2014.11.13

'운명 아닌 BI'로 반려자 맺어주는 e하모니의 성공 비결

John Moore | CIO

모빌리티는 이제 기업 세계에서 낯선 개념이 아니다. 기업들은 사내 업무용 모바일 앱 뿐 아니라 고객들을 위한 모바일 앱을 끊임없이 개발하고 있으며, CIO의 주요 업무 중 하나는 직원들의 모바일 기기를 관리하는 것이기도 하다.



그러나 개중에는 기존의 모바일 전략을 수정하려는 기업들도 있다. 미국의 인터넷 중매사이트인 e하모니는 25TB 데이터 웨어하우스(DW)와 데이터 분석 툴을 사용해 모바일 애플리케이션 개정에 나섰다. e하모니는 지난 5년간 BI 플랫폼을 만드는데 전념해왔다. DW 요소로는 IBM의 네티자 트윈핀(Netezza TwinFin)과 퓨어데이터 시스템(PureData System)을 사용했다. 특히 마이크로스트레티지 기반 분석 레이어가 DW의 정점에 있다. IBM의 SPSS 예측 애널리틱스 매키지와 R 기계 학습 소프트웨어 환경, 그리고 인포매티카 데이터 통합 소프트웨어도 여기에 가세했다.

e하모니는 이런 BI 툴에서 얻은 정보를 통해 웹사이트 사용 실태나 수익 변화를 빠르게 파악할 수 있다. 또한 이 플랫폼은 캘리포니아 주 산타 모니카에서 제품 개발을 주도하고 있다. 데이터 분석을 이용해 소비자들이 기존 데스크톱에서 가장 선호하는 기능이 무엇인지 알아낸 후 그 기능들을 모바일 앱에도 도입하는 것이다.

e하모니의 짝 찾아주기 서비스는 아이폰과 아이패드, 안드로이드 기기, 그리고 윈도우폰에서 사용할 수 있다. e하모니 이용객의 절반은 모바일 기기를 통해 이 서비스에 접속하는데, 이는 e하모니가 젊은 사용자들 사이에 얼마나 널리 퍼져있는지를 잘 나타내준다. e하모니의 COO인 아르멘 에이브디시언은 “e하모니 최고의 기능들을 데스크톱에서 모바일로 가져오려 노력 중이다”라고 말했다.

앱 성능이 개선될수록 고객 경험도 향상됐다. 그럴수록 모바일 전환율은 높아지고, 이용객이 늘어나면 기존 고객들에게 잘 맞는 ‘짝’을 찾아줄 수 있는 가능성도 커진다. 지난 1월 이후 e하모니의 전환율은 25% 이상 증가했다. “모두에게 꼭 맞는 짝을 찾아주는 것, 그것이 우리의 임무이고 비즈니스다”라고 에이브디시언은 강조했다.
 


무대 뒤 매치메이킹의 주역들
좋은 반려자를 만나는 건 물론 언제나 확률의 문제다. 그렇지만 e하모니는 그 확률을 조금 더 높여주는 역할을 한다. 그리고 그 확률을 높여주는 무대 뒤 1등 공신은 DW와 데이터 분석이다. 고객의 웹사이트 사용 실태와 활동 정도 등을 파악한다. 고객이 처음 웹사이트에 발을 들인 순간부터 결제할 때까지 모든 움직임을 파악하는 것은 물론 고객의 생애가치 역시 모니터링 한다. 또 사용 패턴 파악을 위해 클릭 동향 분석(clickstream analysis)을 이용하기도 한다.

에이브디시언에 따르면, 웨어하우스에는 다양한 경로를 통해 얻은 정보가 저장돼 있다. 구글 애널리틱스, 어도비 사이트케이틀리스트(SiteCatalyst), SPSS 시스템, 기계 학습 소프트웨어 등이 그 소스다. 또 e하모니의 매치메이킹 하둡 클러스터 와 거래 데이터베이스로부터 얻은 정보도 있다. DW에서는 이 모든 데이터를 한데 모으고 웹사이트 상에서의 사용자 효율성과 행동을 모니터링 하는 알고리즘을 작동한다고 그는 말했다. “이 모든 데이터가 잘 어우러지면 매우 유의미하고 유용한 시각을 제공한다”고 에이브디시언은 덧붙였다.

 




2014.11.13

'운명 아닌 BI'로 반려자 맺어주는 e하모니의 성공 비결

John Moore | CIO

모빌리티는 이제 기업 세계에서 낯선 개념이 아니다. 기업들은 사내 업무용 모바일 앱 뿐 아니라 고객들을 위한 모바일 앱을 끊임없이 개발하고 있으며, CIO의 주요 업무 중 하나는 직원들의 모바일 기기를 관리하는 것이기도 하다.



그러나 개중에는 기존의 모바일 전략을 수정하려는 기업들도 있다. 미국의 인터넷 중매사이트인 e하모니는 25TB 데이터 웨어하우스(DW)와 데이터 분석 툴을 사용해 모바일 애플리케이션 개정에 나섰다. e하모니는 지난 5년간 BI 플랫폼을 만드는데 전념해왔다. DW 요소로는 IBM의 네티자 트윈핀(Netezza TwinFin)과 퓨어데이터 시스템(PureData System)을 사용했다. 특히 마이크로스트레티지 기반 분석 레이어가 DW의 정점에 있다. IBM의 SPSS 예측 애널리틱스 매키지와 R 기계 학습 소프트웨어 환경, 그리고 인포매티카 데이터 통합 소프트웨어도 여기에 가세했다.

e하모니는 이런 BI 툴에서 얻은 정보를 통해 웹사이트 사용 실태나 수익 변화를 빠르게 파악할 수 있다. 또한 이 플랫폼은 캘리포니아 주 산타 모니카에서 제품 개발을 주도하고 있다. 데이터 분석을 이용해 소비자들이 기존 데스크톱에서 가장 선호하는 기능이 무엇인지 알아낸 후 그 기능들을 모바일 앱에도 도입하는 것이다.

e하모니의 짝 찾아주기 서비스는 아이폰과 아이패드, 안드로이드 기기, 그리고 윈도우폰에서 사용할 수 있다. e하모니 이용객의 절반은 모바일 기기를 통해 이 서비스에 접속하는데, 이는 e하모니가 젊은 사용자들 사이에 얼마나 널리 퍼져있는지를 잘 나타내준다. e하모니의 COO인 아르멘 에이브디시언은 “e하모니 최고의 기능들을 데스크톱에서 모바일로 가져오려 노력 중이다”라고 말했다.

앱 성능이 개선될수록 고객 경험도 향상됐다. 그럴수록 모바일 전환율은 높아지고, 이용객이 늘어나면 기존 고객들에게 잘 맞는 ‘짝’을 찾아줄 수 있는 가능성도 커진다. 지난 1월 이후 e하모니의 전환율은 25% 이상 증가했다. “모두에게 꼭 맞는 짝을 찾아주는 것, 그것이 우리의 임무이고 비즈니스다”라고 에이브디시언은 강조했다.
 


무대 뒤 매치메이킹의 주역들
좋은 반려자를 만나는 건 물론 언제나 확률의 문제다. 그렇지만 e하모니는 그 확률을 조금 더 높여주는 역할을 한다. 그리고 그 확률을 높여주는 무대 뒤 1등 공신은 DW와 데이터 분석이다. 고객의 웹사이트 사용 실태와 활동 정도 등을 파악한다. 고객이 처음 웹사이트에 발을 들인 순간부터 결제할 때까지 모든 움직임을 파악하는 것은 물론 고객의 생애가치 역시 모니터링 한다. 또 사용 패턴 파악을 위해 클릭 동향 분석(clickstream analysis)을 이용하기도 한다.

에이브디시언에 따르면, 웨어하우스에는 다양한 경로를 통해 얻은 정보가 저장돼 있다. 구글 애널리틱스, 어도비 사이트케이틀리스트(SiteCatalyst), SPSS 시스템, 기계 학습 소프트웨어 등이 그 소스다. 또 e하모니의 매치메이킹 하둡 클러스터 와 거래 데이터베이스로부터 얻은 정보도 있다. DW에서는 이 모든 데이터를 한데 모으고 웹사이트 상에서의 사용자 효율성과 행동을 모니터링 하는 알고리즘을 작동한다고 그는 말했다. “이 모든 데이터가 잘 어우러지면 매우 유의미하고 유용한 시각을 제공한다”고 에이브디시언은 덧붙였다.

 


X