에퀴닉스, AI로 최적의 파트너를 발굴하다

에퀴닉스는 새로운 고객사를 확보하고 높은 가치를 창출할 파트너를 예측하고 우선순위를 부여하기 위해 AI를 이용하고 있다. 데이터를 수익 창출 과정에 활용하고 있는 셈이다. 
 

글로벌 데이터 인프라 회사 에퀴닉스(Equinix)는 2018년부터 머신 러닝(ML)을 도입하고 ML 확률 모델링(probabilistic modeling)을 활용해 잠재 고객 중 에퀴닉스 제품 구매 가능성이 높은 기업을 예측하는 이니셔티브를 진행했다. 해당 이니셔티브를 기반으로 수백만 달러의 매출을 만들 수 있었다. 

그러나 해당 이니셔티브를 시작한 이후 회사가 발전함에 따라 고객 확보 및 확대해야 할 필요성이 높아졌고 자연스레 채널 파트너에 대한 의존도도 높아졌다. 그렇게 2021년 에퀴닉스는 AI 및 데이터 기반으로 잠재 고객을 찾아주는 플랫폼을 만들기로 했다. 이런 플랫폼에서 핵심은 전 세계와 특정 지역 및 국가 내에서 신규 판매를 촉진하는 데 가장 적합한 파트너를 식별하는 기능이었다.

이러한 전략은 에퀴닉스의 채널 파트너가 편향되지 않은 지침, 통합 솔루션, 고급 서비스에 대한 고객 수요를 대응할 수 있는 이상적인 위치에 있기 때문에 가능한 프로젝트였다. 가령 정부 분야 고객을 확보하려면 필요한 허가를 받고 관련 담당자와 네트워크를 쌓아둔 파트너를 파악하는 것이 중요하다. 

에퀴닉스의 CIO인 밀린드 웨글은 “우리 IT 조직의 최우선 과제는 비즈니스에 실질적인 영향을 미치기 위해 AI의 엄청난 잠재력을 실현하는 것이었다. 채널 파트너를 위한 혁신적이고 지능적인 AI 기반 탐색 엔진을 구축하면서 AI 기술 혁신의 힘을 결합했다. 동시에 시장 경쟁력을 확보하고, 고객 및 채널 파트너의 경험을 개선했다”라고 설명했다. 

‘AI 기반 파트너 발굴(AI-driven partner prospecting)’라는 이니셔티브는 특정 고객을 영입하는데 이퀴닉스의 직접 영업이 유용할지 아님 간접적인 파트너 또는 채널 영업이 적합할지 가려낸다. 2023 CIO 100 어워드의 IT 우수 부문(2023 CIO 100 Awards in IT Excellence)에서 수상한 해당 이니셔티브의 목표는 2가지였다. 신규 고객을 가져올 가능성이 가장 높은 파트너를 식별하는 것 그리고 매출을 많이 만들 것으로 예상되는 파트너에 우선 기회를 주는 것이었다.

에퀴닉스의 응용 AI 전략 및 분석 부문 수석 이사인 테드 댄슨은 “이를 통해 에퀴닉스는 공동 판매 및 재판매 활동에 가장 적합한 파트너에 투자 및 리소스를 집중할 수 있다”라고 언급했다. 

9월 중순에 전사적으로 배포될 해당 이니셔티브 성과는 대시보드를 통해 모니터링될 예정이다. 에퀴닉스는 데이터를 기반으로 IT가 AI 및 ML을 활용해 어떻게 영업 목표를 높이고 수익을 개선하는지 확인할 예정이다. 

예측의 힘
에퀴닉스의 선임 수석 데이터 과학자인 람 발라는 당면한 과제에 대한 범위에 대해 “에퀴닉스는 기회 식별 및 파트너 우선순위 설정과 관련해 고유한 요구사항을 가지고 있다. 전 세계 1,300개 이상의 기술 공급업체 및 서비스 공급업체가 에퀴닉스 파트너로 인정받기 위해 엄격한 심사 과정을 거쳤으며, 지난 3년간 9,000건 이상의 에퀴닉스와의 거래를 등록했다. 미국 정부 관련 고객사를 가져오기 위해서는 공동 영업을 위해 에퀴닉스 관련 제안 요청서 및 파트너를 파악하는 게 상당히 중요하다”라고 설명했다.  

댄슨의 팀은 2021년 올바른 데이터 관리, 성향 기반 분석, ML 및 비즈니스 인텔리전스 도구를 적용함으로써 에퀴닉스 직접 영업이 적합한 고객과 파트너 및 리셀러를 통한 간접 영업이 가장 적합한 고객을 파악했다. 이 과정에서 채널 파트너 및 최종 고객의 데이터를 분석했다. 또한 최종 사용자의 요구사항을 파트너 서비스 선호도 및 지표에 연결시켜 매출 증대 속도를 높였다. 

에퀴닉스의 파트너 및 공공 영업 및 마케팅팀과 긴밀히 협력해 기회를 파악한 댄슨의 팀은 먼저 관련된 기능을 제공하는 솔루션 벤더를 모색했다. 그러나 결국 외부 솔루션이 아닌 에퀴닉스의 IT, 데이터 과학 및 엔지니어링팀이 협력해 직접 맞춤형 AI 모델 프레임워크를 사내에 구축하기로 결정했다. 

발라의 데이터 과학자팀은 파트너 우선 순위를 효과적으로 파악하고 데이터 과학 전략 개발에 중요한 데이터 셋을 식별하기 위해 내부 및 서드파티 데이터에 대한 광범위한 분석 작업을 수행했다. 

발라는 “우리는 잠재 고객 및 파트너 관련 기업 특성(firmographic) 및 기술 특성(technographic) 데이터 속성을 활용하고 있으며, 오픈소스 연합 데이터베이스의 과거 정부 계약 및 수상 데이터에 의존하고 있다. 또한 제안서에 대한 광범위한 정보를 제공하는 텍스트 문서와 PDF에 대한 통합 액세스를 요청했다. 그리고 에퀴닉스 내부 데이터 셋에서 유사하게 프로파일링 된 고객 및 파트너 간의 관련 과거 관계를 파악했다”라고 설명했다. 

이후 이 팀은 다음 사항을 위해 이러한 데이터를 사용하는 모델을 구축하기 시작했다. 

• 기업을 위한 파트너 우선순위 설정을 위한 글로벌 및 국가별 점수와 권장 사항 개발
• 에퀴닉스와 관련된 정부 주도 디지털 전환 프로젝트 식별 및 연방 기관의 파트너 우선순위 설정을 위한 국가 및 기관 수준의 점수 및 권장 사항 개발 
• 기존 파트너의 과학적 검증 및 우선순위로 설정할 신규 파트너 파악
• 직접 혹은 간접 영업에 가장 적합한 최종 고객 및 고객의 정확한 파악
• 파트너가 고객 활성화 및 데이터 기반 영업을 발굴할 수 있도록 채널 영업 방향을 조정

에퀴닉스의 파트너 발굴 플랫폼은 자연어 처리(NLP, natural language processing) 알고리즘을 활용해 제안 요청서에서 관련 발췌본을 추출하고 각 기회에 대한 관련성 점수를 제공했다. 댄슨은 “알고리즘이 권장 사항에 대한 지원 추론도 제공한다”라며 “이러한 추가 세부 정보는 최종 사용자가 모델 예측을 해석 및 활용하는 방식에 혁명을 가져와 채택률을 점차 높이고 전반적인 성공으로 이어졌다”라고 설명했다. 

발라에 따르면 해당 분석 과정에서 도전과제는 ML 모델 훈련을 위한 데이터 주석 및 부적절하게 레이블링 된 샘픔이었다. 주석이 달린 데이터 부족하자 정부 기관에게 받은 에퀴닉스 관련 제안 요청서 식별을 위한 높은 정확도의 계산 효율적 모델 구축이 어려워졌고, 부정확하게 레이블링 된 샘플로 인해 기업 영업을 위한 파트너의 우선순위 설정을 위한 ML 모델 훈련이 까다로워졌다.  

발라는 “이를 해결하기 위해 다양한 학술 및 기업 연구 시설의 기술을 활용했다. 최소한의 실행 가능 제품을 개발하는 데 거의 4개월이 걸렸고, 확장 및 통합 가능한 엔드 투 엔드 솔루션을 개발하는 데 추가로 5개월이 더 걸렸다”라고 언급했다. 

배포 vs 혁신
에퀴닉스가 솔루션 배포하자 최종 사용자는 업무를 더욱 쉽고 정확하게 수행하기 위한 핵심 도구로 AI 솔루션을 활용하고 있다. 덕분에 에퀴닉스의 2023년 2분기 수익 보고서에 따르면 실적에서 채널사가 차지하는 비율은 40%였으며, 고객사 중 신규 고객 비율은 60%였다. 

발라는 “AI 기반 파트너 발굴과 같은 프로젝트를 통해 디지털 전환을 성공적으로 추진할 수 있었던 열쇠는 제공과 혁신 간 균형을 맞추는 것”이라고 설명했다. 또한 그는 “우리의 목표는 혁신이 번영하는 환경을 조성해 측정 가능한 비즈니스 가치를 제공하고 투자 수익률을 극대화하고자 하는 목표와 일치하도록 하는 것이다. 이러한 혁신 문화를 조직 전반에 확산시키며 혁신 이니셔티브가 점차 주목을 받기 시작하고 있음을 목도하고 있다. 이러한 여정은 창의력을 높이고 팀의 사기에 긍정적 영향을 미칠 뿐만 아니라 실패가 가치 있는 학습 경험으로 수용되는 환경을 조성한다”고 설명했다. 
ciokr@idg.co.kr