SlideShare una empresa de Scribd logo
1 de 68
Recommendation services & 
use cases 
2014.08.28
Contents 
1. 다양한 추천 서비스 소개 
2. 추천 적용 및 성과 확인 방법 
3. 타 사이트 사례공유 
4. Q & A
추천 서비스 소개 
• 사용자 기준 추천 
• 상품 기준 추천 
• 통계형 추천
사용자 기준(User-to-Item) 추천 
• 개인화 추천 
• 실시간 개인화 추천
개인화 추천 
• 사용자의 지난 3개월간의 로그를 바탕으로 추천 
상품을 계산 
사용자 
20대 여성 
주부 
애견인
최근 행동로그 추천 상품
최근 행동로그 추천 상품
최근 행동로그 추천 상품
왜 개인화 추천을 써야 하나요? 
• 단순 인기 상품 노출 대비 클릭률이 2~4배 정도 증가 
인기 상품 개인화 추천
기존 개인화 추천의 한계 
1. 갑자기 자전거에 관심이 생김 
– 관련 추천 없음 
2. 오늘 처음 온 사용자 
– 내일까지 추천 상품 없음 
3. 사실 대부분의 사용자들은 
– 상품을 3개 이하로 보고 나간다..
실시간 개인화 추천 
• 기존 개인화 추천 
– 사용자의 3개월 간의 전체 로그를 모두 분석 
• 실시간 개인화 추천 
– 사용자의 최근 로그를 실시간으로 분석 
사용자 
로그 API 
실시간 
추천 서버 
추천 API 
실시간 처리 및 즉시 적용
최근 행동로그 추천 상품
최근 행동로그 추천 상품 
• 하나의 상품을 보더라도 추천 
리스트 즉시 제공
인기 상품 vs 개인화 vs 실시간 개인화 
인기 상품 개인화 추천 실시간 개인화 
10 % 
7 % 
1 % 
6.4 % 
3.2 % 
0.8 %
사례) 모바일 메인 A/B test 결과 - 클릭률 
• 모바일 메인 페이지에 동일한 UI에서 두 추천을 
노출 
– 클릭률 87 % 증가 
실시간 개인화 개인화 추천
사례) 모바일 메인 A/B test 결과 - 경유 매 
출 
• 모바일 메인 페이지에 동일한 UI에서 두 추천을 
노출 
– 경유 매출 597 % 증가 
경유매출 비교 
개인화 실시간 개인화
기존 개인화 추천 적용 사례 
• 대부분 메인 페이지에 적용됨
실시간 개인화 추천 적용 사례 
• 사용자에 adaptive하게 추천 리스트가 계속 변경됨 
상품 상세 페이지 
하단 
사이트 전체 윙배너
실시간 개인화 추천 적용 사례(마이 페이지)
실시간 개인화 추천 적용 사례(로그아웃 페 
이지)
추천 서비스 소개 
• 사용자 기준 추천 
• 상품 기준 추천 
• 통계형 추천
상품기준(Item-to-Item) 추천 
• ViewTogether (함께 본 상품) 
– 상품 보기, 장바구니, 구매하기 
• BuyTogether (함께 구매한 상품) 
– 장바구니, 구매하기 
• Contents Based Recommendation 
– 상품 보기, 상품의 설명
상품기준 추천 사례 
ViewTogether 
BuyTogether
ViewTogether 
BuyTogether
추천의 Coverage 
80~90% 
20~30% 
ViewTogether BuyTogether
왜 BuyTogether를 써야 하나요?
상품기준(Item-to-Item) 추천 
• ViewTogether (함께 본 상품) 
– 상품 보기, 장바구니, 구매하기 
• BuyTogether (함께 구매한 상품) 
– 장바구니, 구매하기 
• Contents Based Recommendation 
– 상품 보기, 상품의 설명
로그를 이용한 추천의 한계
실제사례 
▼ 관련기사
Contents Based Recommendation (CBR) 
0.6
사용자 로그 
아이템 유사도 
0.6 
0.5 
0.2 
+
RecoPick : recommendation services and some use cases
RecoPick : recommendation services and some use cases
상품 기준 추천 사례 (CBR) 
Contents Based 
Recommendation
추천 서비스 소개 
• 사용자 기준 추천 
• 상품 기준 추천 
• 통계형 추천
통계형 추천 : 가장 많이 본 상품
통계형 추천 : 구매전환율 Top 100
통계형 추천 : SNS 유입 Top 100
추천 서비스 정리 
• 사이트 특성에 맞게 다양한 추천 서비스를 제공하며, 계속 확 
장 중 
• 추천 적용이 간단하며, 종류 별로 성과 측정이 가능함 
1. 상품 기준(Item-to-Item) 추천(3종) 
1) 함께 본 상품 (ViewTogether) 
2) 함께 구매한 상품 (BuyTogether) 
3) 연관 컨텐츠 상품 (Content-based Recommendation) 
2. 사용자 기준(User-to-Item) 추천(2종) 
1) 개인화 추천 
2) 실시간 개인화 추천 
3. 통계형 추천(6종) 
1) View Top 100 
2) Buy Top 100 
3) 구매전환 Top 100 
4) 추천클릭 Top 100 
5) 추천유입 Top 100 
6) SNS유입 Top 100
추천 적용 및 성과 확인 방법 
• 추천 적용 방법 
– 추천을 어떻게 사이트에 적용할 수 있을까? 
• 성과 확인 방법 
– 추천 영역에서 트래픽이 얼마나 발생할까? 
– 추천 영역에서 매출이 얼마나 발생할까?
추천 적용 방법– 추천 위젯 
1 
2
추천 적용 방법– 추천 위젯 
• 영역 이름 설정 
– 향후 이 영역을 기준으로 클릭률/경유 매출을 표시
추천 적용 방법 – 추천 위젯 
• 위젯타입 
– 어떤 추천을 먼저 보여줄 것인가를 선택
추천 적용 방법 – 추천 위젯 
• 어울리는 타이틀 이미지 선택 
– 직접 URL 입력 가능
추천 적용 방법 – 추천 위젯 
• 위젯에 존재하는 모든 속성 설정 가능 
– custom CSS 지원
추천 적용 방법 – 추천 위젯 
• 저장 후 스크립트 삽입으로 추천 노출 끝 
1 
2
위젯을 통해 서비스 중인 다양한 디자인의 추천 적 
용 모습
추천 적용 방법 –API 
• 추천 결과는 모두 REST API로 제공 
– 네이티브 앱과 같은 환경에서도 적용 가능 
• http://docs.recopick.com/pages/viewpage.action?pageId=3244404
추천 적용 및 성과 확인 방법 
• 추천 적용 방법 
– 추천을 어떻게 사이트에 적용할 수 있을까? 
• 성과 확인 방법 
– 추천 영역에서 트래픽이 얼마나 발생할까? 
– 추천 영역에서 매출이 얼마나 발생할까?
추천 성과 분석
채널 (영역)별 추천 클릭률 
• 추천이 노출된 영역 별로 클릭률을 각각 확인 
– 어느 영역에서 사용자들이 추천에 가장 잘 반응하는 
가?
추천 경유 매출 
• 사용자가 추천 리스트에서 상품을 클릭하고, 해 
당 상품을 24시간 안에 구매하여 매출이 발생한 
경우 
 Top 채널의 
사용자 경유 매출 
추적
채널 (영역)별 경유 매출 비교 분석 
• 상품 상세 페이지 하단에는 왜 경유 매출이 안 나올까? 
– 알고리즘을 바꿔볼까? 
• 구매완료 페이지에서의 경유 매출은 0 
– 개인화 추천 or 인기 상품을 뿌려볼까? 
메인 페이지 
인기 상품 
메인 페이지 
개인화 
상품 
상세 
상품 상세 
하단 
장바 
구니 
다양한 가설을 
직접 검증할 수 
있음 
구매 
완료 
사이 
드바
타 사이트 사례 공유 
• 11번가 
– 추천 노출 유무 비교 테스트 
– 추천 UI 테스트 
• T사 사례 
– 자체 추천 vs RecoPick 추천
Is it really 
effective?
모바일 11번가 A/B 테스트 (추천 노출 유무) 
• 정말 추천이 효과가 있을까? 
– 2014. 7. 1 ~2014. 8. 3 
– 동일 기간 사용자 그룹을 나누어 테스트 
No 
Recommendation
모바일 11번가 A/B 테스트 결과 
• 추천을 노출한 그룹에서 인당 상품뷰는 5.6%상승하고, 매출은 
인당 상품뷰 
100.0% 
105.6% 
그룹별 전체 매출 
100.0% 
102.9% 
2.9% 상승
추천을 어떻게 노출하는 것이 가장 효과적일 
까? 
• 타 모바일 사이트 사례를 보면, 횡스크롤이 있는 경 
우 클릭률이 1~2% 더 높게 나타남 
5.54% (C사) 
5.87% (V사) 
6.61% (O사) 
6.78% (B사) 
6.86% (T사) 
3.67% (M사) 
4.57% (H사) 
4.73% (C사)
모바일 11번가 UI A/B 테스트 
4개의 상품을 노출 3*5 개의 상품을 
 테스트 기간 8/5~8/18 
노출 
8개의 상품을 노출
모바일 11번가 UI A/B 테스트 
클릭률 5.12% 5.67% (▲10.8%) 6.81% (▲33.0%) 
경유매출 100% 110% (▲10.0%) 121% (▲21.0%)
T사 모바일 사이트 A/B 테스트 
• 동일한 위치에서 추천의 종류를 바꿔서 테스트 
상품 상세 페이지 상품 상세 페이지
T사 모바일 사이트 A/B 테스트 결과 (1/2) 
• 자체 개발 추천 대비 RecoPick 추천에서 추천 
클릭 수가 40% 이상 증가 
7,000 
6,000 
5,000 
4,000 
3,000 
2,000 
1,000 
0 
RecoPick 추천 자체 개발 추천
T사 모바일 사이트 A/B 테스트 결과 (2/2) 
• 자체 개발 추천 대비 RecoPick 추천에서 추천 
경유 매출이 30% 이상 증가 
RecoPick 경유 매출 자체 추천 경유 매출
아이콘 효과 
2.3% 
1.7%
이미지의 효과 
2.9% 
2.4%
정리 
1. 추천, 생각보다 어렵지 않게 시작할 수 있습니다. 
2. 작게 시작하되 지속적인 실험과 개선을 하면 됩니다. 
3. 지금 RecoPick을 적용 해 보세요. http://recopick.com
RecoPick : recommendation services and some use cases
Thank you 
웹사이트 : www.recopick.com 
이메일 : recopick@sk.com

Más contenido relacionado

Similar a RecoPick : recommendation services and some use cases

Google analytics
Google analyticsGoogle analytics
Google analyticsETRIBE_STG
 
[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?BizSpring Inc.
 
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템Kweonwoo Moon
 
[IR시스템]소개자료
[IR시스템]소개자료[IR시스템]소개자료
[IR시스템]소개자료insight-korea
 
APPSURFING Project Portfolio
APPSURFING Project PortfolioAPPSURFING Project Portfolio
APPSURFING Project PortfolioChloe Park
 
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법!
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법! 레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법!
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법! recopick
 
Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)병국 민
 
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션BizSpring Inc.
 
heatmap_소개서
heatmap_소개서heatmap_소개서
heatmap_소개서Charles Lee
 
Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Eunyoung Kim
 
퍼포먼스마케터 양승현 포트폴리오
퍼포먼스마케터 양승현 포트폴리오퍼포먼스마케터 양승현 포트폴리오
퍼포먼스마케터 양승현 포트폴리오Seoung Hyun Yang
 
Good Product 구프 - 매체소개서
Good Product 구프 - 매체소개서Good Product 구프 - 매체소개서
Good Product 구프 - 매체소개서Byungeun Choi
 
[심화] 키워드 확장 전략
[심화] 키워드 확장 전략[심화] 키워드 확장 전략
[심화] 키워드 확장 전략NAVER_BIZ
 
[메조미디어] 2022 자사몰 세일즈 가이드
[메조미디어] 2022 자사몰 세일즈 가이드[메조미디어] 2022 자사몰 세일즈 가이드
[메조미디어] 2022 자사몰 세일즈 가이드MezzoMedia
 
Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)경임 김
 
통신서비스 온라인 채널 UX 디자인 사례 by rightbrain
통신서비스 온라인 채널 UX 디자인 사례 by rightbrain통신서비스 온라인 채널 UX 디자인 사례 by rightbrain
통신서비스 온라인 채널 UX 디자인 사례 by rightbrainRightbrain UX1 Consulting group
 
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)Minwoo Kim
 
Smm(social media marketing) 성과측정 기준과 실제 ver2.0
Smm(social media marketing) 성과측정 기준과 실제 ver2.0Smm(social media marketing) 성과측정 기준과 실제 ver2.0
Smm(social media marketing) 성과측정 기준과 실제 ver2.0kang Anthony
 
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)All Jeju
 

Similar a RecoPick : recommendation services and some use cases (20)

Google analytics
Google analyticsGoogle analytics
Google analytics
 
[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?
 
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템
[패스트캠퍼스]개인맞춤 패션 쇼핑몰 상품 추천 시스템
 
[IR시스템]소개자료
[IR시스템]소개자료[IR시스템]소개자료
[IR시스템]소개자료
 
APPSURFING Project Portfolio
APPSURFING Project PortfolioAPPSURFING Project Portfolio
APPSURFING Project Portfolio
 
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법!
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법! 레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법!
레코픽(RecoPick) : 쇼핑몰에 방문한 고객을 놓치지 않고 구매고객으로 만드는 비법!
 
Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)Survey - 카페 추천 기술기획 (2014-02-10)
Survey - 카페 추천 기술기획 (2014-02-10)
 
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
 
heatmap_소개서
heatmap_소개서heatmap_소개서
heatmap_소개서
 
20140320_private
20140320_private20140320_private
20140320_private
 
Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5
 
퍼포먼스마케터 양승현 포트폴리오
퍼포먼스마케터 양승현 포트폴리오퍼포먼스마케터 양승현 포트폴리오
퍼포먼스마케터 양승현 포트폴리오
 
Good Product 구프 - 매체소개서
Good Product 구프 - 매체소개서Good Product 구프 - 매체소개서
Good Product 구프 - 매체소개서
 
[심화] 키워드 확장 전략
[심화] 키워드 확장 전략[심화] 키워드 확장 전략
[심화] 키워드 확장 전략
 
[메조미디어] 2022 자사몰 세일즈 가이드
[메조미디어] 2022 자사몰 세일즈 가이드[메조미디어] 2022 자사몰 세일즈 가이드
[메조미디어] 2022 자사몰 세일즈 가이드
 
Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)
 
통신서비스 온라인 채널 UX 디자인 사례 by rightbrain
통신서비스 온라인 채널 UX 디자인 사례 by rightbrain통신서비스 온라인 채널 UX 디자인 사례 by rightbrain
통신서비스 온라인 채널 UX 디자인 사례 by rightbrain
 
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
 
Smm(social media marketing) 성과측정 기준과 실제 ver2.0
Smm(social media marketing) 성과측정 기준과 실제 ver2.0Smm(social media marketing) 성과측정 기준과 실제 ver2.0
Smm(social media marketing) 성과측정 기준과 실제 ver2.0
 
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)
유니챌 북캠 설문조사결과분석(Bookcam Analysis report in Korean)
 

RecoPick : recommendation services and some use cases

  • 1. Recommendation services & use cases 2014.08.28
  • 2. Contents 1. 다양한 추천 서비스 소개 2. 추천 적용 및 성과 확인 방법 3. 타 사이트 사례공유 4. Q & A
  • 3. 추천 서비스 소개 • 사용자 기준 추천 • 상품 기준 추천 • 통계형 추천
  • 4. 사용자 기준(User-to-Item) 추천 • 개인화 추천 • 실시간 개인화 추천
  • 5. 개인화 추천 • 사용자의 지난 3개월간의 로그를 바탕으로 추천 상품을 계산 사용자 20대 여성 주부 애견인
  • 9. 왜 개인화 추천을 써야 하나요? • 단순 인기 상품 노출 대비 클릭률이 2~4배 정도 증가 인기 상품 개인화 추천
  • 10. 기존 개인화 추천의 한계 1. 갑자기 자전거에 관심이 생김 – 관련 추천 없음 2. 오늘 처음 온 사용자 – 내일까지 추천 상품 없음 3. 사실 대부분의 사용자들은 – 상품을 3개 이하로 보고 나간다..
  • 11. 실시간 개인화 추천 • 기존 개인화 추천 – 사용자의 3개월 간의 전체 로그를 모두 분석 • 실시간 개인화 추천 – 사용자의 최근 로그를 실시간으로 분석 사용자 로그 API 실시간 추천 서버 추천 API 실시간 처리 및 즉시 적용
  • 13. 최근 행동로그 추천 상품 • 하나의 상품을 보더라도 추천 리스트 즉시 제공
  • 14. 인기 상품 vs 개인화 vs 실시간 개인화 인기 상품 개인화 추천 실시간 개인화 10 % 7 % 1 % 6.4 % 3.2 % 0.8 %
  • 15. 사례) 모바일 메인 A/B test 결과 - 클릭률 • 모바일 메인 페이지에 동일한 UI에서 두 추천을 노출 – 클릭률 87 % 증가 실시간 개인화 개인화 추천
  • 16. 사례) 모바일 메인 A/B test 결과 - 경유 매 출 • 모바일 메인 페이지에 동일한 UI에서 두 추천을 노출 – 경유 매출 597 % 증가 경유매출 비교 개인화 실시간 개인화
  • 17. 기존 개인화 추천 적용 사례 • 대부분 메인 페이지에 적용됨
  • 18. 실시간 개인화 추천 적용 사례 • 사용자에 adaptive하게 추천 리스트가 계속 변경됨 상품 상세 페이지 하단 사이트 전체 윙배너
  • 19. 실시간 개인화 추천 적용 사례(마이 페이지)
  • 20. 실시간 개인화 추천 적용 사례(로그아웃 페 이지)
  • 21. 추천 서비스 소개 • 사용자 기준 추천 • 상품 기준 추천 • 통계형 추천
  • 22. 상품기준(Item-to-Item) 추천 • ViewTogether (함께 본 상품) – 상품 보기, 장바구니, 구매하기 • BuyTogether (함께 구매한 상품) – 장바구니, 구매하기 • Contents Based Recommendation – 상품 보기, 상품의 설명
  • 23. 상품기준 추천 사례 ViewTogether BuyTogether
  • 25. 추천의 Coverage 80~90% 20~30% ViewTogether BuyTogether
  • 27. 상품기준(Item-to-Item) 추천 • ViewTogether (함께 본 상품) – 상품 보기, 장바구니, 구매하기 • BuyTogether (함께 구매한 상품) – 장바구니, 구매하기 • Contents Based Recommendation – 상품 보기, 상품의 설명
  • 31. 사용자 로그 아이템 유사도 0.6 0.5 0.2 +
  • 34. 상품 기준 추천 사례 (CBR) Contents Based Recommendation
  • 35. 추천 서비스 소개 • 사용자 기준 추천 • 상품 기준 추천 • 통계형 추천
  • 36. 통계형 추천 : 가장 많이 본 상품
  • 37. 통계형 추천 : 구매전환율 Top 100
  • 38. 통계형 추천 : SNS 유입 Top 100
  • 39. 추천 서비스 정리 • 사이트 특성에 맞게 다양한 추천 서비스를 제공하며, 계속 확 장 중 • 추천 적용이 간단하며, 종류 별로 성과 측정이 가능함 1. 상품 기준(Item-to-Item) 추천(3종) 1) 함께 본 상품 (ViewTogether) 2) 함께 구매한 상품 (BuyTogether) 3) 연관 컨텐츠 상품 (Content-based Recommendation) 2. 사용자 기준(User-to-Item) 추천(2종) 1) 개인화 추천 2) 실시간 개인화 추천 3. 통계형 추천(6종) 1) View Top 100 2) Buy Top 100 3) 구매전환 Top 100 4) 추천클릭 Top 100 5) 추천유입 Top 100 6) SNS유입 Top 100
  • 40. 추천 적용 및 성과 확인 방법 • 추천 적용 방법 – 추천을 어떻게 사이트에 적용할 수 있을까? • 성과 확인 방법 – 추천 영역에서 트래픽이 얼마나 발생할까? – 추천 영역에서 매출이 얼마나 발생할까?
  • 41. 추천 적용 방법– 추천 위젯 1 2
  • 42. 추천 적용 방법– 추천 위젯 • 영역 이름 설정 – 향후 이 영역을 기준으로 클릭률/경유 매출을 표시
  • 43. 추천 적용 방법 – 추천 위젯 • 위젯타입 – 어떤 추천을 먼저 보여줄 것인가를 선택
  • 44. 추천 적용 방법 – 추천 위젯 • 어울리는 타이틀 이미지 선택 – 직접 URL 입력 가능
  • 45. 추천 적용 방법 – 추천 위젯 • 위젯에 존재하는 모든 속성 설정 가능 – custom CSS 지원
  • 46. 추천 적용 방법 – 추천 위젯 • 저장 후 스크립트 삽입으로 추천 노출 끝 1 2
  • 47. 위젯을 통해 서비스 중인 다양한 디자인의 추천 적 용 모습
  • 48. 추천 적용 방법 –API • 추천 결과는 모두 REST API로 제공 – 네이티브 앱과 같은 환경에서도 적용 가능 • http://docs.recopick.com/pages/viewpage.action?pageId=3244404
  • 49. 추천 적용 및 성과 확인 방법 • 추천 적용 방법 – 추천을 어떻게 사이트에 적용할 수 있을까? • 성과 확인 방법 – 추천 영역에서 트래픽이 얼마나 발생할까? – 추천 영역에서 매출이 얼마나 발생할까?
  • 51. 채널 (영역)별 추천 클릭률 • 추천이 노출된 영역 별로 클릭률을 각각 확인 – 어느 영역에서 사용자들이 추천에 가장 잘 반응하는 가?
  • 52. 추천 경유 매출 • 사용자가 추천 리스트에서 상품을 클릭하고, 해 당 상품을 24시간 안에 구매하여 매출이 발생한 경우  Top 채널의 사용자 경유 매출 추적
  • 53. 채널 (영역)별 경유 매출 비교 분석 • 상품 상세 페이지 하단에는 왜 경유 매출이 안 나올까? – 알고리즘을 바꿔볼까? • 구매완료 페이지에서의 경유 매출은 0 – 개인화 추천 or 인기 상품을 뿌려볼까? 메인 페이지 인기 상품 메인 페이지 개인화 상품 상세 상품 상세 하단 장바 구니 다양한 가설을 직접 검증할 수 있음 구매 완료 사이 드바
  • 54. 타 사이트 사례 공유 • 11번가 – 추천 노출 유무 비교 테스트 – 추천 UI 테스트 • T사 사례 – 자체 추천 vs RecoPick 추천
  • 55. Is it really effective?
  • 56. 모바일 11번가 A/B 테스트 (추천 노출 유무) • 정말 추천이 효과가 있을까? – 2014. 7. 1 ~2014. 8. 3 – 동일 기간 사용자 그룹을 나누어 테스트 No Recommendation
  • 57. 모바일 11번가 A/B 테스트 결과 • 추천을 노출한 그룹에서 인당 상품뷰는 5.6%상승하고, 매출은 인당 상품뷰 100.0% 105.6% 그룹별 전체 매출 100.0% 102.9% 2.9% 상승
  • 58. 추천을 어떻게 노출하는 것이 가장 효과적일 까? • 타 모바일 사이트 사례를 보면, 횡스크롤이 있는 경 우 클릭률이 1~2% 더 높게 나타남 5.54% (C사) 5.87% (V사) 6.61% (O사) 6.78% (B사) 6.86% (T사) 3.67% (M사) 4.57% (H사) 4.73% (C사)
  • 59. 모바일 11번가 UI A/B 테스트 4개의 상품을 노출 3*5 개의 상품을  테스트 기간 8/5~8/18 노출 8개의 상품을 노출
  • 60. 모바일 11번가 UI A/B 테스트 클릭률 5.12% 5.67% (▲10.8%) 6.81% (▲33.0%) 경유매출 100% 110% (▲10.0%) 121% (▲21.0%)
  • 61. T사 모바일 사이트 A/B 테스트 • 동일한 위치에서 추천의 종류를 바꿔서 테스트 상품 상세 페이지 상품 상세 페이지
  • 62. T사 모바일 사이트 A/B 테스트 결과 (1/2) • 자체 개발 추천 대비 RecoPick 추천에서 추천 클릭 수가 40% 이상 증가 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0 RecoPick 추천 자체 개발 추천
  • 63. T사 모바일 사이트 A/B 테스트 결과 (2/2) • 자체 개발 추천 대비 RecoPick 추천에서 추천 경유 매출이 30% 이상 증가 RecoPick 경유 매출 자체 추천 경유 매출
  • 66. 정리 1. 추천, 생각보다 어렵지 않게 시작할 수 있습니다. 2. 작게 시작하되 지속적인 실험과 개선을 하면 됩니다. 3. 지금 RecoPick을 적용 해 보세요. http://recopick.com
  • 68. Thank you 웹사이트 : www.recopick.com 이메일 : recopick@sk.com

Notas del editor

  1. http://demo.recopick.com/snoop_deal_m_11st/?user_id=13933255482315143452358
  2. http://demo.recopick.com/snoop_m11st2/?user_id=13862580524976029511432
  3. http://demo.recopick.com/snoop_m11st2/?user_id=13639361246917589342982
  4. http://demo.recopick.com/realtime/?user_id=89878639.1385789620598
  5. http://demo.recopick.com/realtime/?user_id=24506709.1392454190379
  6. https://admin.recopick.com/47/item/4323748
  7. https://admin.recopick.com/182/item/000014231741%26ColorCd%3DZZ9
  8. http://cdh02.recopick.com/hani/?item_id=arti/politics/defense/597050.html
  9. http://www.hani.co.kr/arti/politics/defense/597050.html
  10. http://cdh02.recopick.com/hani/?item_id=arti/politics/defense/597050.html
  11. http://www.hani.co.kr/arti/economy/economy_general/606457.html?_fr=sr24