◆ 문제점
1. 기존 사용중인 R사의 추천 도구에 대한 불만
- R사의 개인화 추천 도구에서 제한적인 추천 시나리오만 제공
- 다양한 추천 시나리오 확장에 대한 제약
- R사의 추천엔진으로 판매되는 제품으로 수익쉐어를 해야만 하는 비즈니스 모델에 대한 불만족
2. 개인화 추천 서비스 도구가 아닌 직접 커스터마이징이 가능한 솔루션이 필요
- 다양한 추천 알고리즘이 적용되는 솔루션
- 추천으로 판매되는 제품의 수익쉐어가 아닌 직접 운영해서 수익을 높일 수 있는 솔루션
◆ 수행결과
1. 다양한 추천 시나리오 구성
- 웹로그와 모바일로그에 기록된 고객의 이용내역과 실제 구매이력을 조합하여 추천 시나리오 구성
2. 맞춤형 상품 추천
- 고객의 행동패턴을 다양한 기법으로 분석한 후, 방문 고객에게 다른 방문자와 차별화된 맞춤형 상품을 추천
- 인터넷과 모바일의 메인, 카테고리, 상품소개, 검색, 결제, 주문완료 등 다양한 페이지에서 상품 추천
- 상품 상세 페이지에는 함께 자주 클릭되는 상품과 브랜드내 인기 상품을 추천
- 메인페이지에는 선호 브랜드나 카테고리의 인기 상품을 추천
- 고객의 현재 관심상품과 연관이 높은 상품을 추천
3. 다양한 영역에 추천 알고리즘 적용
- 20개 영역에 각각 다른 추천 알고리즘을 적용
- 58개의 추천 시나리오로 개인별로 최적화된 선호상품을 추천
◆ 도입효과
1. 매출상승 효과
- 고객의 관심을 유도하여 구매를 촉진시키는 효과 발생
- 기존 R사의 추천시스템 대비 구매 전환율이 10~20% 증가
2. 방문자 만족도 증가
- 개인별 최적화된 상품을 추천
- 고객의 네비게이션 단계에 따라 맞춤형 상품추천으로 상품 검색시간을 단축
3. 기존 개인화 추천 도구 대비 자체 운영 노하우 습득
- 기존 R사 대비 추천 영역의 확장
- 모바일과 인터넷몰의 이용패턴을 통합 분석하고 목표 고객 타겟팅이 가능
- 다양한 추천 시나리오를 고안하여 고객별 차별화된 상품추천