brunch

매거진 웹사이트 사용자의 UX 분석

라이킷 17 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 뷰저블 Beusable Nov 11. 2020

추천 기능 구현하기: (1) 필요한 데이터의 종류

추천 기능 구현을 위한 데이터와 모델

요즘은 모바일 디바이스가 대중화되었는데요, 그 중에서도 스마트폰이 ‘기본’이 되며 오프라인 플랫폼들이 온라인으로 대거 이동하는 흐름이 나타났습니다. 배달, 부동산, 쇼핑, 영화 감상, 교육, 운동 등 셀 수없이 방대하죠.

화해(이미지 출처 화해 블로그), 롯데마트, 넷플릭스에서 제공하는 다양한 추천 기능들

앱/웹 플랫폼 안에서 다양한 상품과 미디어 콘텐츠를 제공하기 위해 ‘추천’ 기능이 제공됩니다.

뷰저블은 이번 글에서 추천 기능을 구현하기 위해서는 어떤 ‘정보(데이터)’가 필요하며, 여러분이 향후 신규 도입하거나 고도화하기 위해서는 어떤 모델을 채용해야 하는지 소개하고자 합니다.

추천 받을 사람과 연관은 없지만
추천에 필요한 3가지 데이터와 UX

추천 기능의 기본은 ‘상품(미디어 콘텐츠) 데이터, 사용자의 행동이력 데이터, 전문가 또는 직원의 지식’ 크게 3가지입니다. 어떤 개념인지 설명드리겠습니다.

사물 기반 Attribute

‘사람은 사물의 각기 다른 속성을 평가하여 해당 사물을 종합적으로 평가한다.’는 사고방식에 근거하여 제안하는 기법입니다. 해당 상품의 기본적인 스펙이나 규격, 특징(캐릭터 패키지나 한정판 등) 데이터를 사용합니다.

수집되는 상품 데이터가 얼마나 상세하고 고도화되어 있는지에 따라 추천 수준이 나뉘는데요, 이 때문에 상품 데이터를 쉽게 표현하여 수집할 수 있어야 합니다. 상품의 특징을 DB화 시키기 어렵다면 올바른 추천이 어렵겠죠? ‘매운 맛’, ‘무가당’, ‘유아용’, ‘거실용’, ‘액션’, ‘로맨스’ 등을 예로 들 수 있습니다.

사람 기반 Consumers

‘유사한 특징을 지는 사람 혹은 과거 구매이력이 비슷한 사람은 동일한 상품을 선호한다’, ‘많은 사람들이 동시에 검토하거나 구매한 상품 또는 콘텐츠는 해당 고객에게 굉장히 가치 있는 상품에 해당한다.’라는 사고방식에 근거하여 제안하는 기법입니다.

추천 대상 이외의 ‘사람’이 얼마나 구매행동 또는 탐색행동을 하였는 가에 대한 상세 데이터가 필요합니다. 검색이나 상품을 장바구니에 담는 행위, 수량을 조정하는 행위, 상세 페이지나 리뷰를 보는 행위 등이 있겠죠. 갓 출시한 신상품은 행동 이력 데이터가 없기 때문에 추천이 불가능하다는 제약이 있습니다. ‘고객이 많은 본 혹은 담은 상품’, ‘고객이 많이 구매한 상품’, ‘리뷰가 많은 상품’ 등이 있습니다.

지식 기반 Knowledge

제 3자의 지식과 경험에 기반하여 해당 상품의 가치를 평가하고 제안하는 기법입니다. 해당 제 3자의 영향력과 신뢰도가 굉장히 중요합니다. ‘MD가 추천하는 상품’, ‘모 프로그램에 나와 화제를 모은 상품’, ‘유튜브 화제’, ‘의학 논문에 소개된 슈퍼 푸드’ 등이 있겠죠.

그렇다면 위 데이터의 실제 예시로는 어떤 사례가 있을까요? 또 추천 받을 사람과 연관이 있는 추천 데이터는 어떤 것이 있을까요? 뷰저블 블로그 전체 글에서는 더 자세한 사례와 개념을 소개합니다. :)