추천 서비스의 목표
그럼 페이지와 사용자의 맥락에 따라 다양하게 노출될 수 있는 이런 추천 서비스는 최종적으로는 무엇을 목표로 할까요? 추천 서비스는 사용자가 편하게 상품을 탐색하도록 하고 이를 구매로 연결해 줘야 합니다. 정리해보면 다음과 같습니다.
- 원하는 상품이 바로 보인다.
- 많은 상품을 노출한다.
- 많이 클릭하게 만들어서 구매로 연결된다.
- 사이트에 다시 방문하게 한다.
왜 추천 서비스가 중요한가
일반적으로 사용자는 사이트에서 어떤 목적으로 가지고 방문해 검색이나 카테고리 페이지를 활용합니다. 추천 서비스는 사용자가 이런 액션을 취하기 전에도 사용자가 원하는 상품을 적재 적소에 보여줄 수 있습니다. 만약 이것이 성공한다면 사용자는 좀 더 편하게 상품을 탐색할 수 있을 것입니다. 사용자의 액션과 현재의 문맥을 분석하면 사용자가 뭘 원하는 지 미리 파악할 수 있습니다.
- 현재 보고 있는 상품의 정보
- 사용자의 액션 (검색, 클릭, 구매)
- 사용자가 랜딩한 정보
사용자의 액션을 분석하여, 사용자가 필요한 상품을 바로 보여줄 수 있으며, 사용자의 만족도를 높일 수 있습니다. 이는 CTR(뷰 대비 클릭 비율), 구매 전환율 지표로 확인이 가능합니다. 사용자에게 가능한 한 많은 상품을 보게 할 수 있고, 이런 것들이 모여 사용자를 재방문하게 합니다.
추천은 사이트 내부에서 진행되는 광고와 비슷합니다. 사용자를 사이트에 오게 하려면 광고를 진행하게 됩니다. 한번의 클릭이나 설치를 만드는 광고는 비용이 매우 비쌉니다. 이렇게 진입한 사용자가 한번 방문한 것으로 그치지 않아야 합니다. 될 수 있으면 많은 상품을 보여주고, 가능한 많은 상품을 클릭하게 하며, 다음에도 재 방문하게 만드는 것이 매우 중요합니다. 만약 광고의 CTR보다 사이트 내 상품들의 CTR이 낮다면 광고로 써야 하는 금액은 쉽게 줄어들지 않을 것 입니다. 추천이나 검색의 품질을 높여서 더욱 많은 클릭이 발생하도록 만들어야 합니다.
추천 지표로 효과를 확인하기
추천의 효과는 데이터로 확인할 수 있습니다. 추천의 목표에 제시된 항목들은 전부 지표로 확인할 수 있습니다. 이중 핵심 지표는 CTR과 구매 전환율입니다.
- CTR (뷰 대비 클릭 비율)
- 구매 전환율(Conversion rate) : 상품 클릭 후 구매가 발생한 비율
- 경유 거래액 비중: 전체 대비 추천으로 인한 거래액의 비중
- 노출 Coverage Rate: 전체 상품 대비 추천 서비스가 노출하는 상품 비율
- Page View Attribution % : 전체 상품 페이지 진입에 대한 추천의 기여율
- Retention Rate: 사이트 재 방문율
이런 지표를 한번에 올리기는 쉽지 않습니다. 꾸준한 개선을 통해 이런 지표들을 점진적으로 올릴 수 있습니다. AB Test를 통해 개선된 버전을 이런 지표를 통해 확인하여 교체 여부를 검토할 수 있습니다.
추천 지표를 올릴 수 있는 좋은 시도
추천 서비스의 개선은 한가지만으로 이뤄지기는 쉽지 않습니다. 단순히 추천 모델만을 변경한다고 반드시 퀄리티가 좋아지지는 않습니다. 데이터, 서비스 전반과 전체 아키텍쳐를 고려할 필요가 있습니다. 여러 요소가 있겠지만, 사용자 개인에게 적합하도록, feedback을 실시간으로 반영하도록 할수록 지표의 큰 향상을 기대할 수 있습니다.
추천 개인화 (Personalized Product Recommendations)
개인화란 개인 마다 다른 추천을 보여주는 것을 말합니다. 사용자마다 취향, 목적, 처해있는 상황이 전부 다릅니다. 사용자에게 각각에게 적합한 상품을 보여주는 것은 지표의 향상에 크게 기여합니다.
개인화가 되려면 각 사용자의 액션이 저장 관리되어야 하고 추천에서 사용될 수 있도록 아키텍처가 구성되어야 합니다.
실시간 Feedback 반영
유저가 클릭 한 상품, 검색어 등 여러 액션이 실시간으로 처리되어 추천에 반영되면 될수록 사용자의 반응은 좋아집니다. 일반적으로 추천과 같은 빅데이터 기반 서비스는 배치로 개발되어 하루 주기로 변경되는 경우가 많습니다. 데이터를 실시간으로 처리하도록 하여 빠르게 반영하면 지표의 향상에 큰 기여를 합니다.
이를 위해서는 실시간 스트리밍 아키텍처가 구현되어 데이터를 실시간 파이프라인 및 실시간 분석하여 추천 서비스에 포함할 필요가 있습니다.
이 글에서는 추천 서비스의 목표, 중요성, 지표에 대해서 알아봤습니다. 다음에는 추천 시스템 아키텍처로 이어집니다.
이글은 기존 작성된 문서 추천 서비스와 아키텍처[1]-추천 서비스란 무엇인가 를 업데이트하여 작성한 문서입니다.
