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.
용어 해설
- 대규모 이벤트 모델(Large Event Model)
- — 텍스트를 학습하는 LLM과 달리 클릭, 스크롤, 체류 시간 등 사용자의 행동 이벤트 스트림을 학습하여 패턴을 일반화하는 모델이다. 실시간 행동 데이터를 기반으로 사용자의 다음 의도를 예측하며 추천 시스템의 정밀도를 높이는 데 핵심적인 역할을 한다.
- 랭킹 시스템(Ranking System)
- — 수많은 데이터 중 사용자에게 가장 관련성이 높은 항목을 우선순위에 따라 정렬하는 알고리즘 체계이다. 이커머스나 콘텐츠 플랫폼에서 매출과 사용자 체류 시간에 직접적인 영향을 미치는 핵심 기술이다.
- 정규화된 누적 이득(NDCG)
- — 추천 시스템에서 검색 결과나 추천 목록의 순위 정확도를 측정하는 지표이다. 관련성이 높은 항목이 상단에 위치할수록 높은 점수를 부여하며 랭킹 모델의 성능을 평가하는 표준 척도로 사용된다.
- 실시간 개인화(Real-time Personalization)
- — 사용자가 앱이나 웹을 사용하는 현재 세션 내의 행동을 즉각적으로 분석하여 맞춤형 콘텐츠를 제공하는 기술이다. 과거 이력뿐만 아니라 현재의 맥락을 반영하여 추천의 적시성을 극대화한다.
기술
- Large Event Model
- RankTune Platform
- Real-time Ranking API
활용 사례
- 이커머스 상품 상세 페이지(PDP) 재랭킹
- 실시간 사용자 행동 기반 개인화 추천
- 쿠키 없는 타겟팅 및 개인화 서비스
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 19.수집 2026. 03. 19.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.