PPTX, PDF682 views

[SW Maestro] Team Loclas 1-2 Final Presentation

Using Datamining, we classify 90% of non-logged on person's preference by their searching keywords. It is sufficient to use because it makes useless value to useful and easy-to-performing a target marketing.

Software◦

[SW Maestro] Team Loclas 1-2 Final Presentation

1.
1
2.
2
3.
3
4.
1. 커머스 사이트가매출을 5% 올리는데 소모하는 마케팅 비용은 54억원 2. 통계에 사용되지 않는 사용자들의 온라인 커머스 이용 비율은 4 90% 3. 이 둘을 조합했을 때 기대할 수 있는 마케팅 비용 기대 효과는 54억 → 3억 3천만원 약 50억 7천만원의 비용 절감 효과 출처: 비즈니스포스트(2014.06.19, 2013년 마케팅 매출 비율, http://www.businesspost.co.kr/news/articleView.html?idxno=2608) 조선비즈(2013.11.15, 소셜커머스 규모 http://biz.chosun.com/site/data/html_dir/2013/11/15/2013111502831.html)
5.
검색어 입력 상품발견 쇼핑몰 이동 상품 조회 구매 결정 로그인 5
6.
6
7.
7
8.
8
9.
검색 키워드를 이용한 고객의 성별/연령대 추정 9 진짜트렌추드정 분석
10.
10
11.
검색 키워드 15만개 90.38% 검색 로그 전체를 활용 검색어를 이용한 고객 추정 시스템 11
12.
12
13.
네이버의 실제 카테고리 대분류 11개 중분류 192개 소분류 1794개 13 임의로 정한 카테고리 그러나 셀러들은 1794개나 되는 카테고리를 읽어 볼 시간이 없을 뿐 아니라, 사람이기 때문에 실수를 합니다
14.
14 깔창은 카테고리가부츠로 분류되기도 하고, 똑같은 운동화가 코사지로 분류 됐다가 스니커즈로 분류되기도 합니다
15.
Loclas 추정 카테고리 판매 상품명 마이닝 상품의 분류를 자동으로 수행 15 카테고리 자동분류 시스템은 셀러가 상품의 카테고리를 등록하기 쉽게 도와줍니다
16.
16 저희는 제법많은 숫자의 셀러 등록 문제를 발견할 수 있었고, 자동으로 수정된 결과가 더욱 정확한 것을 발견할 수 있었습니다 머플러 → 숄 부츠 → 신발깔창 여성장갑→ 터치장갑 코사지 → 운동화 이렇게 자동으로 분류를 하게 되면서
17.
홈쇼핑모아의 상품 카테고리자동 분류 17 저희가 함께 작업한 결과물은 실제 서비스 사이트에도 개선을 가져왔습니다 기존: 사람이 직접 검수 및 수정(1시간) 이후: 자동화된 시스템, 최종확인만 사람(5분) 12배의 시간 절약!
18.
1060만 81.48% 카테고리자동 추정 시스템 18
19.
19
20.
로그 및 실시간데모 분석 시각화 서비스 20 본 기술은 기존의 로그 분석 서비스가 제공하던 통계자료 뿐 아니라 로그인 하지 않은 사용자에 대해 시간대, 연령대, 성별 별로 인기검색어, 인기상품, 검색 기록, 특정 사용자의 소비 패턴도 확인할 수 있습니다
21.
로그 및 실시간데모 분석 시각화 서비스 1.인기 검색어 로그인하지 않은 사용자들의 검색 로그도 분석하여 남녀/10대, 20대, 30대, 40대의 인기 검색어를 보기 쉽게 시각화
22.
로그 및 실시간데모 분석 시각화 서비스 10대 여성의 관심사 : 저2렴0한대 여미성용의 관심사 : 미용30대 여성의 관심사40대: 육여아성의 관심사 : 주방
23.
23 로그 및실시간 데모 분석 시각화 서비스 10대 남성의 관심사 :2 0전대자남제성품의, 캐관주심사얼:3 여0대행남성의 관심사 : 차40량대, 남가성전의제관품심사 : 가전제품, 등산
24.
24 로그 및실시간 데모 분석 시각화 서비스 2.인기 상품 로그인하지 않은 사용자들의 검색 로그도 분석하여 남녀/10대, 20대, 30대, 40대의 인기 상품을 보기 쉽게 시각화
25.
25 로그 및실시간 데모 분석 시각화 서비스 10대 여성 인2기0대상품여성: 저인렴기한상미품용: 미3용0대 여성 인기 상품 : 육아40, 대주방여성-생인활기 상품 : 주방, 생활, 가전
26.
26 로그 및실시간 데모 분석 시각화 서비스 10대 남성 인기20대상품남:성 스인마기트상폰품: 여행,3 0노대트남북성 인기 상품: 가전제40품대, 남생성활인기 상품: 보험, 생활
27.
27 로그 및실시간 데모 분석 시각화 서비스 사용자 분석 실시간 검색 로그를 분석하여 시간대/사용자별 검색 통계와 성별/연령별 예상되는 사용자 시각화
28.
28 로그 및실시간 데모 분석 시각화 서비스 시간 범위 설정
29.
29 로그 및실시간 데모 분석 시각화 서비스 사용자 클릭
30.
30 로그 및실시간 데모 분석 시각화 서비스 검색어 클릭
31.
31 로그 및실시간 데모 분석 시각화 서비스 회원 정보가 없는 이 사용자가 남자일까 여자일까? 꾸미기 좋아하는 20대일까? 아기를 키우는 30대일까? 건강을 챙기기 시작하는 40대일까? 성별/연령별 예상되는 사용자 시각화
32.
32 로그 및실시간 데모 분석 시각화 서비스
33.
33 로그 및실시간 데모 분석 시각화 서비스 검색 기록 및 분석결과 테이블
34.
로그 및 실시간데모 분석 시각화 서비스 90% 실시간 쉬운
35.
35
36.
Log Collector Classifier Storage Visualizer Web Framework Service Processing Commerce Site Falcon Loclas
37.
37
38.
타겟 마케팅 자동 트렌디 38 • 실시간 관심사
39.
39
40.
수익 • 타겟마케팅 최적화 40
41.
엔진 개발 최소화 제출 3위 우수논문상 41
42.
채팅 내용 자동분류 맞춤형 오픈소스 42
43.
감사합니다 www.loclas.com 43

Editor's Notes

#5 아주 간단한 몇 줄로 소개. 사진은 우리 서비스를 한눈에 보여줄 수 있는 화면으로 대체(뭐가 좋을까요)
#6 - 다음 슬라이드에 1. 많은 커머스 사이트들이 로그를 충분히 활용하지 못하고 있다는 것을 보여주는 구체적인 사례를 제시한다.-> 흥미 유발 로그인 하지 않은 사용자(성별, 연령등의 정보가 없는 사용자)가 차지하는 비중이 상당히 많다는 것을 보여줄 수 있을까요? 실제 커머스 사이트의 사용자 패턴 흐름을 보여주며, (로그인 하지 않고 사이트를 보다가 살 때야 되어야 로그인을 하게 되니, 사이트는 그때야 되야 사용자를 알게 된다. 청중들의 수준이 마이닝에 알 것인가. 마이닝을 모른다면 마이닝에 대해(Classification)에 대해 간단한 설명을 해야 할 것이다. 구글 사례? 구글 검색결과가 사람마다 다른 것을 예를 들어서 Before -> After (우리 것) 20대 여성이든 30대 여성이든 커머스 사이트들은 다 똑같은 것을 적용하고 있었지만 우리 엔진을 적용한 이후에는 사용자 세그먼트를 예상하여 맞춤형으로 제시할 수 있다. 빅데이터의 중요성 – 자료가 많다는 것 보다는 어떻게 이를 정보로 뽑아내냐가 중요한데 이를 잘 활용하고 있지 못하는 커머스 사이트들에게서 실시간으로 로그를 활용할 수 있도록 만들기 위해서 데이터마이닝을 사용하였다 다들 아는 예시를 그림으로 – 마이닝에 대하여 쇼핑과 연관된 모두가 윈윈하는 모델. 관리자(키바나 통계), 파는 사람(상품검색), 사는 사람(검색어만으로 나에 대해 분류해줌) 모두 윈윈하는 모델. 다음 피티에 위의 세가지 측면에 대한 도면 – 의의 마케팅을 할 때 타겟. 3. 네이버의 카테고리를 학습함으로써 많은 분야를 커버한다. 경쟁사 Wiselog : 다른 경쟁사에서의 개인화 추천? – 아직 도입 분야이다. 개발중, 발전중인 상황이다. Wiselog에 이메일을 보내서 물어본다. 사용한 데이터, 분류 카테고리
#7 - 다음 슬라이드에 1. 많은 커머스 사이트들이 로그를 충분히 활용하지 못하고 있다는 것을 보여주는 구체적인 사례를 제시한다.-> 흥미 유발 로그인 하지 않은 사용자(성별, 연령등의 정보가 없는 사용자)가 차지하는 비중이 상당히 많다는 것을 보여줄 수 있을까요? 실제 커머스 사이트의 사용자 패턴 흐름을 보여주며, (로그인 하지 않고 사이트를 보다가 살 때야 되어야 로그인을 하게 되니, 사이트는 그때야 되야 사용자를 알게 된다. 청중들의 수준이 마이닝에 알 것인가. 마이닝을 모른다면 마이닝에 대해(Classification)에 대해 간단한 설명을 해야 할 것이다. 구글 사례? 구글 검색결과가 사람마다 다른 것을 예를 들어서 Before -> After (우리 것) 20대 여성이든 30대 여성이든 커머스 사이트들은 다 똑같은 것을 적용하고 있었지만 우리 엔진을 적용한 이후에는 사용자 세그먼트를 예상하여 맞춤형으로 제시할 수 있다. 빅데이터의 중요성 – 자료가 많다는 것 보다는 어떻게 이를 정보로 뽑아내냐가 중요한데 이를 잘 활용하고 있지 못하는 커머스 사이트들에게서 실시간으로 로그를 활용할 수 있도록 만들기 위해서 데이터마이닝을 사용하였다 다들 아는 예시를 그림으로 – 마이닝에 대하여 쇼핑과 연관된 모두가 윈윈하는 모델. 관리자(키바나 통계), 파는 사람(상품검색), 사는 사람(검색어만으로 나에 대해 분류해줌) 모두 윈윈하는 모델. 다음 피티에 위의 세가지 측면에 대한 도면 – 의의 마케팅을 할 때 타겟. 3. 네이버의 카테고리를 학습함으로써 많은 분야를 커버한다. 경쟁사 Wiselog : 다른 경쟁사에서의 개인화 추천? – 아직 도입 분야이다. 개발중, 발전중인 상황이다. Wiselog에 이메일을 보내서 물어본다. 사용한 데이터, 분류 카테고리
#8 - 다음 슬라이드에 1. 많은 커머스 사이트들이 로그를 충분히 활용하지 못하고 있다는 것을 보여주는 구체적인 사례를 제시한다.-> 흥미 유발 로그인 하지 않은 사용자(성별, 연령등의 정보가 없는 사용자)가 차지하는 비중이 상당히 많다는 것을 보여줄 수 있을까요? 실제 커머스 사이트의 사용자 패턴 흐름을 보여주며, (로그인 하지 않고 사이트를 보다가 살 때야 되어야 로그인을 하게 되니, 사이트는 그때야 되야 사용자를 알게 된다. 청중들의 수준이 마이닝에 알 것인가. 마이닝을 모른다면 마이닝에 대해(Classification)에 대해 간단한 설명을 해야 할 것이다. 구글 사례? 구글 검색결과가 사람마다 다른 것을 예를 들어서 Before -> After (우리 것) 20대 여성이든 30대 여성이든 커머스 사이트들은 다 똑같은 것을 적용하고 있었지만 우리 엔진을 적용한 이후에는 사용자 세그먼트를 예상하여 맞춤형으로 제시할 수 있다. 빅데이터의 중요성 – 자료가 많다는 것 보다는 어떻게 이를 정보로 뽑아내냐가 중요한데 이를 잘 활용하고 있지 못하는 커머스 사이트들에게서 실시간으로 로그를 활용할 수 있도록 만들기 위해서 데이터마이닝을 사용하였다 다들 아는 예시를 그림으로 – 마이닝에 대하여 쇼핑과 연관된 모두가 윈윈하는 모델. 관리자(키바나 통계), 파는 사람(상품검색), 사는 사람(검색어만으로 나에 대해 분류해줌) 모두 윈윈하는 모델. 다음 피티에 위의 세가지 측면에 대한 도면 – 의의 마케팅을 할 때 타겟. 3. 네이버의 카테고리를 학습함으로써 많은 분야를 커버한다. 경쟁사 Wiselog : 다른 경쟁사에서의 개인화 추천? – 아직 도입 분야이다. 개발중, 발전중인 상황이다. Wiselog에 이메일을 보내서 물어본다. 사용한 데이터, 분류 카테고리
#10 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 로고, 검색버튼, 그래프 업데이트 후에 영상 녹화 진행 발표를 진행하며 심사위원 분들에게 데모를 진행하시도록 한다. 동영상은 시간에 따라서 소개. 심사위원 데모를 함께 진행 우리는 로그인 하지 않은 사용자를 추정하는 것이지만 현재 장소상 IP가 동일하기 때문에 회원가입을 유도. 동영상? 동영상을 잘 못 만들 것이면, 스크린샷이 나을 것이다. -> 스크린샷 카테고리 분류와 사용자 분류는 적당히 분배하여 1,3 페이지에서 설명한다.
#11 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 로고, 검색버튼, 그래프 업데이트 후에 영상 녹화 진행 발표를 진행하며 심사위원 분들에게 데모를 진행하시도록 한다. 동영상은 시간에 따라서 소개. 심사위원 데모를 함께 진행 우리는 로그인 하지 않은 사용자를 추정하는 것이지만 현재 장소상 IP가 동일하기 때문에 회원가입을 유도. 동영상? 동영상을 잘 못 만들 것이면, 스크린샷이 나을 것이다. -> 스크린샷 카테고리 분류와 사용자 분류는 적당히 분배하여 1,3 페이지에서 설명한다.
#12 상푸검색 및 유저&검색어 사용자 세그먼트 추정에 대한 기술적인 내용 첫번째에서 카테고리 분류기에 대한 설명 홈쇼핑 모아의 카테고리 – 스크린샷 예시 성능수치, 특이점 및 차별점, 실제 사용 사례 – 80만 사용자가 사용중인 홈쇼핑 모아에서 적용 효율성 - 기존에 사람에 한시간 가까이 카테고리 분류했던 것을 10분 내로 할 수 있도록 효율화 시킴 효과성 - 사람이 직접 하는 것 보다 정확하다. 상품 분류에서 사용자 분류에 대한 설명
#14 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 로고, 검색버튼, 그래프 업데이트 후에 영상 녹화 진행 같은 내용인데 누적된 결과다라는 식으로 생각을 해 본다.
#16 카테고리 분류 관련하여 발표 시나리오에 맞게 세부
#19 상푸검색 및 유저&검색어 사용자 세그먼트 추정에 대한 기술적인 내용 첫번째에서 카테고리 분류기에 대한 설명 홈쇼핑 모아의 카테고리 – 스크린샷 예시 성능수치, 특이점 및 차별점, 실제 사용 사례 – 80만 사용자가 사용중인 홈쇼핑 모아에서 적용 효율성 - 기존에 사람에 한시간 가까이 카테고리 분류했던 것을 10분 내로 할 수 있도록 효율화 시킴 효과성 - 사람이 직접 하는 것 보다 정확하다. 상품 분류에서 사용자 분류에 대한 설명
#21 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 로고, 검색버튼, 그래프 업데이트 후에 영상 녹화 진행 발표를 진행하며 심사위원 분들에게 데모를 진행하시도록 한다. 동영상은 시간에 따라서 소개. 심사위원 데모를 함께 진행 우리는 로그인 하지 않은 사용자를 추정하는 것이지만 현재 장소상 IP가 동일하기 때문에 회원가입을 유도. 동영상? 동영상을 잘 못 만들 것이면, 스크린샷이 나을 것이다. -> 스크린샷 카테고리 분류와 사용자 분류는 적당히 분배하여 1,3 페이지에서 설명한다.
#22 10대 여성 - 고데기, 뽕고데기 - 저렴한 미용 20대 여성- 젤네일 - 미용 30대 여성 - 휴롬 (녹즙기) 알집매트(유아용품) ....- 유아용품 40대 여성 - 유산균, 포트메리온, 냉장고 - 비싼, 건강 10대 남성 - 아디다스 20대 남성 - 노트북, 여행 30대 남성 - 에어콘, 텐트, 맥포머스, 블랙박스 - 레저 40대 남성 - 등산복
#23 10대 여성 - 고데기, 뽕고데기 - 저렴한 미용 20대 여성- 젤네일 - 미용 30대 여성 - 휴롬 (녹즙기) 알집매트(유아용품) ....- 유아용품 40대 여성 - 유산균, 포트메리온, 냉장고 - 비싼, 건강 10대 남성 - 아디다스 20대 남성 - 노트북, 여행 30대 남성 - 에어콘, 텐트, 맥포머스, 블랙박스 - 레저 40대 남성 - 등산복
#24 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#25 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#26 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#27 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#28 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#29 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#30 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#31 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#32 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#33 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#34 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 키바나 실시간 분석 완료한 후 녹화 진행 동영상 보다는 PT 중간에 키바나에 접속하여 효과적인 Visualization을 보여준다. + 실시간 통계 분류기가 분류기 해 놓은 분류 결과 통계를 집어주며 보여준다. 대표적인 통계 예시 : 우리가 결과물을 잘 만들었다. Kibana 오픈소스를 우리 소스에 맞게 최적화 시킴 사이트가 바뀌더라도 손쉽게 바뀔 수 있는 구조
#35 상푸검색 및 유저&검색어 사용자 세그먼트 추정에 대한 기술적인 내용 첫번째에서 카테고리 분류기에 대한 설명 홈쇼핑 모아의 카테고리 – 스크린샷 예시 성능수치, 특이점 및 차별점, 실제 사용 사례 – 80만 사용자가 사용중인 홈쇼핑 모아에서 적용 효율성 - 기존에 사람에 한시간 가까이 카테고리 분류했던 것을 10분 내로 할 수 있도록 효율화 시킴 효과성 - 사람이 직접 하는 것 보다 정확하다. 상품 분류에서 사용자 분류에 대한 설명
#39 데모 시스템을 설명할 때 해당 기능에 해당하는 짧은 데모 영상을 준비하는 것이 좋을 것 같습니다. 로고, 검색버튼, 그래프 업데이트 후에 영상 녹화 진행 발표를 진행하며 심사위원 분들에게 데모를 진행하시도록 한다. 동영상은 시간에 따라서 소개. 심사위원 데모를 함께 진행 우리는 로그인 하지 않은 사용자를 추정하는 것이지만 현재 장소상 IP가 동일하기 때문에 회원가입을 유도. 동영상? 동영상을 잘 못 만들 것이면, 스크린샷이 나을 것이다. -> 스크린샷 카테고리 분류와 사용자 분류는 적당히 분배하여 1,3 페이지에서 설명한다.
#41 의의 및 발전가능성, 소감,
#42 의의 및 발전가능성, 소감,
#43 의의 및 발전가능성, 소감,

[SW Maestro] Team Loclas 1-2 Final Presentation

More Related Content

Similar to [SW Maestro] Team Loclas 1-2 Final Presentation

More from Mad Scientists

[SW Maestro] Team Loclas 1-2 Final Presentation

Editor's Notes