영수증 데이터를 통한 실시간 개인화

트랜잭션 데이터를 실행 가능한 가치로 변환

고객이 오프라인 매장에서 쇼핑할 때, 디지털 영수증은 전략적 접점이 됩니다. 소매업체는 이러한 항목을 사용하여 맞춤형 제안을 제공하고, 동일한 디지털 영수증 내에서 온라인 쇼핑을 계속할 수 있는 링크로 사용할 수 있습니다.

모바일 앱이나 브라우저를 통해 온라인 환경으로 전환할 때, 고객은 전체 구매 내역을 바탕으로 개인 맞춤형 제품 추천을 받습니다. 그들은 통합된 360° 고객 여정을 통해 개인화된 경험을 즐기면서 모든 채널에서 로열티 혜택을 유지합니다.

그림 1. MongoDB를 사용하면 디지털 영수증이 매장과 온라인 여정을 실시간 AI 추천과 연결하여 360° 고객 경험을 제공합니다.

디지털 영수증은 기업에 여러 전략적 이점에 대한 접근을 제공합니다. 여기에는 다음이 포함됩니다.

• 개인화된 경험을 통해 고객 참여 강화: 트랜잭션 데이터를 통해 소매업체는 스마트 제품 추천, 맞춤형 혜택 공유, 타겟 광고 캠페인 실행 등 마케팅 노력을 조정할 수 있습니다.

• 가치 있는 고객 인사이트 확보: 고객의 행동 및 선호도를 대규모로 분석합니다.

• 운영 비용 절감: 종이 영수증을 인쇄, 저장 및 관리할 필요를 없앱니다.

데이터 관리 과제와 MongoDB가 이를 해결하는 방법

영수증 데이터를 관리하는 것은 어려울 수 있습니다. 이 섹션에서는 주요 장애물을 탐색하고 MongoDB가 이를 극복하는 데 어떻게 도움이 되는지 학습하세요.

영수증 데이터에서 실시간 인사이트 확보

MongoDB Atlas를 중앙 데이터 저장소로 사용하여 이 개념 증명(PoC)을 통해 영수증 데이터를 실시간 가치로 전환하세요. 이 데모는 모의 전자상거래 시스템에서 인보이스 생성을 위한 백엔드 마이크로서비스를 시연하며, 실제 매장에 적응할 수 있습니다. MongoDB는 운영 데이터와 AI 데이터를 통합하여 데이터에 대한 완전한 제어를 제공하며, 하위 시스템에서의 활용을 위해 데이터를 계속 접근 가능하게 유지합니다.

실시간 개인화를 위한 기반 빌드

개인화된 고객 경험은 연결되고 접근 가능하며 실행 가능한 데이터에서 시작됩니다. 현대 기술의 잠재력을 완전히 발휘하려면 운영 데이터의 통합된 뷰가 중요합니다.

이 데모는 MongoDB의 유연한 문서 모델과 실시간 통합 기능이 운영 데이터를 지능적이고 반응이 빠른 고객 여정으로 전환할 수 있는 방법을 보여줍니다. 아래 다이어그램은 솔루션의 개략적인 개요를 보여줍니다.

• 전자상거래 및 매장 내 트랜잭션은 MongoDB 인보이스 컬렉션으로 유입되어 각 고객의 완전하고 통합된 구매 이력을 생성합니다.

• 운영 데이터는 MongoDB 문서 모델을 단일 데이터 소스로 사용하여 저장됩니다.

• 마이크로서비스와 외부 시스템은 MongoDB 기능과 원활하게 통합되어 인보이스 데이터에 의해 트리거되는 실시간 AI 기반 추천을 제공합니다.

그림 2. 이 다이어그램은 데모 솔루션의 핵심 구성 요소를 보여줍니다.

이 솔루션을 빌드하려면 인보이스 및 추천이라는 두 개의 백엔드 마이크로서비스를 Azure App Services에 배포하고, Azure Functions를 사용하여 세금 논리나 로열티 프로그램과 같은 외부 통합을 시뮬레이션합니다. 렌더링된 영수증은 Azure Blob Storage에 PDF로 저장되며, MongoDB의 구조화된 메타데이터와 긴밀하게 연결됩니다.

AI 기반 사용 사례를 위한 모델 송장 및 카탈로그 데이터

문서 모델은 세금 세부 정보부터 특정 구매를 기반으로 한 맞춤형 제품 추천 목록에 이르기까지 모든 인보이스 관련 데이터를 단일 컬렉션에 저장합니다. 이러한 유연성은 스키마가 비즈니스와 함께 발전할 수 있도록 하여, 마찰이나 다운타임 없이 원활한 업데이트를 가능하게 합니다.

개인화를 활성화하려면 MongoDB에 반구조화된 데이터를 저장할 수 있습니다. 제품 카탈로그에는 가격, 설명, 카테고리와 같은 핵심 세부 정보와 AI 임베딩 모델이 생성한 의미 데이터가 포함되어 있습니다. Voyage AI voyage-3-대형 텍스트 임베딩 모델을 사용하여 벡터 임베딩으로 제품 데이터를 풍부하게 하여 더 스마트한 AI 기반 카탈로그 검색을 가능하게 합니다.

그림 3. MongoDB는 전통적인 제품 세부 정보와 Voyage AI의 벡터 임베딩을 결합하여 제품 카탈로그에서 직접 시맨틱 검색 및 AI 기능을 활성화합니다.

또한 벡터 검색을 사용하여 고객이 이전에 구매한 제품과 유사한 제품을 식별하기 위해 제품 추천을 구현할 수 있습니다. 이 사용 사례에서, 추천 마이크로서비스는 각 고객에게 제안을 생성합니다. 이 마이크로서비스는 이전 구매 데이터로 학습된 AI 모델을 통합하여 추가로 개선할 수 있습니다.

이벤트 기반 설계를 통한 실시간 데이터 흐름 조율

실시간 고객 경험은 이벤트에 즉시 반응하는 시스템에 의존합니다. 이벤트 중심 아키텍처는 서비스가 이벤트를 통해 통신하여 중요한 사건이 발생했음을 알릴 수 있게 함으로써 이를 가능하게 합니다. 이 패턴은 서비스가 분리된 상태로 유지되고 확장 가능하며 높은 응답성을 제공하기 때문에 현대 소매 시스템에서 널리 채택되고 있습니다.

Change Streams 및 Atlas Triggers를 사용하여 데이터베이스 변경 사항을 감지하고 조정 패턴을 통해 마이크로서비스를 조정할 수 있습니다. 이 패턴은 인보이스 및 추천 마이크로서비스에서 설명됩니다.

그림 4. 이벤트 기반 코레오그래피는 고객의 최신 구매를 기반으로 실시간 추천을 제공하여 전체 경험을 향상시킵니다.

인보이스 마이크로서비스: 고객이 주문을 하면(1단계), 인보이스 마이크로서비스는 Change Streams를 통해 주문 컬렉션을 모니터링합니다. 새로운 주문을 자동으로 감지하고 인보이스 문서를 생성하여 MongoDB Atlas에 삽입합니다(2단계). 그 후, 트랜잭션 데이터는 ERP 플랫폼과 같은 외부 제공자에게 계속 전달될 수 있습니다(3단계).

추천 마이크로서비스: 새 인보이스가 컬렉션에 추가되면, 추천 마이크로서비스가 즉시 반응하여 구매를 기반으로 AI 기반 제품 추천을 생성합니다(4단계). 이 추천은 Atlas Triggers(5단계)를 사용하여 인보이스 및 사용자 프로필 문서에 삽입됩니다. 이 업데이트는 인보이스를 개인화하고 최신 임베디드 추천 사항으로 사용자 프로필을 강화합니다. 프론트엔드는 간단한 쿼리로 이 데이터를 신속하게 조회하여 홈페이지(6단계)에 표시함으로써 시스템을 업데이트하고 사용자 경험을 반응형으로 유지할 수 있습니다.

대규모에서 신뢰할 수 있는 이벤트 처리

이벤트 브로커를 사용하여 MongoDB를 이벤트 중심 아키텍처에 통합하고 여러 서비스에 이벤트를 라우팅하고 배포할 수 있습니다. 이를 통해 시스템이 실시간으로 반응하여 분리, 확장성 및 내결함성을 보장할 수 있습니다.

그림 5. 작동 중인 Azure 클라우드 통합

데모에서 마이크로서비스는 데이터베이스 이벤트에 반응하는 Change Stream 리스너로 작동합니다. Azure 이벤트 그리드 또는 Azure Service Bus로 전달되어 다운스트림 워크플로를 트리거하거나 외부 시스템과 통합될 수 있습니다. 대안으로, Azure Function이 서버리스 브리지로 작동하여 데이터베이스에서 Change Stream 이벤트를 캡처하고 이를 이벤트 브로커로 전송할 수 있습니다. 실시간 분석 또는 AI 교육과 같은 고처리량 시나리오의 경우, Kafka Connector를 사용하여 Azure Event Hubs로 이벤트를 스트리밍할 수 있습니다.