400만명의 사용자를 모은 옷차림 공유 앱 「Chicisimo」는 어떻게 개발되었나?

400만명의 사용자를 모은 옷차림 공유 앱 「Chicisimo」는 어떻게 개발되었나?

Google이 「Style Ideas」라고 불리는 기능을 공개하는 등, 최근에 이르러 Amazon이나 Google등이 패션이나 옷입기라고 하는 분야에 참가해 가고 있는 것은, 「옷입기」가 사람들의, 매일에 확인된 고정 고객을 들여다보고, 한편 사용자로부터 많은 데이터를 얻을 수 있기 때문이라고 알려져 있다. 
e커머스를 사용한 의류시장 수익이 2022년 1230억달러에 이를 것이라는 전망도 나왔다. 그런 가운데 0에서 시작해 몇 년 만에 사용자 수를 400만명까지 늘린 앱 '차시모' 창업자인 가브리엘알다미즈 이 어떻게 앱 개발이 진행됐는지에 대해 되돌아보고 있다. 
*Chicisimo는 수백만 가지 의상 아이디어를 제공하는 패션 앱이다.

How we grew from 0 to 4 million women on our fashion app, with a vertical machine learning approach
https://medium.com/ @aldamiz/how-we-grew-from-0-to-4-million-women-on-our-fashion-app-with-a-vertical-machine-learning-approach-f8b7fc0a89d7

Chicisimo는 사용자가 자신의 패션 코디 사진을 게시하여 다른 사람에게 평가를 받거나 옷입는 아이디어를 다른 사람에게 받을 수 있도록 하는 앱으로, 원래 블로그로 시작된 것이지만 앱이 출시되어 2018년 시점에는 400만명의 사용자가 있다. 

Chicisimo - The outfitideas app to decide what to wear
https://chicisimo.com/

사람이 다른 누군가에게 패션 제안을 할 때, 「스타일」이나 「테이스트」와 같은 미묘한 요소가 관련되어 있다. 인간은 이들을 이해하고 이미 있는 옷차림에서 새로운 제안을 하는 것이 가능하지만 앱의 경우는 먼저 컴퓨터로 하여금 '스타일'이나 '테이스트'를 이해시키는 것으로 시작한다. 

Chicisimo 개발팀은 이전에도 음악 분야 등에서 '테이스트'를 기반으로 한 프로젝트로 기계학습을 도입해 왔다. 과거의 경험을 통해 컴퓨터가 '테이스트'를 이해한다면 보다 연관성 있고 의미 있는 콘텐츠를 제공할 수 있게 되고 온라인 패션은 달라질 것이라고 팀은 생각했다. 


특히 개발팀이 주력한 것은 올바른 데이터셋을 만드는 것과 모바일 앱 데이터 플랫폼이라는 두 가지 개발. Chicisimo의 CEO인 Gabriel Aldamiz는 개발이 어떻게 진행되었는지 아래와 같이 되돌아보고 있다. 

◆1: 사람들이 자신의 요구를 표현하는 앱 개발
과거 앱 개발 경험을 통해 사람들에게 앱을 '쓰게 해보기'까지는 간단해도 '계속 쓰기'는 매우 어렵다는 것을 배웠던 Aldamiz는 Chicisimo 개발에 있어 이태레이션(iteration)을 가능한 한 빠른 속도로 하고자 했다. 

Chicisimo는 열쇠 기능만을 탑재한 극히 초기 알파판이 우선 미국 밖에서 공개됐다. 이 앱은 Chicisimo라는 이름이 아니라 정식 버전이 나오면 App Stpre에서도 삭제된 것이다. 사용자가 앱에 올린 사진도 현재는 남아 있지 않다. 하지만 알파판(alpha versio. α版) 덕분에 이태레이션(iteration. 프로그래밍 분야에서는 배열 등에 대한 반복 처리를 반복하는 경우가 있습니다. 배열의 각 요소 등, 동종의 복수의 대상에 동일한 처리를 순차적으로 반복 실행하는 처리나, 그러한 처리를 기술한 코드를 가리킨다)을 위한 사실적인 데이터와 양질의 인풋을 얻을 수 있었다는 것이다. 

특히 Aldamiz이 중점을 둔 것은 '사람과 콘텐츠를 매치하기 위한 알고리즘 만들기'와 '리텐션(retention. 기존 고객과의 관계를 유지해 나가기 위한 마케팅 활동을 말함)을 높이는 요소의 이해'였다. 

Aldamiz에 의하면, 리텐션(retention)을 높이는데 도움이 되는 것은 아래 3가지다. 

(1)코호트 분석을 통해 리텐션(retention)을 높이는 것이 무엇인지 인식하다
팀은 사용자가 '어떤 행동을 취했느냐'는 것뿐만 아니라 '무엇에 유용성을 느꼈느냐'는 것을 Mixpanel을 사용해 코호트 분석했다. 이는 매우 어려운 일이었지만 측정 가능한 가치를 찾아 분석, 테스트, 개선을 거듭했다고 한다. 그리고 이 중에서 리텐션을 나쁘게 하는 것도 특정해, 제거해 갔다는 것이다. 

Chicisimo - Build with fashion shoppers' taste data

(2) 온보딩(On-Boarding은 중도 입사자를 포함한 신입 사원을 조기에 전력화하기 위한 방법) 프로세스를 재고하다. 
Aldamiz이 말하는 온보딩 프로세스란 사용자를 잃기 전에 최대한 빨리 앱의 가치를 찾아내는 것이다. Aldamiz는 "사용자가 첫 세션 7분 이내에 행동을 일으키지 않으면 그들은 다시 돌아오지 않는다"고 생각하고 있으며, 다른 유형의 사람들에게 여러 번 테스트를 반복함으로써 이용자들이 "행동을 일으키기" 위한 앱 체험을 만들어 갔다고 한다. 

(3)자신들이 어떻게 배워갈지를 결정하다
데이터를 통한 접근은 중요하지만 사람들에게 사랑받는 프로덕트를 만들기 위해서는 데이터보다 더 중요한 것이 있다. Chicisimo같은경우는무엇을입느냐의문제는매우중요하다라는것의이해였다. 그것이 사람들에게 경의를 표하는 방법이 되었다는 것이다. 

위와 같은 노력을 통해 개발팀은 산더미처럼 새로운 지식을 얻을 수 있었고, 이를 프로덕트 개발에 큰 도움을 줄 수 있었다고 한다. 지금까지의 흐름을 바꿀 새로운 지식이나 학습 내용을 만났을 때는 '사람이 어떻게 문제에 관여하는가'와 '사람이 어떻게 프로덕트에 관여하는가'라는 두 가지 점에 초점을 맞춰 나갈 필요가 있다고 Aldamiz. 이 두 가지를 이해하는 것이 사람들에게 사랑받는 앱 개발로 이어지기 때문이다. 

동료와 이야기하던 중 '이것은 데이터가 아니라 인간에 관한 것이다'라는 의견을 받은 Aldamiz는 옷차림이나 옷차림과 관련된 문제나 해결책을 여성들과 직접 이야기하거나 메일로 의견을 받는 것으로 조사를 진행했다. 또한 외부에도 눈을 돌려 흥미로운 앱을 개발하고 있는 사람들과 이야기를 나누고 도움이 될 만한 기사를 다시 읽는 일도 반복적으로 이루어졌다. 

그렇게 만들어진 앱은 앱스토어에서 주목받은 점 등이 주효해 2018년 1월까지 앱은 95만7437뷰에, 임프레션부터 앱 설치까지의 컨버전율은 0.5%에 달했다는 것이다. 

◆2: 사람들의 패션 요구를 배우는 데이터 플랫폼 만들기
Chicisimo가 지향하는 바는 사용자의 취향에 대한 이해를 통해 의복 아이디어를 제시하는 것이다. 올바른 컨텐츠를 올바른 타이밍에 나타내면 사람들을 깜짝 놀라게 할 수 있습니다만, 이것은 말하기는 쉬우나 행하기는 어려운 사항. 

Chicisimo는 100% 사용자 생성 콘텐츠이기 때문에 시스템은 자동으로 콘텐츠 종류를 분류하고 적절한 인센티브를 만들어내 콘텐츠가 사용자의 요구에 맞는지 이해해야 한다. 아무리 데이터가 모여도 시스템이 적절하게 데이터를 처리해 나갈 수 없다면 정보를 이용할 수 없고 카오스가 태어나기만 하면 된다. 

그래서 팀은 먼저 Social Fashion Graph라는 툴을 개발했다. 이는 한 장의 데이터 중 몇 개의 부품에 구조를 갖도록 하는 것이다. Social Fashion Graph로 만들어진 그래프는 니즈·착용·사람들의 연관성을 가시화해 나가는 것으로 이 콘셉트가 플랫폼 만들기에 도움이 됐다고 한다. Social Fashion Graph를 통해 질 높은 데이터셋을 만들어 낼 수 있게 되어 앱 학습에 도움이 되었다. 

개발팀에 의하면, 「의복의 코디는 음악에서 말하는 플레이 리스트다」라고 하여, 협조 필터링을 사용해 관련성을 파악해 가는 것으로, 앱내의 다양한 장소에서 「추천」을 제공해 갈 수 있었다고 한다. 

단, Social Fashion Graph를 적용해도 아직 데이터 안에 노이즈는 존재한다. 사람들은 하나의 '니즈'를 다르게 표현하고, 같은 옷을 조합하더라도 니즈가 다르거나 반대로 완전히 다른 조합이라도 같은 니즈를 가질 수 있기 때문이다. 

이 요구는 학교에 입고 가는 옷 주말 패션 같은 콘셉트를 말한다. 사람들의 표현의 다양성을 파악하기 위해 개발팀은 컨셉이라는 요소를 시스템에 도입한다. 그리고 '다른 방법으로 표현된 동일한 니즈'를 등가로 파악해 최종적으로 '무엇을 입어야 하는가'라는 니즈의 목록이 작성됐다. 이 리스트의 작성으로 데이터 세트를 정리할 수 있었다는 것이다. 

옷입기·니즈·사람이라는 3가지를 구조화할 수 있으면, 대량의 데이터도 이해할 수 있게 된다. 사용자가 자유롭게 표현해도 올바른 시스템이 뒤에서 움직이면 데이터가 구조화돼 컨트롤이 가능해진다는 것이다. 한편, 구조화되지 않은 데이터는 개발팀에 새로운 지식과 유연성을 부여해 준다고 Aldamiz는 말한다. 

Chicisimo의 개발팀은 아직 과제를 안고 있지만, 그것들은 자신들의 「관리하」에 있다고 느끼고 있다고 한다. 2018년 2월 현재는 Social Fashion Graph에 "구매 가능한 옷"이라는 새로운 요소를 추가하려는 중이며, 이 요소는 사용자가 "다음에 무엇을 구입해야 하는지"를 검토하도록 도울 것이다. 

◆3: 알고리즘
음악의 앱 개발에 있어서 「추천」시스템을 만드는 것은, 그렇게까지 어렵지 않았다고 Aldamiz는 회고하고 있다. 사용자가 좋아하는 노래를 파악하는 것은 쉽고, 그 음악을 좋아하는 사람이 다음에 들을 만한 곡들도 파악하기 쉽기 때문이다. 

하지만 옷장을 떠올리면 알 수 있듯이 사람들이 '기존에 가지고 있는 옷과 비슷한 옷을 산다'는 경우는 적고 '기존에 가지고 있는 옷에 맞는 옷을 산다'는 식의 선택을 한다. 이런 시퀀스는 연관성이 보이지 않아 추천 시스템을 만들기 어려웠다고 한다. 또스타일이라는요소는복잡해서컴퓨터가잡거나분류하기어려웠다고한다. 

하지만 딥러닝이 등장하면서 상황은 달라졌다고 Aldamiz. 올바른 데이터셋을 준비하면 데이터를 모으거나 정밀 조사할 필요가 없어 '추천'과 관련된 보다 세세한 부분을 조정하거나 to focus on delivering value through the algorithms.딥러닝을 통해 만든 알고리즘은 아직 앱에 몰래 사용되고 있는 정도인데, 앞으로의 피드백을 받아 더 개량해 나간다고 한다. 

*재미있거나 도움이 되셨다면 '구독' 꾹 눌러 주시기를 부탁드립니다. 늘 행복하세요.