How We’re Revolutionizing Personal Styling with Generative AI
많은 회사들이 AI 전략을 정의하기 시작하는 단계에 머물러 있지만, Stitch Fix는 처음부터 데이터 과학에 기반을 두고 있습니다. 우리의 믿음은 사람과 기계가 함께 일할 때 더 효과적이라는 것이며, 우리는 비즈니스 전반에 걸쳐 그들의 독특한 강점과 능력을 활용합니다. AI와 ML 모델은 고객의 스타일링부터 물류, 재고 관리, 제품 설계에 이르기까지 우리의 운영 및 개인화 경험을 지원하는 기반이 됩니다. 따라서, 우리는 항상 데이터 과학의 최신 발전을 활용하는 방법을 탐구하고 있습니다.
최근의 주요 돌파구는 생성적 AI입니다. 이것은 방대한 데이터셋에 대한 광범위한 훈련을 통해 원래의 콘텐츠를 생산할 수 있게 합니다. 우리의 검증된 예술과 과학 접근법을 보완하여, 이 새로운 형태의 AI는 시간이 많이 소요되는 작업을 자동화함으로써 우리의 전문가들이 판단력과 창의력을 발휘할 수 있는 독특한 인간 활동, 예를 들면 고객과의 관계 구축이나 미묘한 스타일 요청을 이해하는 것에 집중할 수 있게 해주어 우리의 비즈니스를 지원하고 고객에게 더 나은 경험을 제공하는 데 도움을 주고 있습니다.
이 기술은 여전히 발전 중이지만, 우리는 이미 고객들이 우리와 공유한 거의 45억 개의 텍스트 데이터 포인트에서 가치를 창출하기 위해 생성적 AI를 활용하는 여러 방법을 사용하고 있습니다. 이것은 크게 세 가지 영역으로 나누어집니다:
- 우리의 알고리즘 내에서 대규모 언어 모델로부터의 임베딩을 사용하여 텍스트 고객 입력을 더 잘 이해하기
- 대규모 언어 모델을 통해 우리의 데이터를 라우팅하여 텍스트 생성하기
- 우리만의 본래의 의상 모델링 능력
이러한 접근법을 통해, 대규모의 개인화를 계속 추진하면서도 고객의 의견과 피드백을 더욱 정밀하게 이해하고 반영할 수 있습니다.
OpenAI의 큰 언어 모델에서 임베딩을 통합하여 텍스트 고객 입력을 더 잘 이해하기
OpenAI의 GPT-4와 같은 큰 언어 모델들은 인터넷 전반에 걸친 방대한 양의 데이터에 사전 훈련되어 있으며, 자연어를 이해하고 생성할 수 있습니다. 이들은 임베딩을 사용하는데, 이는 단어, 구문 또는 문장의 수치적 표현이며, 그들의 구조의 기본 구성 요소입니다. 이러한 벡터 표현은 언어 모델이 다양한 단어나 텍스트 사이의 의미와 관계를 이해하고 추론할 수 있게 합니다.
이러한 임베딩을 활용하면, 고객의 텍스트 입력의 뉘앙스와 복잡성을 더욱 정밀하게 포착하고 이해하는 데 도움이 됩니다. Stitch Fix와 같은 회사들은 이러한 기술을 사용하여 고객의 스타일링 요청이나 피드백을 더욱 깊게 이해하고, 그에 따라 개인화된 경험을 제공하는 데 중요한 역할을 할 수 있습니다.
OpenAI의 언어 모델에서 임베딩을 통합하여 텍스트 고객 입력을 더 잘 이해하기
OpenAI의 GPT-4와 같은 대규모 언어 모델들은 인터넷 전반에 걸친 방대한 양의 데이터에 사전 훈련되어 있으며, 자연어를 이해하고 생성할 수 있습니다. 이들은 임베딩을 사용하는데, 이는 단어, 구문 또는 문장의 수치적 표현이며, 그들의 구조의 기본 구성 요소입니다. 이러한 벡터 표현은 언어 모델이 다양한 단어나 텍스트 사이의 의미와 관계를 이해하고 추론할 수 있게 합니다.
이러한 임베딩을 활용하면, 고객의 텍스트 입력의 뉘앙스와 복잡성을 더욱 정밀하게 포착하고 이해하는 데 도움이 됩니다. Stitch Fix와 같은 회사들은 이러한 기술을 사용하여 고객의 스타일링 요청이나 피드백을 더욱 깊게 이해하고, 그에 따라 개인화된 경험을 제공하는 데 중요한 역할을 할 수 있습니다.
우리는 고객들이 우리와 공유하는 텍스트 피드백을 해석하기 위해 학습 추천 알고리즘(deep learning recommendation algorithms) 내에서 OpenAI 임베딩을 사용합니다. 고객이 Fix를 요청할 때, 우리의 알고리즘은 고객이 우리와 공유한 그들의 체형과 스타일 선호도에 대한 정보를 해석하여 우리의 스타일리스트에게 추천 아이템의 선택을 표면화시킵니다. 이를 통해 스타일리스트는 우리의 재고에 있는 수천 개의 품목을 수동으로 정렬하는 대신에 쉽게 Fix를 위한 아이템을 선별할 수 있습니다.
이러한 기술 통합은 스타일리스트의 작업 효율성을 크게 향상시키며, 고객에게 더욱 개인화된 서비스를 제공하는 데 중요한 역할을 합니다.
고객들이 우리와 선호도에 대해 공유하는 피드백의 많은 부분은 자유 형식의 텍스트로 되어 있습니다. 수십 번이나 수백 번의 Fixes를 가진 오랜 기간의 고객의 경우, 이것은 해독해야 할 많은 단어와 텍스트입니다. OpenAI의 임베딩은 그 정보를 빠르게 파악하고 우리의 알고리즘이 직접 읽을 수 있는 방식으로 요약하는 데 도움을 줍니다. 이것은 추천의 속도를 향상시키는 것뿐만 아니라, 우리의 알고리즘이 각 고객의 독특한 요구에 더욱 맞춤화된 더 높은 품질의 추천을 제시할 수 있게 합니다.
이러한 접근법은 단순히 데이터를 처리하는 것 이상의 가치를 제공합니다. 그것은 고객의 목소리와 의견을 더욱 깊게 이해하고, 그로 인해 고객에게 더욱 개인화된 경험을 제공하는 데 큰 도움이 됩니다.
OpenAI의 GPT-3를 우리의 데이터와 결합하여 텍스트 생성을 통해 우리의 전문가를 지원하기
광고에서, GPT-3는 우리가 효율적이고 효과적으로 매력적인 복사본을 생산하는 데 도움을 줍니다.
GPT-3는 다양한 문맥에서 자연스러운 언어 생성 능력을 갖추고 있습니다. 이는 우리에게 특정 캠페인 또는 제품에 대한 광고 문구를 빠르게 개발하고 반복하는 능력을 제공합니다. 또한, 우리의 팀은 GPT-3에 우리의 고유한 데이터를 통합하여 모델이 우리의 브랜드 톤과 고객의 선호도에 더욱 정확하게 맞춰진 텍스트를 생성할 수 있게 합니다.
이러한 결합은 전문가가 고객과의 상호 작용에서 효과적인 커뮤니케이션을 위해 필요한 정교한 문구를 빠르게 생성할 수 있게 합니다. GPT-3의 생성 능력은 또한 A/B 테스팅과 같은 광고 전략에서 다양한 광고 문구 옵션을 신속하게 제공하는 데 도움을 줍니다, 이로써 최적의 메시지를 신속하게 찾아낼 수 있습니다.
우리가 Stitch Fix 서비스의 장점을 전달하는 방법 중 하나는 온라인 광고를 통한 것입니다. 광고 헤드라인은 종종 잠재 고객과의 첫 번째 상호 작용이므로, 그것들을 매력적으로 만드는 것이 중요합니다. 고객들이 마주치는 광고의 엄청난 수를 고려할 때, 우리가 스스로를 구별하기 위해서는 우리의 헤드라인이 관련성 있고 주목받을 만해야 합니다.
GPT-3와 같은 언어 생성 모델을 활용하면, 다양한 광고 헤드라인과 문구를 빠르게 생성하고 실험할 수 있습니다. 우리는 모델을 우리의 브랜드 톤, 타겟 고객의 특성 및 우리의 제품 및 서비스의 핵심 가치와 일치시키도록 튜닝할 수 있습니다. 이를 통해, 우리는 더욱 개인화된, 주목받는, 그리고 고객에게 메시지가 효과적으로 전달되는 광고 문구를 생성할 수 있습니다.
우리가 표시하는 광고는 대체로 우리가 제공하는 스타일의 범위를 보여주기 위한 의상으로 구성됩니다. 각 광고를 동반하는 매력적인 복사본을 생성하는 것은 시간이 많이 소요될 수 있기 때문에, 우리는 모델에 입력한 스타일 키워드나 제품 속성을 기반으로 GPT-3를 사용하여 이를 생성합니다. AI가 복사본을 생성하면, 우리의 광고 문구 작성자들은 그것이 의상을 가장 정확하고 매력적인 방식으로 설명하는지 확인하기 위해 품질을 검사합니다.
이러한 방식으로, AI는 광고 캠페인의 속도와 효율성을 향상시키는 동시에, 사람의 전문성을 통해 브랜드의 의미와 톤을 유지할 수 있습니다. GPT-3의 빠르고 다양한 텍스트 생성 능력과 전문가의 창의력과 통찰력을 결합함으로써, 우리는 효과적인 광고 메시지를 더욱 신속하게 개발하고 배포할 수 있습니다.
오늘날, 우리가 Facebook과 Instagram에 표시하는 각 광고는 알고리즘을 통해 생성되고 전문가에 의해 품질 검사를 받습니다. GPT-3 이전에는 광고 캠페인을 계획하고 전략을 세우고 자산 복사본을 작성하는 데 대략 두 주가 걸렸습니다. 이제 평균적으로 광고 문구 작성자가 각 자산을 검토하는 데 1분 미만의 시간이 소요되며, 77%의 합격률을 받습니다.
이러한 효율성의 향상은 비즈니스의 운영 속도와 유연성을 크게 향상시킵니다. 빠른 반응 시간 덕분에, 우리는 시장의 변화나 고객의 반응에 따라 광고 메시지를 신속하게 조정하고 개선할 수 있습니다. 또한, 광고 문구 작성자는 더 복잡하거나 창의적인 작업에 집중하면서 기본적인 광고 복사 작업의 부담을 줄일 수 있습니다. GPT-3와 같은 도구의 도입은 디지털 광고 세계에서 우리의 경쟁력을 높이는 중요한 요소가 되었습니다.
GPT-3 helps us generate informative product descriptions.
우리는 제품 설명을 사용하여 고객에게 우리의 재고에 있는 스타일의 특징, 사양, 그리고 이점에 대한 필수 정보를 제공합니다. Freestyle 제공에서, 고객이 개인 쇼핑 피드에서 개별 항목을 쇼핑할 수 있게 되어 있습니다. 제품 설명은 고객이 무엇을 구매하고 있는지, 제품이 어떻게 맞고 느껴지는지, 어떤 행사에 가장 적합한지 등을 이해하는 데 도움을 줍니다. 자세한 제품 설명은 스타일리스트가 Fix를 정리하고 보낼 때 각 고객에게 적합한 항목을 더 잘 선택하는 데도 도움을 줍니다.
GPT-3와 같은 도구를 활용하여, 제품 설명의 작성 과정을 더욱 효율적으로 만들 수 있습니다. 알고리즘이 특정 키워드나 제품 속성을 기반으로 자세하고 명확한 설명을 자동으로 생성할 수 있습니다. 물론, 이러한 자동화된 설명은 전문가에 의한 최종 검토 및 수정을 거쳐야 합니다. 그러나 이러한 접근법은 스타일리스트와 콘텐츠 작성자가 더 중요하고 창의적인 작업에 집중할 수 있게 해주며, 동시에 제품 설명의 표준화와 일관성을 유지하는 데도 도움을 줍니다.
수십만 개의 스타일에 대한 설명을 작성하고, 검토하며, 승인하는 것은 광고 문구 작성자만으로는 어려운 작업입니다. 그래서 우리는 OpenAI의 GPT-3를 광고 문구 작성자에 의해 작성된 수백 개의 기존 제품 설명과 스타일리스트와 공유하는 고객의 미묘한 피드백(예: “이 드레스는 더 공식적이어서 결혼식에 좋을 것이다.”) 및 브랜드 파트너로부터의 제품 속성에 대해 교육했습니다. 우리의 언어, 스타일, 그리고 고품질 제품 설명의 템플릿을 이해함으로써, 모델은 우리의 재고에 있는 수천 개의 제품에 대한 설명을 빠르게 생성할 수 있으며, 전문 광고 문구 작성자와 상품 판매자는 그 정확성을 검토합니다.
이런 방식으로, GPT-3는 우리에게 막대한 양의 콘텐츠를 신속하게 생성하는 능력을 제공하면서도, 사람의 전문성과 결합하여 높은 품질의 제품 설명을 보장합니다. 이는 비즈니스에 있어 큰 경쟁력을 제공하며, 고객에게 더 나은 쇼핑 경험을 제공합니다.
GPT-3를 활용하면 30분마다 10,000개의 유익한 제품 설명을 생성할 수 있으며, 각 설명은 1분 미만의 시간으로 검토할 수 있습니다. 우리는 아이템 당 여러 번의 수정을 테스트함으로써 가장 정확하고 창의적인 문구를 보장하면서도 인간 전문가에게 추가적인 업무 부담을 주지 않습니다. 이런 효율적인 과정은 기존에 설명이 없던 아이템들에 대한 설명을 작성하게 해주었으며, 기존 제품 설명이 특정 트렌드와 상황에 맞게 시의적절하게 수정되도록 보장합니다.
이러한 기술의 활용은 Stitch Fix와 같은 회사에게 기존 방식을 크게 개선하는 데 도움을 주며, 고객들에게는 더 나은 정보와 경험을 제공합니다. 이러한 빠른 반응성과 효율성은 고객들이 원하는 제품을 더 빠르게 찾을 수 있게 해주고, 회사는 기존보다 더 높은 품질의 서비스를 제공하게 됩니다.
“expert-in-the-loop” 접근 방식을 통해, 우리는 생성 AI의 효율성을 활용하면서도 감독을 위한 인간의 전문성을 최대화할 수 있습니다. 내용 전문가들에게는, 알고리즘적으로 생성된 광고 문구와 제품 설명을 검토하는 것은 완전히 새롭게 작성하는 것에 비해 상당한 시간과 노력을 절약해 줍니다.
이 방식은 기계의 빠른 처리 속도와 대규모 데이터 처리 능력을 인간의 직관, 판단력 및 전문성과 결합하여 최상의 결과를 도출합니다. 따라서 Stitch Fix는 AI와 인간 전문가 사이의 최적의 균형을 찾아 높은 품질의 서비스를 제공하면서도 비즈니스 효율성을 향상시킬 수 있습니다.
GPT-4 can help our stylists better understand our clients’ preferences
고객들이 Fix를 요청할 때 스타일리스트에게 상세한 정보를 제공합니다. 가장 충성도 높은 고객들의 경우, 이는 그들이 스타일리스트에게 수십, 수백 번의 노트를 공유했을 수 있음을 의미하며, 이로 인해 그들의 이전 요청과 피드백을 모두 검토하는 것은 상당한 작업이 됩니다. OpenAI의 GPT-4를 사용하여, 우리는 대규모로 텍스트를 효율적으로 정리하고 간결한 요약을 생성할 수 있습니다. 이를 통해 고객에게 도움이 될 수 있는 한 가지 방법은, 스타일리스트가 고객의 선호, 싫어함, 그리고 다른 관련 스타일 및 핏 정보를 빠르게 파악하여 그들에게 맞는 아이템을 더 정확하게 선택할 수 있게 하는 것입니다.
이러한 기술의 적용은 스타일리스트가 고객의 이전 피드백과 선호도를 빠르고 정확하게 이해하게 해주어, 각 고객에게 더 개인화된 서비스를 제공하는데 도움이 됩니다. 이는 고객 만족도를 향상시키며, 고객이 우리의 서비스를 계속 이용하게 만들 수 있습니다.
우리의 네이티브 애플리케이션은 생성적 AI가 무엇일 수 있는지에 대한 정의를 확장하고 있습니다.
우리의 의상 모델링 기능은 현재의 전통적인 생성적 AI의 정의와는 다르지만, 큰 언어 모델 접근법과 많은 유사점을 보입니다.
대부분의 생성적 AI는 텍스트, 이미지, 또는 소리와 같은 데이터를 생성하거나 변환하는데 중점을 둡니다. 그러나 우리의 의상 모델링 기능은 고객의 선호도, 이전의 구매 이력, 그리고 다른 다양한 요인을 기반으로 개인화된 의상 추천을 생성하는데 초점을 맞추고 있습니다. 이는 큰 언어 모델이 텍스트를 생성하거나 변환하는 방식과 유사하게 작동하며, 여기에는 깊은 학습 및 다른 AI 기술이 포함될 수 있습니다.
이러한 접근법은 우리가 고객에게 더 개인화된 경험을 제공하고, 그들의 스타일 선호도와 맞는 의상을 더 정확하게 추천할 수 있게 해줍니다. 이를 통해 고객은 우리의 서비스를 통해 자신만의 스타일을 더 잘 표현할 수 있게 되며, 이는 고객 만족도와 브랜드 충성도를 높이는 데 크게 기여합니다.
스티치 픽스에 찾아오는 고객들은 영감을 얻기 위해 옵니다. 우리가 영감을 제공하는 한 가지 방법은 그들이 구매할 가능성이 있는 아이템, 또는 우리로부터 이미 소유하고 있는 아이템을 다른 구매 가능한 아이템과 함께 어떻게 스타일링 할 수 있는지 더 잘 이해하게 도와주는 것입니다.
이것은 고객들에게 다양한 스타일링 옵션을 제시하고, 아이템을 다양한 방식으로 착용하는 방법을 탐색할 수 있는 기회를 제공합니다. 또한, 이러한 서비스는 고객이 우리의 제품에 대해 더 긍정적인 인상을 갖게 하고, 구매를 결정하는데 도움을 줍니다.
스티치 픽스의 이러한 접근법은 고객에게 그들의 개인적인 스타일을 개발하고 표현하는 데 도움을 주며, 그들에게 자신감을 더해줍니다. 이것은 스타일링 서비스를 통해 제공할 수 있는 가장 중요한 가치 중 하나로, 고객의 삶의 질을 향상시키는 데 기여하게 됩니다.
매일 우리는 다양한 접점을 통해 고객에게 대략 4천3백만 개의 의상 조합을 보여줍니다 – 그들의 개인 쇼핑 피드 내에서나 개인화된 이메일 및 광고를 통해. 우리의 재고는 지속적으로 변화하기 때문에, 그리고 우리가 고객에게 보여주는 것이 시의적절하고 트렌드에 맞추어진 것을 확실히 하고 싶기 때문에, 우리는 매일 1천3백만 개의 새로운 의상 조합을 생성해야 합니다. 이를 위해 우리는 Outfit Creation Model (OCM)을 만들었습니다.
Outfit Creation Model (OCM)은 AI와 기계 학습 기반의 시스템으로, 우리의 재고 내의 아이템 간의 상호 작용과 조합을 이해하고 예측합니다. 이 모델은 다양한 아이템의 속성, 색상, 스타일, 그리고 다른 중요한 특징들을 고려하여 새로운 의상 조합을 생성합니다.
OCM의 목표는 아이템 간의 최적의 조합을 찾아서 고객에게 가장 매력적인, 현대적인, 그리고 트렌디한 의상 조합을 제공하는 것입니다. 이를 통해 고객은 그들의 스타일 선호도와 맞는 아이템을 쉽게 찾아볼 수 있게 됩니다.
이 시스템의 또 다른 중요한 장점은 효율성입니다. 수동으로 이렇게 많은 의상 조합을 생성하는 것은 매우 시간이 많이 들 것입니다. 그러나 OCM을 사용함으로써, 우리는 단 몇 초 안에 수백만 개의 조합을 빠르게 생성할 수 있습니다.
결론적으로, Outfit Creation Model (OCM)은 스티치 픽스가 고객에게 지속적으로 혁신적이고 개인화된 스타일링 경험을 제공할 수 있게 도와줍니다.
스타일리스트에 의해 생성된 수백만 개의 의상에 훈련받은 OCM은 우리의 재고 내의 실시간 아이템과 고객의 선호도 및 과거 구매 내역을 고려하여 의상 제안을 컴파일합니다. 우리는 이것들을 고객이 아이템을 보는 동안 그들의 개인 쇼핑 피드에서 보여줄 수 있습니다. 개인화된 의상을 표시함으로써, 우리의 고객은 그들의 옷장의 다양성에 대한 귀중한 통찰력을 얻게 되어 신선하고 흥미진진한 스타일 경험을 보장합니다.
OCM의 이러한 접근법은 고객이 제품을 선택하는 과정에서 더 깊은 이해와 통찰력을 제공합니다. 예를 들어, 어떤 고객이 특정 드레스를 볼 때, OCM은 그 드레스와 함께 잘 어울리는 액세서리나 다른 의류 아이템을 제안할 수 있습니다. 이러한 제안은 고객이 그 드레스를 다양한 방식으로 스타일링할 수 있는 가능성을 볼 수 있게 해줍니다.
더욱이, OCM은 고객의 과거 구매 기록과 현재의 스타일 선호도를 통합하여 개인화된 제안을 만들 수 있습니다. 예를 들어, 고객이 과거에 특정 브랜드의 제품을 구매했다면, OCM은 해당 브랜드의 새로운 제품과 함께 어울리는 아이템을 제안할 수 있습니다.
이러한 방식으로, OCM은 스티치 픽스의 고객에게 매우 개인화된 쇼핑 경험을 제공하며, 그들이 최적의 선택을 할 수 있도록 도와줍니다.
스티치 픽스에서의 생성적 AI의 미래
우리는 지속적으로 생성적 AI로 실험하고 있습니다. 미래에 우리 고객들에게 인기 있을 스타일을 더 잘 이해하고 예측하거나 스타일리스트와 고객 간의 개인적 연결을 예측 텍스트를 통해 더 깊게 만들어 가는 것이 그 예입니다. 가능성은 무한합니다.
우리는 AI를 사용하여 고객의 개별 스타일 프로파일을 지속적으로 업데이트하고 최적화함으로써, 고객이 받는 제안이 시간이 지남에 따라 점점 더 개인화되도록 할 계획입니다. 또한, 스타일리스트와 고객 간의 대화에서 AI가 예측 텍스트나 스타일 제안을 통해 더 많은 도움을 줄 수 있도록 확장할 계획입니다.
또한, 생성적 AI를 사용하여 더 많은 실시간 패션 트렌드 데이터를 수집하고 분석하여, 우리의 제품 제안이 현재의 패션 트렌드와 일치하도록 할 계획입니다. 이를 통해, 고객은 항상 최신 패션 트렌드에 맞춰진 아이템을 제안 받게 됩니다.
결론적으로, 스티치 픽스는 생성적 AI의 끝없는 가능성을 탐구하고 있습니다. 우리는 이 기술을 사용하여 고객의 쇼핑 경험을 향상시키고, 그들과의 연결을 더 깊게 만들어 나가고자 합니다.
How does generative AI impact costs?
Any competitors using similar AI methods?
How do embedings improve accuracy?
Can other businesses utilize embeddings?
How do stylists handle unique requests?
Can clients provide feedback on recommendations?
How do embeddings handle slang?
How do embeddings improve recommendation accuracy?
How’s GPT-3 different from GPT-4?
Can GPT-3 understand cultural nuances?
