우리의 서비스 관련 기술 지향
우리는 기술적으로 무엇을 하려 하는가?
과거 10년도 넘은 시점 우리는 개인화 추천 방식으로 벡터 데이터 기반의 행동 벡터를 제안하고 시도했습니다. 2013년은 아직 AI가 주목 받지 못한 시기로 빅 데이터 열풍의 시기였습니다. 이 당시는 우리가 지향하는 최소의 데이터를 기반으로, 개인 정보를 최소화한 추천은 이해하기 어려운 시절이었습니다.
이 당시에 우리는 이미 사용자의 서비스 이용의 '맥락'을 이해하고,
그 맥락에 따라 반응하는 개인화 추천 시스템을 구축하려 했습니다. 이제 AI 시대 최소의 투자로 가능함을 발견한 것입니다.
우리는 단순한 데이터 수집과 정량적 분석을 넘어서,
- 왜 사용자가 지금 이 온라인 서비스를 이용하는가?
를 이해하고 그 이유에 맞는 솔루션을 정보와 경험으로 제공하고자 합니다.
우리의 궁극적 목표
사용자가 온라인 서비스에 접속하는 순간,
해당 유저가 처한 상황과 이용 니즈에 부합하는 콘텐츠나 해결책을 벡터 데이터 기반 분석으로 추천하는 것입니다.
우리가 하는 일의 철학적/기술적 핵심
사용자의 이해
빅 데이터 접근
다양한 개인정보 수집 후 통계적 분석
우리가 지향하는 행동 벡터 접근
온라인 서비스 내 행동 맥락 데이터 기반 벡터 해석
데이터 기반
빅 데이터 접근
정적이고 다차원적인 정체성(나이, 성별, 구매 이력 등)
우리가 지향하는 행동 벡터 접근
동적인 다중 페르소나에 기반한 실시간 분석
추천 방식
빅 데이터 접근
과거 클릭, 구매 이력 중심
우리가 지향하는 행동 벡터 접근
서비스 이용 목적 기반 행동 흐름 중심
개인화 볌위
빅 데이터 접근
유사 사용자 군집 기반
우리가 지향하는 행동 벡터 접근
개별 사용자 현재 니즈 중심
기술 사상
빅 데이터 접근
더 많은 데이터 확보
우리가 지향하는 행동 벡터 접근
더 적은 데이터로 더 정확한 이해
활용 시점
빅 데이터 접근
로그 누적 후 활용
우리가 지향하는 행동 벡터 접근
로그인 후 즉시 반응. 3회 이상 행동 피드백 시 정확도 급격 향상
왜 지금 이 일이 중요한가?
- 정보 과잉으로 인해 사용자는 필요한 정보를 스스로 찾기 어려워지고 있음.
- 수동적 정보 소비 경향 증가. 콘텐츠가 사용자를 찾아야 함
- 이 때문에 정확한 개인화 추천이 플랫폼 경쟁력의 핵심이 되었음.
- 기존 빅데이터 기반 방식은 여러 문제로 정확도와 속도에서 한계가 나타나고 있음.
행동 벡터 솔루션 용어
행동 벡터
사용자의 순차적 행동(클릭, 체류시간, 이동경로 등)을 벡터로 표현한 데이터 구조
페르소나
특정 시점, 특정 목적에서의 사용자 유형 (동일 사용자도 다중 페르소나를 가질 수 있음)
벡터계
각 온라인 서비스가 가진 목적/규칙/구조를 공간적으로 해석하여 사용자 행동을 투사하는 프레임
몰입 기반 해석 구조
사용자가 서비스에 몰입할 수 있도록 유도하는 개인화 흐름 설계 방식
우리가 개발하려는 행동 벡터
- 지금 이 순간 사용자 니즈에 맞는 정보 추천
- 빠르고 정확한 맥락 기반 대응
- 다중 페르소나 인식 기반 고정밀 개인화
- 기억되는 사용자가 아닌 행동하는 사용자 이해
행동 벡터
사용자 행동 기반 벡터 데이터 추천 플랫폼
이용 목적 중심 사용자 흐름을 벡터로 해석하여,
로그인 순간부터 이용 맥락에 맞는 정보/콘텐츠/서비스를 제공하는 몰입 유도형 개인화 솔루션
우리가 하려는 개발 지향에 대한 정리
우리는 사용자 개인이 아닌,
사용자의 ‘목적과 행동 흐름’을 중심으로
사용자가 지금 ‘왜 이 서비스를 이용하고 있는가’를 이해하고,
그 맥락에 정확히 부응하는 추천을 통해
온라인 서비스의 몰입도와 경쟁력을 높이는 플랫폼을 만들고자 합니다.
댓글
댓글 쓰기