SlideShare a Scribd company logo
1 of 58
Download to read offline
2018. 2. 23
제15회
레코픽 설명회
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (50분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
‘추천’을 둘러싼 오해/궁금증?
추천이라는게 그냥 잘팔리는 상품 보여주면 되는 거
아닌가요?
추천 솔루션은 다 비슷해 보이는데, 거기서 거기
아닌가요?
우리 사이트에 이미 들어온 고객보다는 유입이나
재방문을 높이기 위한 광고나 마케팅에도 추천을
활용할 수 있나요?
1
2
3
금일 발표 내용
Session 1
Session 2
1. 레코픽 개인화 랜딩페이지 소개
2. 레코픽 MTP(Micro-targeting platform) 소개
3. DMC미디어 F-1 소개
1. 온라인 쇼핑몰에서 추천의 역할 / 추천 알고리즘 소개
2. 실시간 개인화 추천의 중요성
3. 레코픽 추천 소개 : 장점 / 차별화 포인트
디지털 세상, 추천은 이미 우리 곁에…
추천은 정보 과잉의 디지털 세상에서 사용자의 의사결정을 도와주는 똑똑한 정보 필터링
엔진(filtering engine)으로 쇼핑, 미디어, SNS 등 거의 모든 영역에서 필수 요소
RECOPICK
모바일 쇼핑과 추천
국내에서도 쇼핑몰 모바일 메인페이지 등에 개인화 추천 등 추천 적용 보편화
RECOPICK
쇼핑몰에서 추천의 역할
RECOPICK
= 방문자수 X 전환율 X 객단가
= 외부마케팅(광고) X 내부마케팅(추천)
쇼핑몰 매출
마케팅 투자
‘고객 유입’ ‘구매 전환’
내부 마케팅으로서의 상품 추천
RECOPICK
사용자가 지금 무엇에 관심이
있는지를 알아내서..
사용자가 찾고자 하는 것을
제시할 수 있어야…
데이터에 기반하여
구매확률이 높은
상품 추천!
마케팅 기회
추천 알고리즘의 분류
1
협업필터링 방식
Collaborative Filtering(CF)
사례 : Amazon
2 3
컨텐츠 기반 추천
Content-based
Recommendations(CBR)
하이브리드 방식
Hybrid
사례 : Pandora Radio 사례 : Netflix
컨텐츠(음악,영화, 뉴스 등)의
속성에 대한 유저의 선호를
매칭하여 해당 유저가 좋아할
만한 컨텐츠 추천
과거 데이터로부터의 유사도
패턴을 기반으로 미래의
선호를 예측
협업필터링(CF)과 컨텐츠
기반 추천(CBR)의 결합
RECOPICK
협업필터링 Collaborative Filtering
과거 데이터로부터의 ‘유사도(Similarity)’ 패턴을 기반으로 미래의 선호를 예측
Explicit data
명시적으로 평가(rating)를
요구하여 데이터 수집
Implicit data
유저의 행동을 관찰하여
데이터 수집
영화별점 매기기
구매행동로그 수집
User-based Item-based
1 유사도의 기준에 따라
2 유사도 계산에 필요한 Data 확보
Jaccard Similarity Coefficient
클러스터링…
RECOPICK
3 유사도 계산에 필요한 다양한 통계 기법
User 1
User 2
User 3
User-based filtering Item-based filtering
similar
similar
Item 1
Item 2
Item 3
Item 4
User 1
User 2
User 3
Item 1
Item 2
Item 3
Item 4
◎
◎
RECOPICK
협업필터링 Collaborative Filtering
데이터 규모가 커지면?
RECOPICK
레코픽이 사용하는 Input Data
사용자 행동로그 : visit, view, basket, order 등
Timestamp : 각 로그의 발생시점
Referral page : 사용자 의도 파악을 위해 직전 방문 페이지 분석
view < basket < order
1
행동유형별
최신성(Recency)
우연한 발견(Serendipity)
사용자 구매의도(Referral)
한달전 < 어제
인기상품의 가중치 낮춤
메인페이지 < 검색 or 카테고리 페이지
RECOPICK
2
3
1번~3번에 대해 각각 가중치 부여
추천 성과에 영향을 주는 요소들
최근 3개월 vs 최근 1년
배치(batch) vs. 실시간(real-time)
Input data, 추천 성과 검증
추천 응답속도, Auto-scaling
추천 노출 위치
추천 상품수
추천 문구
페이지 상단 vs 페이지 하단
상품수 고정 vs
상품 더보기(swipe)
영혼없는 문구 vs
고객명, 추천 근거 등 표시
RECOPICK
추천 서비스 제공사
추천 시스템의 성능
데이터 규모
추천 계산 주기
알고리즘 성능
추천시스템 안정성
쇼핑몰 고객사
추천 노출 / UI측면
D-14 D-13 D-12 D-11 D-10 D-9 D-8 D-7 D-6 D-5 D-4 D-3 D-2 D-1 D-0
H-12 H-11 H-10 H-9 H-8 H-7 H-6 H-5 H-4 H-3 H-2 H-1 H-0
구매 2주전 ~ 구매 당일
구매 12시간 전 ~ 구매 시점
구매 상품과 동일한 소카테고리 상품 사전 조회수 추이
1. 구매 하루 전부터 조회수 증가 시작
 고객이 구매할 상품을 사전에 다각도로
탐색하는 단계로 추정
2. 구매 당일 동일 카테고리 조회수 급증
 고객이 실제로 상품을 구매하기 위해
유사 상품을 비교하는 단계
3. 실제로는 구매 1시간 전에 조회수 급증
 고객이 구매할 상품을 집중적으로 조회
하고 비교하는 시간은 1시간 내외로 추정
4. 구매 시점에는 조회수 소폭 감소
 고객이 상품을 장바구니에 넣거나,
최종적으로 구매를 진행하는 중으로 추정
RECOPICK
실시간 추천의 중요성(1)
실시간 추천의 중요성(2)

100
추천 상품 클릭후
24시간 이내 구매
추천 상품 클릭 추천 상품 클릭후
1시간 이내 구매

5
모든 업종에서 추천 상품 클릭후 1시간 이내 구매액이
24시간 이내 구매액의 76% 수준! (레코픽 성과 데이터 기준)

76
Quiz
RECOPICK
실시간 추천의 중요성(3) : 시간대별 추천경유매출
레코픽 추천에 반응하는 고객 중, 평균 76%의 고객들이 상품을 1시간 이내에 구매함.
0%
20%
40%
60%
80%
100%
0 1시간 3시간 6시간 12시간 24시간 48시간
시간대별 경유매출비율
기타전문몰
리빙/인테리어
면세점 및 명품
뷰티
종합몰
패션:남성의류
패션:스포츠
패션:여성의류
패션:유아동의류
패션:종합몰
패션잡화
푸드
RECOPICK
글로벌 트렌드 : 컨텍스트 쇼핑
컨텍스트 쇼핑
(Context Shopping)
소비자의 구매욕구가 발생했을 때
자동화된 기술을 이용해 소비자의
욕구를 구매로 즉각 전환하는 판매기법
알고리즘 기반의 실시간 추천(가장 중요!)
Zero-effort 구현 : 구매 프로세스 자동화
다양한 기기 활용 : 예) 아마존 대시 버튼 / 에코
RECOPICK
1
2
3
2017 유통산업백서
국내 최초 실시간 개인화 추천 : 2014.8월
RECOPICK
레코픽 ‘실시간’ 개인화 추천
사용자의 과거 이용 패턴만 분석하는 기존 개인화 추천 대비 레코픽 ‘실시간’ 개인화 추천은
사용자의 1)과거 이용 패턴과 2)최근 관심사를 동시에 실시간 분석하여 추천 계산
실시간
개인화 추천
사용자의 3개월간 전체 로그 분석
사용자의 최근 로그 분석
LOG LOG LOG LOG LOG LOG
LOG LOG LOG LOG LOG LOG
RECOPICK
실시간 개인화 추천의 성과
클릭률
0.0%
2.0%
4.0%
6.0%
8.0%
10.0%
12.0%
14.0% 인기 상품 추천 클릭률 개인화 추천 클릭률 실시간 개인화추천 클릭률
1.2%
5.1%
7.9%
RECOPICK
레코픽 소개
온라인 쇼핑몰을 위한 클라우드(Cloud) 기반의 추천 서비스로, 국내 최초의 실시간 개인화 추천
서비스 출시 (www.recopick.com)
현재 85개 고객사(180개 사이트)에 적용
스크립트 삽입
추천서비스
(12종)제공
페이지 방문 로그전송
RECOPICK
추천서비스
(12종)제공
레코픽 추천의 종류
레코픽은 다양하고, 정교한 추천 서비스를 제공하고 있습니다.
상품 기반의 추천을 통해
트래픽 증가를 유도하고
연계 구매로 이어질
확률이 높은 상품을 추천
1.상품 기준 추천
개별 사용자의 특성 및
최근의 니즈를 반영하여
사용자에게 가장 적합한
맞춤형 상품을 추천
다양한 통계 Data를
기반으로 인기 상품과
구매로 전환될 확률이
높은 상품을 추천
2.사용자 기준 추천
3.통계형 추천
성, 연령 등 고객의
demographic 특성을
반영하여 특정 고객
Segment에 가장 적합한
상품을 추천
4. 고객 Seg기반 추천
고객 Seg
기반 추천
RECOPICK
상품 기반의 추천을 통해 트래픽 증가를 유도하고, 연계 구매로 이어질
확률이 높은 상품을 추천합니다.
함께 본 상품 (ViewTogether)
사용자의 전체 행동 로그를 통해 상품과 상품의 관계를 분석하고, 이를
바탕으로 사용자가 본 상품과 관련된 추천 리스트(대체재)를 제공
함께 구매한 상품 (BuyTogether)
사용자의 구매로그를 통해 상품과 상품의 관계를 분석하고, 이를 바탕으로
사용자가 구매한 상품과 관련된 추천 리스트(보완재)를 제공
1
2
RECOPICK
상품 기준 추천 서비스
개별 사용자의 특성 및 최근의 니즈를 반영하여 사용자에게 가장 적합한
맞춤형 상품을 추천합니다.
실시간 개인화 추천 (최근 관심사 기반)
사용자의 개인별 최근 성향을 실시간으로 분석하여 사용자의 현재 니즈와
특성이 반영된 맞춤형 추천 리스트를 제공
1
RECOPICK
사용자 기준 추천 서비스
다양한 통계 Data를 기반으로 인기 상품과 구매로 전환될 확률이 높은
상품을 추천합니다.
1 View Top100
하루 동안 사용자들이 가장 많이 본
상품 노출
Buy Top100
하루 동안 사용자들이 가장 많이
구매한 상품 노출
추천클릭 Top100
추천 리스트 노출 대비 클릭이 많이
발생한 상품 노출
카테고리 Top100
카테고리내 가장 인기가 있었던 상품 제공
실시간 인기 상품 TOP 100
최근 1시간내 사용자들이 가장 많이
본 상품 노출
구매전환 Top100
사용자의 View 대비 구매가 많이
일어난 상품 노출
추천유입 Top100
상품의 유입 경로 중 추천 유입률이
높은 상품 노출
3
5
7
2
4
RECOPICK
통계형 추천 서비스
6
검색어 기반 추천 서비스(베타)
고객이 쇼핑몰에서 실제 검색한 키워드와 고객의 이용 패턴을 함께 분석, 연관된 상품 추천을 제공합니다.
체크 검색결과
체크
“ 이 검색어를 입력한
사람들은 어떤
상품을
좋아했을까? ”
“체크” 를(을) 검색한 고객들에게 인기있는 상품
RECOPICK
레코픽 추천의 장점
추천 성과와 비용 측면에서 국내 경쟁 추천 솔루션 대비 10배의 가성비(ROI)
RECOPICK
쉽고 빠른 적용
2X 전환율
5X 가격 경쟁력
Faster
Better
Cheaper
1
2
3
최대 10X 가성비!
Faster : 쉽고 빠른 적용!
• 레코픽 대시보드내에서 위젯을 통한 추천서비스 설정 및 변경 가능.
• 관리자가 직접 추천 알고리즘의 선택 및 디자인 변경을 수행할 수 있음
대시보드 > 추천 위젯 설정
RECOPICK
Better : 2~3배의 추천 성능
추천 성능 비교 테스트 사례
– 대상 사이트 : 국내 최대 패션기업의 온라인몰
– 테스트 기간 : 2016년 상반기 8주간, 2회 테스트 실시
– 참여 추천 솔루션 업체(3개사) : 레코픽, ‘R’사, ‘N’사
– 테스트 추천 알고리즘 : 개인화 추천 @ 모바일 메인페이지
테스트 결과
1차 테스트 2차 테스트
비교 레코픽 vs. ‘N’사 레코픽 vs. ‘R’사
추천클릭률 2.88배 1.05배
전환율 3.0배 2.86배
RECOPICK
Cheaper : 2~5배의 가격 경쟁력
추천 솔루션/서비스 도입시 비용 항목
비용 항목
H/W 및
인프라 투자
전담 개발
인력 투입
솔루션
라이센스 비용
월운영비
솔루션 방식 YES YES YES YES
클라우드
방식
타사 NO NO NO YES
레코픽
(업계 최저)
NO NO NO
YES
(최소과금월
50만원)
RECOPICK
기타 장점 : 검증된 서비스
11번가, AK몰, 아모레퍼시픽, 신세계면세점, 삼성물산 패션부문(SSFShop) 등 대형 쇼핑몰에서
안정성과 효과를 검증하였고, 지속적으로 업그레이드되고 있습니다.
현재 85개사 180개 사이트에 적용중
누적 430억건 로그 수집
과거 추천 성과 데이터를 바탕으로 시간이
지날수록 고객사에 더 나은 품질의 추천을
제공
빅데이터 전문 개발자들이 최신 기계
학습(Machine Learning), 검증된 feature
추가하여, 지속적인 추천 알고리즘 고도화
RECOPICK
기타 장점 : 셀프 서비스
어드민 대시보드를 통해 다양한 추천 성과 지표를 보여드리며, 개발자가 아니어도
쉽게 추천 설정을 하실 수 있습니다.
추천 성과를 한 눈에 볼 수 있는 대시보드 위젯 등 추천관리를 간편하게
RECOPICK
메인 페이지
인기 상품
메인 페이지 개인화 상품 상세 상품 상세 하단 장바구니 구매완료 사이드바
대시보드에서 10개의 추천 성과지표를 제공하고, 주요 지표 (클릭률/기여매출)에 대해서는
추천 영역별, 추천 알고리즘별 성과 분석 지원
34
기타 장점 : 정밀한 성과분석
RECOPICK
추천 영역별 / 알고리즘별 추천 기여매출 트랙킹
성과 사례 1
대형사이트 자체개발 추천 대비 클릭률 44% 증가하였습니다.
추천 클릭률 비교 (국내 최대 디자인 쇼핑몰)
자체개발 추천 적용 레코픽 추천 적용
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
추천클릭수
RECOPICK
성과 사례 2
대형 사이트 자체 개발 추천 대비 매출 15% 증가하였습니다.
전체 거래액 증가 (국내 대형 패션 쇼핑몰)


4.8억원
6 억원
1.2 억원
 PC웹에서 한달간 A/B 테스트
자체개발 추천(50%) vs. 레코픽 추천(50%)
 레코픽 100% 추천 적용시
연간 전체 거래액 15% 증가 예상
자체개발 추천 적용레코픽 추천 적용
RECOPICK
성과 사례 3
중소 쇼핑몰도 비용 대비 높은 효과를 보이고 있습니다.
비용 대비 매출 증가 (국내 중형 여성의류 쇼핑몰)
전체매출
일평균
Page view
월매출
레코픽
월과금액
3.2만
1 ~ 2억
50만원 / 월*


1,400만원
레코픽 추천을
통한 경유매출
RECOPICK
고객사 현황
다양한 업종의 쇼핑몰에서 검증된 추천 서비스, 지금 바로 시작하세요!
오드
마지아룩
문고리닷컴
현대리바트
코코블랙
11번가 AK몰 신세계면세점삼성물산 패션몰
클랙앤퍼니
만다리나덕
두닷
베니토
가방팝
머스트잇 아시아나면세점
유니클로
립합 제이스타일
임블리
휠라코리아
홀리가든
동화면세점
몸빼러브패리스
아이스탁몰한섬H패션몰
엘르골프 티비에이치샵
제로라운지 세컨에디션 르앤제이
아이러브제이악녀일기 하늘하늘
멀티팝
미샵 루서인
월플랜 윙잇 반다이몰
RECOPICK
고객사 적용 사례
RECOPICK
레코픽 적용 프로세스
회원가입
스크립트 설치
4주(무료 테스트)
회원가입
방문자 행동분석을 위한
로그수집 스크립트 삽입
상품정보(이미지, 가격 등)
수집을 위한 메타태그 삽입
추천 적용
(위젯 삽입)
사이트 내 원하는 위치에
추천 위젯 적용 스크립트 삽입
추천 성과 확인
사용자 그룹을 추천노출/비노출
로 나눈 A/B 테스트를 통해
추천을 통한 트래픽, 매출 증가
효과 확인
유료화 / 계약
무료사용 기간 종료 시점
유료화 전환
필요시 연간계약 등 진행
1주
Step 4Step 3Step 2
고객님을 위한 추천
Step 1
1
2
3
4
RECOPICK
페이지별 레코픽 적용
RECOPICK
메인 페이지 상품상세 페이지 장바구니 페이지 구매 페이지
레코픽은 페이지별로 고객에게 최적화된 맞춤형 상품 추천을 제공.
페이지 이탈
방문 탐색 구체적인 상품에
관심
특정 상품에
구매목적
구매완료
실시간 개인화 추천 함께 본 상품 추천 함께 구매한 상품 추천 실시간 개인화 추천
함께 구매한 상품 추천 or
실시간 개인화 추천
페이지 이탈 페이지 이탈
고객 관심 유도로
이탈률을 줄이고
카테고리 메인 또는
상품상세 페이지로
이동
고객이 쇼핑을
중단하지 않고
지속적으로
탐색,구매로 연결
추가 구매 유도
(1개만 살 고객이
2개, 3개 사도록
유도)
아직 구매하지
않은 관심 상품
상기
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (50분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
레코픽 추천 : 내부 마케팅
 쿠키 기반
추천 상품
사이트 내 상품추천
RECOPICK
레코픽 확장을 통한 외부 마케팅/광고 지원
1) 타켓 모수 추출
2) 개인화 마케팅/광고
 ADID 기반
RECOPICK
레코픽 개인화 랜딩페이지
(광고) 오늘 하루
당신만을 위한 추천! Click
평소 원피스, 블라우스에
관심있었던 고객
이전에 자켓, 니트를 살지말지
고민했던 고객
모든 고객에게 동일한 페이지가 아닌 개인별로 다른 상품을 제공하는 랜딩페이지
당신만을 위한 추천! 당신만을 위한 추천!
고객의 개별 Needs를 충족하는 개인 맞춤 서비스
RECOPICK
마케팅 채널
광고
Push
알림톡
문자
유입 높은 전환율
구매하기
왜 개인화 랜딩페이지인가?
• 고객 개개인별 관심도가 높은 상품을 노출할수록 구매 동기 유발  이탈을 줄이고 마케팅 성과 극대화
• 자동화된 개인화 추천으로 랜딩페이지 설계에 들이는 고민과 시간 단축  마케팅 운영의 효율화
레코픽 개인화 랜딩페이지
당신만을 위한
추천!
당신만을 위한
추천!
RECOPICK
개인화 랜딩페이지 성과 사례 : 네이버 키워드 광고
테스트 사례
– 대상 : 여성의류 쇼핑몰
– 테스트 : 네이버 키워드 광고 집행
• 성과 비교 : 메인 페이지 랜딩 vs. 개인화 랜딩
테스트 결과
성과 비교
네이버 키워드 광고 성과 랜딩 페이지 성과
기간 노출수 클릭수 전환수 전환율(%) 전환매출 ROAS
메인페이지
랜딩
11/7~11/12 35,809 4,910 90 1.8% 7,141,500 227%
개인화 랜딩 11/14~11/19 35,813 4,966 113 2.3% 9,317,780 298%
증가율 26% 24% 30% 31%
RECOPICK
레코픽 MTP 소개
레코픽만의 축적된 데이터 분석 능력과 국내 최고의 개인화 기술을 기반으로 광고 성과 극대화를 위한
레코픽 MTP(Micro Targeting Platform)를 출시하여 광고주의 목표 달성을 지원합니다.
기존 광고 방식 레코픽 MTP 연동 광고 방식
광고주
페이스북
광고
광고
매체
광고대행사
FMP
(페이스북
마케팅 파트너사)
페이스북
광고
광고
매체
광고주
MTP
(Micro Targeting
Platform)
광고대행사
FMP
(페이스북
마케팅 파트너사)
RECOPICK
광고주 사이트 분석을 통하여 정교한 오디언스 타켓팅을 설계하고 고도의 개인화 기술을 기반으로 핵심
오디언스와 매칭되는 광고소재 (상품 리스트)까지 제공하는 가장 효과적인 광고 타케팅 전략입니다.
레코픽 추천 엔진을 통한
구매 가능성이 높은
상품리스트 추출
광고 대행사
FMP
핵심 오디언스와
매칭되는 광고 소재 제공
핵심오디언스
최적화
고객행동
로그분석
광고집행, 광고성과 제공
레코픽 MTP 프로세스
광고에 대한 반응이
높을 것으로 예상되는
고객 모수 추출
사이트 방문 고객 중
구매 가능성이 있는
고객 행동 데이터 분석방문고객
체류고객
구매 가능성이
높은 고객
구매 가능성이
높은 상품
MTP (Micro Targeting Platform)
레코픽 MTP 소개
레코픽
Side
RECOPICK
KPI
기존 타겟팅 광고 구성
레코픽 MTP 차별화
시간의 흐름에 따라 바뀌는 고객의 관심사, 이용행태를 반영하지 못하는 기존 방식과 달리 실시간 바뀌는
고객의 행동 변화에 따라 적합한 광고소재를 제공하고 지속적인 Seg 튜닝으로 정교한 타겟팅을 가능하게 합니다.
레코픽 MTP 광고 구성
타겟
모수
DMP
광고플랫폼
광고소재
타겟
모수
MTP
광고플랫폼
광고
소재
고객 행동
로그 수집
광고주 매체 매체광고주
• 관심사, 데모그래픽 기반의 정적 타겟팅
• 광고결과(고객 행동 변화) 반영안됨
• 이미 만들어 놓은 분류체계를 이용한 정형화된 Seg
• 광고주가 뽑은 광고소재
• 고객 행동 데이터 기반의 동적 타겟팅
• 광고결과(고객 행동 변화) 반영
• 지속적인 고객 Seg 튜닝을 통한 타겟팅 최적화
• 데이터 분석을 통해 구매 가능성이 높은 광고소재 제공
RECOPICK
레코픽 MTP 장점 : 타겟모수 최적화
시간의 흐름에 따라 달라진 고객의 행동 변화 분석
새로이 구매 가능성이 있는 고객을 찾아 타겟팅 최적화
캠페인 초기 설정한 타겟팅 조건으로 광고 완료시점까지 유지
광고시작
기존의 방식은 광고 시작 후 새로이 구매 욕구가 생긴 고객을 놓치고 있는 반면, 레코픽 MTP는 광고 완료 전까지
지속적으로 구매 가능성이 있는 고객을 찾아 타겟팅을 최적화해 구매전환을 극대화합니다.
광고완료
기존 타겟팅
레코픽 MTP 타겟팅
D1 D10
RECOPICK
레코픽 MTP 장점 : 광고소재 최적화
시간의 흐름에 따른 상품의 인기 변동 반영
레코픽 추천 엔진을 통해 상품간의 ‘유사도(Similarity)’ 계산
구매 가능성이 높은 상품으로 조합
광고주가 직접 뽑은 상품소재
상품의 인기 변동에 상관없이 광고 완료시점까지 유지
광고시작 광고완료
기존 타겟팅
레코픽 MTP 타겟팅
D1 D10
Best Seller
MD
추천 상품OR OR
광고주가
원하는 상품
레코픽 추천 엔진을 통해 상품의 인기 변동을 반영하고 상품간의 ‘유사도(Similarity)’를 계산하여 광고 소재로서
가치가 있는 상품리스트를 추출하고 구매 가능성이 높은 상품으로 조합합니다.
RECOPICK
레코픽 MTP 진행 프로세스
ADID 수집기능 개발 및
검증
고객사 App 배포
사용자 업데이트
ADID수집
고객사이트
행동 로그 분석
구글의 GAID / iOS의 IDFA
광고주
레코픽 MTP
광고상품 제안
ADID전송
1~2개월
2주
광고진행
소재 제작 및 등록
광고 모수 및
소재 추출
1~2주
광고대행사
RECOPICK
레코픽 MTP 활용 페이스북 광고 사례
NEXT RECOPICK
광고 테스트 기간
2017년 11월 6일~ 14일
(7일간 집행, 주말 제외)
평가 지표 ROAS(광고 click 기준 당일 구매 금액)
평가 방법
(AB 테스트)
레코픽 모수 vs. 페이스북 모수
결과(ROAS 비교)
345%(레코픽) vs.
235%(페이스북)
• 6개 대카테고리
선정: 명품화장품 등
• 로열티 고객 추가
• 8만 고객 모수 추출
• Lift 분석을 통한
카테고리간 연관도
분석
• A사 대표 카테고리
와 유사 카테고리
선정
타겟 모수 및 광고 소재 최적화
NEXT RECOPICK
고객 분석
타겟 모수
최적화
• 명품화장품 Best
Seller 상품외에
• 레코픽 추천 엔진을
활용한 추천광고
상품 추가
광고 소재
최적화
• FMP를 통한 광고
집행
• AB Test
• ROAS 비교
광고 집행
No Seg 모수
1 명품 화장품 36,725
2 화장품_향수 14,789
3 유아동 19,060
4 여성의류 19,543
5 스포츠_레져 8,564
6 헤어바디_미용기기 6,511
No item code 비고
1 77557788 Best
2 75228278 VT
3 77570965 VT
4 75282966 VT
5 77561823 BT
6 62832546 BT
페이스북 광고 집행결과 : A사 사례
NEXT RECOPICK
기간 캠페인 노출 클릭 CTR 전환수 전환율(%) 전환 매출 ROAS(%)
11/6
~
11/14
A 40,151 789 2.0% 22 2.8% 2,530,923 345%
B 97,638 1,853 1.9% 25 1.3% 1,776,465 235%
• AB 테스트
• 집행 결과
그룹 타겟 모수(Seg) 광고 소재
A 레코픽 타겟 모수 레코픽 추천소재
B 페이스북 타겟 모수 MD 추천소재
타겟 모수와 광고소재 최적화를 통한 광고 효율 개선 가능성 검증!
레코픽이 도와드리겠습니다!
맺음말
추천은 데이터 기반의 자동화된 마케팅 방법으로
작게 시작하되 지속적인 실험과 개선을 통해
인사이트를 얻고 최적화를 추구하는 과정
1
2
3
Thank you
https://recopick.com
recopick-help@skplanet.com

More Related Content

What's hot

AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
Amazon Web Services Korea
 

What's hot (20)

개인화 및 추천 기능의 맞춤형 AI 서비스 혁명: Amazon Personalize - 남궁영환 솔루션즈 아키텍트, AWS / 강성문 솔루...
개인화 및 추천 기능의 맞춤형 AI 서비스 혁명: Amazon Personalize - 남궁영환 솔루션즈 아키텍트, AWS / 강성문 솔루...개인화 및 추천 기능의 맞춤형 AI 서비스 혁명: Amazon Personalize - 남궁영환 솔루션즈 아키텍트, AWS / 강성문 솔루...
개인화 및 추천 기능의 맞춤형 AI 서비스 혁명: Amazon Personalize - 남궁영환 솔루션즈 아키텍트, AWS / 강성문 솔루...
 
Amazon Redshift로 데이터웨어하우스(DW) 구축하기
Amazon Redshift로 데이터웨어하우스(DW) 구축하기Amazon Redshift로 데이터웨어하우스(DW) 구축하기
Amazon Redshift로 데이터웨어하우스(DW) 구축하기
 
커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...
커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...
커머스 스타트업의 효율적인 데이터 분석 플랫폼 구축기 - 하지양 데이터 엔지니어, 발란 / 강웅석 데이터 엔지니어, 크로키닷컴 :: AWS...
 
데이터가 흐르는 조직 만들기 - 마이리얼트립
데이터가 흐르는 조직 만들기 - 마이리얼트립데이터가 흐르는 조직 만들기 - 마이리얼트립
데이터가 흐르는 조직 만들기 - 마이리얼트립
 
개인화 추천 및 시계열 예측을 위한 신규 AI 서비스 살펴보기 - 남궁영환 AI/ML 스페셜리스트 솔루션즈 아키텍트 :: AWS Inno...
개인화 추천 및  시계열 예측을 위한 신규 AI 서비스 살펴보기 - 남궁영환 AI/ML 스페셜리스트 솔루션즈 아키텍트 :: AWS Inno...개인화 추천 및  시계열 예측을 위한 신규 AI 서비스 살펴보기 - 남궁영환 AI/ML 스페셜리스트 솔루션즈 아키텍트 :: AWS Inno...
개인화 추천 및 시계열 예측을 위한 신규 AI 서비스 살펴보기 - 남궁영환 AI/ML 스페셜리스트 솔루션즈 아키텍트 :: AWS Inno...
 
민첩하고 비용효율적인 Data Lake 구축 - 문종민 솔루션즈 아키텍트, AWS
민첩하고 비용효율적인 Data Lake 구축 - 문종민 솔루션즈 아키텍트, AWS민첩하고 비용효율적인 Data Lake 구축 - 문종민 솔루션즈 아키텍트, AWS
민첩하고 비용효율적인 Data Lake 구축 - 문종민 솔루션즈 아키텍트, AWS
 
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스
 
[DevGround] 린하게 구축하는 스타트업 데이터파이프라인
[DevGround] 린하게 구축하는 스타트업 데이터파이프라인[DevGround] 린하게 구축하는 스타트업 데이터파이프라인
[DevGround] 린하게 구축하는 스타트업 데이터파이프라인
 
Data pipeline and data lake
Data pipeline and data lakeData pipeline and data lake
Data pipeline and data lake
 
아름답고 유연한 데이터 파이프라인 구축을 위한 Amazon Managed Workflow for Apache Airflow - 유다니엘 A...
아름답고 유연한 데이터 파이프라인 구축을 위한 Amazon Managed Workflow for Apache Airflow - 유다니엘 A...아름답고 유연한 데이터 파이프라인 구축을 위한 Amazon Managed Workflow for Apache Airflow - 유다니엘 A...
아름답고 유연한 데이터 파이프라인 구축을 위한 Amazon Managed Workflow for Apache Airflow - 유다니엘 A...
 
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
 
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019
효율적인 빅데이터 분석 및 처리를 위한 Glue, EMR 활용 - 김태현 솔루션즈 아키텍트, AWS :: AWS Summit Seoul 2019
 
AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...
AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...
AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...
 
Kinesis와 Lambda를 이용한 비용 효율적인 센서 데이터 처리 - 주민규 (부산 모임) :: AWS Community Day 2017
Kinesis와 Lambda를 이용한 비용 효율적인 센서 데이터 처리 - 주민규 (부산 모임) :: AWS Community Day 2017Kinesis와 Lambda를 이용한 비용 효율적인 센서 데이터 처리 - 주민규 (부산 모임) :: AWS Community Day 2017
Kinesis와 Lambda를 이용한 비용 효율적인 센서 데이터 처리 - 주민규 (부산 모임) :: AWS Community Day 2017
 
AWS Summit Seoul 2023 | 삼성전자/쿠팡의 대규모 트래픽 처리를 위한 클라우드 네이티브 데이터베이스 활용
AWS Summit Seoul 2023 | 삼성전자/쿠팡의 대규모 트래픽 처리를 위한 클라우드 네이티브 데이터베이스 활용AWS Summit Seoul 2023 | 삼성전자/쿠팡의 대규모 트래픽 처리를 위한 클라우드 네이티브 데이터베이스 활용
AWS Summit Seoul 2023 | 삼성전자/쿠팡의 대규모 트래픽 처리를 위한 클라우드 네이티브 데이터베이스 활용
 
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
AWS 기반 데이터 레이크(Datalake) 구축 및 분석 - 김민성 (AWS 솔루션즈아키텍트) : 8월 온라인 세미나
 
Massive service basic
Massive service basicMassive service basic
Massive service basic
 
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
Amazon OpenSearch Deep dive - 내부구조, 성능최적화 그리고 스케일링
 
로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법로그 기깔나게 잘 디자인하는 법
로그 기깔나게 잘 디자인하는 법
 
AWS Storage and Database Architecture Best Practices (DAT203) | AWS re:Invent...
AWS Storage and Database Architecture Best Practices (DAT203) | AWS re:Invent...AWS Storage and Database Architecture Best Practices (DAT203) | AWS re:Invent...
AWS Storage and Database Architecture Best Practices (DAT203) | AWS re:Invent...
 

Similar to 레코픽 설명회 15회-개인화 추천(with DMC미디어)

마케팅인사이트 회사소개서
마케팅인사이트 회사소개서마케팅인사이트 회사소개서
마케팅인사이트 회사소개서
mktarcadia
 
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
Eunyoung Kim
 

Similar to 레코픽 설명회 15회-개인화 추천(with DMC미디어) (20)

RecoPick : recommendation services and some use cases
RecoPick : recommendation services and some use casesRecoPick : recommendation services and some use cases
RecoPick : recommendation services and some use cases
 
린분석 with 레진코믹스 ( Lean Analytics with Lezhin Comics )
린분석 with 레진코믹스 ( Lean Analytics with Lezhin Comics )린분석 with 레진코믹스 ( Lean Analytics with Lezhin Comics )
린분석 with 레진코믹스 ( Lean Analytics with Lezhin Comics )
 
[데이터야놀자 2023] 비즈니스 분석가 vs 프로덕트 분석가_ 데이터 분석ᄀ...
[데이터야놀자 2023]  비즈니스 분석가 vs 프로덕트 분석가_ 데이터 분석ᄀ...[데이터야놀자 2023]  비즈니스 분석가 vs 프로덕트 분석가_ 데이터 분석ᄀ...
[데이터야놀자 2023] 비즈니스 분석가 vs 프로덕트 분석가_ 데이터 분석ᄀ...
 
Reco pick 소개자료_v05
Reco pick 소개자료_v05Reco pick 소개자료_v05
Reco pick 소개자료_v05
 
[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?
 
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
 
마케팅인사이트 회사소개서
마케팅인사이트 회사소개서마케팅인사이트 회사소개서
마케팅인사이트 회사소개서
 
키워드 광고 효과분석과 활용
키워드 광고 효과분석과 활용키워드 광고 효과분석과 활용
키워드 광고 효과분석과 활용
 
[심화] 키워드 확장 전략
[심화] 키워드 확장 전략[심화] 키워드 확장 전략
[심화] 키워드 확장 전략
 
MezzoMedia Media &Market Report (2019.09)
MezzoMedia Media &Market Report (2019.09)MezzoMedia Media &Market Report (2019.09)
MezzoMedia Media &Market Report (2019.09)
 
SKPlanet 추천 플랫폼 콜로세오 - SK ICT Tech Summit 2017 SKPlanet 추천 플랫폼 콜로세오 - SK IC...
SKPlanet 추천 플랫폼 콜로세오  - SK ICT Tech Summit 2017 SKPlanet 추천 플랫폼 콜로세오  - SK IC...SKPlanet 추천 플랫폼 콜로세오  - SK ICT Tech Summit 2017 SKPlanet 추천 플랫폼 콜로세오  - SK IC...
SKPlanet 추천 플랫폼 콜로세오 - SK ICT Tech Summit 2017 SKPlanet 추천 플랫폼 콜로세오 - SK IC...
 
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
 
개인화 추천 제안 2013.12
개인화 추천 제안 2013.12개인화 추천 제안 2013.12
개인화 추천 제안 2013.12
 
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
 
[E-commerce & Retail Day] Amazon 혁신과 AWS Retail 사례
[E-commerce & Retail Day] Amazon 혁신과 AWS Retail 사례[E-commerce & Retail Day] Amazon 혁신과 AWS Retail 사례
[E-commerce & Retail Day] Amazon 혁신과 AWS Retail 사례
 
[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf
 
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
 
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
 
[팝콘 시즌1] 박동혁 : 마케터에게 필요한 Data Literacy
[팝콘 시즌1] 박동혁 : 마케터에게 필요한 Data Literacy[팝콘 시즌1] 박동혁 : 마케터에게 필요한 Data Literacy
[팝콘 시즌1] 박동혁 : 마케터에게 필요한 Data Literacy
 
20140320_private
20140320_private20140320_private
20140320_private
 

More from recopick

More from recopick (15)

1. 레코픽(추천+랜딩)소개서_2022 (1).pdf
1. 레코픽(추천+랜딩)소개서_2022 (1).pdf1. 레코픽(추천+랜딩)소개서_2022 (1).pdf
1. 레코픽(추천+랜딩)소개서_2022 (1).pdf
 
레코픽(RecoPick)소개서_220823 (1).pptx
레코픽(RecoPick)소개서_220823 (1).pptx레코픽(RecoPick)소개서_220823 (1).pptx
레코픽(RecoPick)소개서_220823 (1).pptx
 
레코픽(RecoPick)소개서_2022.08.pdf
레코픽(RecoPick)소개서_2022.08.pdf레코픽(RecoPick)소개서_2022.08.pdf
레코픽(RecoPick)소개서_2022.08.pdf
 
레코픽 소개서
레코픽 소개서 레코픽 소개서
레코픽 소개서
 
키워드 랜딩 상품 소개
키워드 랜딩 상품 소개키워드 랜딩 상품 소개
키워드 랜딩 상품 소개
 
레코픽 추천 상품 소개
레코픽 추천 상품 소개레코픽 추천 상품 소개
레코픽 추천 상품 소개
 
레코픽 키워드 랜딩 소개서
레코픽 키워드 랜딩 소개서레코픽 키워드 랜딩 소개서
레코픽 키워드 랜딩 소개서
 
레코픽상품소개서_개인화추천
레코픽상품소개서_개인화추천레코픽상품소개서_개인화추천
레코픽상품소개서_개인화추천
 
레코픽 소개자료
레코픽 소개자료 레코픽 소개자료
레코픽 소개자료
 
레코픽(Recopick) 전체 상품소개서
레코픽(Recopick) 전체 상품소개서레코픽(Recopick) 전체 상품소개서
레코픽(Recopick) 전체 상품소개서
 
레코픽 랜딩 (개인화 랜딩 페이지)소개자료
레코픽 랜딩 (개인화 랜딩 페이지)소개자료레코픽 랜딩 (개인화 랜딩 페이지)소개자료
레코픽 랜딩 (개인화 랜딩 페이지)소개자료
 
19차 레코픽 랜딩 설명회 발표자료
19차 레코픽 랜딩 설명회 발표자료19차 레코픽 랜딩 설명회 발표자료
19차 레코픽 랜딩 설명회 발표자료
 
레코픽 Insight 소개자료
레코픽 Insight 소개자료 레코픽 Insight 소개자료
레코픽 Insight 소개자료
 
개인맞춤 쇼핑몰 상품진열대 _레코픽(Recoick) 개인화 추천
개인맞춤 쇼핑몰 상품진열대 _레코픽(Recoick) 개인화 추천개인맞춤 쇼핑몰 상품진열대 _레코픽(Recoick) 개인화 추천
개인맞춤 쇼핑몰 상품진열대 _레코픽(Recoick) 개인화 추천
 
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!
 

레코픽 설명회 15회-개인화 추천(with DMC미디어)

  • 2. Intro : 행사 소개 및 이벤트 안내 (5분) Session 1 (50분) Coffee Break (10분) Session 2 (50분) Q & A (20분) Outro : 경품 추첨 및 클로징 (5분) 진행 순서
  • 3. ‘추천’을 둘러싼 오해/궁금증? 추천이라는게 그냥 잘팔리는 상품 보여주면 되는 거 아닌가요? 추천 솔루션은 다 비슷해 보이는데, 거기서 거기 아닌가요? 우리 사이트에 이미 들어온 고객보다는 유입이나 재방문을 높이기 위한 광고나 마케팅에도 추천을 활용할 수 있나요? 1 2 3
  • 4. 금일 발표 내용 Session 1 Session 2 1. 레코픽 개인화 랜딩페이지 소개 2. 레코픽 MTP(Micro-targeting platform) 소개 3. DMC미디어 F-1 소개 1. 온라인 쇼핑몰에서 추천의 역할 / 추천 알고리즘 소개 2. 실시간 개인화 추천의 중요성 3. 레코픽 추천 소개 : 장점 / 차별화 포인트
  • 5. 디지털 세상, 추천은 이미 우리 곁에… 추천은 정보 과잉의 디지털 세상에서 사용자의 의사결정을 도와주는 똑똑한 정보 필터링 엔진(filtering engine)으로 쇼핑, 미디어, SNS 등 거의 모든 영역에서 필수 요소 RECOPICK
  • 6. 모바일 쇼핑과 추천 국내에서도 쇼핑몰 모바일 메인페이지 등에 개인화 추천 등 추천 적용 보편화 RECOPICK
  • 7. 쇼핑몰에서 추천의 역할 RECOPICK = 방문자수 X 전환율 X 객단가 = 외부마케팅(광고) X 내부마케팅(추천) 쇼핑몰 매출 마케팅 투자 ‘고객 유입’ ‘구매 전환’
  • 8. 내부 마케팅으로서의 상품 추천 RECOPICK 사용자가 지금 무엇에 관심이 있는지를 알아내서.. 사용자가 찾고자 하는 것을 제시할 수 있어야… 데이터에 기반하여 구매확률이 높은 상품 추천! 마케팅 기회
  • 9. 추천 알고리즘의 분류 1 협업필터링 방식 Collaborative Filtering(CF) 사례 : Amazon 2 3 컨텐츠 기반 추천 Content-based Recommendations(CBR) 하이브리드 방식 Hybrid 사례 : Pandora Radio 사례 : Netflix 컨텐츠(음악,영화, 뉴스 등)의 속성에 대한 유저의 선호를 매칭하여 해당 유저가 좋아할 만한 컨텐츠 추천 과거 데이터로부터의 유사도 패턴을 기반으로 미래의 선호를 예측 협업필터링(CF)과 컨텐츠 기반 추천(CBR)의 결합 RECOPICK
  • 10. 협업필터링 Collaborative Filtering 과거 데이터로부터의 ‘유사도(Similarity)’ 패턴을 기반으로 미래의 선호를 예측 Explicit data 명시적으로 평가(rating)를 요구하여 데이터 수집 Implicit data 유저의 행동을 관찰하여 데이터 수집 영화별점 매기기 구매행동로그 수집 User-based Item-based 1 유사도의 기준에 따라 2 유사도 계산에 필요한 Data 확보 Jaccard Similarity Coefficient 클러스터링… RECOPICK 3 유사도 계산에 필요한 다양한 통계 기법
  • 11. User 1 User 2 User 3 User-based filtering Item-based filtering similar similar Item 1 Item 2 Item 3 Item 4 User 1 User 2 User 3 Item 1 Item 2 Item 3 Item 4 ◎ ◎ RECOPICK 협업필터링 Collaborative Filtering
  • 13. 레코픽이 사용하는 Input Data 사용자 행동로그 : visit, view, basket, order 등 Timestamp : 각 로그의 발생시점 Referral page : 사용자 의도 파악을 위해 직전 방문 페이지 분석 view < basket < order 1 행동유형별 최신성(Recency) 우연한 발견(Serendipity) 사용자 구매의도(Referral) 한달전 < 어제 인기상품의 가중치 낮춤 메인페이지 < 검색 or 카테고리 페이지 RECOPICK 2 3 1번~3번에 대해 각각 가중치 부여
  • 14. 추천 성과에 영향을 주는 요소들 최근 3개월 vs 최근 1년 배치(batch) vs. 실시간(real-time) Input data, 추천 성과 검증 추천 응답속도, Auto-scaling 추천 노출 위치 추천 상품수 추천 문구 페이지 상단 vs 페이지 하단 상품수 고정 vs 상품 더보기(swipe) 영혼없는 문구 vs 고객명, 추천 근거 등 표시 RECOPICK 추천 서비스 제공사 추천 시스템의 성능 데이터 규모 추천 계산 주기 알고리즘 성능 추천시스템 안정성 쇼핑몰 고객사 추천 노출 / UI측면
  • 15. D-14 D-13 D-12 D-11 D-10 D-9 D-8 D-7 D-6 D-5 D-4 D-3 D-2 D-1 D-0 H-12 H-11 H-10 H-9 H-8 H-7 H-6 H-5 H-4 H-3 H-2 H-1 H-0 구매 2주전 ~ 구매 당일 구매 12시간 전 ~ 구매 시점 구매 상품과 동일한 소카테고리 상품 사전 조회수 추이 1. 구매 하루 전부터 조회수 증가 시작  고객이 구매할 상품을 사전에 다각도로 탐색하는 단계로 추정 2. 구매 당일 동일 카테고리 조회수 급증  고객이 실제로 상품을 구매하기 위해 유사 상품을 비교하는 단계 3. 실제로는 구매 1시간 전에 조회수 급증  고객이 구매할 상품을 집중적으로 조회 하고 비교하는 시간은 1시간 내외로 추정 4. 구매 시점에는 조회수 소폭 감소  고객이 상품을 장바구니에 넣거나, 최종적으로 구매를 진행하는 중으로 추정 RECOPICK 실시간 추천의 중요성(1)
  • 16. 실시간 추천의 중요성(2) 100 추천 상품 클릭후 24시간 이내 구매 추천 상품 클릭 추천 상품 클릭후 1시간 이내 구매 5 모든 업종에서 추천 상품 클릭후 1시간 이내 구매액이 24시간 이내 구매액의 76% 수준! (레코픽 성과 데이터 기준) 76 Quiz RECOPICK
  • 17. 실시간 추천의 중요성(3) : 시간대별 추천경유매출 레코픽 추천에 반응하는 고객 중, 평균 76%의 고객들이 상품을 1시간 이내에 구매함. 0% 20% 40% 60% 80% 100% 0 1시간 3시간 6시간 12시간 24시간 48시간 시간대별 경유매출비율 기타전문몰 리빙/인테리어 면세점 및 명품 뷰티 종합몰 패션:남성의류 패션:스포츠 패션:여성의류 패션:유아동의류 패션:종합몰 패션잡화 푸드 RECOPICK
  • 18. 글로벌 트렌드 : 컨텍스트 쇼핑 컨텍스트 쇼핑 (Context Shopping) 소비자의 구매욕구가 발생했을 때 자동화된 기술을 이용해 소비자의 욕구를 구매로 즉각 전환하는 판매기법 알고리즘 기반의 실시간 추천(가장 중요!) Zero-effort 구현 : 구매 프로세스 자동화 다양한 기기 활용 : 예) 아마존 대시 버튼 / 에코 RECOPICK 1 2 3 2017 유통산업백서
  • 19. 국내 최초 실시간 개인화 추천 : 2014.8월 RECOPICK
  • 20. 레코픽 ‘실시간’ 개인화 추천 사용자의 과거 이용 패턴만 분석하는 기존 개인화 추천 대비 레코픽 ‘실시간’ 개인화 추천은 사용자의 1)과거 이용 패턴과 2)최근 관심사를 동시에 실시간 분석하여 추천 계산 실시간 개인화 추천 사용자의 3개월간 전체 로그 분석 사용자의 최근 로그 분석 LOG LOG LOG LOG LOG LOG LOG LOG LOG LOG LOG LOG RECOPICK
  • 21. 실시간 개인화 추천의 성과 클릭률 0.0% 2.0% 4.0% 6.0% 8.0% 10.0% 12.0% 14.0% 인기 상품 추천 클릭률 개인화 추천 클릭률 실시간 개인화추천 클릭률 1.2% 5.1% 7.9% RECOPICK
  • 22. 레코픽 소개 온라인 쇼핑몰을 위한 클라우드(Cloud) 기반의 추천 서비스로, 국내 최초의 실시간 개인화 추천 서비스 출시 (www.recopick.com) 현재 85개 고객사(180개 사이트)에 적용 스크립트 삽입 추천서비스 (12종)제공 페이지 방문 로그전송 RECOPICK 추천서비스 (12종)제공
  • 23. 레코픽 추천의 종류 레코픽은 다양하고, 정교한 추천 서비스를 제공하고 있습니다. 상품 기반의 추천을 통해 트래픽 증가를 유도하고 연계 구매로 이어질 확률이 높은 상품을 추천 1.상품 기준 추천 개별 사용자의 특성 및 최근의 니즈를 반영하여 사용자에게 가장 적합한 맞춤형 상품을 추천 다양한 통계 Data를 기반으로 인기 상품과 구매로 전환될 확률이 높은 상품을 추천 2.사용자 기준 추천 3.통계형 추천 성, 연령 등 고객의 demographic 특성을 반영하여 특정 고객 Segment에 가장 적합한 상품을 추천 4. 고객 Seg기반 추천 고객 Seg 기반 추천 RECOPICK
  • 24. 상품 기반의 추천을 통해 트래픽 증가를 유도하고, 연계 구매로 이어질 확률이 높은 상품을 추천합니다. 함께 본 상품 (ViewTogether) 사용자의 전체 행동 로그를 통해 상품과 상품의 관계를 분석하고, 이를 바탕으로 사용자가 본 상품과 관련된 추천 리스트(대체재)를 제공 함께 구매한 상품 (BuyTogether) 사용자의 구매로그를 통해 상품과 상품의 관계를 분석하고, 이를 바탕으로 사용자가 구매한 상품과 관련된 추천 리스트(보완재)를 제공 1 2 RECOPICK 상품 기준 추천 서비스
  • 25. 개별 사용자의 특성 및 최근의 니즈를 반영하여 사용자에게 가장 적합한 맞춤형 상품을 추천합니다. 실시간 개인화 추천 (최근 관심사 기반) 사용자의 개인별 최근 성향을 실시간으로 분석하여 사용자의 현재 니즈와 특성이 반영된 맞춤형 추천 리스트를 제공 1 RECOPICK 사용자 기준 추천 서비스
  • 26. 다양한 통계 Data를 기반으로 인기 상품과 구매로 전환될 확률이 높은 상품을 추천합니다. 1 View Top100 하루 동안 사용자들이 가장 많이 본 상품 노출 Buy Top100 하루 동안 사용자들이 가장 많이 구매한 상품 노출 추천클릭 Top100 추천 리스트 노출 대비 클릭이 많이 발생한 상품 노출 카테고리 Top100 카테고리내 가장 인기가 있었던 상품 제공 실시간 인기 상품 TOP 100 최근 1시간내 사용자들이 가장 많이 본 상품 노출 구매전환 Top100 사용자의 View 대비 구매가 많이 일어난 상품 노출 추천유입 Top100 상품의 유입 경로 중 추천 유입률이 높은 상품 노출 3 5 7 2 4 RECOPICK 통계형 추천 서비스 6
  • 27. 검색어 기반 추천 서비스(베타) 고객이 쇼핑몰에서 실제 검색한 키워드와 고객의 이용 패턴을 함께 분석, 연관된 상품 추천을 제공합니다. 체크 검색결과 체크 “ 이 검색어를 입력한 사람들은 어떤 상품을 좋아했을까? ” “체크” 를(을) 검색한 고객들에게 인기있는 상품 RECOPICK
  • 28. 레코픽 추천의 장점 추천 성과와 비용 측면에서 국내 경쟁 추천 솔루션 대비 10배의 가성비(ROI) RECOPICK 쉽고 빠른 적용 2X 전환율 5X 가격 경쟁력 Faster Better Cheaper 1 2 3 최대 10X 가성비!
  • 29. Faster : 쉽고 빠른 적용! • 레코픽 대시보드내에서 위젯을 통한 추천서비스 설정 및 변경 가능. • 관리자가 직접 추천 알고리즘의 선택 및 디자인 변경을 수행할 수 있음 대시보드 > 추천 위젯 설정 RECOPICK
  • 30. Better : 2~3배의 추천 성능 추천 성능 비교 테스트 사례 – 대상 사이트 : 국내 최대 패션기업의 온라인몰 – 테스트 기간 : 2016년 상반기 8주간, 2회 테스트 실시 – 참여 추천 솔루션 업체(3개사) : 레코픽, ‘R’사, ‘N’사 – 테스트 추천 알고리즘 : 개인화 추천 @ 모바일 메인페이지 테스트 결과 1차 테스트 2차 테스트 비교 레코픽 vs. ‘N’사 레코픽 vs. ‘R’사 추천클릭률 2.88배 1.05배 전환율 3.0배 2.86배 RECOPICK
  • 31. Cheaper : 2~5배의 가격 경쟁력 추천 솔루션/서비스 도입시 비용 항목 비용 항목 H/W 및 인프라 투자 전담 개발 인력 투입 솔루션 라이센스 비용 월운영비 솔루션 방식 YES YES YES YES 클라우드 방식 타사 NO NO NO YES 레코픽 (업계 최저) NO NO NO YES (최소과금월 50만원) RECOPICK
  • 32. 기타 장점 : 검증된 서비스 11번가, AK몰, 아모레퍼시픽, 신세계면세점, 삼성물산 패션부문(SSFShop) 등 대형 쇼핑몰에서 안정성과 효과를 검증하였고, 지속적으로 업그레이드되고 있습니다. 현재 85개사 180개 사이트에 적용중 누적 430억건 로그 수집 과거 추천 성과 데이터를 바탕으로 시간이 지날수록 고객사에 더 나은 품질의 추천을 제공 빅데이터 전문 개발자들이 최신 기계 학습(Machine Learning), 검증된 feature 추가하여, 지속적인 추천 알고리즘 고도화 RECOPICK
  • 33. 기타 장점 : 셀프 서비스 어드민 대시보드를 통해 다양한 추천 성과 지표를 보여드리며, 개발자가 아니어도 쉽게 추천 설정을 하실 수 있습니다. 추천 성과를 한 눈에 볼 수 있는 대시보드 위젯 등 추천관리를 간편하게 RECOPICK
  • 34. 메인 페이지 인기 상품 메인 페이지 개인화 상품 상세 상품 상세 하단 장바구니 구매완료 사이드바 대시보드에서 10개의 추천 성과지표를 제공하고, 주요 지표 (클릭률/기여매출)에 대해서는 추천 영역별, 추천 알고리즘별 성과 분석 지원 34 기타 장점 : 정밀한 성과분석 RECOPICK 추천 영역별 / 알고리즘별 추천 기여매출 트랙킹
  • 35. 성과 사례 1 대형사이트 자체개발 추천 대비 클릭률 44% 증가하였습니다. 추천 클릭률 비교 (국내 최대 디자인 쇼핑몰) 자체개발 추천 적용 레코픽 추천 적용 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0 추천클릭수 RECOPICK
  • 36. 성과 사례 2 대형 사이트 자체 개발 추천 대비 매출 15% 증가하였습니다. 전체 거래액 증가 (국내 대형 패션 쇼핑몰) 4.8억원 6 억원 1.2 억원  PC웹에서 한달간 A/B 테스트 자체개발 추천(50%) vs. 레코픽 추천(50%)  레코픽 100% 추천 적용시 연간 전체 거래액 15% 증가 예상 자체개발 추천 적용레코픽 추천 적용 RECOPICK
  • 37. 성과 사례 3 중소 쇼핑몰도 비용 대비 높은 효과를 보이고 있습니다. 비용 대비 매출 증가 (국내 중형 여성의류 쇼핑몰) 전체매출 일평균 Page view 월매출 레코픽 월과금액 3.2만 1 ~ 2억 50만원 / 월* 1,400만원 레코픽 추천을 통한 경유매출 RECOPICK
  • 38. 고객사 현황 다양한 업종의 쇼핑몰에서 검증된 추천 서비스, 지금 바로 시작하세요! 오드 마지아룩 문고리닷컴 현대리바트 코코블랙 11번가 AK몰 신세계면세점삼성물산 패션몰 클랙앤퍼니 만다리나덕 두닷 베니토 가방팝 머스트잇 아시아나면세점 유니클로 립합 제이스타일 임블리 휠라코리아 홀리가든 동화면세점 몸빼러브패리스 아이스탁몰한섬H패션몰 엘르골프 티비에이치샵 제로라운지 세컨에디션 르앤제이 아이러브제이악녀일기 하늘하늘 멀티팝 미샵 루서인 월플랜 윙잇 반다이몰 RECOPICK
  • 40. 레코픽 적용 프로세스 회원가입 스크립트 설치 4주(무료 테스트) 회원가입 방문자 행동분석을 위한 로그수집 스크립트 삽입 상품정보(이미지, 가격 등) 수집을 위한 메타태그 삽입 추천 적용 (위젯 삽입) 사이트 내 원하는 위치에 추천 위젯 적용 스크립트 삽입 추천 성과 확인 사용자 그룹을 추천노출/비노출 로 나눈 A/B 테스트를 통해 추천을 통한 트래픽, 매출 증가 효과 확인 유료화 / 계약 무료사용 기간 종료 시점 유료화 전환 필요시 연간계약 등 진행 1주 Step 4Step 3Step 2 고객님을 위한 추천 Step 1 1 2 3 4 RECOPICK
  • 41. 페이지별 레코픽 적용 RECOPICK 메인 페이지 상품상세 페이지 장바구니 페이지 구매 페이지 레코픽은 페이지별로 고객에게 최적화된 맞춤형 상품 추천을 제공. 페이지 이탈 방문 탐색 구체적인 상품에 관심 특정 상품에 구매목적 구매완료 실시간 개인화 추천 함께 본 상품 추천 함께 구매한 상품 추천 실시간 개인화 추천 함께 구매한 상품 추천 or 실시간 개인화 추천 페이지 이탈 페이지 이탈 고객 관심 유도로 이탈률을 줄이고 카테고리 메인 또는 상품상세 페이지로 이동 고객이 쇼핑을 중단하지 않고 지속적으로 탐색,구매로 연결 추가 구매 유도 (1개만 살 고객이 2개, 3개 사도록 유도) 아직 구매하지 않은 관심 상품 상기
  • 42. Intro : 행사 소개 및 이벤트 안내 (5분) Session 1 (50분) Coffee Break (10분) Session 2 (50분) Q & A (20분) Outro : 경품 추첨 및 클로징 (5분) 진행 순서
  • 43. 레코픽 추천 : 내부 마케팅  쿠키 기반 추천 상품 사이트 내 상품추천 RECOPICK
  • 44. 레코픽 확장을 통한 외부 마케팅/광고 지원 1) 타켓 모수 추출 2) 개인화 마케팅/광고  ADID 기반 RECOPICK
  • 45. 레코픽 개인화 랜딩페이지 (광고) 오늘 하루 당신만을 위한 추천! Click 평소 원피스, 블라우스에 관심있었던 고객 이전에 자켓, 니트를 살지말지 고민했던 고객 모든 고객에게 동일한 페이지가 아닌 개인별로 다른 상품을 제공하는 랜딩페이지 당신만을 위한 추천! 당신만을 위한 추천! 고객의 개별 Needs를 충족하는 개인 맞춤 서비스 RECOPICK
  • 46. 마케팅 채널 광고 Push 알림톡 문자 유입 높은 전환율 구매하기 왜 개인화 랜딩페이지인가? • 고객 개개인별 관심도가 높은 상품을 노출할수록 구매 동기 유발  이탈을 줄이고 마케팅 성과 극대화 • 자동화된 개인화 추천으로 랜딩페이지 설계에 들이는 고민과 시간 단축  마케팅 운영의 효율화 레코픽 개인화 랜딩페이지 당신만을 위한 추천! 당신만을 위한 추천! RECOPICK
  • 47. 개인화 랜딩페이지 성과 사례 : 네이버 키워드 광고 테스트 사례 – 대상 : 여성의류 쇼핑몰 – 테스트 : 네이버 키워드 광고 집행 • 성과 비교 : 메인 페이지 랜딩 vs. 개인화 랜딩 테스트 결과 성과 비교 네이버 키워드 광고 성과 랜딩 페이지 성과 기간 노출수 클릭수 전환수 전환율(%) 전환매출 ROAS 메인페이지 랜딩 11/7~11/12 35,809 4,910 90 1.8% 7,141,500 227% 개인화 랜딩 11/14~11/19 35,813 4,966 113 2.3% 9,317,780 298% 증가율 26% 24% 30% 31% RECOPICK
  • 48. 레코픽 MTP 소개 레코픽만의 축적된 데이터 분석 능력과 국내 최고의 개인화 기술을 기반으로 광고 성과 극대화를 위한 레코픽 MTP(Micro Targeting Platform)를 출시하여 광고주의 목표 달성을 지원합니다. 기존 광고 방식 레코픽 MTP 연동 광고 방식 광고주 페이스북 광고 광고 매체 광고대행사 FMP (페이스북 마케팅 파트너사) 페이스북 광고 광고 매체 광고주 MTP (Micro Targeting Platform) 광고대행사 FMP (페이스북 마케팅 파트너사) RECOPICK
  • 49. 광고주 사이트 분석을 통하여 정교한 오디언스 타켓팅을 설계하고 고도의 개인화 기술을 기반으로 핵심 오디언스와 매칭되는 광고소재 (상품 리스트)까지 제공하는 가장 효과적인 광고 타케팅 전략입니다. 레코픽 추천 엔진을 통한 구매 가능성이 높은 상품리스트 추출 광고 대행사 FMP 핵심 오디언스와 매칭되는 광고 소재 제공 핵심오디언스 최적화 고객행동 로그분석 광고집행, 광고성과 제공 레코픽 MTP 프로세스 광고에 대한 반응이 높을 것으로 예상되는 고객 모수 추출 사이트 방문 고객 중 구매 가능성이 있는 고객 행동 데이터 분석방문고객 체류고객 구매 가능성이 높은 고객 구매 가능성이 높은 상품 MTP (Micro Targeting Platform) 레코픽 MTP 소개 레코픽 Side RECOPICK
  • 50. KPI 기존 타겟팅 광고 구성 레코픽 MTP 차별화 시간의 흐름에 따라 바뀌는 고객의 관심사, 이용행태를 반영하지 못하는 기존 방식과 달리 실시간 바뀌는 고객의 행동 변화에 따라 적합한 광고소재를 제공하고 지속적인 Seg 튜닝으로 정교한 타겟팅을 가능하게 합니다. 레코픽 MTP 광고 구성 타겟 모수 DMP 광고플랫폼 광고소재 타겟 모수 MTP 광고플랫폼 광고 소재 고객 행동 로그 수집 광고주 매체 매체광고주 • 관심사, 데모그래픽 기반의 정적 타겟팅 • 광고결과(고객 행동 변화) 반영안됨 • 이미 만들어 놓은 분류체계를 이용한 정형화된 Seg • 광고주가 뽑은 광고소재 • 고객 행동 데이터 기반의 동적 타겟팅 • 광고결과(고객 행동 변화) 반영 • 지속적인 고객 Seg 튜닝을 통한 타겟팅 최적화 • 데이터 분석을 통해 구매 가능성이 높은 광고소재 제공 RECOPICK
  • 51. 레코픽 MTP 장점 : 타겟모수 최적화 시간의 흐름에 따라 달라진 고객의 행동 변화 분석 새로이 구매 가능성이 있는 고객을 찾아 타겟팅 최적화 캠페인 초기 설정한 타겟팅 조건으로 광고 완료시점까지 유지 광고시작 기존의 방식은 광고 시작 후 새로이 구매 욕구가 생긴 고객을 놓치고 있는 반면, 레코픽 MTP는 광고 완료 전까지 지속적으로 구매 가능성이 있는 고객을 찾아 타겟팅을 최적화해 구매전환을 극대화합니다. 광고완료 기존 타겟팅 레코픽 MTP 타겟팅 D1 D10 RECOPICK
  • 52. 레코픽 MTP 장점 : 광고소재 최적화 시간의 흐름에 따른 상품의 인기 변동 반영 레코픽 추천 엔진을 통해 상품간의 ‘유사도(Similarity)’ 계산 구매 가능성이 높은 상품으로 조합 광고주가 직접 뽑은 상품소재 상품의 인기 변동에 상관없이 광고 완료시점까지 유지 광고시작 광고완료 기존 타겟팅 레코픽 MTP 타겟팅 D1 D10 Best Seller MD 추천 상품OR OR 광고주가 원하는 상품 레코픽 추천 엔진을 통해 상품의 인기 변동을 반영하고 상품간의 ‘유사도(Similarity)’를 계산하여 광고 소재로서 가치가 있는 상품리스트를 추출하고 구매 가능성이 높은 상품으로 조합합니다. RECOPICK
  • 53. 레코픽 MTP 진행 프로세스 ADID 수집기능 개발 및 검증 고객사 App 배포 사용자 업데이트 ADID수집 고객사이트 행동 로그 분석 구글의 GAID / iOS의 IDFA 광고주 레코픽 MTP 광고상품 제안 ADID전송 1~2개월 2주 광고진행 소재 제작 및 등록 광고 모수 및 소재 추출 1~2주 광고대행사 RECOPICK
  • 54. 레코픽 MTP 활용 페이스북 광고 사례 NEXT RECOPICK 광고 테스트 기간 2017년 11월 6일~ 14일 (7일간 집행, 주말 제외) 평가 지표 ROAS(광고 click 기준 당일 구매 금액) 평가 방법 (AB 테스트) 레코픽 모수 vs. 페이스북 모수 결과(ROAS 비교) 345%(레코픽) vs. 235%(페이스북)
  • 55. • 6개 대카테고리 선정: 명품화장품 등 • 로열티 고객 추가 • 8만 고객 모수 추출 • Lift 분석을 통한 카테고리간 연관도 분석 • A사 대표 카테고리 와 유사 카테고리 선정 타겟 모수 및 광고 소재 최적화 NEXT RECOPICK 고객 분석 타겟 모수 최적화 • 명품화장품 Best Seller 상품외에 • 레코픽 추천 엔진을 활용한 추천광고 상품 추가 광고 소재 최적화 • FMP를 통한 광고 집행 • AB Test • ROAS 비교 광고 집행 No Seg 모수 1 명품 화장품 36,725 2 화장품_향수 14,789 3 유아동 19,060 4 여성의류 19,543 5 스포츠_레져 8,564 6 헤어바디_미용기기 6,511 No item code 비고 1 77557788 Best 2 75228278 VT 3 77570965 VT 4 75282966 VT 5 77561823 BT 6 62832546 BT
  • 56. 페이스북 광고 집행결과 : A사 사례 NEXT RECOPICK 기간 캠페인 노출 클릭 CTR 전환수 전환율(%) 전환 매출 ROAS(%) 11/6 ~ 11/14 A 40,151 789 2.0% 22 2.8% 2,530,923 345% B 97,638 1,853 1.9% 25 1.3% 1,776,465 235% • AB 테스트 • 집행 결과 그룹 타겟 모수(Seg) 광고 소재 A 레코픽 타겟 모수 레코픽 추천소재 B 페이스북 타겟 모수 MD 추천소재 타겟 모수와 광고소재 최적화를 통한 광고 효율 개선 가능성 검증!
  • 57. 레코픽이 도와드리겠습니다! 맺음말 추천은 데이터 기반의 자동화된 마케팅 방법으로 작게 시작하되 지속적인 실험과 개선을 통해 인사이트를 얻고 최적화를 추구하는 과정 1 2 3