AWS를 사용하여 사용자 커뮤니티를 개발하고, 커뮤니티 참여를 늘리고, 커뮤니티 구성원에게 더 빠르게 답변을 제공하는 Autodesk

소프트웨어 제공업체인 Autodesk는 2000년부터 고객을 위해 Autodesk Forums라는 커뮤니티 포럼을 호스팅해왔지만, 이를 리소스로 이용하는 고객은 많은 반면 커뮤니티 참여의 다음 단계로 넘어가는 고객은 거의 없었습니다. 실제로 이 포럼에서 가장 참여도가 높은 사용자는 Autodesk 오퍼링에 정통한 사용자들이었습니다. 이 회사는 고객이 커뮤니티 전문 지식을 습득하는 데 그치지 않고, 자신의 전문 지식도 제공할 수 있도록 지원함으로써 포럼의 입지를 확장하고자 했습니다.

Autodesk는 Community Match라는 포럼의 새로운 반복에 대한 기계 학습 모델을 구축하고 신속하게 배포하기 위해 Amazon Web Services(AWS) 솔루션을 선택했습니다. 이 모델은 포럼 구성원의 전문 지식을 포럼에 올라온 질문과 연결합니다. 이는 특정 주제에 관한 전문가인 커뮤니티 회원이 Autodesk 솔루션에 대한 내부 지식을 공유하도록 장려하고자 하는 아이디어에서 탄생했습니다. 이전에는 고객이 문제를 해결해야 할 때만 Autodesk 지원을 요청했지만 이제는 공유 커뮤니티의 지식을 활용하여 Autodesk 소프트웨어를 보다 효과적으로 사용합니다.

Autodesk는 사람들이 ‘무엇이든 만들 수 있게’ 해주는 소프트웨어를 만듭니다. 3D 프린팅, 인공 지능, 생성형 설계, 로보틱스 등의 신기술을 활용한 이 솔루션은 건축, 엔지니어링, 건설, 미디어 및 엔터테인먼트, 제조 산업의 빌더를 지원하도록 설계되었습니다. 이 회사는 개발 워크로드 전반에 AWS를 주로 사용한다는 전략을 시행하고 있습니다. 2017년에는 데이터 과학 및 기계 학습 개발 워크로드를 온프레미스 시스템에서 AWS로 이전했으며, 최근에는 고객과 지원 에이전트를 보다 효과적으로 라우팅하는 기계 학습 기술 모델을 만들었습니다. Autodesk의 Data Science 부문 Director인 James Bradley는 “스킬 기반 라우팅의 기본적인 방식과 마찬가지로, 사람이 개입하기 훨씬 전부터 지능적인 방식으로 디지털 경험의 일부로서 고객에게 서비스를 제공할 수 있습니다. 고객에게 더 가깝게 지원 역량을 제공하고 훨씬 더 빠르게 자동으로 고객과 소통할 수 있습니다”라고 말합니다.

Autodesk는 원래 Community Match를 고객이 내부 Autodesk 전문가와 소통할 수 있는 공간으로 만들려고 했습니다. 이후 Autodesk는 고객 간에 공유되는 전문 지식과 커뮤니티를 육성하는 데 집중하기 위한 변화 과정에서, 고객 참여를 늘려 더 많은 고객에게 보다 신속하게 답변을 제공하고 최적화된 사용자 경험을 제공하고자 했습니다. Bradley는 “특정 전문 지식을 갖춘 커뮤니티 구성원을 타겟팅하고 질문에 대한 답변을 얻고자 하는 커뮤니티 구성원과 매칭할 기회가 있었습니다”라고 말합니다. 참여도를 높이기 위한 초기 전략은 이메일 알림을 사용하는 것이었습니다. 하지만 사실상 Autodesk 앰배서더라고 할 만한 제품 전문 지식을 갖추어 Autodesk에서 ‘전문가 엘리트’라고 부르는, 이미 플랫폼에서 활발히 활동 중인 고객들만 참여하는 것 같았습니다. Autodesk가 원했던 것은 포럼에 참여하고 관심을 보인 적이 있지만 정기적으로 참여하지는 않는 새로운 고객층에게 알림을 보내 끌어들이는 것이었습니다.

포럼 참여를 유도할 목적으로 고객이 이메일 알림에 어떻게 반응하는지에 대한 인사이트를 얻기 위해 Autodesk는 1만 명 이상이 참여한 Autodesk 컨퍼런스에서 인터뷰를 진행하며 대상 고객과 직접 접촉했습니다. 이 인터뷰에서 일부 고객사의 직원들이 팀 내부적으로 공유할 콘텐츠를 큐레이트하기 위해 포럼을 검색하거나 질문을 하지만, 자신의 전문 지식을 적극적으로 공유하지는 않는다는 사실을 알게 되었습니다. Digital Help and Experience 팀의 데이터 사이언티스트인 Yizel Vizcarra는 “그들 중 다수는 본인이 Autodesk 직원이나 전문가 엘리트만큼의 지식은 갖추지 못했다고 생각하기 때문에, 해당 분야의 주제별 전문가일지라도 게시된 질문에 다른 사람이 답변하기를 기다립니다. 따라서 포럼에서 공동체 의식을 높이고, 다른 사람에게 도움이 될만한 전문 지식을 답글로 달도록 독려하고 싶었습니다”라고 말합니다.

Autodesk는 AWS 서버리스 아키텍처를 사용하여 단 일주일 만에 지식 모델의 프로토타입을 완성했습니다. Bradley는 “AWS의 서버리스 기능을 하나로 통합하여 단순한 아이디어에서 짧은 시간에 무언가를 만들어내는 것이 재미있었습니다”라고 말합니다. 웹후크를 통해, Community Match를 호스팅하는 서드 파티 공급업체에서 AWS로 데이터가 실시간으로 전송됩니다. Vizcarra는 “웹후크는 콘텐츠를 다양한 방식으로 전송할 수 있는 유연한 아키텍처를 제공합니다. Slack으로 콘텐츠를 전송하여 직원들이 최신 정보를 확인하도록 할 수 있을 뿐만 아니라, 다양한 사용자 그룹을 대상으로 서비스를 제공할 수 있죠”라고 말합니다. Autodesk는 포럼 사용자를 참여도가 높은 그룹, 참여도가 낮은 그룹, 관찰자 그룹으로 나누었습니다.

그런 다음 포럼에서 고객 질문의 임베딩을 생성하는 전이 학습 기법을 사용해, 완전관리형 컨테이너 오케스트레이션 서비스인 Amazon Elastic Container Service(Amazon ECS)에서 호스팅되는 지식 모델을 구축하고 훈련했습니다. 그리고 Amazon SageMaker를 사용하여 데이터 세트에서 서로 인접한 항목은 일반적으로 유사하다는 가정을 바탕으로 한 일반 분류 모델인 근사-최근접 이웃 모델을 구축했습니다. 지식 모델과 근사-최근접 이웃 모델은 들어오는 사용자 질문을 분석하고, 관련 전문 지식이 있거나 과거에 비슷한 주제의 질문에 답변한 적이 있는 사용자 10명을 정확히 찾아냅니다. 이러한 모델과 일련의 비즈니스 규칙은 Autodesk가 서버를 프로비저닝하거나 관리하지 않고도 코드를 실행할 수 있도록 하는 AWS Lambda를 사용하여 패키징되고 AWS Step Functions에서 시퀀싱됩니다. 추천이라고 하는 이러한 알림은 Amazon Simple Email Service(Amazon SES)를 사용하여, 들어오는 질문마다 최대 10명의 사용자에게 참여 링크와 함께 전송됩니다. Autodesk는 기존 소프트웨어 인프라를 변경하지 않고 전체 솔루션을 구축했습니다. Digital Help Data Science 팀의 Lead Data Scientist인 Alex O'Connor는 “포럼 소프트웨어와의 대대적인 통합 없이도 실시간 모니터링을 지원할 기계 학습 기술을 도입할 수 있었습니다. 실제로 이를 통해 서버에 가해지는 부하를 덜었습니다”라고 말합니다. 스트리밍을 활용하지 않았다면, 포럼에 대해 대량의 대량 내보내기 쿼리를 실행해야 했을 것이고, 그로 인해 막대한 리소스 비용이 발생하여 사용자의 포럼 플랫폼 경험에 영향을 미쳤을 것입니다. 실시간 웹후크 방식을 사용하면 리소스 규모 조정을 쉽게 제어할 수 있습니다.

정기적으로 참여하지 않는 고객을 대상으로 한 새로운 Community Match가 2020년 7월에 출시되었습니다. 포럼이 시작된 후 첫 6주 동안 Autodesk는 다양한 유형의 제품에 대한 주제 또는 논리적 그룹을 생성하고 업데이트 알림을 전달하는 데 사용되는 게시-구독(pub/sub) 메시징 서비스인 Amazon Simple Notification Service(SNS)와 Amazon SES를 사용하여 8,473건의 추천을 보냈습니다. Autodesk는 기계 학습 모델이 32%의 확률로 고품질 매칭을 생성한다는 사실을 확인했고(Autodesk는 이를 열람률이라는 지표로 이 확률을 측정함), 알림의 클릭률은 31%였습니다. Community Match의 첫 버전에서 답글을 다는 비율이 12%였던 것에 비해, 새 버전에서는 알림을 클릭한 사람들 중 최소 16%(이전에 참여도가 높지 않은 사용자 대다수)가 답글로 참여했습니다. Bradley는 “전문성을 강조하는 알림을 제공하는 것이 대화 참여율을 높이는 데 도움이 되었으면 합니다. 실제로도 답글을 게시하는 비율이 약간 더 높아졌습니다”라고 말합니다. 이 포럼은 고객, 특히 참여를 꺼리는 고객에게 전문 지식을 공유하는 것이 다른 사람에게 어떻게 도움이 될 수 있는지를 보여줌으로써 고객을 독려할 목적으로 고안되었습니다. 이미 고객들은 Autodesk 에이전트가 제공하는 전문가 조언과 다르지만, 그에 못지않게 도움이 되는 외부 답변이나 해결 방법을 제공하고 있습습니다.

또한 Autodesk는 이 포럼을 고객과 보다 효과적으로 소통하기 위한 수단으로도 활용할 수 있습니다. Bradley는 “고객의 행동에 실시간으로 대응하고 이를 통해 비즈니스에 긍정적인 영향을 미칠 수 있습니다. 그러면 비즈니스 목표를 실현할 기회가 생깁니다. 즉, 이 실시간 메시징 프레임워크를 기반으로 고객 행동을 유도하여 업무량을 줄이거나 비즈니스 효율성을 높일 수 있습니다”라고 말합니다. 일례로, Autodesk는 이 포럼을 통해 Campaign Manager나 이메일 애플리케이션이 할 수 없는 방식으로 고객의 니즈에 신속하게 대응할 수 있는 유연성을 얻게 되었습니다. 예를 들어 코로나19 팬데믹 기간 동안에는 포럼 인프라의 용도를 변경하여 코로나바이러스에 대한 언급 내용을 모니터링함으로써 고객이 비즈니스를 어떻게 조정하는지 기록하고, 이 데이터를 바탕으로 정보에 입각한 답변을 개발했습니다. O'Connor는 “현장의 목소리에 귀를 기울이면 실시간 응대를 지원하는 데 큰 도움이 됩니다. 특히 상황이 빠르게 변화하던 초기에는 우리가 고객의 니즈에 즉각적으로 대응하고 있는지를 파악하는 것이 중요했습니다”라고 말합니다.

Autodesk는 기존 인프라를 크게 변경하지 않고 AWS 서비스를 사용하여 Community Match 포럼을 재구성함으로써 더 많은 고객 참여를 유도하고 고객이 다른 사람들에게 유용한 전문 지식을 공유할 수 있도록 지원했습니다. 이 기계 학습 기반 포럼은 Autodesk가 창의적인 방식으로 고객에게 답변을 제공할 수 있도록 해줄 뿐만 아니라, 고객의 니즈에 빠르게 대응할 수 있는 유연한 솔루션과 중요한 고객 인사이트도 제공합니다. Bradley는 “저희는 매우 빠르게 맞춤화하고 거기에서 새로운 정보를 얻는 능력을 갖추게 되었습니다. 고객의 목소리를 들으면서 도울 방법을 찾고, 대응 방법을 조정하는 것이 관건입니다”라고 말합니다.