This is delivered by Megazone Cloud to startup customers

1. 1

2. 2

3. 3

4. 메가존클라우드는 ‘클라우드 이노베이터(Cloud Innovator)’로써 2009년부터 클라우드 사업을 차세대 핵심 사업으로 성장시켜
왔으며, 다년간의 디지털 비즈니스 서비스 경험을 토대로 클라우드 시장의 성장과 발전에 기여하고자 노력하고 있습니다.
 2020년 1월 기준
회 사 명 MEGAZONE CLOUD | 메가존클라우드㈜
사업분야 클라우드, 호스팅
주 소 서울특별시 강남구 논현로85길 46
연 락 처 02) 2109 – 2500 (대표전화)
해외사무소 베트남 | 미국 | 일본 | 중국 | 인도네시아 | 싱가포르
홈페이지 http://megazone.com
회사설립 년도 1998 년
임직원수 + 1,200
클라이언트(고객수) + 1,200
19년 매출액 + 4,500 억

4

5. 원화 결제로 인한 카드 수수료 절감 및 한화 인보이스 발행
S3 + CloudFront 데이터 아웃 양에 따른 약정 할인 제공
신규 도입 서비스에 대한 아키택처 리뷰 및 점검
한국어 Support Portal 제공
인프라 구축 및 MSP 서비스 지원 가능
5

6. 메가존의 클라우드 사업을 책임지는 ‘메가존클라우드’는 고객에게 최고의 클라우드 환경을 제공하기 위해 Technology
Center/Technical Service Center/Sales 등 분야 별 전문조직으로 나누어 기업고객을 체계적으로 지원할 수 있도록 조직을
편성하여 운영하고 있습니다.
※ 2020년 1월 기준 : +432
Sales
Enterprise Commercial
Cloud Biz
BizOrg
Cloud
Solution
security
Education
Marketing
DevOps
InnoWorks
Enterprise
TSTeam
Commercial
TSTeam
Technical Service Center
ProjectManagementOffice
Enterprise Commercial
Technology Center
Presales
(1Team)
Presales
(2Team
EnterpriseArchitect
Presales
Commercial
Architect
DataServiceCenter
Data
Foundation
Data
Solution
Analytics
Intelligence
DSC
Presales
Technology Center Technical Service Center Sales Data Service Center Cloud Biz Marketing 개발 및 분석
115 68 61 23 40 16 35
메가존클라우드 : 432명 AWS 전문 엔지니어 : 246명
6

7. 메가존클라우드는 AWS에서 인증 받은 세계 유일의 파트너 지원 한국어 서비스를 제공합니다. 다양한 기술 및 이슈 문의를
별도의 Support Portal을 통해 한국어로 지원 받을 수 있습니다. 수백여 고객사의 다양한 이슈를 처리하면서 쌓은 노하우를
바탕으로 고객의 이슈를 보다 신속하게 해결할 수 있습니다.
※ AWS Business Support 프로그램에 가입된 고객에게 메가존에서는 별도 비용 없이 무상으로 한국어 기반의 AWS 서포트를 무상으로 제공
24x7x365 기술지원 액세스
1시간 이내 응답
(1st Response)
클라우드 지원 엔지니어 한국어 Support
AWS Business Support Plan
Technical Support Center
Level.02서포트: AWS서포트센터

7

8. 메가존클라우드는 다양한 고객의 인프라 분석 및 최적화 경험과 노하우를 기반으로 고객사의 효과적인 비용 최적화 및
효율화를 이행 합니다.
[ 최적화 컨설팅 사례 1 ] [ 최적화 컨설팅 사례 2 ]

[ 최적화 컨설팅 사례 3 ]



8

9. 메가존클라우드는 국내 최초로 MSP 3.1/3.2에 대한 인증을 받아 기술력 및 운영 관리, 보안 등의 영역에서 기존 MSP
Program보다 더욱 강화된 운영 관리 서비스를 제공하고 있습니다.
추가 및 강화된
MSP 3.2 항목
 Configuration과 변화관리 역량 강화
 DevOps 환경과 Release and Deployment Management 프로세스와 관련된 역량의 강화
 Customer Obsession 문화와 고객 리뷰 프로세스를 통한 역량 모니터링과 문서화 유무
추가 및 강화된
MSP 3.1 항목
 AWS 솔루션에 대한 고객 정보 보안 정책의 유무
 고객 정보 Access 권한 정책 수립 유무
 접속자 정보에 대한 암호화 및 AWS CloudTrail 을 통한 Access 정책 수립 유무
 차세대 모니터링 시스템 및 시스템 분석 솔루션 역량
 MSP에 대한 지속적 관리 능력 및 자동 최적화 프로세서의 유무
MEGAZONECLOUD
CLOUD MANAGED SERVICE AWS Premier Consulting Partner 국내 최초로 MSP 3.2 인증
안정적인 운영 서비스를 제공하기
위해 체계적인 운영 프로세서 및 자체
COC(Cloud Operation Center)를
구축하여 운영하고 있습니다.
메가존클라우드 COC
(Cloud Operation Center)
 AWS Technical 교육
인증 자격 엔지니어 상주
 고객 서비스에 대한
모니터링 및 장애 대응
 정기 / 비정기 리포트,
원인 분석 보고서 제공
◀ 24x7x365 Managed
Services

9

10. 10

11. 11

12. 


12

13. 13

14. 14

15. •
15

16. 





16

17. 



17

18. 18

19. 19

20. 20

21. 21

22. 22

23. •최신 Deep Learning 기반 알고리즘들 제공 (HRNN, DeepFM, etc.)
•AutoML 및 Hyperparameter 최적화
•사용자 정의 추천 모델 개발 가능
•콘솔을 통해 개인화된 추천 결과에 대한 손쉬운 테스트
•블랙박스 형태로 제공되는 솔루션: API 를 통한 손쉬운 활용
•Deep Learning 의 실제 비즈니스 적용을 통해 얻은 다양한 노하우 반영
•콘솔 상에서 추천 작업을 위한 모든 단계별 모니터링 및 추적 가능
안정성
•AWS SDK for Java, AWS SDK for Python (Boto3), AWS Amplify (Javascript SDK)
풍부한 SDK 제공



23

24. 24

25. 25

26. 


26

27. 27

28. 28

29. •
•
•
•
•
•
•
•
•
•
29

30. 30

31. 



31

32. Recipe type Recipes
USER_PERSONALIZATION
User-Personalization
HRNN (legacy)
HRNN-Metadata(legacy)
HRNN-Coldstart(legacy)
Popularity-Count
PERSONALIZED_RANKING Personalized-Ranking
RELATED_ITEMS SIMS
32

33. 

33

34. Recipe type API Requirements Recipes
USER_PERSONALIZATION GetRecommendations userId: Required
itemId: Optional
inputList: NA
User-Personalization
HRNN (legacy)
HRNN-Metadata(legacy)
HRNN-Coldstart(legacy)
Popularity-Count
PERSONALIZED_RANKING GetPersonalizedRanking userId: Required
itemId: NA
inputList: list of itemId's
Personalized-Ranking
RELATED_ITEMS GetRecommendations userId: Not used
itemId: Required
inputList: NA
SIMS
34

35. 35

36. Change Description Date
New feature Amazon Personalize now supports a new USER_PERSONALIZATION recommendation recipe.
USER_PERSONALIZATION features include modeling impression data, automatic item exploration,
and automatic cold item selection.
August 5, 2020
New feature Amazon Personalize can now filter recommendations based on item and user metadata using
custom filter expressions.
July 31, 2020
New feature Amazon Personalize now allows you to filter results based on which items a user has interacted
with.
June 3, 2020
New feature Amazon Personalize now exposes scores for recommended items. Scores represent the Amazon
Personalize model's certainty that a user will next choose a certain item.
April 3, 2020
New Region Amazon Personalize adds support for the Asia Pacific (Seoul) Region. January 21, 2020
New feature Amazon Personalize can now get recommendations based on contextual metadata. December 19, 2019
New Regions Amazon Personalize adds support for the Asia Pacific (Mumbai), Asia Pacific (Sydney), and Canada
(Central) Regions.
December 18, 2019
New feature Amazon Personalize now supports batch recommendation workflows. November 14, 2019
Amazon Personalize general
availability
Amazon Personalize is now available for general use. June 10, 2019
Amazon Personalize preview
release
This is the first preview release of the documentation for Amazon Personalize. November 28, 2018
36

37. 37

38. © 2020, Amazon Web Services, Inc. or its Affiliates.
AWS Startup Team 이현정 매니저
09.23.2020
Personalize Customer Case

39. © 2020, Amazon Web Services, Inc. or its Affiliates.
롯데마트
• 한국, 인도네시아, 베트남 189 개 매장
(2019 기준) 보유
• 60만 명 이상의 고객들에게 식료품, 의류,
장난감, 전자 제품 판매
• M 쿠폰 : 할인, 적립 쿠폰, 이벤트 소개

40. © 2020, Amazon Web Services, Inc. or its Affiliates.
롯데마트
기존 방식:
- 고객의 구매 내역을 바탕으로 한 규칙 기반 추천 방식
문제점:
1. 낮은 실제 구매율: 조건이 바르게 설정된 경우에만 잘 작동함
2. 고객 경험 및 충성도: 새로운 상품 수요를 이끌기 어려움, 개인화된
사용자 경험 제공이 어려움
3. 비용: 빅데이터 플랫폼 구축하고 유지하는 데 많은 시간 & 비용 필요
“어떻게 하면 비용 효율적으로 M-쿠폰을 사용하지
않은 고객의 신제품 구매를 유도할 수 있을까? “

41. © 2020, Amazon Web Services, Inc. or its Affiliates.
롯데마트
쿠폰 수, 쿠폰 사용량, 반복 구매, 개인화 쿠폰을 사용한 구매 비율
결과:
1. 신제품을 비용효율적으로 추천 가능 => 신제품 구매 빈도 1.7x 증가
2. 쿠폰 적중률이 증가 => 쿠폰 사용률 2x 이상 증가
3. 개발 생산성 증가
• 개발시간 50%단축 – 데이터 준비 및 처리 시간
• 사용자 지정 추천 사항 활성화로 유지 관리 필요성 제거

42. © 2020, Amazon Web Services, Inc. or its Affiliates.
도입 전
도입 후
롯데마트 아키텍쳐

43. © 2020, Amazon Web Services, Inc. or its Affiliates.
에이블리
• 개인 셀러들을 한 곳에 모은 쇼핑 플랫폼
• 누적 다운로드 수 700만, 누적 마켓 수
5,000개 이상
• Personalize 기반으로 쇼핑 패턴에 부합하는
맞춤형 상품 제공
• 3x 고객 반응률, 50x 이상 다양한 상품 노출

44. © 2020, Amazon Web Services, Inc. or its Affiliates.
브랜디
• 여성 전문 패션 커머스 (쇼핑몰, 마켓)
• ‘AI 추천 서비스‘ : 실제 이용자 데이터
토대로 개인별 취향에 맞는 상품 추천
• “브랜디 랩스” => 브랜디의 Personalize
도입기 경험기

45. © 2020, Amazon Web Services, Inc. or its Affiliates.
감사합니다.

46. 46

47. 47

48. 48

49. AWS 콘솔에서 Amazon S3
실행
49

50.  이미 S3 버킷을 생성했으면 생략 가능. 건너뛰기
50

51. ①
②
버킷 이름 지정
③
51

52.  생성된 버킷 확인.
52

53. ①
②
53

54. ①
②
Data 선택 (Drag & Drop)
54

55. ①
②
Amazon Personalize Dataset Import 과정에 필요.
55

56. ①
②
③
④
{
"Version": "2012-10-17",
"Id": "PersonalizeS3BucketAccessPolicy",
"Statement": [
{
"Sid": "PersonalizeS3BucketAccessPolicy",
"Effect": "Allow",
"Principal": {
"Service": "personalize.amazonaws.com"
},
"Action": [
"s3:GetObject",
"s3:ListBucket"
],
"Resource": [
"arn:aws:s3:::버킷명",
"arn:aws:s3:::버킷명/*"
]
}
]
}
56

57. 57

58. AWS 콘솔에서 Amazon
Personalize 실행
58

59. 59

60. Dataset Group 이름 지정
①
②
60

61. ①
②
③
61

62. ①
②
Dataset 이름 지정
Schema 설정
62

63.  Schema Definition의 field값과 Data의 field값 구성이 일치하도록 해준다.
①
②
63

64. ①
②
③
④
Dataset Import Job 이름 지정
*추가설명
S3에서 Data Object 경로
복사하고 붙여넣기
64

65. 65

66. ①
②
 IAM 권한 생성 확인
66

67. ①
②
Dataset이 성공적으로 Import 되면 ‘Active’ 상태가 된다.
67

68. ①
②
③
Solution 이름 지정
Recipe 선택
 AutoML : 데이터에 적합한 알고
리즘을 판단하기 어려울 때 자
동으로 최적의 알고리즘의 결
과값을 확인 가능.
68

69. ①
②
‘Active’ 확인
69

70. ‘Active’ 확인
① ②
70

71. ①
②
③
Campaign 이름 지정
④
Solution 선택
과금 위험이 있으므로
Hands-On 때는 1을 권장.
71

72.  Campaign 실행 화면.
72

73. ①
②
③
테스트할 User ID 입력
개인화 추천 목록(Results)
73

74. 전체 추천 상품의 coverage
- 얼마나 많은 상품을 다양하게 추천하였
는가
- SIMS의 경우 높은 경향이 있음
가중 평균 점수
(Normalized Discounted Cumulative Gai
n at K)
- 모든 추천 순위의 가중치 고려
- 상위 추천이 정확할 수록 높음
- 상대적 비교에 용이함
정확한 추천의 등장 순서
(Mean Reciprocal Rank)
- 가장 첫번째 등장 유효 추천의 역수
- 두번째 추천 item이 최초 적중(1/2)
- 세번째 추천 item이 최초 적중(1/3)
단순 정확도 지표
- 전체 추천 상품 중 적중 수
Coverage MRR
PrecisionNDCG
74

75. 75

76. 76

77. 77

78. 78

79. USER_ID, ITEM_ID, TIMESTAMP
TIMESTAMP, USER_ID, ITEM_ID
 Schema Definition을 수정하거나 Data Feature값
의 순서를 바꿔준다.
79

80. Amazon Personalize
 화살표 클릭하면 권한 설정 슬라이드로 이동.
80

81. • End-to-End demonstration with Web APP
https://aws.amazon.com/ko/blogs/machine-learning/omnichannel-personalization-wi
th-amazon-personalize/
• 모든 Personalize Sample 리포지토리
https://github.com/aws-samples/amazon-personalize-samples
• 핸즈온 워크샵(따라하기)
https://ai-services.go-aws.com/50_personalize/60_personalranking.html
81

82. 82

83. 83