제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 무드등 팀에서는 아래와 같은 프로젝트를 진행했습니다.
무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
20기 이호림 숙명여자대학교 경영학부
20기 노승혜 숙명여자대학교 소비자경제학과
20기 정다인 성신여자대학교 통계학과
20기 홍나연 숭실대학교 정보통계보험수리학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 무드등 팀에서는 아래와 같은 프로젝트를 진행했습니다.
무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
20기 이호림 숙명여자대학교 경영학부
20기 노승혜 숙명여자대학교 소비자경제학과
20기 정다인 성신여자대학교 통계학과
20기 홍나연 숭실대학교 정보통계보험수리학과
패스트캠퍼스 데이터 사이언스 SCHOOL 3기 프로젝트 _개인맞춤 패션 쇼핑몰 상품 추천 시스템
* The numerous online fashion stores in Korea recommend ‘some items purchased by other members who purchased this item’ or ‘the most popular items’ to their members. However the accuracy of recommendation is poor.
* To improve the performance of recommendation, I use collaborative filtering with member's ratings of each item.
Github : https://github.com/moonkwoo/DataScience/tree/master/project/shopping%20recommendation
본 슬라이드는 네이버 파트너스퀘어 온라인 아카데미에서 교육중인 강의 자료입니다.
네이버 파트너스퀘어 온라인 아카데미는 사업자 여러분을 위한 다양한 교육을 온라인에서 무료로 지원하고 있습니다.
ROI 향상을 위해 고려해야 하는 지표에는 크게
클릭률(CTR)과 전환율(CVR)이 있습니다.
광고 효과와 매출, 수익과 직결되는 이 두 가지 지표를 고려하여
ROI를 향상시키는 5가지의 전략 중 첫 번째, 키워드 확장 전략에 대해 알아보도록 하겠습니다.
[ ROI를 향상 전략 ]
1. 키워드 확장 전략 - CTR과 CVR이 모두 높은 광고
2. 랜딩페이지 최적화 전략 - CTR은 높고, CVR은 낮은 광고
3. 키워드 On/Off 전략 - CTR과 CVR이 모두 낮은 광고
4. 광고문안 전략 - CTR은 낮고, CVR은 높은 광고
5. 효율적인 입찰 전략 - CTR은 낮고, CVR은 높은 광고
입점채널을 통하지 않고 소비자에게직접 상품을 판매하는
D2C 전략의 중요성이 커지면서
'자사몰'이 전략의 중심으로 부상했습니다.
-
기업들은 자사몰을 어떻게 강화하고 있으며
이를 활성화 시키기 위해 어떤 마케팅 전략을 펼치고 있을까요?
-
성공적인 자사몰 캠페인을 위해
시장현황, 마케팅 전략, 효과적인 미디어를 알아보고
메조미디어에서만 제공하는 프로모션까지 만나보세요!
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)Minwoo Kim
- 강의록 전문 읽기: http://bit.ly/2KKtzRA
데이터 분석(데이터 사이언스 말고, 통상적으로 스타트업에서 '데이터 분석'이나 '그로스'에 쓰는 데이터 분석)을 공부하려면, 어떤 기본 개념을 가지고 계시면 좋을지에 대해 만들어 본 강의 자료입니다.
카우앤독에서 지인 위주로 꾸린 강의에서 꽤 좋은 평가를 받았으나, 강의안 준비가 너무 힘들어서 실제 유료 강의로 이어지지는 않은 비운의 슬라이드...
멘탈 모델이란 무엇인지, 지표는 무엇이며 퍼널(Funnel)은 무엇인지, 등등의 이야기를 합니다. 기승전 결론은 SQL 배우세요. (https://brunch.co.kr/@minu-log/4)
패스트캠퍼스 데이터 사이언스 SCHOOL 3기 프로젝트 _개인맞춤 패션 쇼핑몰 상품 추천 시스템
* The numerous online fashion stores in Korea recommend ‘some items purchased by other members who purchased this item’ or ‘the most popular items’ to their members. However the accuracy of recommendation is poor.
* To improve the performance of recommendation, I use collaborative filtering with member's ratings of each item.
Github : https://github.com/moonkwoo/DataScience/tree/master/project/shopping%20recommendation
본 슬라이드는 네이버 파트너스퀘어 온라인 아카데미에서 교육중인 강의 자료입니다.
네이버 파트너스퀘어 온라인 아카데미는 사업자 여러분을 위한 다양한 교육을 온라인에서 무료로 지원하고 있습니다.
ROI 향상을 위해 고려해야 하는 지표에는 크게
클릭률(CTR)과 전환율(CVR)이 있습니다.
광고 효과와 매출, 수익과 직결되는 이 두 가지 지표를 고려하여
ROI를 향상시키는 5가지의 전략 중 첫 번째, 키워드 확장 전략에 대해 알아보도록 하겠습니다.
[ ROI를 향상 전략 ]
1. 키워드 확장 전략 - CTR과 CVR이 모두 높은 광고
2. 랜딩페이지 최적화 전략 - CTR은 높고, CVR은 낮은 광고
3. 키워드 On/Off 전략 - CTR과 CVR이 모두 낮은 광고
4. 광고문안 전략 - CTR은 낮고, CVR은 높은 광고
5. 효율적인 입찰 전략 - CTR은 낮고, CVR은 높은 광고
입점채널을 통하지 않고 소비자에게직접 상품을 판매하는
D2C 전략의 중요성이 커지면서
'자사몰'이 전략의 중심으로 부상했습니다.
-
기업들은 자사몰을 어떻게 강화하고 있으며
이를 활성화 시키기 위해 어떤 마케팅 전략을 펼치고 있을까요?
-
성공적인 자사몰 캠페인을 위해
시장현황, 마케팅 전략, 효과적인 미디어를 알아보고
메조미디어에서만 제공하는 프로모션까지 만나보세요!
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)Minwoo Kim
- 강의록 전문 읽기: http://bit.ly/2KKtzRA
데이터 분석(데이터 사이언스 말고, 통상적으로 스타트업에서 '데이터 분석'이나 '그로스'에 쓰는 데이터 분석)을 공부하려면, 어떤 기본 개념을 가지고 계시면 좋을지에 대해 만들어 본 강의 자료입니다.
카우앤독에서 지인 위주로 꾸린 강의에서 꽤 좋은 평가를 받았으나, 강의안 준비가 너무 힘들어서 실제 유료 강의로 이어지지는 않은 비운의 슬라이드...
멘탈 모델이란 무엇인지, 지표는 무엇이며 퍼널(Funnel)은 무엇인지, 등등의 이야기를 합니다. 기승전 결론은 SQL 배우세요. (https://brunch.co.kr/@minu-log/4)
39. 추천 서비스 정리
• 사이트 특성에 맞게 다양한 추천 서비스를 제공하며, 계속 확
장 중
• 추천 적용이 간단하며, 종류 별로 성과 측정이 가능함
1. 상품 기준(Item-to-Item) 추천(3종)
1) 함께 본 상품 (ViewTogether)
2) 함께 구매한 상품 (BuyTogether)
3) 연관 컨텐츠 상품 (Content-based Recommendation)
2. 사용자 기준(User-to-Item) 추천(2종)
1) 개인화 추천
2) 실시간 개인화 추천
3. 통계형 추천(6종)
1) View Top 100
2) Buy Top 100
3) 구매전환 Top 100
4) 추천클릭 Top 100
5) 추천유입 Top 100
6) SNS유입 Top 100
40. 추천 적용 및 성과 확인 방법
• 추천 적용 방법
– 추천을 어떻게 사이트에 적용할 수 있을까?
• 성과 확인 방법
– 추천 영역에서 트래픽이 얼마나 발생할까?
– 추천 영역에서 매출이 얼마나 발생할까?
51. 채널 (영역)별 추천 클릭률
• 추천이 노출된 영역 별로 클릭률을 각각 확인
– 어느 영역에서 사용자들이 추천에 가장 잘 반응하는
가?
52. 추천 경유 매출
• 사용자가 추천 리스트에서 상품을 클릭하고, 해
당 상품을 24시간 안에 구매하여 매출이 발생한
경우
Top 채널의
사용자 경유 매출
추적
53. 채널 (영역)별 경유 매출 비교 분석
• 상품 상세 페이지 하단에는 왜 경유 매출이 안 나올까?
– 알고리즘을 바꿔볼까?
• 구매완료 페이지에서의 경유 매출은 0
– 개인화 추천 or 인기 상품을 뿌려볼까?
메인 페이지
인기 상품
메인 페이지
개인화
상품
상세
상품 상세
하단
장바
구니
다양한 가설을
직접 검증할 수
있음
구매
완료
사이
드바
54. 타 사이트 사례 공유
• 11번가
– 추천 노출 유무 비교 테스트
– 추천 UI 테스트
• T사 사례
– 자체 추천 vs RecoPick 추천
56. 모바일 11번가 A/B 테스트 (추천 노출 유무)
• 정말 추천이 효과가 있을까?
– 2014. 7. 1 ~2014. 8. 3
– 동일 기간 사용자 그룹을 나누어 테스트
No
Recommendation
57. 모바일 11번가 A/B 테스트 결과
• 추천을 노출한 그룹에서 인당 상품뷰는 5.6%상승하고, 매출은
인당 상품뷰
100.0%
105.6%
그룹별 전체 매출
100.0%
102.9%
2.9% 상승
58. 추천을 어떻게 노출하는 것이 가장 효과적일
까?
• 타 모바일 사이트 사례를 보면, 횡스크롤이 있는 경
우 클릭률이 1~2% 더 높게 나타남
5.54% (C사)
5.87% (V사)
6.61% (O사)
6.78% (B사)
6.86% (T사)
3.67% (M사)
4.57% (H사)
4.73% (C사)
59. 모바일 11번가 UI A/B 테스트
4개의 상품을 노출 3*5 개의 상품을
테스트 기간 8/5~8/18
노출
8개의 상품을 노출
60. 모바일 11번가 UI A/B 테스트
클릭률 5.12% 5.67% (▲10.8%) 6.81% (▲33.0%)
경유매출 100% 110% (▲10.0%) 121% (▲21.0%)
61. T사 모바일 사이트 A/B 테스트
• 동일한 위치에서 추천의 종류를 바꿔서 테스트
상품 상세 페이지 상품 상세 페이지
62. T사 모바일 사이트 A/B 테스트 결과 (1/2)
• 자체 개발 추천 대비 RecoPick 추천에서 추천
클릭 수가 40% 이상 증가
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
RecoPick 추천 자체 개발 추천
63. T사 모바일 사이트 A/B 테스트 결과 (2/2)
• 자체 개발 추천 대비 RecoPick 추천에서 추천
경유 매출이 30% 이상 증가
RecoPick 경유 매출 자체 추천 경유 매출