by
Nov 18. 2020
추천 기능 구현하기: (2) 데이터에 따른 추천 방식
추천을 위한 데이터와 기능 알아보기
이전 글에서는 상품 추천 기능을 구현하기 위해 어떤 데이터를 수집해야하는지 소개하였습니다. 사물에 기반하는 데이터인지, 사람에 기반하여 고객의 행동 이력이 필요한지, 혹은 특정 유명인의 의견 데이터인지와 함께, 추천받을 대상자에게 맞춤형 개인화 정보를 제공하는 것인지 혹은 모두에게 추천하는 내용인지 등을 이야기해드렸죠!
최종적으로는 이에 따라 12가지의 추천 모델을 표로 제안하였는데요, 오늘 이 표가 의미하는 것이 무엇인지 개념을 안내드리겠습니다.
이번 글에서 소개드릴 데이터는 아래와 같습니다! 크게 사물 / 사람 / 지식 기반의 데이터로 나누어, 어떤 데이터가 있는 지, 해당 데이터로 어떻게 추천 기능을 구현하는 지에 대해 상세히 소개해드릴게요.
사물 기반 (Attribute)
A-1. 상품 속성 랭킹 유형
A-2. 연관 상품 유형
A-3. 상품 선호 유형
A-4. 상품 니즈 유형
사람 기반 (Consumer)
C-1. 인기도 랭킹 유형
C-2. 유사 행동 유형
C-3. 협업 필터링
C-4. 설문 기반 유형
지식 기반 (Knowledge)
K-1. 공인/유명인 추천 유형
K-2. 개인 추천 유형
K-3. 의견 제안 유형
K-4. 상품 니즈 분석 제안 유형
추천을 위한 데이터 유형을 보다 자세하게 알고 싶거나 추천을 위한 기능은 어떤 것이 있는 지 궁금하신가요? 뷰저블 블로그에서는 위 유형에 대한 전체 글을 확인하실 수 있습니다. :)
추천 기능을 구현하고 싶은 분들이라면?
뷰저블 블로그에서 전체 글을 확인하실 수 있습니다.
상품(콘텐츠) 추천 기능 구현하기: (2) 데이터에 따른 추천 방식 적용하기
숫자 대신, 히트맵으로 시작하는 데이터 분석!
서비스의 중요한 고객들의 데이터를 한 눈에 보세요!
UX with Beusable.
