[RS/추천시스템 톺아보기] 유저가 좋은 작품(웹툰)를 만났을 때 review

* 가짜연구소 추천시스템 톺아보기 스터디 활동을 기반으로 작성된 포스트입니다.

네이버 Deview 2020: 유저가 좋은 작품(웹툰)을 만났을 때 - 최규민님(카카오 추천팀)

영상 링크: https://deview.kr/2020/sessions/332

유저가 좋은 작품(웹툰)를 만났을 때(유저의 탐색, 발견 그리고 만족도에 대하여 탐색적 분석하

소비자와 공급자 관점에서 추천시스템의 목적

		Consumer's Viewpoint	Provider's Viewpoint
Strategic Perspective	Overarching Goal	"Personal Utility"; Happiness, Satisfaction, Knowledge, ...	"Organizational Utility"; Profit, Revenue, Growth, ....
	Recommendation  Purpose	-  Help users find objects that match the user's long-term preferences - Show alternatives - Help users explore or understand the item space ...	- Change user beehavior in desired directions - Create additional demand - Increase activity on the site ...
출처: RecSys '16: Recommendations with a Purpose

넷플릭스 추천시스템 목표 (RecSys 2020': Recent Trends in Personalization at Netflix)

: Help members find content to watch and enjoy to maximize member satisfaction and retention

: (https://www.slideshare.net/justinbasilico/recent-trends-in-personalization-at-netflix)

 

Spotify 추천시스템 목표

: Match fans and artist in a personal and relevant way

: Enjoy listening

: (https://www.slideshare.net/mounialalmas/personalizing-the-listening-experience)

 

YouTube 추천시스템 목표 (The YouTube Video Recommendation System)

: Help users find high quality videos relevant to their interest in order to keep users entertained and engaged

: (https://www.inf.unibz.it/~ricci/ISR/papers/p293-davidson.pdf)

 

카카오 추천시스템 목표 (대부분이 소비자 관점)

Daum 뉴스 - 체류시간, 재방문율

Melon - 스트리밍 수, 재방문율

카카오커머스 - 매출, 상품 클릭

픽코마 - 작품 첫 에피소드 열람 수

카카오페이지 - 작품 열람 수

 

픽코마 추천시스템의 목표

픽코마? 2016년 4월에 출시한 카카오 재팬의 웹툰 서비스 플랫폼

소비자 관점의 추천시스템 목표(= 사용자 만족도와 리텐션 늘리기)

작품 첫 에피소드 열람수 증가

 

공급자 관점의 추천시스템 목표(=매출 늘리기)

타겟 작품 매출 전환신작 열람 전환

 

픽코마 사용자 Engagement 탐색하기

퍼널(Funnel) 정의

진입 → 작품 노출 → 작품 클릭 → 작품 1화 열람 → 작품 다음화 열람 → 지속열람(Session) → 자주방문(Day)

퍼널 단계가 깊어질수록 사용자 만족도는 높아지고 사용자 수는 감소

Day 단계까지 진입하는 유저를 많이 남기는 것이 추천시스템의 목적

 

Short-term 선호도(소비자 관점에서의 추천시스템)

작품 노출 → 작품 클릭 → 작품 1화 열람 → 작품 다음화 열람

지표: CTR, long-CTRs, dwell time, take-rate

 

Long-term 선호도 (공급자 관점에서의 추천시스템)

작품 노출 → 작품 클릭 → 작품 1화 열람 → 작품 다음화 열람 → 지속열람(Session) → 자주방문(Day)

지표: Retention Rate, Active Days, Total spent time 등 Long-term 목표 지표를 직접 최대화하기 매우 어려움

(→ 추천하는 시점과 결과까지의 시간 차이, 다양한 서비스 상의 변수  존재)

 

Long Term Proxy 지표 탐색

사용자 리텐션(열람일수)이 낮은 집단과 높은 집단의 지표 탐색

(→ 하루에 얼마나 열람할까? 매일 열람할까? 얼마나 다양한 작품을 열람할까? 등)

리텐션과 가장 높은 상관관계가 높은 Short-term 지표를 찾기 위함

픽코마 사용자를 랜덤 샘플링하여 균등(2%)하게 열람일수(days)로 Segmentation하고 지표 탐색

 

자주 방문하도록 하는 리텐션을 높이기 위해서는 전체 열람수보다는 사용자의 선호 작품 수를 늘려야한다.

→ 사용자의 선호 작품 수를 어떻게 늘릴 것인가?

→ 사용자는 어떻게 선호하는 작품을 탐색하고 발견할까?

 

사용자의 작품 탐색과 발견에 대하여(Engagement Life Cycle 관점에서 사용자 군집 분석)

사용자의 월별 열람 이력으로 군집화 후 활성 사용자의 작품 탐색과 발견을 분석