네이버 지도 - 발견탭
ai 서비스 분석 노트
[기능 소개]
네이버 지도 발견탭
플레이스 리뷰 등 네이버의 다양한 데이터와 사용자 관심사를 기반으로 장소 추천을 개인화한 것
추천 섹션 종류
1. 내 주변
a. 지금 주변에서 많이 찾는 장소 : 실시간으로 내근처 인기 장소 랭킹 노출
후보군 추출(추측) : 사용자 현재 위치 기준 5km 이내 장소
정렬(추측) : 최근 24시간 내 지도앱 내 검색량이 많을수록, 작성된 리뷰수(블로그리뷰 포함)가 많을수록 상위노출. 다만 이 두가지 데이터만 활용했을 때 항상 인기 많은 장소들이 상위노출될 수 있음 -> 방지하려면 체인점, 공공시설들은 순위에서 제외하거나 증가율기반 가중치 부여학나, 카테고리별로 나눠서 스코어링할 수 있음
b. {닉네임명}님 이런 곳은 어때요? : ai가 내 활동 기반으로 장소를 추천 (5~600m 내 근방에서 장소 추천)
검색한 키워드, 예약 기록, 다른 사람에게 공유한 장소 데이터를 바탕으로 좋아할 확률이 높은 장소를 추천한다고 함.
고도화한다면)
사용자 interest 파악 : 검색 기록(사용자가 자주 검색하는 장소 정보), 리뷰 및 평점 기록(별점을 높게 준 장소 정보), 즐겨찾기 및 북마크한 장소 정보… 등을 통해 interest파악 > 사용자 취향을 가장 잘 드러내는 poi 속성이 무엇인가하면 카테고리(ex 디저트카페), 리뷰 텍스트(자주 보는 리뷰 키워드. 분위기 좋은, 감성, 조용한.. 같은), 사진(vision 모델로 추출한 이미지 분위기 태그같은), 가격대(가성비/프리미엄)
혹은 그냥 사용자끼리의 유사도로 interest 대체할 수 있을 듯
c. 근처 핫플레이스 알아보기 : 인근의 인기 지역 추천 (서울은 동단위, 기타 지역은 시,구단위도 나옴)
[ai가 어떤 역할을 했는가]
기존에는 장소를 추천할 때 검색어와의 연관성, 장소 조회수 및 리뷰 수 데이터를 활용한 인기도 등 장소 자체와 관련된 정보로만 추천 (개인화x 누구에게나 같은 순위)
상황별 탐색 (데이트, 사진맛집, 새로오픈..) 등으로도 탐색 가능했으나 이역시 장소 관련된 정보로 직접 탐색하는 것
ai로 사용자의 interest를 수집해 추천 로직에 활용. 보다 개인화된 추천 로직이 적용됨
[기존에 고객에게 주지 못했던 새로운 가치를 제공했는가]
취향과 맞는 장소를 탐색할 수 있음.
기존에는 장소 탐색은 외부 sns/블로그에서 수행 -> 정보가 너무 많아 결정이 어려움
탐색 효율성과 만족도를 증가
[비즈니스적 가치를 가졌는가]
- 1인당 클릭한 장소 수 증가 = 광고 노출량 증가 = 광고 수입 증가
- 사용자 체류시간 증가 = 전환율 및 리텐션 증가
- 소비 트렌드를 주도하는 2030 사용자 락인 (mz세대에게 핫플 찾는 툴로 인식 될 가능성)
