추천시스템이란?
사용자에게 상품을 제안하는 소프트웨어 도구이자 기술입니다.
- 어떤 사용자에게 어떤 상품을 어떻게 추천할 것인가에 대해 소개할 것입니다.
왜 추천시스템이 필요할까
잘 보이실지는 모르겠지만, 보고계신 사진은 옛날 신문에서 볼 수 있었떤 TV프로그램 가이드입니다. 2000년대 이전만 하더라도, TV 프로그램은 사람들이 즐길 수 있는 컨텐츠의 핵심이었습니다.
하지만, 지금 같은 경우 확인조차 힘들정도로 많은 TV채널들이 생성되어졌고,
지금 이 순간에도 수많은 방송들이 라이브로 진행되고 있을 정도로 컨텐츠의 양은 방대해져 가고 있습니다.
따라서, 사용자들이 컨텐츠를 소비하기 위해서는 추천이 필요했습니다.
화면에서 보고계신 A라는 시청자는 와챠플레이에서 사랑, 인생과 관련된 컨텐츠를 시청하였으며, B시청자는 대결, 웃긴 컨텐츠를 시청하였고, 그에 따라 추천을 받고 있습니다.
이러한 추천 시스템은 소비자 입장에서 보고싶은, 볼만한 컨텐츠를 찾는 시간을 줄여주는데 도움을 받게 되며, 기업 입장에서는 소비자가 우리 사이트, 플랫폼을 찾아주기 때문에 상부상조인 시스템이라고 볼 수 있습니다.
그렇다면, 실제 기업에서는 어떤 방식으로 추천을 진행하고 있을까요?
1. Rule base
룰베이스는 고객의 프로파일, 행위에 근거하여 미리 규칙을 생성한 후에, 답을 도출하는 방법입니다.
즉, 사람이 정한 규칙에 따라 기계는 결과를 도출하는 것이죠
예르들어,
A고객, B고객이 선호하는 컨텐츠는 C고객도 선호 한다.
A컨텐츠와 B컨텐츠를 선호하는 고객은 C컨텐츠도 선호한다와 같이
(가장 초기의 모델이며, 데이터가 적은 경우나 사용중인 고객에 대해 많은 정보를 알고 있는 경우에 한하여 좋은 케이스라고 생각됩니다.)
머신러닝
머신러닝은 기계가 직접 룰을 찾아가는 방식입니다.
데이터와 결과값을 집어 넣고, 데이터에 알맞은 모델을 생성함으로써 규칙을 생성하는 방식입니다.
추천시스템에서는 크게 협업 필터링과 콘텐츠 기반 필터링이라는 모델로 나누어 활용하고 있습니다.
협업 필터링
협업필터링은 아와 비슷한 성향의 사용자가 좋아하는 컨텐츠를 추천하는 모델입니다.
삼성에서 좋은 예시를 가지고 있어 퍼왔는데요.
사용자A가 라면, 콜라, 생수를 구매했고, 사용자 B가 라면과 콜라를 구매했다면, 사용자 B에게 생수를 추천하겠죠? 이런 방식이 협업필터링입니다.
쿠팡에서 탐사수를 클릭했을 경우, 나오는 결과인데요. 이렇게 다른 고객이 함께 구매한 상품이 협업 필터링의 예시라고 할 수 있겠습니다
콘텐츠 기반 필터링
협업필터링은 사용자 기반으로 추천을 해주는 시스템입니다. 이에 반해 콘텐츠 기반 필터링은 콘텐츠 자체를 분석하여 추천합니다.
사진처럼 음악의 경우, 사용자가 들었던 음악과 유사한 음악을 추천하는 방식입니다.
마찬가지로 쿠팡에서는 어떻게 결과가 도출될까요?
이번에는 락토핏을 검색해보았는데요. 컨텐츠 유사도를 기반으로 유산균 제품들이 추천되는 것을 확인해 보실 수 있습니다.
