brunch

매거진 프로덕트 이것저것

라이킷 11 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by EUNKY Jul 06. 2024

미션 '사용자의 선호도를 파악하라'

자연스러운 데이터 수집으로 추천의 정확도 높이기

앞선 글들을 통해 추천의 필요성과 추천 시스템의 종류, 추천 시스템에 필요 요소를 알아봤다. 이전의 이야기들을 정리해 보면, 결국 사용자가 제공하는 데이터란 사용자의 취향과 탐색 목적에 '잘' 부합하는 추천을 위한 핵심 요소라는 사실이다. 그래서 이번 글에서는 서비스에 진입한 사용자를 대상으로 자연스럽게 선호 데이터를 수집하는 사례를 소개해 본다.

성별(선호도) 선택 후 탐색 유도하기

요즘 패션 및 라이프 관련 이커머스 서비스 진입 시, 아래와 같이 사용자가 성별을 직접 선택하도록 유도하는 화면들을 심심치 않게 만나볼 수 있다. 선택 옵션으로 주어지는 성별은 남성(Men), 여성(Women) 위주이고, 이외에 "전체(Unisex)" 또는 키즈(Kids)"는 해당 서비스의 카테고리 또는 상품 분류 기준에 맞춰 옵션으로 제공하는 듯하다.

이렇게 사용자가 서비스에 진입하는 시점에 성별 선택을 받는 것 외에도 사용자의 성별 정보를 얻는 방법이 있다. 바로 사용자가 서비스 가입 시 입력한 성별 정보다. 두 정보의 차이를 비교해 보자면 가입 시의 정보는 개인 정보의 측면에 더 가깝고, 진입 시 추가로 선택하게 하는 성별 정보는 선호 스타일 정보의 측면에 더 가깝다. 따라서 추천의 시스템 기준으로전자는 사용자 기반 추천(User-based)에 활용하고, 후자는 아이템 기반 추천(Item-based)에 활용할 수 있겠다.

성별을 선택 후 탐색을 유도하는 서비스들. 왼쪽부터 하이스토어 > 아디다스 > 발란

이외에도 사용자의 선호 성별 정보를 얻는 방법이 하나 더 있다. 바로 서비스 내 탐색 및 발견의 과정에서의 성별 필터 사용 행태인데, 예시로는 조조타운(ZOZO TOWN)과 무신사가 있다. 해당 데이터를 통해서는 사용자의 탐색 목적과 이에 따른 성별 필터의 사용률을 확인할 수 있다. 기본적으로는 사용자가 탐색 시 선호하는 스타일의 성별을 알 수 있고, 이외에 더 나아가 아래의 정보들까지도 추천에 반영할 수 있어 보인다.

1. 사용자의 탐색 행태

목적(탐색/발견) 및 아이템(상품/콘텐츠)에 따른 성별필터 사용률

성별 및 연령 기준 사용자의 성별필터 사용률

2. 성별과 선호 스타일의 성별간 관계

성별 및 연령 기준 사용자의 성별과 주로 사용하는 성별필터 성별의 일치율

상품 탐색 과정에서 성별(필터링)을 제공하는 서비스들. 왼쪽부터 조조타운(ZOZO TOWN) > 무신사

게이미피 케이션 요소로 선호도 파악하기

글로벌 브랜드 나이키의 스니커즈와 조던 시리즈의 최신 아이템 발매 소식을 다루는 앱인 SNKRS. 해당 앱에서는 핫한 발매 소식뿐 아니라, 스트릿에서 만난 나이키 스니커즈 코디를 소개하는 STREET SNKRS, 특정 인물과 나이키 스니커즈를 소개하는 SNKRS STYLE 등을 콘텐츠로 다룬다. 재밌던 점은 아래와 같이 앱의 곳곳 다양한 영역에서 선호도 투표를 할 수 있다는 것이었는데, 질문과 참여 방법 모두 간단하니 다양한 탐색의 과정에서도 크게 이질감이 느껴지지 않았다. 이렇게 수집하는 정보는 사용자가 선호하는 스니커즈의 스타일과 컬러 등 디자인 요소와 직접 연관 지을 수도 있을 것이라 추천은 물론, (현재 나이키에서 해당 데이터들을 어떻게 사용하는지는 모르지만) 다수의 사용자가 응답한 결과라면 차기 발매 아이템의 디자인에도 반영할 수 있어 보인다.