 AI 템플릿과 사전 정의된 데이터 모델을 통해 해결할 수 있게 됩니다.

종합적인 관점에 비즈니스 데이터를 통합할 때 얻을 수 있는 성과와 잠재력은 무궁무진합니다. 종합적인 관점에서 오프라인 상점을 파악하고 이를 거래 데이터와 결합하면 경쟁력 있는 가격 분석이 가능하고, 실시간으로 가격 및 캠페인을 관리할 수 있으며, 재입고를 위한 매장, 매대, 창고 가시도가 향상되고, 매장 직원의 생산성과 공급업체의 참여도를 제고할 수 있습니다. Cortex의 데이터 기반과  AI가 제공하는 정보를 사용하면 무한한 가능성이 펼쳐집니다.

Google Cloud에서 제공하는 매대 관리 AI 및 Cortex Framework 솔루션을 자세히 알아보고 지금 여정을 시작하세요.