Target, Spanner Graph로 상품 탐색 강화하고 DB 유지보수 50% 절감

Target은 개인화된 상품 탐색과 대화형 쇼핑 경험을 강화하기 위해 검색, 벡터, 그래프, 트랜잭션 데이터를 Spanner Graph로 통합했다. 이를 통해 상품·카테고리·고객 의도 간의 연결 관계를 바탕으로 더 풍부한 의미 검색과 실시간 응답을 제공할 수 있게 됐다.

기존에는 Elasticsearch 클러스터와 별도의 NoSQL 데이터베이스를 함께 운영했다. 이 구조는 검색·벡터·트랜잭션 데이터의 동기화가 어려웠고, 검색 인덱스 관리와 커스텀 집계 로직에 높은 운영 부담이 발생했으며, 데이터 도메인 확장에도 병목이 있었다.

Target은 여러 특화 데이터베이스를 추가하는 대신 Spanner Graph를 기반으로 엔터프라이즈 온톨로지를 구축했다. Spanner를 트랜잭션 상태와 시맨틱 지능을 함께 관리하는 단일 진실 공급원으로 삼아 다음 기능을 한 데이터베이스에서 처리한다.

• 엔터프라이즈 상품 카탈로그와 메타데이터 통합
• 생성형 AI를 활용한 상품 데이터 보강
• 엔터티 노드와 관계 엣지 저장
• 벡터 임베딩과 의미 기반 유사도 검색
• 관계형 테이블에 대한 그래프 탐색과 전문 검색

이 아키텍처는 Target의 Gift Finder 대화형 쇼핑 에이전트처럼 상품 간 연결성과 고객의 의도를 함께 이해해야 하는 AI 기반 기능을 지원한다. 데이터베이스를 통합한 결과 DB 유지보수 부담도 50% 줄었다.