‌‌데이터와 ML을 활용한 경험 개인화‌‌‌‌‌‌‌‌

Grab은 각 제품 기능을 담당하는 데이터 팀이 저마다 다르고 각 소비자 세그먼트에 따라 서로 다른 기능을 구축하기 때문에 소비자에 대해 일관적으로 파악할 수 없었습니다. 제품 팀, 데이터 사이언스 팀, 분석 팀은 서로 다른 팀에서 알고 있는 기능별 사용자 특성 간 관계를 놓치기 일쑤였습니다. Grab은 소비자를 움직이는 것이 무엇인지 알아내, 마케팅 캠페인 ROI를 개선하고 여러 다른 사용자 타입에 맞는 적절한 기능을 구현해야 했습니다.

팀마다 대규모로 여러 시스템을 서로 다르게 구축했기 때문에 관리와 갱신에 여러 데이터 파이프라인이 필요했습니다. 따라서 상당한 엔지니어링 오버헤드와 기하급수적인 비용이 발생했습니다.

Grab의 분석 책임자 Nikhil Dwarakanath 님 “동남아시아 소비자 6명 중 1명꼴로 Grab을 사용합니다. 체계적이고 일관적인 방식으로 방대한 데이터를 민주화해서, 모든 팀이 통합된 방식으로 데이터의 잠재력을 활용하고 더욱 풍부한 인사이트를 얻도록 지원해야 하는 과제에 당면했습니다."라고 말했습니다.

Grab은 데이터 용량과 관계없이 확장과 협업이 가능한 통합 데이터 분석 플랫폼이 필요했습니다. 한 곳에서 소비자 세그먼트에 대한 일관적인 뷰를 제공하고, 개인화된 소비자 경험을 구현하기 위한 기능을 개발할 솔루션도 필요했습니다.

Databricks 레이크하우스 플랫폼에 기반한 Grab 내부의 셀프 서비스 소비자 데이터 솔루션(C360)은 각 비즈니스 및 기술 데이터 팀에서 크라우드소싱으로 제공하는 소비자 중심적 특성 수천 개를 모아둔 단일 통합 정보 출처의 역할을 합니다. 스태프는 어디서나 민주화된 소비자 데이터에 안전하게 액세스해서, 소비자의 습관과 요구 사항을 명확하게 이해하고 앱 내 환경을 향상할 수 있습니다.

Dwarakanath 님은 "Azure Databricks 기반의 C360을 사용한 이후로 Grab은 지역이나 거래에 구애받지 않고 소비자 데이터를 활용하고 다양한 제품 세그먼트와 기능에 대해 소비자를 일관적으로 이해할 수 있게 되었습니다."라고 말했습니다.

이제 Grab은 웹사이트와 애플리케이션에서 발생하는 수천 개의 사용자 생성 신호와 데이터 소스를 데이터 무결성과 보안을 향상하는 방식으로 Delta Lake를 통해 수집하고 최적화할 수 있습니다. 몇 주가 걸리던 고된 작업을 몇 시간 내로 완료할 수 있습니다.

매끄럽게 데이터를 통합하는 Databricks 기능 덕분에 소비자 세그먼트가 세분화되었고, 더욱 심층적인 프로필을 구축할 수 있게 되었습니다. 완전한 셀프서비스형 내부 포털을 통해 각 팀에서는 손쉽게 협업하며, 소비자 데이터, 인사이트, 특성 및 생애 가치를 탐색할 수 있습니다. 이제 Grab은 더욱 적절한 추천을 보다 효율적이고 효과적으로 제공하고, 소비자 선호에 더욱 알맞은 새로운 기능을 설계함으로써 앱 내 환경을 개선하고 소비자에게 향상된 서비스를 제공할 수 있습니다.