핵심 요약
Etsy에서 수십억 달러의 거래액 성장을 이끈 Zoë Weil이 설립한 Sequen은 대형 빅테크 기업들만 보유했던 고성능 랭킹 인프라를 일반 기업에 제공한다. 이들은 텍스트 중심의 LLM과 달리 사용자 행동 흐름을 학습하는 '대규모 이벤트 모델(LEM)'을 핵심 기술로 활용한다. 이를 통해 개인 식별 정보나 쿠키 없이도 실시간 세션 데이터를 기반으로 20ms 미만의 빠른 추천을 수행하며, 실제 도입 기업에서 유의미한 매출 증대 효과를 입증했다. 최근 White Star Capital과 Threshold Ventures가 주도한 1,600만 달러 규모의 시리즈 A 투자를 성공적으로 마무리했다.
배경
추천 시스템(Recommendation System)의 기본 개념, API 통합 및 실시간 데이터 처리 파이프라인에 대한 이해, NDCG, MRR 등 랭킹 평가 지표에 대한 지식
대상 독자
이커머스 및 콘텐츠 플랫폼 개발자, 추천 시스템 엔지니어, 데이터 기반 마케팅 의사결정자
의미 / 영향
이 기술은 틱톡이나 유튜브 같은 거대 플랫폼만 보유했던 고도화된 추천 알고리즘을 일반 기업들도 API 형태로 손쉽게 도입할 수 있게 한다. 특히 쿠키 종말 시대를 맞아 개인 정보 보호와 성능을 동시에 잡으려는 기업들에게 실질적인 해결책을 제시하며 추천 시스템의 패러다임을 행동 데이터 중심으로 전환시킬 것으로 보인다.
섹션별 상세
Sequen은 '대규모 이벤트 모델(Large Event Model, LEM)'이라는 독자적인 기술을 통해 사용자 행동 패턴을 일반화한다. LLM이 텍스트를 처리하듯 LEM은 클릭, 스크롤, 호버링, 대화 등 실시간 이벤트 스트림을 분석하여 사용자의 의도를 파악한다. 이는 정적인 프로필이나 과거 데이터에 의존하던 기존 방식보다 훨씬 정밀한 개인화를 가능하게 한다.
개인 정보 보호를 위해 쿠키나 서드파티 데이터를 사용하지 않고 실시간 세션 데이터에 집중한다. 사용자의 신원을 식별하지 않고도 현재 행동 흐름만으로 정밀한 개인화가 가능하며, 이는 규제 대응과 사용자 프라이버시 보호 측면에서 강력한 대안이 된다. Zoë Weil CEO는 사용자의 정체성보다 현재 수행 중인 이벤트의 맥락이 더 중요하다고 강조한다.
기술적 성능 면에서 20ms 미만의 초저지연 의사 결정을 지원하며 RankTune 플랫폼을 통해 API 형태로 기존 시스템에 쉽게 통합된다. 대규모 가구 업체에서 7%의 매출 상승을 기록했으며 Fetch Rewards에서는 도입 11일 만에 순매출이 20% 상승하는 등 강력한 비즈니스 성과를 보였다. 현재 포춘 500대 기업들을 포함한 고객사들과 7자리 수 규모의 계약을 체결하고 있다.
이번 1,600만 달러 규모의 시리즈 A 투자는 White Star Capital과 Threshold Ventures가 공동 주도했으며 Greycroft 등이 참여했다. Sequen의 팀은 DeepMind, Meta, Anthropic 출신의 전문가 14명으로 구성되어 있으며 설립 18개월 만에 월간 100억 건의 요청을 처리하는 규모로 성장했다.
실무 Takeaway
- 반복적인 텍스트 처리 대신 사용자 행동의 '이벤트 스트림'을 학습하는 Large Event Model을 도입하여 추천 시스템의 정확도를 획기적으로 높일 수 있다.
- 사용자 식별 정보(Identity) 없이 실시간 세션 내 행동(호버링, 클릭 등)만으로 랭킹을 수행함으로써 쿠키 기반 추적의 프라이버시 문제를 해결하고 규제 리스크를 줄인다.
- 추천 엔진 교체 시 20ms 이하의 지연 시간을 유지하면서도 기존 대비 수십 배 높은 매출 리프트를 달성할 수 있음을 실사례를 통해 확인했다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료