추천아 놀자

1 화 추천시스템이란?

1화 추천 이란?

김대리의 하루생활

출근을 할 때 안막히는 도로를 추천 받고

출근 후 뉴스를 보면 연관 뉴스를 또 보여 주고

이 메일을 확인하면 볼만한 동영상이 수신되어 있고

점심 시간에 모발일 게임을 접속하면 형태기반 띠 광고를 보게 되고

주말에 볼 영화를 찾기위해 Watcha에 접속하면 영화가 추천되고

집에서 쉬고 있으면 스팸 문자가 수시로 날라 옵니다.

이렇게 우리의 모든 행위는 기록되고 필요할 때 적절히 추천 됩니다.

그럼 왜 이렇게 추천할까요?

우선 파렛토와 롱테일의 법칙?

0

50

100

150

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

data

파렛토: 상위 20%가 80%의 가치를 창출한다.

롱테일: 하위 80%의 다수가 상위 20%의보다 뛰어난 가치를 창출한다.

파레토 법칙

빌프레도 페데리코 다마조 파레토은 이탈리아 출신의 정치학자, 사회학자, 경제학자이다.

그는 이탈리아의 상위 20%의 인구가 80%의 부를 소유한다는 사실을 관찰해 낸 것으로 유명하다. 이는 나중에 조지프 주란(Joseph Juran)등에 의해 일반화되어 파레토 법칙, 파레토 분포로 발전한다. - 위키 백과 -

:80

· 통화한 사람 중 20%와의 통화시간이 총 통화시간의 80%를 차지한다. · 즐겨 입는 옷의 80%는 옷장에 걸린 옷의 20%에 불과하다. · 전체 주가상승률의 80%는 상승기간의 20%의 기간에서 발생한다. · 20%의 운전자가 전체 교통위반의 80% 정도를 차지한다. · 20%의 범죄자가 80%의 범죄를 저지른다. · 성과의 80%는 근무시간 중 집중력을 발휘한 20%의 시간에 이뤄진다. · 우수한 20%의 인재가 80%의 문제를 해결한다. 혹은 뇌의 20프로만 사용하여 문제 해결에 필요한 80%를 해결한다 · 운동선수 중 20%가 전체 상금 80%를 싹쓸이한다. · 인터넷 유저의 20%가 80%의 양질의 정보를 생산한다. - 위키 백과 -

그럼 우리의 생활에서는?

· 컴퓨터에 설치한 프로그램 중 20%의 프로그램이 전체 PC 자원의 80%를 사용한다. · 아프리카TV의 시청자는 20%의 BJ가 80%의 시청자를 가져간다. · 그다음에는 ???

롱테일의 법칙

긴 꼬리(The Long Tail), 또는 롱테일 현상은 파레토 법칙을 그래프에 나타냈을 때 꼬리처럼 긴 부분을 형성하는 80%의 부분을 일컫는다. 파레토 법칙에 의한 80:20의 집중현상을 나타내는 그래프에서는 발생확률 혹은 발생량이 상대적으로 적은 부분이 무시되는 경향이 있었다. 그러나 인터넷과 새로운 물류기술의 발달로 인해 이 부분도 경제적으로 의미가 있을 수 있게 되었는데 이를 롱테일이라고 한다. 이는 기하급수적으로 줄어들며 양의 X축으로 길게 뻗어나가는 그래프의 모습에서 나온 말이다.

- 위키 백과 -

20:

롱테일 비즈니스 - 롱테일:위키백과 -

필터링 자동 수집

롱테일 비지니스도구 롱테일 비즈니스 참여자

온라인 기업이 롱테일을 실현하기 시작합니다. 롱테일 법칙을 가능하게 한 아마존의 성공 요소

출처 : http://blog.vcnc.co.kr/43

아마존이 서점에서 팔지 않는 책을 온라인에서 많이(57%) 팔았습니다.

아마존의 롱테일 성공 요소

출처 : http://blog.vcnc.co.kr/43

1. 효과적인 책/사용자DB구축

2. 아마존 추천시스템

3. OpenAPI 정책을 통한 다양한 접근 경로 구현

개인의 다양성을 중시하고, 노출을 많이 할 수 있는 정책

아마존의 온라인 책 추천 사례

산악인의 실제 생존 실화를 쓴 “Touching the void” 1988년 평가는 좋지만 판매는 그닥!!!

10년 뒤 산악 생존 소설인 “Into Thin Air” 센세이션 일으킴~~ 이 책과 유사한 “Touching the void”가 일부 고객에

의해 책 서평 등록되고,

유사성을 판단하여 묶음 상품으로 추천!!!

10년 전 절판된 “Touching the void” 베스트셀러 등극!!!! 무려 5주 동안!!!!

구글도 Adsens를 통해 광고시장의 롱테일을 실현 했습니다.

그럼 이러한 추천(롱테일)의 실질적인 효과를 어떠했을까요?

(참고로 추천은 롱테일 실현하기 위한 한 방법 중 하나입니다. )

외국의 사례 - netflix

대여되는 영화의 2/3가 추천으로부터 발생

외국의 사례 – google news

38% 이상의 조회가 추천에 의해 발생

외국의 사례 - amazon

판매의 35% 가 추천으로부터 발생

국내의 사례 – 레진 코믹스

전체 구매자의 28%가 추천 클릭으로 유입

국내의 사례 - watcha

출시 1.5년만에 네이버 별점 수의 10배

그럼 추천은 어떻게 하나요?

아마존의 추천 - 아마존에서 맥북, 텐트 2건을 쇼핑(클릭) 했습니다.

초기 화면

아마존의 추천 - 다시 아마존을 방문 했습니다.

내가 본 것과 유사한 아이템

당신이 본 것과 함께 산 아이템

당신이 본 것과 같이 본 아이템

Watcha의 추천 - 나의 예상 별점 예측, 좋아하는 영화, 감독, 배우의 영화를 추천

내가 별점을 많이 줄 영화를 추천하고

내친구가 추천한 영화를 추천하고

내가 좋아할 만한 감독의 영화를 추천하고

내가 좋아할 만한 배우의 영화를 추천하고

이러한 추천 시스템은 대부분 협업 필터링과 같은 알고리즘을 사용합니다.

협업 필터링은

유저 기반 추천, 아이템 기반 추천 분류됩니다.

유저 기반 추천 - 나와 유사한 유저가 본 아이템을 추천

나 나와 같은 것을 본 유저 그들이 본 아이템

아이템 기반 추천 - 내가 본 아이템과 유사한 아이템을 추천하는 방식

내가 본 것 유사한 아이템

유저기반 추천방식은 일반적으로 유저간의 유사도를 측정할 만큼의 데이터가

부족하기 때문에

대부분이 아이템 기반의 추천을 선호함

아프리카TV “추천아 놀자 1회” 방송에 쓰인 자료입니다.

감사합니다.

방송 : http://www.afreeca.com/goodvc 블로그 : http://goodvc78.postach.io