추천이 왜 필요할까?
목표 : 사용자의 선호나 행동에 기반하여 적절한 아이템을 제안
활용 케이스 : 사용자 스스로 원하는 바를 정확히 알지 못한 경우
좋은 추천이란?
- 사용자가 필요로 하거나 좋아할 만한 것을 개인화하여 제공
- 다양한 선택지 제시
- 적절한 지면에 적절한 시점에 제공
- 왜 추천받았는지 이해할 수 있도록 설명함
- 목표 지표를 개선해야함
좋은 추천은 돈이 되어야한다.추천에 필요한 기본 요소
아이템 추천 알고리즘 유저
추천의 과정
유저 정보 전달 -> 추천 결과 생성 -> 추천 결과 전달 -> 추천 지면 노출 -> 유저 피드백 전달
- 유저 정보 전달 : 로그인/비로그인 여성/남성 등등
- 추천 결과 생성 : 회사 내 자체 생성 or 외부 솔루션 사용
1) 전문가 추천
ㄴ 장점 : 초기데이터가 부족한 상황에서도 추천 가능,
전문가의 지식을 바탕으로 신뢰성 추천
ㄴ 단점 : 전문가의 운영 리소스를 고려,
전문가에 따라 추천의 품질 편차가 날 우려
ㄴ 언제 쓰는가? 데이터 부족
2) 랭킹 기반 추천
ㄴ 장점 : 검증된 아이템, 구현 쉬움
ㄴ 단점 : 개인화 부족, 신규 아이템 추천 어려움
ㄴ 언제 쓰는가? 보장된 추천을 빠르게 제공
3) 콘텐츠 기반 추천 : 아이템의 특징을 기반으로 추천
ㄴ 장점 : 사용자 취향을 명확하게 반영, 신규 아이템 추천 가능
ㄴ 단점 : 추천 다양성 떨어짐, 추출 어려운 경우 퀄리티 떨어짐
ㄴ 언제 쓰는가? 신규 사용자, 아이템 일 때
4) 협업 필터링 추천 : 사용자의 행동 패턴을 분석해서 추천
ㄴ 장점 : 정보가 없어도 추천 가능, 개인화 성능이 좋음,
새로운 아이템 발견 가능성 놓음
ㄴ 단점 : 콜드스타트, 대규모 데이터에서는 성능 저하
ㄴ 언제 쓰는가? 사용자 수가 많고 추천할 아이템이 다양한 경우
5) 하이브리드 추천 : 내가 본 아이템 +
유사한 아이템을 좋아하는 사람들 + 나의 개인적 선호도를 함께 고려함
ㄴ 장점 : 세밀한 개인화 추천 가능
ㄴ 단점 : 여러 알고리즘으로 시스템 개발/관리 복잡
ㄴ 언제 쓰는가? 다양한 추천 전략이 필요할 때
- 추천 노출
홈 : 다양한 사용자의 니즈를 충족시켜야 함
첫 방문 고객: 랭킹 기반 추천
이 후 방문 : 개인화 추천
상세 페이지 : 만족하지 못했다면 빠른 대체재 제공
만족 했다면 비슷한 상품을 제공(콘텐츠 기반 추천)
장바구니 : 더 많은 상품을 담아야함, 무료 배송비 구간을 넘겨야 함
추천 영역 타이틀 : 컨셉을 잘 설명해주는 타이틀
열정열정열정🔥