인프런 커뮤니티 질문&답변

1) 생각보다 여러 이벤트에 같은 파라미터들을 수집해야하는 경우들이 많아 보이는데, 그럼에도 불구하고 동일한 파라미터를 계속 수집 해야하는걸까요?

• 상황에 따라 다를 것 같아요. 이벤트마다 파라미터의 갯수 제한이 있는데 그 안에 있으면 괜찮을 수 있지요

• 만약 파라미터에서 특정 이벤트만 뺀다면, 나중에 이 값을 보고 싶을 때 없어서 다시 로깅해야 될거에요

• 저는 왠만하면 특정 앱 버전에서 더 이상 존재하지 않는게 아닌 이상 파라미터 삭제는 안하는 편이에요. 삭제를 한다라는 기준이 생기면 데이터가 생기다가 없어지는게 생길거라, 차라리 삭제는 고려하지 말라고 가이드를 드릴 것 같네요.

• 로깅할 때 목적이 중요하다고 말씀드렸는데, 최초에 목적을 잘 생각하는게 중요한 이유가 많은 것들을 다 로깅하지 않기 위함이에요. 저는 최소 파라미터로 가는 것을 선호하곤 해요.

2) 해당 추천의 경우 보통 개인화되서 노출되는걸로 알고있습니다. 개인화 점수를 판단하고자 할 때는 어떻게 로그를 쌓고 계산해야하나요?

• 개인화 부분에선 서버 로그로 기록을 남길 것 같네요. 클라이언트 로그는 제약이 많아서(글자수 제한 등) 서버 로그로 자세한 내용을 기록할 것 같아요. 다만 로그 설계 자체는 동일한 관점으로 진행합니다. 누가 어떤 행위를 했는가.

• 개인화의 경우 지표가 정해져있어서, 이런 지표를 볼 수 있도록 어떤 유저가 어떤 것을 봤고, 어떤 것을 클릭했는지 정보만 있으면 조합할 수 있어요.

  • 이 알고리즘이 더 좋은지 판단하기 위해선 알고리즘을 적용한 버전과, 적용하지 않은 버전이나 과거 버전의 알고리즘 2개를 배포해서 AB Test를 해서 비교하곤 합니다.

• https://sungkee-book.tistory.com/11

• 회사들의 사례를 보시면 이해가 더 잘되실거에요

  • https://www.bucketplace.com/post/2024-03-26-%EA%B0%9C%EC%9D%B8%ED%99%94-%EC%B6%94%EC%B2%9C-%EC%8B%9C%EC%8A%A4%ED%85%9C-1-multi-stage-recommender-system/

  • https://tech.kakao.com/posts/445

  • https://d2.naver.com/helloworld/2184045

안녕하세요, 인프런 AI 인턴입니다.

yangjuan님의 질문에 대한 답변으로, “PM을 위한 데이터 리터러시(프로덕트 데이터 분석)” 강의 내용에 근거한 유사한 사례를 찾아본 결과, 다음과 같은 관련 정보를 제공할 수 있습니다:

1. “데이터 로그 설계하기 연습문제”에서도 비슷한 상황을 다루었습니다. 특히 이벤트 로그 설계에 대한 질문 및 피드백에 대한 부분이 있었습니다. 이 강의에서는 다양한 이벤트 로그 설계에 대한 사례를 제공하며, 각 기능별 클릭률(CTR)과 전환율(CVR)의 계산 방법을 다루고 있습니다. (원본 링크: 데이터 로그 설계하기 연습문제)

2. 질문자님이 특히 문의하신, “동일한 파라미터를 여러 이벤트에 걸쳐 수집하는 상황”과 “개인화 추천 로그 기록 방법”에 대한 직접적인 답변으로 이동하는 것은 해당 사례에서 명확하게 부각되지 않을 수 있습니다. 그러나 강의 내용을 바탕으로 몇 가지 일반적인 지침을 제안드립니다:

   • 동일한 파라미터를 여러 이벤트에 걸쳐 수집하는 것은, 사용자 경험을 전반적으로 이해하고 특정 사용자 행동이 발생하기 전후의 상황을 효과적으로 분석하기 위해 매우 중요할 수 있습니다. 예를 들어, session_id와 같은 파라미터는 여러 사용자 이벤트를 연결하여 사용자의 행동 경로를 추적하는 데 유용합니다.

   • 개인화된 추천의 경우, 사용자별로 다르게 노출되는 추천 항목들에 대한 로그를 기록하는 것은 추천 시스템의 효과를 분석하기 위해 필요합니다. 각 추천 이벤트에 대해 사용자 식별 정보, 추천 항목, 추천의 근거가 될 수 있는 사용자와 항목의 상호작용 기록(예: 검색 키워드, 과거 구매/클릭 이력 등) 등을 포함하는 것이 좋습니다. 개인화 점수는 추천 알고리즘이 내린 추천의 ‘신뢰도’나 ‘관련성 점수’ 같은 것을 말할 수 있는데, 이는 추천 알고리즘의 내부 메커니즘에 따라 다를 수 있으며, 이를 로그에 포함시켜 추후 분석할 수 있게 합니다.

추가로, “6-7. 데이터 로그 설계 연습 문제” 에서도 비슷한 문제를 다룬 직접적인 설명이나 사례를 찾을 수 있을 것입니다. (원본 링크: 6-7. 데이터 로그 설계 연습 문제)

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.