모바일 UX/UI 기획을 위해서 꼭 고려해야할 것들
트랜드와 원칙으로써의 UX - 1부
'UX는 3가지 관점에서 접근될 수 있습니다.
저는 지금까지 UX Design 방법론을 강조해 왔는데,
이번에는 트랜드로써의 UX, 원칙으로써의 UX를 말씀드리고자 합니다.'
- 라이트브레인 UX1컨설팅그룹 조성봉이사
2부의 자료는 추후 공개예정입니다.
우리는 지금 무엇을 하고있는지를 고민하나요? 아니면 무엇이 되어가고 있는지를 고민하나요? 네 맞습니다. 우리는 매년 무엇을 할지 고민합니다. 그런데 중요한것은 방향 즉 어디를 가고 있는지 입니다.
그래서 넷플릭스의 추천 시스템이 어디를 향해 가고 있는지를 살펴보고 추천시스템의 향해 가야할 Goal에 대하여 같이 이야기를 해보고자 합니다
최규민(pi.314) / kakao corp.(추천팀)
---
발표의 시작은? Music Streaming 서비스인 멜론과 카카오미니에 적용된
Toros 음악 추천 시스템의 다양한 추천 모델과 이를 활용한 추천 레시피에 대한 이야기를 합니다.
그리고 마무리는? 음악 추천을 위해 40~100차원 벡터로 모델링 된 (CB/CF) Latent Feature들을
다양한 조합으로 Visualization(t-SNE)하고 눈으로 탐색해 가면서 재미난 특징을 찾아보고자 합니다.
"CB와 CF Feature 노래를 어떻게 표현했을까?”,
"Popular노래와 Rare 한 노래의 Feature는?”
“Feedback이 많은 유저와 적은 유저 차이는?”
“팬덤이 있는 유저들은 어떤 모양일까?"
모바일 UX/UI 기획을 위해서 꼭 고려해야할 것들
트랜드와 원칙으로써의 UX - 1부
'UX는 3가지 관점에서 접근될 수 있습니다.
저는 지금까지 UX Design 방법론을 강조해 왔는데,
이번에는 트랜드로써의 UX, 원칙으로써의 UX를 말씀드리고자 합니다.'
- 라이트브레인 UX1컨설팅그룹 조성봉이사
2부의 자료는 추후 공개예정입니다.
우리는 지금 무엇을 하고있는지를 고민하나요? 아니면 무엇이 되어가고 있는지를 고민하나요? 네 맞습니다. 우리는 매년 무엇을 할지 고민합니다. 그런데 중요한것은 방향 즉 어디를 가고 있는지 입니다.
그래서 넷플릭스의 추천 시스템이 어디를 향해 가고 있는지를 살펴보고 추천시스템의 향해 가야할 Goal에 대하여 같이 이야기를 해보고자 합니다
최규민(pi.314) / kakao corp.(추천팀)
---
발표의 시작은? Music Streaming 서비스인 멜론과 카카오미니에 적용된
Toros 음악 추천 시스템의 다양한 추천 모델과 이를 활용한 추천 레시피에 대한 이야기를 합니다.
그리고 마무리는? 음악 추천을 위해 40~100차원 벡터로 모델링 된 (CB/CF) Latent Feature들을
다양한 조합으로 Visualization(t-SNE)하고 눈으로 탐색해 가면서 재미난 특징을 찾아보고자 합니다.
"CB와 CF Feature 노래를 어떻게 표현했을까?”,
"Popular노래와 Rare 한 노래의 Feature는?”
“Feedback이 많은 유저와 적은 유저 차이는?”
“팬덤이 있는 유저들은 어떤 모양일까?"
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) Yongho Ha
http://ga.yonghosee.com 에서 진행하는 구글 어날리틱스(google analytics) 에 대한 강의 슬라이드 입니다. 이 슬라이드는 샘플이지만, 초반부는 실재 강의 교재 그대로 입니다. 이것 자체로도 여러분이 GA를 이해하는데 좀 도움이 된다면 기쁘겠습니다^^ 감사합니다.
라이트브레인 UX 아카데미 Open Project입니다.
이번에 소개해 드릴 결과물은 최근 핫한 여성 쇼핑 앱 ‘지그재그 – UX 개선 프로젝트’입니다.
UX 아카데미 11기 교육 기간 동안 정규과정의 수업 뿐만아니라 별도의 조별 모임을 통해 과제와 프로젝트를 진행하며 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개합니다.
라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
Recommendation systems today are widely used across many applications such as in multimedia content platforms, social networks, and ecommerce, to provide suggestions to users that are most likely to fulfill their needs, thereby improving the user experience. Academic research, to date, largely focuses on the performance of recommendation models in terms of ranking quality or accuracy measures, which often don’t directly translate into improvements in the real-world. In this talk, we present some of the most interesting challenges that we face in the personalization efforts at Netflix. The goal of this talk is to sunshine challenging research problems in industrial recommendation systems and start a conversation about exciting areas of future research.
라이트브레인 UX 아카데미 22기 Open Project 로 이번에 소개해 드릴 결과물은 대표적인 배달앱인 ‘배달의민족 – UX/UI 개선 프로젝트’입니다.
지난 UX 아카데미 22기 교육 기간 동안 배달의민족조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.<!--more-->
3대 배달앱 시장 경쟁 과열, 새로운 전략의 필요성
배달 앱 업계에서는 매년 다양한 신종 배달앱들이 등장함에 따라 경쟁은 더욱 치열해지고 있습니다. 이러한 경쟁 과열 속에서 배달 앱 대표 타이틀을 굳건하게 유지하기 위한 배달의민족만의 차별화된 UX/UI 개선방안을 고민해 보았습니다.
라이트브레인 UX 아카데미 20기 Open Project 로 이번에 소개해 드릴 결과물은 배달앱 무한경쟁 시대 차별화가 필요한 ‘쿠팡이츠 – UX/UI 개선 프로젝트’입니다.
지난 UX 아카데미 20기 교육 기간 동안 네이버지도조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
쿠팡이츠는 배달 시장에 비교적 늦게 진입한 데 비해 빠른 성장을 보이고 있습니다.
하지만 1,2위 기업과 여전히 현저한 점유율 차이를 보이고 있으며, 앞으로 빅데이터를 보유한 대기업의 신규 시장진입 또한 예고되고 있습니다. 따라서 쿠팡이츠만의 입지를 다지기 위한 UX/UI 개선을 고민해 보았습니다.
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고 최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심 있는 분들에게 제공하고 있습니다.
라이트브레인 UX 아카데미 22기 교육안내 – 바로가기
교육일정 : 2023.02.08 – 2023.04.10
교육시간 : 주 2회 (2개월)
교육장소 : 아카데미정글(강남 신사)
* 자세한 내용은 교육안내 페이지를 참고하세요.
거래로그, 파티플레이 로그, 전투 및 사냥 로그 등 서버단에 남는 빅데이터를 분석하여 게임봇 또는 작업장을 탐지하는 기법들은 최근 학계 및 게임업계에서 다양하게 연구되어 현업에 적용되고 있다.
본 강의에서는 이러한 데이터마이닝 기반의 탐지기법들 중에서 최근에 활발히 연구되고 있는 유저들의 행위분석과 프로파일링 기법을 이용한 봇탐지 기법에 대해 소개한다.
이를 위해 다양한 대형 MMORPG 의 실제 로그 데이터를 이용하여 분석을 수행하였으며, 정상적인 유저와 게임봇 유저간 뚜렷이 다른 패턴을 보이는 특징값 (feature) 들을 발굴하였다. 선정된 특징들을 토대로 정상적인 유저와 게임봇 사이의 차이점을 분석한 사례를 설명하고, 범용적으로 활용할 수 있는 프로파일링 기법을 설명하도록 한다.
라이트브레인 UX 아카데미 18기 Open Project 입니다.
이번에 소개해 드릴 결과물은 여행 앱 '네이버쇼핑 – UX/UI 개선 프로젝트'입니다.
지난 UX 아카데미 18기 교육 기간 동안 네이버쇼핑조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
네이버 쇼핑은 국내에서 가장 많이 이용하는 쇼핑 앱이나 온라인 이커머스 시장의 경쟁 과열로 새로운 전략의 필요성이 대두되고 있고 앞으로 다가올 '저성장 구간'에 대한 대책으로 차별화된 UX/UI 개선이 필요하다보고 그 개선안을 고민해보았씁니다.
-
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고
최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심 있는 분들에게 제공하고 있습니다.
라이트브레인 UX 아카데미 교육안내
https://ejungle.co.kr/RightbrainUXAcademy
라이트브레인의 UX 트렌드 리포트 ‘UX Discovery - Metaverse’ 요약본 공개
Metaverse is Coming
다가올 새로운 미래상, 현실과 디지털화된 가상세계가 공존하는 세상인 메타버스를 라이트브레인 CX 컨설팅 그룹에서 분야별 주요 사례와 주목할만한 사례들을 세분류로 나누어 소개해 드립니다.
해당 자료는 세미나용으로 제작된 요약 버전이며 Rightbrain lab 독자분들 대상으로 별도의 다운로드 과정 없이 바로 보실 수 있도록 슬라이드쉐어를 통해 공개합니다.
1. 가상정보를 통해 사용자에게 새로운 경험 가치를 제안
- 시공간을 초월하는 상호작용하는 몰입감 높은 엔터테인먼트
- 현장에 있는 것처럼 실재감 높은 안전한 교육/훈련
- Tech + 실재감, 몰입감 경험
2. 가상 세계의 초월성에 기반해 새로운 삶의 방식을 제안
- 무한한 공간에서 제약 없이 모이고, 교류하고, 살아가는 사회
- Tech + 사용자 트래킹, 상호작용, 프라이버시
3. 기존 현실의 삶과 새로운 가상세계의 연결로 새로운 가치를 창출
- 현실과 가상세계를 부드럽게 연결해주는 Physital Retail & Digital Twin
- Tech + Digital Twin, 현실과 가상의 상호작용 기술
---------------------------------
* 공개해드린 자료는 요약 버전으로 메타버스 관련 아래 본 자료는 유료 판매 예정입니다.
- Metaverse commerce
- Metaverse tech 시청 촉각 기술
- Metaverse tech 트래킹 기술
-----------------------------------
* UX 트렌드 리포트 구독 문의 : jkl@rightbrain.co.kr
* UX 디자인 및 CX 컨설팅 프로젝트 문의 : support@rightbrain.co.kr
* 라이트브레인 ‘UX Discovery’는 라이트브레인의 등록상표입니다.
딥러닝과 강화 학습으로 나보다 잘하는 쿠키런 AI 구현하기 DEVIEW 2016Taehoon Kim
발표 영상 : https://goo.gl/jrKrvf
데모 영상 : https://youtu.be/exXD6wJLJ6s
Deep Q-Network, Double Q-learning, Dueling Network 등의 기술을 소개하며, hyperparameter, debugging, ensemble 등의 엔지니어링으로 성능을 끌어 올린 과정을 공유합니다.
라이트브레인 UX 아카데미 21기 Open Project로 이번에 소개해 드릴 결과물은 ‘무신사 – UX/UI 개선 프로젝트’입니다.
무신사는 패션 특화 플랫폼으로 한국 패션산업에 구조적 영향을 받습니다. 현재 시장정체기에 무신사만의 차별화의 필요성에 초점을 맞추고
나를 가장 잘아는 패션쇼핑몰-무신사로 도약하기 위한 목표를 수립하고 UX/UI 전략을 고민해 보았습니다.
지난 UX 아카데미 21기 교육 기간 동안 무신사조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다. 라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
[Market Issue]
- 검색 시장의 패러다임을 바꾼 챗GPT
- 식음료·패션·화장품까지, 비건 열풍에 빠진 시장
- 구매율을 높이기 위해 리뷰 획득에 힘쓰는 이커머스
[Media News]
- 카카오톡, 사용 편리성 강화를 위한 업데이트 진행
- 유튜브, CPH 마스트헤드 광고 상품 정식 출시
- 네이버, 스마트렌즈 통한 검색 기능 강화
[New Media]
- 중앙일보 비크닉
- 닥터나우
[Special Promotion]
- 닥터나우 1+1 프로모션
유튜브, 페이스북, 넷플릭스등 성공한 컨텐츠 플랫폼에서 추천 솔루션은 중요한 역할을 합니다.
특히 기본 홈 스크린은 대부분 유저선호/시간/맥락에 따른 맞춤형 추천을 제공합니다.
왜 그럴까요? 이 질문의 답을 찾기 위한 웹툰 서비스의 유저 분석 사례를 이야기 하려 합니다.
"유저가 좋은 컨텐츠를 만났을 때"
일본 대표 만화 플랫폼 인 픽코마(카카오재팬)의 UX에는 다양한 추천 솔루션이 적용되어 있습니다.
이 추천 솔루션의 목표는 유저의 작품 첫 에피소드 열람 즉 유저의 작품 탐색을 높이는 것입니다.
왜 이런 목표를 정했을 까요? 결론은 좋은 작품 탐색 경험은 유저를 만족시키기 때문입니다.
이 강연에서는 유저의 작품 탐색과 활용이 유저의 만족도와 어떠한 상관관계가 있는지
유저 군집화, 인게이지먼트 퍼널, 리텐션 관점에서 꼼꼼하고 깊이 있게 분석한 사례를 공유하고자 합니다.
추천 시스템 그리고 유저 만족도의 정량적 분석에 관심있는 분이라면 좋은 인사이트를 얻게 되리라 생각됩니다.
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) Yongho Ha
http://ga.yonghosee.com 에서 진행하는 구글 어날리틱스(google analytics) 에 대한 강의 슬라이드 입니다. 이 슬라이드는 샘플이지만, 초반부는 실재 강의 교재 그대로 입니다. 이것 자체로도 여러분이 GA를 이해하는데 좀 도움이 된다면 기쁘겠습니다^^ 감사합니다.
라이트브레인 UX 아카데미 Open Project입니다.
이번에 소개해 드릴 결과물은 최근 핫한 여성 쇼핑 앱 ‘지그재그 – UX 개선 프로젝트’입니다.
UX 아카데미 11기 교육 기간 동안 정규과정의 수업 뿐만아니라 별도의 조별 모임을 통해 과제와 프로젝트를 진행하며 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개합니다.
라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
Recommendation systems today are widely used across many applications such as in multimedia content platforms, social networks, and ecommerce, to provide suggestions to users that are most likely to fulfill their needs, thereby improving the user experience. Academic research, to date, largely focuses on the performance of recommendation models in terms of ranking quality or accuracy measures, which often don’t directly translate into improvements in the real-world. In this talk, we present some of the most interesting challenges that we face in the personalization efforts at Netflix. The goal of this talk is to sunshine challenging research problems in industrial recommendation systems and start a conversation about exciting areas of future research.
라이트브레인 UX 아카데미 22기 Open Project 로 이번에 소개해 드릴 결과물은 대표적인 배달앱인 ‘배달의민족 – UX/UI 개선 프로젝트’입니다.
지난 UX 아카데미 22기 교육 기간 동안 배달의민족조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.<!--more-->
3대 배달앱 시장 경쟁 과열, 새로운 전략의 필요성
배달 앱 업계에서는 매년 다양한 신종 배달앱들이 등장함에 따라 경쟁은 더욱 치열해지고 있습니다. 이러한 경쟁 과열 속에서 배달 앱 대표 타이틀을 굳건하게 유지하기 위한 배달의민족만의 차별화된 UX/UI 개선방안을 고민해 보았습니다.
라이트브레인 UX 아카데미 20기 Open Project 로 이번에 소개해 드릴 결과물은 배달앱 무한경쟁 시대 차별화가 필요한 ‘쿠팡이츠 – UX/UI 개선 프로젝트’입니다.
지난 UX 아카데미 20기 교육 기간 동안 네이버지도조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
쿠팡이츠는 배달 시장에 비교적 늦게 진입한 데 비해 빠른 성장을 보이고 있습니다.
하지만 1,2위 기업과 여전히 현저한 점유율 차이를 보이고 있으며, 앞으로 빅데이터를 보유한 대기업의 신규 시장진입 또한 예고되고 있습니다. 따라서 쿠팡이츠만의 입지를 다지기 위한 UX/UI 개선을 고민해 보았습니다.
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고 최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심 있는 분들에게 제공하고 있습니다.
라이트브레인 UX 아카데미 22기 교육안내 – 바로가기
교육일정 : 2023.02.08 – 2023.04.10
교육시간 : 주 2회 (2개월)
교육장소 : 아카데미정글(강남 신사)
* 자세한 내용은 교육안내 페이지를 참고하세요.
거래로그, 파티플레이 로그, 전투 및 사냥 로그 등 서버단에 남는 빅데이터를 분석하여 게임봇 또는 작업장을 탐지하는 기법들은 최근 학계 및 게임업계에서 다양하게 연구되어 현업에 적용되고 있다.
본 강의에서는 이러한 데이터마이닝 기반의 탐지기법들 중에서 최근에 활발히 연구되고 있는 유저들의 행위분석과 프로파일링 기법을 이용한 봇탐지 기법에 대해 소개한다.
이를 위해 다양한 대형 MMORPG 의 실제 로그 데이터를 이용하여 분석을 수행하였으며, 정상적인 유저와 게임봇 유저간 뚜렷이 다른 패턴을 보이는 특징값 (feature) 들을 발굴하였다. 선정된 특징들을 토대로 정상적인 유저와 게임봇 사이의 차이점을 분석한 사례를 설명하고, 범용적으로 활용할 수 있는 프로파일링 기법을 설명하도록 한다.
라이트브레인 UX 아카데미 18기 Open Project 입니다.
이번에 소개해 드릴 결과물은 여행 앱 '네이버쇼핑 – UX/UI 개선 프로젝트'입니다.
지난 UX 아카데미 18기 교육 기간 동안 네이버쇼핑조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다.라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
네이버 쇼핑은 국내에서 가장 많이 이용하는 쇼핑 앱이나 온라인 이커머스 시장의 경쟁 과열로 새로운 전략의 필요성이 대두되고 있고 앞으로 다가올 '저성장 구간'에 대한 대책으로 차별화된 UX/UI 개선이 필요하다보고 그 개선안을 고민해보았씁니다.
-
UX 아카데미 ‘라이트브레인 U –
미래의 UXer들을 위한 교육으로 UX전문가로서 성장할 수 있는 발판이 되는 교육입니다. UX에 대한 기초지식이 있는 학생과 직장인들을 대상으로 하며 정규 과정은 보통 15회 강의로 구성됩니다. UX 개념, 필드 리서치, 모델링, 서비스 디자인, 프로토타이핑과 같은 구성으로 UX디자인의 주요 프로세스를 모두 경험하고
최종 결과물을 발표하는 것을 목표로 합니다. 2019년 상반기 배출된 8기부터 아카데미 정글과 함께 UX Academy를 개설하여 보다 전문적이며, 밀도 있는 교육을 UX에 관심 있는 분들에게 제공하고 있습니다.
라이트브레인 UX 아카데미 교육안내
https://ejungle.co.kr/RightbrainUXAcademy
라이트브레인의 UX 트렌드 리포트 ‘UX Discovery - Metaverse’ 요약본 공개
Metaverse is Coming
다가올 새로운 미래상, 현실과 디지털화된 가상세계가 공존하는 세상인 메타버스를 라이트브레인 CX 컨설팅 그룹에서 분야별 주요 사례와 주목할만한 사례들을 세분류로 나누어 소개해 드립니다.
해당 자료는 세미나용으로 제작된 요약 버전이며 Rightbrain lab 독자분들 대상으로 별도의 다운로드 과정 없이 바로 보실 수 있도록 슬라이드쉐어를 통해 공개합니다.
1. 가상정보를 통해 사용자에게 새로운 경험 가치를 제안
- 시공간을 초월하는 상호작용하는 몰입감 높은 엔터테인먼트
- 현장에 있는 것처럼 실재감 높은 안전한 교육/훈련
- Tech + 실재감, 몰입감 경험
2. 가상 세계의 초월성에 기반해 새로운 삶의 방식을 제안
- 무한한 공간에서 제약 없이 모이고, 교류하고, 살아가는 사회
- Tech + 사용자 트래킹, 상호작용, 프라이버시
3. 기존 현실의 삶과 새로운 가상세계의 연결로 새로운 가치를 창출
- 현실과 가상세계를 부드럽게 연결해주는 Physital Retail & Digital Twin
- Tech + Digital Twin, 현실과 가상의 상호작용 기술
---------------------------------
* 공개해드린 자료는 요약 버전으로 메타버스 관련 아래 본 자료는 유료 판매 예정입니다.
- Metaverse commerce
- Metaverse tech 시청 촉각 기술
- Metaverse tech 트래킹 기술
-----------------------------------
* UX 트렌드 리포트 구독 문의 : jkl@rightbrain.co.kr
* UX 디자인 및 CX 컨설팅 프로젝트 문의 : support@rightbrain.co.kr
* 라이트브레인 ‘UX Discovery’는 라이트브레인의 등록상표입니다.
딥러닝과 강화 학습으로 나보다 잘하는 쿠키런 AI 구현하기 DEVIEW 2016Taehoon Kim
발표 영상 : https://goo.gl/jrKrvf
데모 영상 : https://youtu.be/exXD6wJLJ6s
Deep Q-Network, Double Q-learning, Dueling Network 등의 기술을 소개하며, hyperparameter, debugging, ensemble 등의 엔지니어링으로 성능을 끌어 올린 과정을 공유합니다.
라이트브레인 UX 아카데미 21기 Open Project로 이번에 소개해 드릴 결과물은 ‘무신사 – UX/UI 개선 프로젝트’입니다.
무신사는 패션 특화 플랫폼으로 한국 패션산업에 구조적 영향을 받습니다. 현재 시장정체기에 무신사만의 차별화의 필요성에 초점을 맞추고
나를 가장 잘아는 패션쇼핑몰-무신사로 도약하기 위한 목표를 수립하고 UX/UI 전략을 고민해 보았습니다.
지난 UX 아카데미 21기 교육 기간 동안 무신사조가 만들어 낸 신선한 아이디어를 Rightbrain lab을 통해 공개해 드립니다. 라이트브레인 아카데미 수강생들이 어떤 과정을 통해 아이디에이션 하고 또 인사이트와 컨셉을 도출했는지 궁금하시다면 지금 바로 슬라이드쉐어로 내용을 확인하세요.
[Market Issue]
- 검색 시장의 패러다임을 바꾼 챗GPT
- 식음료·패션·화장품까지, 비건 열풍에 빠진 시장
- 구매율을 높이기 위해 리뷰 획득에 힘쓰는 이커머스
[Media News]
- 카카오톡, 사용 편리성 강화를 위한 업데이트 진행
- 유튜브, CPH 마스트헤드 광고 상품 정식 출시
- 네이버, 스마트렌즈 통한 검색 기능 강화
[New Media]
- 중앙일보 비크닉
- 닥터나우
[Special Promotion]
- 닥터나우 1+1 프로모션
유튜브, 페이스북, 넷플릭스등 성공한 컨텐츠 플랫폼에서 추천 솔루션은 중요한 역할을 합니다.
특히 기본 홈 스크린은 대부분 유저선호/시간/맥락에 따른 맞춤형 추천을 제공합니다.
왜 그럴까요? 이 질문의 답을 찾기 위한 웹툰 서비스의 유저 분석 사례를 이야기 하려 합니다.
"유저가 좋은 컨텐츠를 만났을 때"
일본 대표 만화 플랫폼 인 픽코마(카카오재팬)의 UX에는 다양한 추천 솔루션이 적용되어 있습니다.
이 추천 솔루션의 목표는 유저의 작품 첫 에피소드 열람 즉 유저의 작품 탐색을 높이는 것입니다.
왜 이런 목표를 정했을 까요? 결론은 좋은 작품 탐색 경험은 유저를 만족시키기 때문입니다.
이 강연에서는 유저의 작품 탐색과 활용이 유저의 만족도와 어떠한 상관관계가 있는지
유저 군집화, 인게이지먼트 퍼널, 리텐션 관점에서 꼼꼼하고 깊이 있게 분석한 사례를 공유하고자 합니다.
추천 시스템 그리고 유저 만족도의 정량적 분석에 관심있는 분이라면 좋은 인사이트를 얻게 되리라 생각됩니다.
91. 0.0
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
방송 시청 이력
uno
!
BJID 시청시간 평균
10001 rani0224 10’ 9’
10001 afkbo1 120’ 95’
10001 afmlb1 32’ 93
추천이력
uno
!
BJID Y/N
10001 rani0224 T
10001 afkbo1 T
아이템 사용이력
uno
!
BJID 개수
10001 rani0224 50
10001 afkbo1 10
방송 시청 이력
uno
!
BJID 시청시간
10001 rani0224 0.57
10001 afkbo1 0.73
10001 afmlb1 0.21
추천이력
uno
!
BJID Y/N
10001 rani0224 1.0
10001 afkbo1 1.0
아이템 사용이력
uno
!
BJID 개수
10001 rani0224 0.5
10001 afkbo1 0.1
평균 평준화
Boolean Value
!
[ F, T ] → [ 0 , 1]
Scale
!
[0 , 100] → [0.0 1.0]
1.0 (관심도)
92. 0.0
1.0 (관심도)
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
30
22.5
15
7.5
0
D D -2 D -4 D -6 D -8 D -10 D -12 D -14 D -16 D -18 D -20 D -22 D -24 D -26 D -28
93. 0.0
1.0 (관심도)
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
30
22.5
15
7.5
0
[ Tips. 시간 가중치 간단하게 처리 하는 법]
= 데이터값 ÷ (경과일) = D/1 + D/2 + D/3 … D/30
= 데이터값 ÷( (경과일)
= 데이터값 ÷( log(경과일) )
D D -2 D -4 D -6 D -8 D -10 D -12 D -14 D -16 D -18 D -20 D -22 D -24 D -26 D -28
97. 0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평준화
HQL
Redis
Cluster
Sorted
Set
Hive
External
Table
시간
가중치
HQL
BJ
관심도
계산
HQL
(항목
가중치)
Redis
Save
(UDF)
HQL
추천
평준화
HQL
아이템
평준화
HQL
시간
가중치
HQL
시간
가중치
HQL
98. 0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평준화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Redis
Save
(UDF)
HQL
추천
평준화
HQL
아이템
평준화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
BJ
관심도
계산
HQL
(항목
가중치)
99. 0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평균화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Merge
HQL
Redis
Save
(UDF)
HQL
평균화
추천
HQL
아이템
평균화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
Query Base Processing
100. 0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평균화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Merge
HQL
Redis
Save
(UDF)
HQL
평균화
추천
HQL
아이템
평균화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
Query Base Processing
In
Memory
Store
146. 유사도 측정 – 왜 이렇게 알고리즘에 따라
결과가 다른가?
Cosine Similarity !
아빠와 더 닮은 이유?!
Cosine 방식은 Item의 각도 즉 비율을 측정!
그래서 전체적인 비율이 비슷한 아빠가 유사도가 높음
Euclidean Similarity!
엄마와 더 닮은 이유?!
Euclidean은 Item간에 떨어진 거리를 측정!
그래서 엄마가 얼굴이 더 작아서 엄마가 유사도가 높음
147. 이런 사진으로 Eucliean으로 유사도를 측
정한다면?
Euclidean 방식은 아기와 가까운 곳에 있는 사람이 유사하
다고 측정됨
197. 방송 시청
이벤트
Clustering BJ 유사도
HDFS Redis
Cluster
Sorted
Set
hdfs
files
Data
정제
MR
BJ
군집화
MR
Matrix
BJ
유사도
측정
MR
BJ
Matrix
MySQL
관리자 큐레이션 기능
White / Black List / 가중치
198. 방송 시청
이벤트
Clustering BJ 유사도
HDFS Redis
Cluster
Sorted
Set
Hourly Batch Job
hdfs
files
Data
정제
MR
BJ
군집화
MR
Matrix
BJ
유사도
측정
MR
BJ
Matrix
MySQL
관리자 큐레이션 기능
White / Black List / 가중치
199. 방송 시청
이벤트
Clustering BJ 유사도
HDFS Redis
Cluster
Sorted
Set
예전 데이터와 Data
BJ
상관없이
실시간으로 hdfs
정제
군집화
files
MR
변경되는 MR
방송은?
Matrix
BJ
유사도
측정
MR
BJ
Matrix
MySQL
관리자 큐레이션 기능
White / Black List / 가중치
233. Counts
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
Message Queue
방송 시청
방이송벤 트시청
방이송벤 트시청
이벤트
방송 시청
방이송벤 트시청
방이송벤 트시청
방송 시청 이벤트
이벤트
방송 시청
이벤트
Redis
Writer
Redis
Writer
Redis
Writer
Redis
Cluster
Sorted
Set
Aggregation Set
Async Processing
In-Memory
234. Clustering BJ 유사도
Matrix
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
실시간
236. Counts
Message Queue
방송 시청
방이송벤 트시청
방이송벤 트시청
이벤트
방송 시청
방이송벤 트시청
방이송벤 트시청
방송 시청 이벤트
이벤트
방송 시청
이벤트
Redis
Writer
Redis
Writer
Redis
Writer
Redis
Cluster
Sorted
Set
Async
Processing
239. Counts
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
Message Queue
방송 시청
방이송벤 트시청
방이송벤 트시청
이벤트
방송 시청
방이송벤 트시청
방이송벤 트시청
방송 시청 이벤트
이벤트
방송 시청
이벤트
Redis
Writer
Redis
Writer
Redis
Writer
Redis
Cluster
Sorted
Set
Async
Processing
Aggregation
Write
242. Counts
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
방송 시청
이벤트
Message Queue
방송 시청
방이송벤 트시청
방이송벤 트시청
이벤트
방송 시청
방이송벤 트시청
방이송벤 트시청
방송 시청 이벤트
이벤트
방송 시청
이벤트
Redis
Writer
Redis
Writer
Redis
Writer
Redis
Cluster
Sorted
Set
Async
Processing
Aggregation
Write
In
Memory
Store
381. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
시청
자
BJ
방송
Sys
Stat
Hadoop
HQL Jobs
MapReduce
ElasticSearch
Message Queue Architecture
Shard
Store
None
Shard
Store
Zookeeper Coordinator
382. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
수집
API
Hadoop
HQL Jobs
MapReduce
ElasticSearch
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
Network
Mirroring
File/Mysql
Tailer
ZeroMQ
Thrift
383. Data
Stream
Data
Routing
Cache
Store
Batch Process
장애없이 Workflow 고성능의 Jobs
데이터 수집
(네트워크 미러설정, 신뢰성 × )
Realtime Process
수집
API
Hadoop
HQL Jobs
MapReduce
Elastic Search
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
Network
Mirroring
File/Mysql
Tailer
ZeroMQ
Thrift
일반적인 데이터 수집 방법
장애의 영향없이 고성능의 데이터 수집
(신뢰성을 보장 × )
신뢰성이 높음
그러나 에이젼트설치 및 의존성이 높음
384. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
수집
API
Hadoop
HQL Jobs
MapReduce
Elastic Search
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
Network
Mirroring
File/Mysql
Tailer
ZeroMQ
Thrift
-Dynamic한 Data Pipeline의
추가/변경/삭제 장점
- Workflow 들의 scale-out 지원
- Async Data 처리
- 메시지 Broker없이 다이렉트로 메
시지 전달
- 고성능의 데이터 전달 시 (채팅 등)
385. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
수집
API
Hadoop
HQL Jobs
MapReduce
ElasticSearch
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
Network
Mirroring
File/Mysql
Tailer
ZeroMQ
Thrift
386. Data
Stream
Data
Routing
Cache
Store
Batch Process
Shard/None Shard Store
Topology 구성
대량의 서비스 트래픽 수용
Workflow Jobs
중간 / 통계 데이터 저장
중급의 서비스 트래픽 수용
Realtime Process
수집
API
Hadoop
HQL Jobs
MapReduce
Elastic Search
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
Network
Mirroring
File/Mysql
Tailer
ZeroMQ
Thrift
387. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
수집 API
Hadoop
HQL Jobs
MapReduce
Elastic Search
Redis
Cluster
MySQL
Zookeeper Coordinator
UDP
Sender
File/Mysql
Tailer
추천 시스템은?
388. Data
Stream
Data
Routing
Cache
Store
Batch Process
Cowatching Counts
(Workflow Jobs)
Realtime Process
시청
자
BJ
방송
Hadoop
관심도 HQL
연관도
MapReduce
Theme Ranks
(ElasticSearch)
Message Queue Architecture
유저
개인화
(관심도)
BJ
Matrix
(연관도)
Zookeeper Coordinator
Sys
Stat
Theme
Ranks
397. Data
Stream
Data
Routing
Cache
Store
Batch Process
Workflow Jobs
Realtime Process
시청
자
BJ
방송
Hadoop
HQL Jobs
MapReduce
ElasticSearch
Message Queue Architecture
Shard
Store
None
Shard
Store
Zookeeper Coordinator
Sys
Stat
398. Data
Stream
Data
Routing
Cache
Store
Realtime Process
시청
자
BJ
방송
ElasticSearch
!
Message Queue Architecture
None
Shard
Store
Gender/Age 패턴
선형 별풍선 선물 패턴
시청 시간 패턴
강퇴 사용자
…
채팅 패턴
Zookeeper Coordinator