제1화 추천 시스템 이란.ppt

9,268 views

Published on

아프리카 "추천아 놀자 1회" 방송의 쓰이는 자료 입니다.
http://www.afreeca.com/goodvc

Published in: Engineering
0 Comments
47 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
9,268
On SlideShare
0
From Embeds
0
Number of Embeds
2,037
Actions
Shares
0
Downloads
256
Comments
0
Likes
47
Embeds 0
No embeds

No notes for slide

제1화 추천 시스템 이란.ppt

  1. 1. 추천아 놀자 1 화 추천시스템이란?
  2. 2. 1화 추천 이란?
  3. 3. 김대리의 하루생활
  4. 4. 출근을 할 때 안막히는 도로를 추천 받고
  5. 5. 출근 후 뉴스를 보면 연관 뉴스를 또 보여 주고
  6. 6. 이 메일을 확인하면 볼만한 동영상이 수신되어 있고
  7. 7. 점심 시간에 모발일 게임을 접속하면 형태기반 띠 광고를 보게 되고
  8. 8. 주말에 볼 영화를 찾기위해 Watcha에 접속하면 영화가 추천되고
  9. 9. 집에서 쉬고 있으면 스팸 문자가 수시로 날라 옵니다.
  10. 10. 이렇게 우리의 모든 행위는 기록되고 필요할 때 적절히 추천 됩니다.
  11. 11. 그럼 왜 이렇게 추천할까요?
  12. 12. 우선 파렛토와 롱테일의 법칙? 0 50 100 150 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 data 파렛토: 상위 20%가 80%의 가치를 창출한다. 롱테일: 하위 80%의 다수가 상위 20%의보다 뛰어난 가치를 창출한다.
  13. 13. 파레토 법칙 빌프레도페데리코다마조파레토은이탈리아출신의 정치학자,사회학자,경제학자이다. 그는이탈리아의상위20%의인구가80%의부를소유한 다는사실을관찰해낸것으로유명하다.이는나중에조 지프주란(JosephJuran)등에의해일반화되어파레토법 칙,파레토분포로발전한다. -위키백과- :80
  14. 14. · 통화한 사람 중 20%와의 통화시간이 총 통화시간의 80%를 차지한다. · 즐겨 입는 옷의 80%는 옷장에 걸린 옷의 20%에 불과하다. · 전체 주가상승률의 80%는 상승기간의 20%의 기간에서 발생한다. · 20%의 운전자가 전체 교통위반의 80% 정도를 차지한다. · 20%의 범죄자가 80%의 범죄를 저지른다. · 성과의 80%는 근무시간 중 집중력을 발휘한 20%의 시간에 이뤄진다. · 우수한 20%의 인재가 80%의 문제를 해결한다. 혹은 뇌의 20프로만 사용하여 문제 해결에 필요한 80%를 해결한다 · 운동선수 중 20%가 전체 상금 80%를 싹쓸이한다. · 인터넷 유저의 20%가 80%의 양질의 정보를 생산한다. - 위키 백과 -
  15. 15. 그럼 우리의 생활에서는? · 컴퓨터에 설치한 프로그램 중 20%의 프로그램이 전체 PC 자원의 80%를 사용한다. · 아프리카TV의 시청자는 20%의 BJ가 80%의 시청 자를 가져간다. · 그다음에는 ???
  16. 16. 롱테일의 법칙 긴꼬리(TheLongTail),또는롱테일현상은파레토법칙을그래프에나타냈을때꼬리처 럼긴부분을형성하는80%의부분을일컫는다.파레토법칙에의한80:20의집중현상 을나타내는그래프에서는발생확률혹은발생량이상대적으로적은부분이무시되 는경향이있었다.그러나인터넷과새로운물류기술의발달로인해이부분도경제적 으로의미가있을수있게되었는데이를롱테일이라고한다.이는기하급수적으로줄 어들며양의X축으로길게뻗어나가는그래프의모습에서나온말이다. -위키백과- 20:
  17. 17. 롱테일 비즈니스 - 롱테일:위키백과 - 필터링 자동 수집 롱테일 비지니스도구 롱테일 비즈니스 참여자
  18. 18. 온라인 기업이 롱테일을 실현하기 시작합니다. 롱테일 법칙을 가능하게 한 아마존의 성공 요소 출처 : http://blog.vcnc.co.kr/43 아마존이 서점에서 팔지 않는 책을 온라인에서 많이(57%) 팔았습니다.
  19. 19. 아마존의 롱테일 성공 요소 출처 : http://blog.vcnc.co.kr/43 1. 효과적인 책/사용자 DB구축 2. 아마존 추천시스템 3. OpenAPI 정책을 통한 다양한 접근 경로 구현 개인의 다양성을 중시하고, 노출을 많이 할 수 있는 정책
  20. 20. 아마존의 온라인 책 추천 사례
  21. 21. 산악인의 실제 생존 실화를 쓴 “Touching the void” 1988년 평가는 좋지만 판매는 그닥!!!
  22. 22. 10년 뒤 산악 생존 소설인 “Into Thin Air” 센 세이션 일으킴~~ 이 책과 유사한 “Touching the void”가 일부 고객에 의해 책 서평 등록되고,
  23. 23. 유사성을 판단하여 묶음 상품으로 추천!!!
  24. 24. 10년 전 절판된 “Touching the void” 베스트셀러 등극!!!! 무려 5주 동안!!!!
  25. 25. 구글도 Adsens를 통해 광고시장의 롱테일을 실현 했습니다.
  26. 26. 그럼 이러한 추천(롱테일)의 실질적인 효과를 어떠했을까요? (참고로 추천은 롱테일 실현하기 위한 한 방법 중 하나입니다. )
  27. 27. 외국의 사례 - netflix 대여되는 영화의 2/3가 추천으로부터 발생
  28. 28. 외국의 사례 – google news 38% 이상의 조회가 추천에 의해 발생
  29. 29. 외국의 사례 - amazon 판매의 35% 가 추천으로부터 발생
  30. 30. 국내의 사례 – 레진 코믹스 전체 구매자의 28%가 추천 클릭으로 유입
  31. 31. 국내의 사례 - watcha 출시 1.5년만에 네이버 별점 수의 10배
  32. 32. 그럼 추천은 어떻게 하나요?
  33. 33. 아마존의 추천 - 아마존에서 맥북, 텐트 2건을 쇼핑(클릭) 했습니다. 초기 화면
  34. 34. 아마존의 추천 - 다시 아마존을 방문 했습니다. 내가 본 것과 유사한 아이템 당신이 본 것과 함께 산 아이템 당신이 본 것과 같이 본 아이템
  35. 35. Watcha의 추천 - 나의 예상 별점 예측, 좋아하는 영화, 감독, 배우의 영화를 추천 내가 별점을 많이 줄 영화를 추천하고 내친구가 추천한 영화를 추천하고 내가 좋아할 만한 감독의 영화를 추천하고 내가 좋아할 만한 배우의 영화를 추천하고
  36. 36. 이러한 추천 시스템은 대부분 협업 필 터링과 같은 알고리즘을 사용합니다. 협업 필터링은 유저 기반 추천, 아이템 기반 추천 분류됩니다.
  37. 37. 유저 기반 추천 - 나와 유사한 유저가 본 아이템을 추천 나 나와 같은 것을 본 유저 그들이 본 아이템
  38. 38. 아이템 기반 추천 - 내가 본 아이템과 유사한 아이템을 추천하는 방식 내가 본 것 유사한 아이템
  39. 39. 유저기반 추천방식은 일반적으로 유저간의 유사도를 측정할 만큼의 데이터가 부족하기 때문에 대부분이 아이템 기반의 추천을 선호함
  40. 40. 아프리카TV “추천아 놀자 1회” 방송에 쓰인 자료입니다. 감사합니다. 방송 : http://www.afreeca.com/goodvc 블로그 : http://goodvc78.postach.io

×