Loops, AI 검색·쇼핑 지원·소매 데이터 연결 위해 350만 달러 시드 투자 유치

온라인에서 제품을 찾는 일은 쉽다. 하지만 그 제품이 자신에게 맞는지 판단하려면 여전히 검색 결과와 사이즈 안내표, 제품 페이지를 오가고, 처음부터 다시 설명해야 하는 고객 지원 상담을 거쳐야 할 수도 있다. Loops는 이러한 접점을 연결하는 공통 지능 계층이 소매업체에 필요하다고 보고 있다.

Loops는 a16z speedrun, NTT Docomo, Connecticut Innovations, Alumni Ventures, Monday Capital로부터 350만 달러 규모의 시드 투자를 유치했다고 발표했다. 회사는 상거래를 위한 AI 운영체제라고 부르는 플랫폼을 구축하면서 이번 투자금을 제품 개발, 고객사 도입 역량 강화, 해외 시장 확장에 사용할 계획이다.

이 플랫폼은 검색, 제품 탐색, 쇼핑 지원, 고객 운영, 제품 정보 보강, 가상 착용 기능을 한데 모은다. 핵심 제안은 이러한 기능이 소매업체의 상품 카탈로그와 비즈니스 맥락, 고객 여정에 관한 정보를 공유할 때 더욱 유용해진다는 것이다.

AI 쇼핑의 각 요소를 연결하다

소매업체는 성능이 뛰어난 검색 엔진을 도입하고도 고객이 답을 얻지 못한 질문으로 어려움을 겪게 할 수 있다. 대화형 도우미를 추가할 수도 있지만, 이 도우미가 제대로 작동하려면 정확한 제품 정보와 고객이 이미 살펴본 내용을 파악할 맥락이 필요하다. 애플리케이션을 하나 더 추가하면 관리해야 할 연동 작업도 늘어난다.

Loops는 하나의 기반 계층으로 이러한 파편화를 해결하고자 한다. 발표 내용에 따르면, 상품 카탈로그 데이터가 개선되면 검색 성능이 향상되고, 검색 결과가 쇼핑 도우미에 맥락을 제공하며, 대화 과정에서 드러난 누락된 제품 정보는 정보 보강을 통해 채워지는 순환 구조다.

예산에 맞는 야외 결혼식 하객 복장을 찾는 고객을 생각해 보자. 이러한 요청을 이해하려면 단순히 ‘결혼식’이라는 단어와 일치하는 결과를 찾는 것만으로는 부족하다. 유용한 시스템이라면 행사 성격과 가격 한도, 스타일 선호도, 제품 특성을 파악한 뒤 고객이 착용감이나 대안을 물을 때도 그 맥락을 유지해야 한다. Loops가 구현하고자 하는 것이 바로 이러한 연결된 경험이다.

회사의 제품 설명에 따르면 AI Search는 완전한 문장과 행사, 예산, 제약 조건을 해석한다. Loops는 또한 소매업체의 매출 및 마진 목표를 반영해 검색 결과의 순위를 정할 수 있다고 밝혔다. 이는 의미 있는 제품 설계 선택이다. 고객 요청과의 관련성뿐 아니라 상업적 목표도 적합한 제품 중 어떤 제품을 먼저 보여줄지에 영향을 줄 수 있다.

카탈로그 데이터가 기반이다

고객이 질문하기 전에 이루어지는 작업이 상당 부분을 차지한다. 제품 카탈로그에는 설명이 제각각이거나 속성이 누락된 경우가 많다. 의류의 소재나 핏, 관리 방법이 기재되어 있지 않다면, 유창한 도우미라 해도 자신감 있게 답하는 것만으로는 해당 세부 정보에 관한 질문에 신뢰성 있게 답할 수 없다.

회사에 따르면 Loops의 제품 정보 보강 기능은 카탈로그의 누락된 구조와 설명, 속성을 채운다. 이번 발표에서는 이를 검색과 도우미가 모두 재고를 이해하도록 돕는 기반으로 제시한다. 정보 구조가 개선되면 다양한 인터페이스에서 제품을 더 쉽게 검색하고 비교할 수 있다.

그런 다음 쇼핑 도우미가 재고와 사이즈, 정책 등 카탈로그 정보를 활용해 고객의 구매 결정을 돕는다. Loops는 소매업체의 웹사이트와 모바일 앱, WhatsApp을 통한 도입을 설명한다. 마켓플레이스 도우미는 Trendyol을 비롯한 마켓플레이스에서 소매업체의 카탈로그와 브랜드 어조를 활용해 제품 관련 질문에 답한다.

가상 착용 기능은 이 여정에 시각적 요소를 더한다. Loops에 따르면 고객은 사진을 사용해 구매를 결정하기 전에 제품을 직접 착용한 모습을 확인할 수 있다. 시각적 시뮬레이션과 핏 안내가 제품을 평가하는 데 도움이 될 수 있지만, 이번 발표는 어느 쪽도 실제 착용감을 보장하거나 반품을 없앤다고 입증하지는 않는다.

더 큰 틀에서 보면 핵심 기술적 과제는 오케스트레이션, 즉 공유 정보를 바탕으로 전문화된 기능을 조율하는 것이다. 회사는 발표에서 모델 구성, 평가 방법, 모든 채널에 걸쳐 고객 맥락을 유지하는 방식 등을 독립적으로 평가할 만큼 충분한 아키텍처 세부 정보를 공개하지 않았다.

초기 고객 지표가 보여주는 것

Loops는 고객사와 파일럿 프로젝트가 70곳을 넘고, 수백만 건의 쇼핑 경험을 처리했으며, 파일럿의 64%가 유료 고객으로 전환됐다고 밝혔다. 이러한 수치는 초기 시장 견인력을 보여주지만, 발표에는 이를 더 자세히 평가하는 데 필요한 코호트 규모와 기간, 계약 금액이 공개되지 않았다.

이번 발표는 터키 슈퍼마켓 체인 A101이 카탈로그 탐색과 쇼핑 지원에 이 플랫폼을 사용한다고 밝혔다. Loops가 공개한 비교 자료에 따르면, 플랫폼을 이용한 세션의 관측 구매 전환율은 비교 대상 그룹보다 약 83% 높았다.

이 결과는 신중하게 해석해야 한다. 회사는 해당 결과가 무작위 측정이 아니라 관찰에 따른 것이라고 명시했다. 도우미를 이용하기로 한 고객은 이용하지 않은 고객과 구매 의향부터 달랐을 수 있다. 이 비교 결과는 추가로 살펴볼 만한 고무적인 신호지만, Loops만으로 전환율이 83% 증가했다고 입증하지는 않는다.

패션 소매업체 Mavi도 구체적으로 언급된 사례로, Loops를 활용해 스타일, 착용 목적, 핏을 고려한 AI 검색 및 쇼핑 지원을 제공하고 있다. 이러한 도입 사례는 다양한 상품 카탈로그에서 플랫폼이 어떤 역할을 하도록 설계됐는지 보여주는 한편, 구현에 필요한 노력과 반복 가능한 재무 성과에 관한 의문은 향후 보도를 위해 남겨 둔다.

수직형 AI의 출발점, 소매업

회사의 창업 배경에는 해결하고자 하는 불편이 잘 드러나 있다. 공동 창업자인 Ari Nazir와 İlker Selim Zorluoğlu는 발리에서 지내던 중, Zorluoğlu가 어린 딸에게 줄 선물을 사려고 소매업체에 연락한 뒤 몇 시간이나 답변을 기다렸다. 결국 구매는 성사되지 않았다. 발표에 따르면 Nazir는 주말 동안 첫 프로토타입을 만들었다.

Loops는 이제 상거래를 더 큰 전략의 첫 적용 분야로 보고 있다. 그 전략은 특정 산업의 지식과 연동 기능, 업무 흐름을 바탕으로 AI 시스템을 심층적으로 구축하는 것이다. 다음 진출 분야로는 금융 서비스와 에너지를 계획하고 있다. 또한 업계 지식과 배포상의 제약을 고려할 때 더 집중된 모델이 적합한 작업을 위해 특화된 소형 언어 모델 역량도 개발하고 있다.

이러한 목표는 현재의 소매 제품을 넘어서는 것이며, 개발 계획으로 이해해야 한다. 당장의 관건은 고객층이 확대되는 가운데 Loops가 연결된 쇼핑 경험을 안정적이고 반복 가능한 방식으로 구현할 수 있느냐는 것이다.

시드 투자를 통해 회사는 이러한 작업을 추진할 자원을 확보했다. 회사의 기회는 현실적인 소매업 문제를 해결하는 데 있다. 즉, 고객이 원하는 것을 완벽하지 않은 설명만으로 표현하더라도 정확한 정보와 유용한 지원을 전 과정에 걸쳐 제공해, 확신을 갖고 구매할 수 있도록 돕는 것이다.