쿠팡 AI 추천 알고리즘 완전 해부 – 내 쇼핑목록은 어떻게 정해질까?
쿠팡 앱을 열 때마다 놀라운 건, “이건 내가 필요하다고 생각하진 않았지만 사고 싶다”는 느낌을 주는 제품들이 목록에 자연스럽게 떠 있다는 점입니다. 이는 단순한 자동 추천이 아닌, 고도화된 AI 기반 개인화 추천 시스템 덕분입니다. 본 글에서는 쿠팡이 어떤 데이터를 기반으로 사용자의 쇼핑 습관을 분석하고, 어떻게 AI 알고리즘으로 개인별 맞춤형 상품을 추천하는지를 상세히 분석합니다. 또한 실제 유저 관점에서 추천 정확도를 높이는 활용법과 마케팅 관점에서의 숨은 뜻 까지도 함께 다룹니다.
1. 쿠팡 추천 시스템의 핵심 – ‘로켓AI’란 무엇인가?
쿠팡은 2020년 이후 자체 AI 엔진인 ‘로켓AI’를 통해 개인화 추천 기능을 비약적으로 고도화시켰습니다. ‘로켓AI’는 쿠팡의 모든 서비스를 관통하는 핵심 인프라로 작동하며, 다음과 같은 데이터 기반으로 작동합니다.
- 구매 이력 – 구매 주기, 장바구니 기록, 결제 내역
- 검색 행동 – 자주 검색한 키워드, 클릭한 상품군
- 체류 시간 – 특정 카테고리나 상품에서 머문 시간
- 위치 정보 – 지역 기반 트렌드 반영
- 기기 정보 – 모바일/PC, iOS/Android 등 환경 최적화
이 데이터들을 기반으로 Deep Learning 모델이 개인의 쇼핑 선호를 지속적으로 학습하며, 추천 결과를 실시간으로 조정합니다. 특히, 상품마다 추천의 ‘설명 가능성’을 부여해 소비자의 반응을 지속 피드백 받는 것이 특징입니다.
2. 쿠팡 추천 알고리즘의 작동 구조
쿠팡의 AI 추천 시스템은 크게 세 단계를 거쳐 사용자의 쇼핑목록을 구성합니다.
① 후보군 생성 (Candidate Generation)
- 모든 상품 중, 사용자가 선호할 가능성이 있는 상품 수천 개를 추림
- 유사 사용자 군, 최근 인기 상품, 재구매율 높은 상품 포함
② 랭킹 시스템 (Ranking)
- 추려진 후보군을 정렬하여 상위 노출할 순서를 결정
- 사용자 클릭률 예측 모델과 구매 가능성 모델로 점수 부여
③ 필터링 & 다각화 (Diversification)
- 추천 목록의 다양성 확보 – 카테고리 편중 방지
- 이미 본 상품/보유한 상품은 제거하거나 순위 하향
이 전체 과정은 사용자의 반응(클릭, 구매, 스크롤 등)에 따라 실시간으로 다시 조정되며, 사용자가 앱을 열 때마다 다른 추천 리스트를 구성할 수 있습니다.
3. 쿠팡 개인화 추천의 실제 사례
단순히 “비슷한 사람들이 산 제품”을 보여주는 수준을 넘어서, 쿠팡은 개인의 생활 패턴과 시기적 요구까지 반영합니다.
| 사용자 행동 | 추천 반영 사례 |
|---|---|
| 아기용 기저귀 검색 + 구매 | 육아용품, 분유, 수유쿠션 등 다음 단계 제품 자동 추천 |
| 비건 식품 검색 + 장바구니 담기 | 채식 밀키트, 식물성 단백질 상품 집중 추천 |
| 출근시간대 접속 빈도 ↑ | 오전 전용 할인 상품 또는 출근용 도시락 추천 |
| 재택근무 사용자 (PC 접속 ↑) | 사무용 의자, 웹캠, 노트북 거치대 등 등장 |
이처럼 쿠팡은 단기 구매 목적 뿐 아니라, 삶의 맥락에 맞춘 큐레이션을 통해 사용자의 만족도를 높이고 있습니다.
4. 쿠팡 추천 시스템, 어떻게 활용하면 좋을까?
① 장바구니와 ‘찜하기’를 적극 활용
- AI는 ‘찜하기’를 중요한 선호 신호로 인식
- 자주 찜한 카테고리 위주로 추천 정교화
② 반복 구매 상품은 정기배송으로 전환
- 정기배송은 해당 카테고리의 반복 추천을 줄여 줌
- 필요 없는 반복 추천을 방지
③ 클릭만 하지 말고 ‘구매’로 연결
- AI는 클릭보다는 ‘구매’를 더 강한 신호로 간주
- 구매 상품을 기준으로 추천 품질 급상승
④ 검색어 입력도 전략적으로
- 명확한 키워드 사용 시 추천 후보군 정확도 향상
- ‘유아기저귀 3단계’처럼 구체적으로 입력
5. 쿠팡의 추천 알고리즘, 마케터 입장에서 본다면?
마케터나 셀러 입장에서도 쿠팡의 추천 시스템을 이해하면 유리합니다. 특히 제품의 노출 전략을 세울 때 다음과 같은 포인트를 고려해야 합니다.
- 상품명 키워드 최적화: 사용자가 검색할 법한 단어 포함 필수
- 썸네일 이미지 품질 개선: 클릭률은 곧 추천 랭킹에 영향
- 리뷰/별점 관리: 긍정 반응은 추천 우선순위 상승
- 초기 구매량 확보: 빠른 구매 반응이 추천 알고리즘에 강력한 신호
결국 AI는 ‘사람들이 좋아하는 제품’을 더 많이 보여주도록 설계되었기 때문에, 유저 반응을 최대한 긍정적으로 유도하는 마케팅 설계가 필요합니다.
테크모스의 핵심 요약
- 쿠팡은 ‘로켓AI’라는 자체 엔진으로 개인화 추천을 실시간 수행
- 구매 이력, 검색 행동, 기기 및 위치 정보 등을 종합 분석
- 추천 구조는 후보군 생성 → 랭킹 → 다각화 3단계로 구성
- 사용자 행동에 따라 실시간으로 추천 리스트가 변동
- ‘찜하기’, ‘정기배송’, ‘구체적 검색’ 활용으로 추천 품질 향상 가능
Summary in English
Coupang’s AI-powered personalization engine, RocketAI, recommends products based on users’ purchase history, search patterns, location, and more. The system selects potential items, ranks them by click and purchase likelihood, and ensures diversity. Users can improve recommendations by using wishlists, setting regular deliveries, and entering precise keywords. Marketers should optimize listings with strong keywords, visuals, and reviews to align with Coupang’s algorithm.
