[RecoPick] 제2회 설명회 자료 20140828

RecoPick

Service Brief 2014

목차

1. RecoPick팀 소개

2. 추천 필요성 및 도입시 고려사항

3. RecoPick 특징, 장점 및 차별화 포인트

4. RecoPick 추천 서비스 소개

5. 추천을 통한 성과 측정 Case Study

6. New Pricing Plan 소개

7. Q & A

RecoPick팀 소개

SK플래닛 사내벤처(Planet X)로 출발(2013) 11번가/T스토어 등에 사용되는 추천기술을 대외사업화 인력구성(11명) = 개발(7) + 사업(3) + 디자인(1)

홈페이지 : www.recopick.com 블로그 : blog.recopick.com 페이스북 : facebook.com/recopick

RecoPick = Recommendation +Editor’s Pick

http://www.recopick.com/

blog.recopick.com

facebook.com/recopick

쇼핑의 과학

‘어떻게 하면 소비자를 매장에 오래 붙잡아 놓고

물건 하나라도 더 팔 수 있을까에 대한 행동학적 고찰’

‘ 쇼핑의 과학은 관찰에서 출발하면서

하나의 경향성(패턴)을 발견하는 과정’

‘ 가장 인기있는 것’과 ‘나에게 가장 좋은 것’

은 다르다. by Paco Underhill, CEO of Envirosell

상품진열의 과학(1/2)

<출처 : http://inside.chosun.com/site/data/html_dir/2012/06/01/2012060100702.html >

http://inside.chosun.com/site/data/html_dir/2012/06/01/2012060100702.html

상품진열의 과학(2/2)

1) 대형마트의 ‘연관 진열’ Case 생선매장 + 화이트 와인 라면매장 + 양은 냄비 수산물/정육 코너 + 요리책

2) 같은 진열대라도 인기상품, 마진이 큰 상품을 오른쪽에 배치

3) 백화점 판매대의 높이 82cm

추천, 정말 필요한가? (1/2)

Amazon / Netflix, 그리고 추천 추천은 단순 feature가 아닌, 잘 설계된 상품탐색 경로를 제시하여

구매전환을 촉진하는 장치 고객의 구매심리를 어떻게 과학적으로 자극할 것인가의 문제 사이트와 고객간 데이터 기반 대화

추천의 역할 1) 고객의 구매패턴에 기반한 상품 제시

대체재 / 보완재 추천 개인화 추천 / 장바구니 리마인딩 등

2) 이용 편의성 제공 : 재구매 주기 예측

3) 상품 전시관리 지원 : 지금 뜨고 있는 상품? 지난 3일간 노출대비 구매전환이 높은 상품

추천, 정말 필요한가? (2/2)

웹에서 모바일로의 쇼핑트렌드 변화 자동화된 추천의 역할에 주목해야… 모바일 추천성과 1.5배(PC 웹과 비교시)

PC Web : 목적구매, 검색/가격비교

Mobile : 충동구매, 큐레이션

추천 도입 시 고려사항

자체구축 아니면 솔루션 도입? 초기투자에 대한 부담

별도 개발인력, 서버 등 인프라 자체 구축, 시스템 운영

비싼 패키지 솔루션, 유지/보수 어려움…

작게 시작하되 지속적인 실험을 통한 개선 추구 가설 수립 : 추천 알고리즘/노출영역 효과 측정 : 클릭률/경유매출 지속적인 개선 / 확장

Risk는 최소화 하면서 ROI는 극대화!

Recommendation-as-a-Service 추가개발이나 데이터 연동 없음 (개인정보 이슈 없음)

추천 서비스 별 widget과 API 제공

산업군별 Best Practice 도입

트래픽 기반 후불 결제방식 (30일 무료 테스트)

이젠 추천도 서비스 받는 시대

스크립트 한줄로 아마존과 같은 추천서비스를!

“이 상품을 구매한 분들은 이런상품들도 구매하셨습니다”

“이 상품을 본 고객이 많이 본 다른 상품”

RecoPick 현황 : 14. 8. 28 현재

총 83억 건의 로그 수집(누적)

월 7.4억 건의 로그 수집(월)

월 4.2억 건의 추천 요청(월)

월 9.4백만 건의 추천 클릭(월)

다양한 서비스를 대상으로 지속적이며 안정적으로 추천 서비스 제공 중

특징 및 장점

1. Recommendation-as-a-Service RecoPick : 데이터 수집/분석/처리 고객사 : 스크립트/메타 태그 추가 로그수집 1주일 후 추천 적용 가능(웹/모바일)

2. 검증된 추천 품질과 안정성 추천 개발인력의 전문성 추천 알고리즘의 우수성 서비스 안정성 : 35개 사이트/월간 7억 건 로그 처리

3. 무료 테스트를 통한 추천 성과 확인 30일간의 무료 테스트 추천 서비스 별 / 노출영역별 성과 측정 가능

다양한 추천 서비스(11종)

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

추천 서비스별/ 노출 영역별

성과 측정 가능

차별화 포인트

1. 처리하는 데이터 규모 고객사의 최근 60일~90일간의 전체 로그 데이터 활용 예) 일 평균 PV 3백만 사이트 : 최대 2.7억 건의 로그를 추천에 계산

2. 가장 최근 구매 트렌드 반영 사용자 기준 추천은 실시간으로 제공 최대 12시간 간격으로 모든 상품에 대해 추천 계산 및 업데이트

3. 고객의 구매행동에 대한 다층 분석 구매 행동 type별 가중치 : View < 장바구니 < 구매 최근 발생 Action에 가중치 : 과거 < 현재 사용자 의도 파악 : Referral 페이지( 메인 페이지 < 검색/서브 ) 추천 노출 후 사용자의 피드백 수집 및 반영

적용 방법

Step 1. 계정 신청 https://recopick.com/join/agreement

Step 2. 로그수집 스크립트와 메타태그 삽입 로그수집 현황은 어드민 대시보드를 통해 실시간 확인 가능 개발 가이드 :

http://docs.recopick.com/pages/viewpage.action?pageId=491543

Step 3. 추천 적용 로그수집 시작 1주일 후 추천결과 사이트 적용 RecoPick 추천 위젯 사용 Custom 디자인 적용 지원 개발 가이드


https://recopick.com/join/agreement



패션 디자인 쇼핑몰

www.halfclub.com

ogage.halfclub.com

outdous.halfclub.com

www.10x10.co.kr

www.ode.co.kr

www.naingirl.com

www.meosidda.com

www.monobarbie.com

www.moongori.com

www.1200m.com

www.thejany.co.kr

www.45seven.com

www.mutnam.co.kr

www.vanillashu.co.kr

www.boribori.co.kr

www.mrkoon.com

www.clicknfunny.com

www.11st.co.kr

m.11st.co.kr

book.11st.co.kr

www.hani.co.kr

m.hani.co.kr

www.lezhin.com

m.mrblue.com

www.foodfly.co.kr

www.hellonature.net

RecoPick 적용사이트

오픈 마켓 소셜 커머스

뉴스/미디어 Food

RecoPick 적용사이트

RecoPick 추천서비스 및 사례공유

2014.08.28

목차

1. 다양한 추천 서비스 소개

2. 추천 적용 및 성과 확인 방법

3. 타 사이트 사례공유

4. Q & A

추천 서비스 소개

• 사용자 기준 추천

• 상품 기준 추천

• 통계형 추천

사용자 기준(User-to-Item) 추천

• 개인화 추천

• 실시간 개인화 추천

개인화 추천

• 사용자의 지난 3개월간의 로그를 바탕으로 추천 상품을 계산

사용자

20대 여성

주부

애견인

최근 행동로그 추천 상품

추천 상품 최근 행동로그


왜 개인화 추천을 써야 하나요?

개인화 추천 인기 상품

• 단순 인기 상품 노출 대비 클릭률이 2~4배 정도 증가

기존 개인화 추천의 한계

1. 갑자기 자전거에 관심이 생김 – 관련 추천 없음

2. 오늘 처음 온 사용자 – 내일까지 추천 상품 없음

3. 사실 대부분의 사용자들은 – 상품을 3개 이하로 보고 나간다..

실시간 개인화 추천

• 기존 개인화 추천 – 사용자의 3개월 간의 전체 로그를 모두 분석

• 실시간 개인화 추천 – 사용자의 최근 로그를 실시간으로 분석

사용자

로그 API

실시간 추천 서버

추천 API

실시간 처리 및 즉시 적용



• 하나의 상품을 보더라도 추천 리스트 즉시 제공

인기 상품 vs 개인화 vs 실시간 개인화

개인화 추천 인기 상품 실시간 개인화

1 %

7 %

10 %

0.8 %

3.2 %

6.4 %

사례) 모바일 메인 A/B test 결과 - 클릭률

• 모바일 메인 페이지에 동일한 UI에서 두 추천을 노출 – 클릭률 87 % 증가

개인화 추천 실시간 개인화

사례) 모바일 메인 A/B test 결과 - 경유 매출

• 모바일 메인 페이지에 동일한 UI에서 두 추천을 노출 – 경유 매출 597 % 증가

개인화 실시간 개인화

경유매출 비교

기존 개인화 추천 적용 사례

• 대부분 메인 페이지에 적용됨

실시간 개인화 추천 적용 사례

• 사용자에 adaptive하게 추천 리스트가 계속 변경됨

상품 상세 페이지 하단 사이트 전체 윙배너

실시간 개인화 추천 적용 사례(마이 페이지)

실시간 개인화 추천 적용 사례(로그아웃 페이지)





• ViewTogether (함께 본 상품) – 상품 보기, 장바구니, 구매하기

• BuyTogether (함께 구매한 상품) – 장바구니, 구매하기

• Contents Based Recommendation – 상품 보기, 상품의 설명

상품기준(Item-to-Item) 추천

상품기준 추천 사례

ViewTogether

BuyTogether

ViewTogether

BuyTogether

ViewTogether BuyTogether

80~90%

20~30%

추천의 Coverage

왜 BuyTogether를 써야 하나요?

• ViewTogether (함께 본 상품) – 상품 보기, 장바구니, 구매하기

• BuyTogether (함께 구매한 상품) – 장바구니, 구매하기

• Contents Based Recommendation – 상품 보기, 상품의 설명

상품기준(Item-to-Item) 추천

로그를 이용한 추천의 한계

▼ 관련기사

실제사례

Contents Based Recommendation (CBR)

0.6

아이템 유사도

0.6

0.5

0.2

+ 사용자 로그

상품 기준 추천 사례 (CBR)

Contents Based Recommendation





통계형 추천 : 가장 많이 본 상품

통계형 추천 : 구매전환율 Top 100

통계형 추천 : SNS 유입 Top 100

추천 서비스 정리

• 사이트 특성에 맞게 다양한 추천 서비스를 제공하며, 계속 확장 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

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?

추천 적용 방법– 추천 위젯

1

2

추천 적용 방법– 추천 위젯

• 영역 이름 설정 – 향후 이 영역을 기준으로 클릭률/경유 매출을 표시

추천 적용 방법 – 추천 위젯

• 위젯타입 – 어떤 추천을 먼저 보여줄 것인가를 선택


• 어울리는 타이틀 이미지 선택 – 직접 URL 입력 가능


• 위젯에 존재하는 모든 속성 설정 가능 – custom CSS 지원


• 저장 후 스크립트 삽입으로 추천 노출 끝

1

2

위젯을 통해 서비스 중인 다양한 디자인의 추천 적용 모습

추천 적용 방법 –API

• 추천 결과는 모두 REST API로 제공 – 네이티브 앱과 같은 환경에서도 적용 가능

• http://docs.recopick.com/pages/viewpage.action?pageId=3244404



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?

추천 성과 분석

채널 (영역)별 추천 클릭률

• 추천이 노출된 영역 별로 클릭률을 각각 확인 – 어느 영역에서 사용자들이 추천에 가장 잘 반응하는가?

추천 경유 매출

• 사용자가 추천 리스트에서 상품을 클릭하고, 해당 상품을 24시간 안에 구매하여 매출이 발생한 경우

Top 채널의 경유 매출 사용자 추적

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

장바구니

구매완료

사이드바

다양한 가설을 직접 검증할 수 있음

타 사이트 사례 공유

• 11번가 – 추천 노출 유무 비교 테스트

– 추천 UI 테스트

• T사 사례 – 자체 추천 vs RecoPick 추천

정말 효과가 있는가?

모바일 11번가 A/B 테스트 (추천 노출 유무)

• 정말 추천이 효과가 있을까? – 2014. 7. 1 ~2014. 8. 3 – 동일 기간 사용자 그룹을 나누어 테스트

추천 노출 없음

모바일 11번가 A/B 테스트 결과

100.0%

105.6%

인당 상품뷰

100.0%

102.9%

그룹별 전체 매출

• 추천을 노출한 그룹에서 인당 상품뷰는 5.6%상승하고, 매출은 2.9% 상승

추천을 어떻게 노출하는 것이 가장 효과적일까?

5.54% (C사) 5.87% (V사) 6.61% (O사) 6.78% (B사) 6.86% (T사)

3.67% (M사) 4.57% (H사) 4.73% (C사)

• 타 모바일 사이트 사례를 보면, 횡스크롤이 있는 경우 클릭률이 1~2% 더 높게 나타남

모바일 11번가 UI A/B 테스트

테스트 기간 8/5~8/18

4개의 상품을 노출 3*5 개의 상품을 노출 8개의 상품을 노출

모바일 11번가 UI A/B 테스트

5.12% 5.67% (▲10.8%) 6.81% (▲33.0%) 클릭률

경유매출 100% 110% (▲10.0%)

121% (▲21.0%)

T사 모바일 사이트 A/B 테스트

• 동일한 위치에서 추천의 종류를 바꿔서 테스트

상품 상세 페이지 상품 상세 페이지

T사 모바일 사이트 A/B 테스트 결과 (1/2)

• 자체 개발 추천 대비 RecoPick 추천에서 추천 클릭 수가 40% 이상 증가

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

RecoPick 추천 자체 개발 추천

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

1. 추천, 생각보다 어렵지 않게 시작할 수 있습니다.

2. 작게 시작하되 지속적인 실험과 개선을 하면 됩니다.

3. 지금 RecoPick을 적용 해 보세요. http://recopick.com

정리

http://recopick.com/

상품 기준 추천(3종) 사용자 기준 추천(2종)

과금기준 PV UV

월과금액 일평균 PV당 2원 일평균 UV당 20원

최소금액 월 10만원

(과금단위 1만원) 월 10만원

(과금단위 1만원)

무료혜택 30일 무료 체험, 추천성과 확인을 위한 A/B 테스트 제공(고객요청 시)

추가혜택 1. 상품 기준 추천/사용자 기준 추천 동시 이용 시 20% 추가 할인 2. 무료기간 중 결제카드 등록 시 10만원 추가 혜택 제공 3. 6종의 통계형 추천 무료 제공

POC별(웹, 모바일 등) 과금, 상품수 1만개 미만 기준 (단, 상품수 1만개 이상일 경우 상품당 2원씩 과금) 스크립트 설치대행비 별도

Pricing Plan

웹사이트 : www.recopick.com

이메일 : [email protected]

Thank you

Retail

[RecoPick] 제2회 설명회 자료 20140828