고객이 다른 스타일의 상품을 보더라도 주로 캐주얼 스타일의 인기 상품이 추천되는 현상 발생
고객이 원하는 스타일의 상품을 찾기 힘들 것으로 판단
고객이 본 상품 1개의 스타일이 고객이 관심 있는 스타일을 대표하지 않는다.
최근 본 상품에는 '어쩌다 한번', '선물하려고' 본 상품도 포함되므로, 본인의 스타일에 맞는 추천이 제공되지 않았다고 느낀 고객도.
고객이 본 상품 1개의 스타일과 평소 관심 있는 스타일은 다를 수 있음.
2. 이 문제 해결의 고객은?
최종소비자
추천의 근거가 유의미하며
추천 결과 역시 유의미한 (캐주얼 80% 아닌) 답변으로, 설득 가능한 추천이 됨.
3. 어떤 방식을 시도했나?
3-1. '걸리시'부터 '미니멀'까지 스타일 12개로 세분화하기
가설 1. 상품의 스타일을 세분화하여 각 상품이 더 적합한 스타일로 분류되면 고객은 본인 스타일에 맞는 상품을 찾기 쉬울 것이다.
감성적 속성 (파트 1글)의 '스타일' 15개 중에서 추천에 유의미한 상푸 수와 카테고리 분포 가진 12개 스타일 > 상품 추천 시 적용 40%가 걸리시, 미니멀, 시크, 프레피 스타일 등으로 세분화됨.
3-2. 고객이 좋아하는 스타일 찾기 | 서비스에 남긴 시그널 수집
가설2. 고객이 반응한 상품들의 스타일을 모으면 고객이 관심있는 스타일을 알 수 있을 것이다.
- '어쩌다 본 상품'의 스타일을 배제하기 위해 특정 개수 이상의 상품을 본 경우만 포함 - 무신사 고객은 평균 6개의 스타일 상품을 보고 > 3개 스타일의 상품을 좋아요하고 > 2개 스타일 상품을 구매 - 구매한 상품의 스타일을 더 강한 관심도로 판단해 ➀ 구매 ➁ 좋아요 ➂ 본 순으로 행동별 가중치를 줌 - 가장 최근 행동에 더 많은 가중치 부여
@무신사 기술블로그 - 고객의 선호 스타일 집계 로직
상품 탐색량이 적은 고객의 경우, 비슷한 고객이 함께 많이 찾은 스타일을 고객의 관심 스타일에 추가
추천 커버리지 높임 (1명 고객에게 추천되는 상품 수, 다양성 등)
3-3. 스타일 별 상품을 '어떻게' 보여줄까 | 인기 카테고리 > 인기 상품 추천
가설3. 스타일마다 인기 있는 상품 카테고리가 다를 것이다.
- 스타일 별 상품 인기 순으로 정렬 시 -> 특정 카테고리의 상품만 상위에 노출되는 현상이 발생 - (기존) 스타일 상관 없이 고객의 성별/연령대별 인기 카테고리 동일하게 노출 - (개선) 스타일별로 인기 카테고리를 탭 UI로 나누어 상품을 더 다양하게 노출 - 고객이 좋아하는 스타일별로 성별과 연령대에 맞는 최근 인기 카테고리 추출 -> 인기 상품 추출 @무신사 기술블로그
4. 그 결과는 어땠나?
고객이 좋아하는 스타일에 따라 맞춤형 추천
기존 추천 서비스에서는 잘 보이지 않던 '걸리시'와 '미니멀' 스타일 상품 노출
기존 대비 상품 전환율 (CTR) 41% 증가, 인당 상품 클릭수가 54% 증가
동일한 '민소매 티셔츠' 서브 카테고리여도 스타일에 맞는 다른 인기 상품 추천
🥮 '추천'의 근거찾기와 '추천'다운 추천하기
어떤 것을 '관심있는 스타일'로 지정할지 그 하위요인을 도출하고 우선순위를 정하는 사고방식이 흥미로웠습니다.
n회 이상 보았을 것, 좋아요를 눌렀을 것, 구매했을 것
이와 같은 가설을 세우고 수식으로 만드는 과정이 새로웠습니다.
'추천'이라고 해도 그게 모두 '캐주얼'스타일이라면?
모두에게 인기 있는 것은 '나를 위한 추천'이라는 말이 어울리지 않습니다.
이를 위해 소비자가 선호하는 '스타일'을 먼저 정의하고, 이에 따라 '해당 스타일에서 인기 있는 카테고리'를 선택할 수 있도록 한 것이 인상깊었습니다.
15개의 스타일은 '맞춤 정보'에서 확인할 수 있었는데요,
구매 이력이 (비교적) 많지 않은 저의 경우 아직 '어떤 스타일' 보다는 비슷한 연령대-로 추천되는 것을 볼 수 있었습니다.
