커머스 플랫폼에서 기존 고객을 충성고객으로 만드는 것은 매우 중요합니다. 이를 위한 여러 방법이 있지만, 그중에서도 고객이 좋아할 만한 상품을 적절히 노출하는 ‘개인화 추천 서비스’는 필수입니다. 단순한 최신순이나 인기순 필터는 이제 효과적이지 않은 대신, 개인화 추천은 고객 경험을 개선하고 브랜드 충성도를 높이며 매출 상승에도 기여하기 때문입니다.

개인화 추천을 제공하기 위해서는 클라이언트의 서비스를 이용하는 ‘End-User(이하 고객)’의 행동 데이터가 필요합니다.

보통 고객이 특정 상품을 보고 행동한 ‘클릭’, ‘좋아요’, ‘장바구니 담기’, ‘구매’ 등 여러 데이터를 수집하여 이를 바탕으로 추천 AI 모델 학습이 이루어집니다. 그리고 블럭스는 이러한 데이터를 바탕으로 클라이언트들의 실시간 개인화 추천을 돕고 있습니다. 따라서 각 고객의 행동을 정확하게 식별하여 데이터를 수집하는 일이 매우 중요합니다.

여기서 ‘정확하게’란 고객이 로그아웃 상태라고 하더라도 각 개인이 구분되는 것을 뜻합니다. 즉, 로그인 여부와 상관없이 여러 기기에서 클라이언트의 서비스를 사용해도 해당 고객의 행동 데이터를 식별하여 수집할 수 있어야 합니다.