(오리지널 구글 프리젠테이션은 http://goo.gl/uiX2UH 에)
- 권재명 (Jaimyoung Kwon)
1. 실리콘 벨리 데이터 기업들
2. 온라인 광고 사업
3. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 사이언티스트
4. 실리콘 벨리 데이터 사이언티스트의 하루
5. 데이터 사이언스 툴채인
6. 데이터 사이언스 베스트 프랙티스
7. 데이터 사이언스 필수 통계 개념
8. 사내 데이터 사이언스 도입
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
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.
(오리지널 구글 프리젠테이션은 http://goo.gl/uiX2UH 에)
- 권재명 (Jaimyoung Kwon)
1. 실리콘 벨리 데이터 기업들
2. 온라인 광고 사업
3. 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 사이언티스트
4. 실리콘 벨리 데이터 사이언티스트의 하루
5. 데이터 사이언스 툴채인
6. 데이터 사이언스 베스트 프랙티스
7. 데이터 사이언스 필수 통계 개념
8. 사내 데이터 사이언스 도입
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
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.