LG전자, AI 기반 고객 분석 혁신 가속화
데이터브릭스와 Mellerikat 결합으로 고객 데이터 분석 효율성 향상, AI 모델 개발 주기 단축 및 비즈니스 효율성 증대
AI 모델 개발 시간 50% 단축
운영 인력 40% 절감
구매 전환율 1.5배 증가
LG전자는 전 자 및 가전 분야를 선도하는 글로벌 기업으로, 혁신적인 기술과 고객 중심 전략을 통해 경쟁력을 강화하고 있습니다. 2023년 기준 연매출 약 84조 원을 기록하며, 80개국 이상에서 사업을 전개하고 있습니다. 또한, 고객 데이터 분석과 AI 기술을 핵심 전략으로 삼아, 데이터 기반 의사결정을 강화하고, 고객 맞춤형 비즈니스 혁신을 추진하고 있습니다. 특히, LG고객 지수를 개발하여 고객 행동 데이터를 분석하고 개인화된 마케팅 및 전략적 의사결정을 지원하고 있습니다. 그러나 과거에는 분산된 데이터 관리 체계와 비효율적인 AI 모델 배포 방식으로 고객 지수를 효과적으로 활용하는 데 제약이 있었습니다. 이를 해결하기 위해 LG전자는 Databricks와 자사에서 개발한 Edge AI 기반 MLOps 솔루션인 Mellerikat을 결합하여 통합 고객 데이터 분석 플랫폼을 구축했습니다.
분산된 데이터 관리로 인한 기존의 낮은 데이터 활용 효율성
LG전자는 고객 맞춤형 제품 및 서비스 기획과 고객 중심 경영 전략 수립에 고객 데이터 인사이트를 활용하여, 이를 통해 고객 이해도와 만족도를 높이고 있습니다. 고객 행동 데이터를 AI 모델에 학습시켜 유용한 정보로 변환한 데이터 기반 고객 지수는 개인화된 마케팅과 전략적 의사결정의 핵심 도구로 활용되고 있습니다.
기존에는 고객 데이터를 통합적으로 분석할 수 있는 체계가 부족하여 심층적인 인사이트를 효과적으로 관리하고 활용하는 데 어려움이 있었습니다. 데이터 분석 과제는 주로 일회성으로 진행되었고, 이에 따라 모델 구축과 배포 역시 일시적인 방식으로 이루어졌습니다. 그리고 각 부서마다 데이터 저장소가 분산되어 있어 중앙 집중적인 관리가 어려웠고, CRM 정보, 제품 사용 데이터 등 데이터 유형에 따라 서로 다른 플랫폼에서 관리되고 있었습니다. 이로 인해 데이터 품질을 일관되게 관리하는 데 어려움이 있었고, 데이터 포맷과 스키마의 불일치로 신뢰성 문제가 발생하고 정확한 분석을 저해하는 요인이 발생했습니다. 또한, 컴플라이언스 준수를 위해 중복된 데이터 저장소를 운영하면서 비효율적인 인프라 운영으로 인해 비용과 리소스가 낭비되었습니다.
뿐만 아니라, 데이터 요청 및 활용 프로세스 역시 비효율적이었습니다. 데이터 접근성과 공유가 제한적이었으며, 복잡한 권한 설정과 팀별 독립적인 데이터 저장소 운영으로 인해 중복된 데이터 적재로 인해 스토리지 비용이 증가했습니다. 중앙화된 데이터 카탈로그가 없어 데이터 현황을 실시간으로 파악하기 어려웠으며, 이로 인해 AI 및 ML 프로젝트의 지연과 생산성이 저하되면서 조직 전체의 데이터 활용 효율성이 크게 저하되었습니다.
정기원 선임 연구원은 “데이터 활용의 비효율성이 조직 전반에 걸쳐 리소스 낭비를 초래하고, 데이터 팀의 생산성과 만족도를 낮추는 주요 원인”이라며 당시 상황을 설명했습니다. LG전자는 이러한 고객 데이터 관리 체 계의 비효율성을 해결하기 위해 통합된 데이터 관리 솔루션의 도입이 필요하다고 판단했습니다.
데이터브릭스 활용으로 통합 고객 데이터 분석 플랫폼 구축 성공
LG전자는 고객 데이터 관리 전략을 최적화하기 위해 데이터브릭스 데이터 인텔리전스 플랫폼을 도입했습니다. 데이터브릭스를 활용하여 대용량 고객 데이터를 효율적으로 적재하고 관리하며, ML 모델 개발에 필요한 Workspace, ETL, Workflows, 성능 모니터링 등 DataOps 기능을 체계적으로 구현했습니다. 또한, 자사 MLOps 솔루션 Mellerikat과 결합하여 고객 데이터 분석 플랫폼을 구축하고, 학습된 AI 모델을 엣지 디바이스에 배포해 실시간 성능 모니터링이 가능한 환경을 마련했습니다. 이 두 솔루션을 결합함으로써 LG전자는 AI 모델의 개발부터 배포, 운영까지 전 과정을 효율적으로 관리하고, 신뢰성 높은 데이터 기반 의사결정을 지원하며, 이를 바탕으로 다양한 부서가 고객 지수를 직접 생성하고 활용할 수 있게 되어 비즈니스 효과를 극대화했습니다.
LG전자는 데이터브릭스의 통합 데이터 관리 기능을 활용해 다양한 데이터 소스를 중앙화하고, 고객 데이터를 체계적으로 분석할 수 있는 기반을 구축했습니다. Unity Catalog를 활용하여 데이터셋을 효율적으로 정리하고 검색해 데이터 탐색 과정을 간소화했으며, 세분화된 접근 권한 관리와 통합 거버넌스 기능을 통해 데이터 보안을 강화하고 컴플라이언스 요건을 충족시켰습니다. 또한, 대시보드를 통해 데이터 적재 현황을 시각화하여 문제 발생 시 신속하게 대응할 수 있었고, Workspace를 통해 독립적인 개발 환경을 제공함으로써 팀 간 데이터와 코드 공유가 원활하게 이루어져 협업이 강화되었습니다. 특히, 데이터 사이언스와 엔지니어링 팀 간 협업이 활성화되어 AI 모델 성능 모니터링과 문제 해결 속도가 크게 개선되었습니다.
LG전자는 고객 데이터 분석 플랫폼을 통해 데이터 관리의 패러다임을 바꾸며 비즈니스 효율성을 극대화했습니다. 구축한 플랫폼은 다양한 고객 지수를 분석할 수 있는 기반을 제공하며, 이를 통해 정교한 고객 프로파일링과 전략적 의사결정을 가능하게 했습니다. 예를 들어, 온라인 브랜드샵 고객 행동 지수는 웹 행동 데이터를 분석하여 맞춤형 검색과 추천을 제공하며 고객 경험을 개선하고, 구매 전환율을 높이고 있습니다. 고객 쇼핑 여정을 회원가입부터 구매 완료까지 5단계로 나누어 각 단계별 고객 특성을 분석하고, 이를 바탕으로 할인 쿠폰 제공, 회원가입 유도, 맞춤형 제품 추천 등의 전략을 실시간으로 실행하고 있습니다. 구독 LifeCycle 지수는 구독 서비스 이용 고객의 여정을 추적하여 재구독 가능성을 예측하고, 적합한 제품을 추천함으로써 고객 유지율을 높이고 가전 구독 사업 성과를 강화하고 있습니다. 이 지수는 한국영업본부에서 상담사들에게 제공되어 실무에 활용되고 있습니다.
정기원 선임 연구원은 “데이터브릭스의 통합 거버넌스와 대규모 데이터 처리 기능은 방대한 고객 데이터를 안정적으로 수집, 처리, 관리하는 데 핵심적인 역할을 했습니다. 이를 통해 LG전자는 자사에서 개발한 MLOps 플랫폼과 데이터브릭스를 결합한 고객 데이터 분석 플랫폼을 구축하여, DataOps 혁신을 성공적으로 실현했습니 다.”라고 설명했습니다.
데이터브릭스와Mellerikat을 결합한 AI 플랫폼으로 AI 모델 개발 기간 단축 및 다양한 비즈니스 시나리오 지원 실현
LG전자는 데이터브릭스와 자사 MLOps 솔루션 Mellerikat을 결합하여 고객 데이터 분석 플랫폼을 성공적으로 구축했습니다. 이 플랫폼은 데이터브릭스의 강력한 데이터 관리 및 분석 기능과 Mellerikat의 Edge AI 모델 배포 역량을 결합하여, AI 모델 개발부터 배포, 운영까지의 전 과정을 유기적으로 연결했습니다. 이를 통해 AI 기반 고객 비즈니스 혁신을 가속화하고, 데이터 관리, 모델 개발, 운영 효율성 측면에서 큰 성과를 달성했습니다.
데이터브릭스와 Mellerikat의 결합은 AI 모델 개발 프로세스를 대폭 단축시켰습니다. 데이터브릭스는 통합 데이터 관리 환경과 Delta Lake의 데이터 버전 관리로 모델 개발에 필요한 데이터를 빠르게 처리하고, 협업 기능을 통해 데이터 분석가와 AI 엔지니어 간의 원활한 소통을 지원하여 데이터 요청부터 모델 개발까지의 시간을 기존 9주에서 4주로 단축했습니다. Mellerikat은 AI Contents을 활용하여 풀고자 하는 고객 데이터 문제를 분류, 군집화, 추천시스템 문제 등으로 유형화하여 모델 개발과 운영을 더욱 간소화하였고, 이를 통해 데이터 요청부터 모델 개발, 배포까지의 프로세스를 기존 4주에서 2주로 단축시켜 AI 프로젝트를 더 효율적으로 진행할 수 있게 했습니다.
Mellerikat의 AI 모델 배포 및 운영 기능은 데이터브릭스와의 연계를 통해 운영 환경을 효율화했습니다. 데이 터브릭스 워크플로우를 활용해 운영 데이터를 자동으로 처리하고, 학습 및 추론 파이프라인을 Mellerikat의 Edge 컴포넌트와 연결하여 수동 개입을 최소화하였습니다. 이로 인해 모델 운영에 필요한 인력을 MM(Man-Month) 기준으로 40% 절감하고, 운영 담당자들은 고부가가치 작업에 집중할 수 있게 되었습니다. 또한, 데이터 정확성과 신뢰성이 향상되어 모델 성능 관리와 실시간 모니터링이 더욱 효율적으로 이루어지고 있습니다.
이러한 개선을 통해 LG전자의 고객 데이터 분석 플랫폼은 지속적으로 성과와 효율성을 향상시키고 있습니다. 예를 들어, A9 청소기의 배터리 교체 시점을 예측하여 카카오톡 메시지를 발송한 캠페인에서는 클릭율이 3.6배, 구매 전환율이 1.5배 상승했습니다. 또한, 고객 행동 데이터를 분석해 구독 LifeCycle 지수와 프리미엄 제품 선호도를 예측하고 맞춤형 추천 서비스를 제공하고 있습니다. 정기원 선임 연구원은, “LG전자는 이러한 성과를 바탕으로 AI 서비스의 확장을 준비하고 있으며, LLM Ops 기반의 새로운 접근 방식을 통해 더 높은 효율성과 성과를 추구할 계획입니다. 또한, 데이터브릭스와의 지속적인 협력을 통해 혁신적인 기술을 비즈니스에 접목하고 고객 경험과 비즈니스 가치를 개선해 나갈 것입니다.”라며 덧붙였습니다.