[2-3] activation - stage를 줄이는 사례, rule base recommendation 의미

룰 베이스 추천은 해당 서비스/도메인에 대한 지식을 참고로 하는 경우가 많습니다.  고객 데이터를 분석해서 이러한 rule을 만들거나, 혹은 고객들의 목소리를 직접 들을 수 있는 CS 및 운영 담당부서의 의견을 참고하기도 합니다.  가령 위 예시에서 20대 사용자에게 평균 단가 5만원이 적합할지 3만원이 적합할지는 이전 구매 데이터를 기반으로 계산해 볼 수 있고, 처음 가입한 사용자에게 할인율이 높은 상품을 추천할지 많이 팔리는 상품을 추천할지는 MD분들의 의견을 참고해서 정할 수 있는 것을 예로 들 수 있습니다.

헉..이렇게나 자세히 설명해주시다니..감동입니다 ㅠㅠ

룰 베이스라는 건 그러면 어느 정도는 사회 통념이나 관습을 감안해서 기준을 정하는 것이고, 나름의 효과를 기대할 수 있는 것으로 이해해도 될까요? 

감사합니다 :)

안녕하세요.

스테이지를 줄여서 단계별 전환율을 높이는 사례는 일반적으로 회원가입이나 결제 페이지에서 많이 사용되는데요.

가령, 결제 시작 -> 상품정보 확인 -> 주소 입력 -> 결제정보 입력 -> 결제 완료  로 된 퍼널이 있다고 했을 때

스크롤이 좀 길어지더라도 상품정보 확인부터 결제정보 입력까지를 한 페이지로 만들어버리는 게 최종 전환율이 더 좋을 수 있다는 의미입니다.  위와 같이 5개의 페이지를 이동하도록 하는 것보다는 아래와 같이 3개의 페이지 이동만으로 결제 프로세스를 완료할 수 있게 하는 것을 생각해보시면 됩니다.

결제 시작 -> 상품정보 확인/주소 입력/결제정보 입력 -> 결제 완료

추천 알고리즘을 만드는 데는 Collaborative Filtering, Latent Factorization 등의 잘 알려진 머신러닝 기법이 많이 사용됩니다. 하지만 이런 복잡한(?) 머신러닝 기법을 적용하기 이전에, 직관을 바탕으로 한 Rule을 셋팅할 수 있는데요.  학습할 데이터가 많지 않거나, 데이터 분석/모델링 리소스가 충분하지 않은 시기라면 이런 직관(혹은 간단한 데이터)에 의한 Rule 기반의 추천도 어느 정도까지는 유의미하게 동작합니다.  가령 아래와 같은 형태로 수동(?)으로 추천 규칙을 만드는 것을 생각하시면 됩니다.

- 매주 연령대별로 많이 팔린 상품 순위를 만든 다음, 해당 연령대의 신규 사용자에게 추천한다.

- 처음 가입한 사용자에게는 할인율이 가장 높은 상품을 추천한다.

- 20대 사용자에게는 평균 단가 5만원의 상품을, 40대 사용자에게는 평균 단가 10만원의 상품을 추천한다.

- 마지막 접속일이 6개월 이전인 사용자에게 1회에 한해서 5천원 쿠폰을 발송한다.

...