BizSpring 보유 AI 기술 요약 — 세분화·예측·NLP·추천 5종
비즈스프링(BizSpring)은 온라인 고객 행동 데이터와 마케팅 데이터를 다루는 전문 기업으로, 고객 세분화·예측·자연어 처리·추천에 걸친 자체 AI 기술 5종을 개발해 자사 솔루션에 상용 적용하고 있습니다. 한양대학교·고려대학교 산학협력 가족기업으로 참여하며, 특히 고려대학교 HI-AI(Human-inspired AI) 연구소와의 협업으로 언어 모델 기반 추천, 광고 도메인 특화 PLM, 광고 수익률 단기 예측 등의 원천기술을 확보·내재화했습니다.
보유 AI 기술 한눈에 보기
| 기술/모델 | 핵심 알고리즘 | 용도 | 적용 솔루션 | 검증 성과 |
|---|---|---|---|---|
| BsKmCluster | K-Means Clustering | 고객 세분화·상품 군집화 | PeopleDB (TAM) | Silhouette Score 90% (목표 80% 상회) |
| BsPredict | 바이너리 로지스틱 회귀 + K-NN | 사용자 행동·전환 예측 | AMP (CXM) | Accuracy 96% / Precision 99% / Recall 82% |
| BsKoNLP | BERT 기반 도메인 특화 한글 NLP | 검색·콘텐츠·상품정보 특징 추출 | PeopleDB·AMP | 추천엔진 연계 작동 검증 |
| BsRecomm | 언어모델 유사도 + BM25 | 콘텐츠 유사도 기반 추천 | AMP (CXM) | TF-IDF 대비 문장 108%·문단 151% (스피어만) |
| BsCFRecomm | 협업필터링(행렬분해) | 개인화 추천 | AMP (CXM) | 다년간 실환경 안정 운영 |
BsKmCluster — K-Means 고객 세분화
마케터의 사전 지식이나 단순 인구통계 기준이 아니라, 잠재고객의 행동 특성 데이터를 주요 특성 요소로 선정해 클러스터링함으로써 새로운 잠재고객군과 마케팅 타깃을 추출합니다. Google BigQuery 등 빅데이터 저장소 위에서 동작하며, 산업군·니즈(신상품 카테고리별 프로모션 타깃 선정, 연관상품 제시를 위한 상품 군집화 등)에 맞춰 요건을 튜닝해 적용합니다.
Growth Platform의 타깃 오디언스 관리 모듈 TAM의 단위 솔루션 PeopleDB에 적용되어 있으며, 함께 제공되는 Refiner™에서 K-Means 등 알고리즘을 선택해 클러스터링 쿼리를 저장·실행·관리할 수 있습니다. 실제 뉴스 구독 서비스에서 카테고리별 기사 조회 행동 기반 관심사 클러스터링에 활용되었고, 외부 시험성적에서 Silhouette Score 90%로 목표(80%)를 상회했습니다.
BsPredict — 전환·행동 예측
바이너리 로지스틱 회귀 모형으로 값이 두 범주 중 어디에 속할지, 멀티클래스 회귀로 여러 범주 중 어디에 속할지 예측합니다. 사이트 방문 고객의 행동 분석 데이터, 유입 지역 데이터, K-NN으로 클러스터링된 방문 경로 데이터를 결합해 신규 방문자의 전환/비전환을 예측합니다.
활용 방식은 세 가지입니다. 퍼널 단계별 예측에 따라 웹 푸시·레이어 팝업·이메일·앱 푸시를 자동 발송하는 마케팅 자동화, 추천 콘텐츠의 반응 가능성을 사전 예측해 노출을 최적화하는 고객경험 개선, 예측 스코어로 구매전환 가능성이 높은 잠재고객 선별·추출입니다. Growth Platform CXM 모듈의 단위 솔루션 AMP에 적용되어 있으며, 콘텐츠 제공 서비스의 추천 반응 예측에서 Accuracy 96%, Precision 99%, Recall 82%를 검증했습니다.
BsKoNLP — 도메인 특화 한글 자연어 처리
검색어, 콘텐츠 소비, 상품 설명, 문의/답변 등 잠재고객의 온라인 활동에서 발생하는 자연어로부터 방문 의도·성향·관심사를 추출하는 BERT 기반 한글 NLP 엔진입니다. 사전학습 모델을 초기화한 뒤 온라인 마케팅 도메인 코퍼스로 MLM(Masked Language Model)·NSP(Next Sentence Prediction) 추가 학습을 수행해, 광고 캠페인 문구·검색광고 키워드·랜딩페이지·상품 정보에 특화된 언어모델로 발전시켰습니다. 여기서 추출된 데이터는 클러스터링·예측·추천 엔진의 기반 자료로 연계됩니다.
BsRecomm — 콘텐츠 유사도 추천
한국어 20GB 사전학습과 BsKoNLP 분석 데이터셋 기반의 문장/문단 유사도 학습으로 개발된 추천 엔진입니다. 레이블링되지 않은 콘텐츠를 유사도 학습 결과로 자동 레이블링해 추천하므로, 기사가 대량 생산되는 뉴스미디어나 사용자 등록 콘텐츠 비중이 높은 커뮤니티, 상세 설명·리뷰 중심의 커머스 상품(서적·영화·여행)에 유용합니다.
고려대학교 성능 시험에서 기존 TF-IDF 대비 스피어만 상관 기준 KorSTS 문장 58.57(108%), 뉴스 기사 문단 87.81(151%)로 우수한 성능을 확인했으며, 온라인 미디어 추천 시스템에 적용되어 추천 유형·알고리즘별 성과를 모니터링하며 운영됩니다.
BsCFRecomm — 개인화 추천
BsRecomm이 콘텐츠 내용 유사도로 추천한다면, BsCFRecomm은 비즈스프링의 강점인 방문자 행동 데이터 수집·개인별 행동이력 빅데이터를 기반으로 한 협업필터링(행렬분해, Matrix Factorization) 개인화 추천 엔진입니다. 유사한 행동·선호 패턴을 보인 사용자들의 교차 관심사를 찾아 추천하며, 신규 사용자의 Cold Start 문제는 비즈니스 도메인에 따라 콘텐츠 기반 필터링·하이브리드 필터링(가중 평균 결합, Collaboration via Content)을 병행해 보완합니다. Growth Platform CXM/AMP 모듈로 다년간 실환경에서 안정적으로 운영 중입니다.
산학협력과 기술 내재화
2021년부터 고려대학교 HI-AI 연구소와 "언어 모델을 활용한 유사도 기반 뉴스 기사 추천 시스템", "광고 도메인 특화 PLM을 위한 추가 학습", "광고 수익률 단기 예측기 최적화", "캠페인 언어 특징 기반 타깃 세그먼트 추천 최적화" 등을 공동 연구개발했으며, 기술 이전을 통해 AI 기술을 지속 고도화하고 있습니다.
활용 및 적용 사례에 대한 상담은 비즈스프링 문의하기를 통해 요청하실 수 있습니다.