추천 시스템 개요
추천 시스템은 한 마디로 정렬하는 기능이라고 보면 됨.
어떤 컨텐츠들에서 사용자가 원하고 좋아할만한 컨텐츠들로 내림차순 정렬하는 느낌인거임.
이 과정에서 각 컨텐츠들에게는 사용자의 선호를 수치화 할 수 있는 정보들이 필요함.
따라서 추천 시스템에서 가장 어려워하는 사용자는 처음 접속한 사용자 임.
이 사용자에 대한 정보도 알 수 없을 수 있음.
Cold Start
대충 컴퓨터가 꺼져있다가 켜질때까지 걸리는 시간을 말함.
추천 서비스에서는 어떤 사용자가 서비스에 처음 접속했을 때, 이 사용자에 대한 정보를 수집하고 무엇을 좋아할지 판단할 수 있는데까지 걸리는 시간을 말함.
파레토 법칙 vs 롱테일 법칙
주로 마케팅에서 자주 나오는 법칙임.
파레토 법칙
8대2의 법칙으로 많은 현상의 80%는 20%의 중요한 원인 때문에 발생한다는 것임.
ex1) 일 잘하는 20%의 개발자가 회사 매출의 80%를 이끔.
ex2) 상위 20%의 고객이 전체 수익의 80%를 이끔.
따라서 마케터 입장에서는 80%의 라이트유저보다 20%의 헤비유저에게 집중하는것이 좋음.
롱테일 법칙
추천 시스템이 나오고부터 대두된 법칙임.
추천 시스템 이전의 파레토 법칙이 나온 이유는 주로 인건비 때문이라고 할 수 있음.
마케팅에서 예를 들면, 인건비 때문에 VIP에게만 사람을 붙여서 매출을 높일 수 밖에 없던거임.
그런데 추천 시스템이 나오니까 VIP에게 사람을 붙이면서, 일반 고객에게도 AI추천 시스템으로 관리해 줄 수 있는거임.
추천 시스템의 존재 이유
마케팅에서 추천 시스템은 20%의 헤비유저를 위한 것이 아니라 80%의 라이트유저를 위한 것임.
상품목록에서 추천 시스템은 20%의 높은 매출 상품을 위한 것이 아니라 80%의 낮은 매출 상품을 위한 것임.
추천 시스템 피드백
종류가 너무 많음.
User-based filtering VS Item-based filtering
User-based보다 Item-based를 사용하는 이유:
user의 선호도는 달라질 수 있다는 것이 주요 포인트임.
예를 들어 user기반으로 선호도를 판단하게 된다면,
한 유저가 어렸을 적에 사탕을 좋아했음.
그런데 나이먹고 보니까 사탕말고 커피를 좋아하게 된거임.
그러면 User-based에서는 사탕을 좋아하는 사람이 커피를 좋아하는 구나!라고 생각하는거임.
그러면 다른 유저인 사탕을 좋아하는 초딩은 커피를 추천받게 되는거임.
이러면 안되지 않음?
하지만 Item-based는 한 유저가 어렸을 적에 사탕과 초콜릿을 좋아했다고 해보는거임.
그 유저가 나이먹고는 커피와 비스킷을 좋아하게됨.
그러면 Item-based에서는 사탕을 좋아하는 사람이 초콜릿을 좋아하는구나!
커피를 좋아하는 사람이 비스킷을 좋아하는구나! 라고 생각하는거임.
그러면 다른 유저인 사탕을 좋아하는 초딩은 초콜릿을 추천받게 되는거임.
네트워크 추천
페이스북을 예시로 들 수 있을것 같음.
사람들과의 관계로 네트워크를 형성하는거임.
내 친구가 어떤 게시물에 따봉을 올렸거나 특정 게시물을 많이 본다면, 너도 이거 보지 않을래하고 추천해주는거임.
잡다
한 언어를 잘하게 되면 그 언어의 라이브러리, 모듈들이 어느순간 내가 사용할 수 있는 도구처럼 보이게 된다.
더 나아가면 언어와 언어가 비슷비슷하게 느껴지고 처음 배우는 언어도 금방 읽히는 수준이 될 것이다.
이 수준에서는 이 모듈, 라이브러리, 언어를 왜 사용하는지에 대한 궁금증이 생길것이다.
그렇게 될 수 있도록 노력하자.
회사에서 빨리빨리 모델링, 코드작성, 설계하는 능력이 중요함.
