온라인 쇼핑과 클라우드 서비스로 유명한 IT 공룡 아마존이 2016년 12월 5일 시애틀에 '아마존 고(Amazon Go)' 라는 계산대가 없는 무인 식료품(신선식품) 매장을 선보였습니다. 아직 내부 직원들을 대상으로 베타 테스트를 진행하고 있는 매장이긴 하지만, 아마존 고의 메인 컨셉은 이름 그대로 물건 구매를 위해 줄을 설 필요도, 결제를 위한 체크아웃 절차도 필요 없이 단지 물건을 집고 가면 되는 것입니다. 이번 디지털 칼럼에서는 향후 오프라인 매장의 혁신을 선도할 가능성이 높은 아마존 고가 갖는 의미와 어떻게 아마존 고가 작동하는지 살펴보도록 하겠습니다.

 아마존 고를 본격적으로 살펴보기 전에, 아마존 고가 갖는 있는 숨은 의미에 대해 먼저 살펴보면 좋을 것 같습니다.

 첫 번째는 신선식품에 대한 강화입니다. 아마존은 그동안 온라인 쇼핑을 통해 물건을 판매/중계해 오면서 온라인 쇼핑의 한계인 보관 및 배송이라는 문제를 갖고 있었습니다. 그러다 보니 신선식품보다 상대적으로 유통기한이 긴 물건을 위주로 취급해 왔습니다. 하지만 아마존 고를 통해 유통기한이 짧은 신선식품까지 판매의 영역을 넓힐 수 있게 됐습니다. 기존 온라인과는 다른 오프라인 기반의 독립적인 성장 채널을 만들어 낼 것으로 보입니다.

 두 번째는 오프라인 고객 데이터 수집입니다. 아마존이 온라인 쇼핑과 에코(Echo) 시리즈 등을 통해 온라인 위주의 고객 데이터(구매 내역, 관심 사항, 목소리 등)를 모았다고 하면, 이제는 오프라인에서도 고객 데이터를 수집할 수 있습니다. 고객의 매장 내 구매 동선, 오프라인 구매 내역, 관심 분야, 실제 고객의 얼굴 등 온라인에서 얻지 못했던 데이터를 오프라인에서도 수집할 수 있어 온오프라인 동시에 고객의 데이터를 취합하는 것이 가능해졌습니다.

 아마존 고와 비슷하게 오프라인 무인 매장과 결제 자동화에 대한 시도는 여럿 있었습니다. 대부분 RFID*를 이용해 상품에 RFID 태그를 부착하고 RFID 스캐너가 이를 인식/결제하는 방식이었습니다. 그러나 RFID가 갖는 기술적 한계(주파수 중첩, 인식률)와 비용(RFID 태그 비용, 태그 부착 등으로 인한 관리 비용)으로 인해 대부분 성공하지 못했습니다.

* RFID : Radio-Frequency Identification의 약자로 라디오 주파수를 이용해 ID를 식별하는 기술, 일명 전자태그

 아마존 고는 기존의 RFID 방식과 어떻게 다르게 작동할까요? 아마존 고가 어떻게 운영되는지에 대한 아마존의 공식 답변은 자율 주행 자동차에 사용한 컴퓨터 비전(Computer Vision), 센서 퓨전(Sensor Fusion), 딥 러닝(Deep Learning) 기술을 사용했다는 것입니다. 하지만 이러한 기술을 어떻게 활용하여 아마존 고를 만들었는지, 어떻게 아마존 고가 작동하는지에 대한 구체적인 답변은 하지 않았습니다. 그러나 아마존 고를 분석한 많은 사람들이 2014년에 아마존에서 미국 특허청에 출원한 특허인 'Transitioning items from a materials handling facility'를 기반으로 아마존 고를 만들었지 않았을까 추측하고 있습니다. 실제로 해당 특허를 살펴보면 현재 아마존 고와 거의 유사하게 작동하고 있음을 알 수 있습니다. 그럼 해당 특허를 기반으로 아마존 고가 어떻게 운영되는지 살펴보도록 하겠습니다.

 먼저 아마존 고 매장의 장치 구성도입니다. 비록 아래 그림에는 각각 장치가 하나 또는 두 개 정도만 설치되어 있는 것으로 보이지만 선반(매대)마다 동일한 장치가 무수히 설치되어 있다고 생각하시면 됩니다. 각 장치 번호에 대한 설명은 그림 오른쪽의 설명을 참고해 주세요.

 위 장치를 기반으로 아마존 고는 크게 6가지 프로세스를 통해 작동합니다. 1. 고객 식별, 2. 고객 위치 식별(추적), 3. 아이템 구매(Pick up)/반납(Place) 여부, 4. 아이템 식별, 5. 장바구니(Virtual Cart) 추가/삭제, 6. 결제입니다. 이중 가장 큰 핵심은 고객 위치 식별, 아이템 구매/반품 여부, 아이템 식별로 꼽을 수 있습니다.

 그럼 먼저 고객 식별과 고객 위치 식별이 어떻게 이뤄지는지 알아보도록 하겠습니다. 고객이 아마존 고 매장에 들어가기 전 아마존 고 앱을 실행하고 매장 입구에 설치된 QR 코드 리더기를 통해 고객 본인의 식별 정보를 제공합니다. 그 후, 고객이 매장 입구에 들어오는 순간 매장 입구 주변에 있는 카메라를 통해 고객의 이미지를 남기게 됩니다. 고객이 특정 선반에 도착하면 해당 선반 주변에 위치한 카메라를 통해 고객의 이미지를 남기고, 이때 매장 입구에서 얻은 고객 식별 정보 및 고객 이미지를 비교하여 고객이 어느 선반 앞에 있는지를 확인합니다. 이 외에도 고객 위치를 식별하기 위한 보조 수단으로 마이크와 무선 안테나를 이용합니다. 매장에서 고객이 소음을 만들면 음성 신호가 각 마이크까지 도달하는 시차를 이용하고, 또한 고객의 스마트 폰과 무선 안테나(Access Point) 간의 신호 세기를 기반으로 삼각함수를 통해 사용하여 고객 위치를 측정하게 됩니다. 이렇게 측정된 정보는 고객이 어느 선반 앞에 있는지를 추려내서, 향후 식별해야 할 아이템의 범위를 좁힐 수 있게 됩니다.

 그럼 다음으로 아이템 구매/반품와 아이템 식별 과정을 알아보겠습니다. 장치 구성도에서는 보이지 않지만 각 선반 앞에는 라이트 커튼(Light Curtain)이 있습니다. 이 라이트 커튼을 통해 고객의 손이 선반 위로 들어왔는지/나갔는지를 알 수 있게 됩니다. 고객의 손이 들어오는 순간, 고객의 손과 선반의 이미지를 주변 카메라를 통해 캡쳐합니다. 그리고 고객의 손이 선반을 빠져나가는 순간, 고객의 손과 선반의 이미지를 다시 캡쳐해 놓습니다. 그럼 고객의 손이 선반에 들어오기 전/후의 고객의 손 이미지와 매대의 이미지를 얻게 됩니다. 해당 이미지를 비교하여 고객이 물건을 구매 또는 반품했는지를 식별합니다. 이 과정에서 고객의 손 이미지를 통해 고객의 피부 톤을 습득하여 향후 고객의 손을 식별하는 데에도 활용하게 됩니다.

 아이템 식별 과정입니다. 앞서 아이템 구매/반품 식별을 위해 얻은 이미지에서 아이템의 색, 모형, 특징 등을 추출해 아이템을 식별하는 데 사용합니다. 그리고 추가 센서 데이터를 활용하는데요. 압력 센서를 통한 아이템의 바닥모형과 무게 센서를 통한 아이템의 무게 정보를 들 수 있습니다. 이 모든 정보를 활용하여 아이템을 식별하고, 그래도 식별하지 못하는 경우에는 고객의 과거 구매 이력을 참고합니다. 예를 들어, 아이템의 외형과 무게가 동일한 케첩과 머스타드가 있어 이를 식별하기 어려운 경우에는, 과거 고객이 3개월 전에 케첩을 구매했으면 아이템 식별 정보를 캐첩으로 선택하게 됩니다. 마지막으로, 고객과 아이템을 식별하면 장바구니 추가/삭제를 진행하고, 고객이 출구로 나가는 순간 매장 출구의 카메라를 통해 고객이 매장을 빠져나가는 것을 인지합니다. 그럼 고객의 장바구니를 조회하고 장바구니에 물건이 담겨 있으면 고객이 사전에 정해놓은 결제 수단을 통해 아마존 계정으로 비용을 청구합니다.

 이번 칼럼에서는 오프라인 매장의 혁신이 될 가능성이 높은 아마존 고를 살펴봤습니다. 상용화 단계까지는 아직 해결해야 할 과제가 조금 더 있지 않을까 생각합니다. 매대 앞에 많은 사용자가 있을 때, 사용자가 입구에 들어온 후 선글라스 등을 껴서 외모에 변화를 주었을 때 사용자 식별 가능 여부 등을 예로 들 수 있겠죠. 그러나 아마존 고가 상용화될 때까지 기다리는 것보다 우리 아모레퍼시픽에서도 이러한 창의적인 아이디어를 고민하고 기술을 고안해 우리만의 무인 매장인 '아모레퍼시픽 고' 를 준비하면 좋지 않을까 싶습니다.