more의 매거진

궁예의 관심법 인가…? 나를 위한 맞춤 상품 추천의 원리

more

2019.08.21 17:38 조회수 2418
  • 4
  • 콘텐츠에 ‘좋아’해줘서 고마워요 -
    0
  • 나만의 큐레이션함 '서랍'에 영감이 추가되었습니다. 성장 +1 되었어요!

궁예의 관심법 인가…? 나를 위한 맞춤 상품 추천의 원리

  • 4
  • 콘텐츠에 ‘좋아’해줘서 고마워요 -
    0
  • 나만의 큐레이션함 '서랍'에 영감이 추가되었습니다. 성장 +1 되었어요!

온라인 쇼핑몰을 이용하다 보면 내가 관심 갖던 상품들, 혹은 구매해야 할 상품들이 추천 목록에 뜨는 것을 한번쯤 경험하게 되는데요. 나의 취향과 관심상품을 정확하게 파악하고 있어서 흠칫 놀랄 때도 있습니다.

 

위 사례처럼, 오늘날 마케팅은 매스마케팅에서 특정 그룹 타겟팅으로, 더 나아가 1:1 개인화추천 방식으로 점차 범위가 좁혀지고 있습니다.

 

개인화추천 방식은 크게 3가지가 있습니다. 콘텐츠 기반 추천, 유사 사용자 기반 추천, 그리고 두 모델이 결합된 하이브리드형 추천 방식이 있습니다. 오늘은 유사 사용자 기반 추천 알고리즘인 협업 필터링에 대해 소개 드리겠습니다. 

 

‘협업필터링 (Collaborative Filtering)’ 은 개인화 추천 방식을 보다 정교하고 정확하게 작동시키는 기술을 뜻합니다. 좀더 자세히 살펴볼까요?

 

 

1. 협업필터링 이란?

 

 

 

 

A와B 두 고객이 있다고 가정합니다. A와 B고객은 동일한, 혹은 비슷한 상품들에 관심을 보였고 이를 토대로 둘은 비슷한 취향의 고객으로 분류됩니다. 시간이 지나 A는 특정 상품에 관심을 보였고, 이 상품은 A와 비슷한 취향의 고객으로 분류된 B에게도 추천됩니다. 즉, ‘유저의 행동을 기반으로 취향과 관심사를 예측하고 분석하는 알고리즘’, 이것이 협업필터링 입니다.



2. 협업필터링이 중요한 이유!


2.1 기존 개인화추천 방식은 한계가 있다.


기존 개인화추천은, 나이/성별/학력 등 인구통계학적 관점과 관심분야에 기반하여 고객을 분류한 뒤, 분류된 그룹의 특성에 맞게 서비스/제품을 추천하는 형태였습니다. 하지만 사회가 다양해지고 복잡해짐에 따라, 이러한 분석을 기반으로 추천된 서비스와 제품의 신뢰도가 점점 하락하게 되었는데요.


신뢰도가 하락하게 된 원인은 크게 아래 세가지로 정리해 볼 수 있습니다.

① 한 사람의 취향은 시간에 따라 빠르게 변화 하지만, 우리는 그 변화를 빠르게 눈치 채기 어렵습니다.

② 회원 가입시 입력한 고객의 프로파일에 드러난 특성이, 고객의 취향을 정확하게 담아내지 못하고 있습니다.

③ 프로파일을 바탕으로 추천된 제품/서비스에는 한계가 존재합니다. (스팸메일 같은 추천일 가능성이 있어요.)



2.2 그럼, 협업필터링은 뭐가 다른 걸까?


위 언급한 한계들을 극복하기 위해 등장한 것이 ‘협업필터링’ 입니다. 앞서 간단히 설명했던 내용을 보다 상세히 설명하자면, ‘협업필터링’은 고객을 임의로 분류하지 않고 고객 행동에 기반을 둔 활동을 추적하여, [고객-제품] / [고객-고객] / [제품-제품] 간의 유사도를 특정하여 추천하는 행동기반의 알고리즘 입니다.


몇몇 사람이 아닌 많은 사람의 행동 기반 데이터가 쌓이고 쌓여서, 추천의 퀄리티는 충분히 신뢰할 만큼 좋아지게 되는 강점을 가지고 있습니다. 수많은 커머스 기업들이 협업필터링을 통해 수입을 올리고 있으며, 대표적인 기업으로는 ‘아마존’과 ‘넷플릭스’가 있습니다.



3. 아마존과 넷플릭스, 그리고 ‘more’


 

 

아마존은 현재 미국 e커머스 시장 내에서 50%에 육박하는 점유율을 차지하고 있습니다. 쿠팡이 ‘한국의 아마존’을 목표로 하고 있을 정도로 아마존은 e커머스의 대명사가 되었습니다. 넷플릭스 역시 미국내 케이블 TV 가입자수보다 더 많은 유료 회원수를 확보하고 있으며, 2년전 한국에 상륙하여 현재 국내 유료 가입자수 184만명을 돌파했다고 합니다.


아마존과 넷플릭스의 개인화 추천서비스는 협업필터링을 기반으로 작동하고 있습니다. 정교하고 정확한 추천 서비스로 폭발적인 성장을 이룬 대표적인 해외 사례죠. 국내에도 협업필터링을 적용하여 상용화 중인 솔루션이 있습니다. 바로 NHN AD의 온사이트 마케팅 솔루션, ‘more’ 입니다.


 

4. more의 협업필터링 


4.1 지금 이 순간에도 정교화 되고 있는, more 협업필터링 엔진


 


 

‘more’는 유저의 행동을 기반으로 한 개인화추천 알고리즘을 통해, 고객이 선호하는 최적의 콘텐츠를 맞춤 추천해주는 솔루션입니다.


모어는 기존 협업필터링 과는 다른 차별점을 가지고 있는데요.

 

① 기존 협업 필터링의 경우 신규 상품이나 서비스 추천을 위한 데이터 수집기간이 짧게는 1주일에서 길게는 1달까지 소요되지만, 모어의 협업 필터링의 경우 1시간 혹은 늦어도 24시간 정도면 행동정보가 부족한 제품이나 서비스 일지라도, 비교적 정확한 수준의 추천이 가능합니다.


② 기존 협업 필터링의 경우 특정 상품이나 서비스에 의도적으로 클릭이 많이 일어나면 어떤 상품을 클릭해도 연관 상품에 항상 추천되는 어뷰징 이슈가 존재합니다. 그러나 모어의 협업 필터링의 경우 이러한 어뷰징 방지 기능이 자체 내장되어 있어, 의도적으로 파트너 공급자가 클릭 수를 늘린다 해도 알고리즘 단계에서 제거되는 특징이 있습니다.


③ 기존 협업 필터링의 경우 데이터 연산 및 업데이트까지 3~4일 정도 소요가 됩니다. 하지만 모어의 협업 필터링은 상품 1백만 개와, 사용자 1백만 명당 28초라는 놀라운 시간 안에 추천결과를 리포팅 해냅니다.


기존 협업 필터링과 차별되는 강점들을 토대로, 구매가능성이 가장 높은 <관심 상품>을 고객에게 추천하고, 이를 토대로 방문자의 쇼핑 경험을 향상시킵니다.



4.2 Beyond 추천 엔진, 디테일 한 타이밍 캐치의 기술


아무리 좋은 메시지라도, 언제 어떻게 전달되는지에 따라 그 효과가 달라집니다. 중요한 건, 잘 만든 개인화 추천 컨텐츠를 유저가 가장 필요한 타이밍에 적절한 형태와 메시지로 노출하는 것입니다.


모어는 사용성이 검증된 ‘타이밍 캐치 알고리즘’을 ‘개인화 엔진’과 함께 활용하고 있습니다. 국내 최초로 이탈 방지 솔루션을 런칭했을 뿐 아니라, ‘이탈 사용자에게 컨텐츠를 제공하는 방법’에 대한 특허를 보유하고 있습니다.


 

 

이러한 기술력과 디테일 때문일까요? 트렌드에 가장 민감한 여성 의류 쇼핑몰들, 그 중에서도 업계를 리딩하는 브랜드인 스타일난다, 소녀나라, 아뜨랑스 등에서 모어를 선택하였고, 지금까지 긴 시간 함께 하고 있습니다.  



조금 더 자세히 살펴보고 싶으신가요?

백문이불여일견! 사이트에 직접 적용 해보시고 그 정확성을 직접 느껴보세요.

지금 신청하면 2주간 무료 랍니다!

 

more 무료 체험 하기 



  • #온사이트 마케팅
  • #more
  • #개인화
  • #온사이트
  • #협업필터링

유사 카테고리의 인기 콘텐츠