레코픽 설명회 12회 발표자료_20170922
Transcript of 레코픽 설명회 12회 발표자료_20170922
2017. 09. 22
제12회
레코픽 설명회
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
신규 가입 이벤트
명함 추첨 이벤트
현장에서 신규 가입 신청을 해주시면
샤오미 보조배터리(10,000mAh)를 드립니다.
1등 ) 스타벅스 3만원 상품권 1명
2등 ) 초고속 멀티 충전기 2명
이벤트 안내
EVENT
1
EVENT
2
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
금일 발표 내용
Session 1
Session 2
레코픽 추천의 장점/차별화 포인트
Next 레코픽 소개 : 추천을 활용한 개인화 마케팅/광고
온라인 쇼핑몰에서 추천의 역할
추천 알고리즘 소개
디지털 세상, 추천은 이미 우리 곁에…
추천은 정보 과잉의 디지털 세상에서 사용자의 의사결정을 도와주는 똑똑한 정보 필터링
엔진(filtering engine)으로 쇼핑, 미디어, SNS 등 거의 모든 영역에서 필수 요소
RECOPICK
모바일 쇼핑과 추천
국내에서도 쇼핑몰 모바일 메인페이지 등에 개인화 추천 등 추천 적용 보편화
RECOPICK
쇼핑몰에서 추천의 역할
RECOPICK
= 방문자수 X 전환율 X 객단가
= 외부마케팅(광고) X 내부마케팅(추천)
쇼핑몰 매출
마케팅 투자
‘고객 유입’ ‘구매 전환’
내부 마케팅으로서의 상품 추천
RECOPICK
사용자가 지금 무엇에 관심이 있는지를 알아내서..
사용자가 찾고자 하는 것을 제시할 수 있어야…
데이터에 기반하여
구매확률이 높은
상품 추천!
마케팅 기회
추천은 누가 더 잘 할까?
RECOPICK
경험 중심의 스토리텔링
• 가상의 고객 세그먼트를 정의하고, 적절한 마케팅 캠페인 설계
• 예시 : ‘Golden Baby’ 아이가 하나인 30대 중산층 맞벌이 부부(워킹맘, 프레디)
데이터 중심의 확률 계산 • 구매가 일어나는 과정과 행동에만
집중하여 데이터에 기반한 구매 확률 계산
• 실제 일어나는 행위에 집중, 실시간 분석
및 처리
VS
Human
Machine
추천 알고리즘의 분류
1
협업필터링 방식
Collaborative Filtering(CF)
사례 : Amazon
2 3
컨텐츠 기반 추천 Content-based
Recommendations(CBR)
하이브리드 방식
Hybrid
사례 : Pandora Radio 사례 : Netflix
컨텐츠(음악,영화, 뉴스 등)의
속성에 대한 유저의 선호를
매칭하여 해당 유저가 좋아할
만한 컨텐츠 추천
과거 데이터로부터의 유사도
패턴을 기반으로 미래의
선호를 예측
협업필터링(CF)과 컨텐츠
기반 추천(CBR)의 결합
RECOPICK
협업필터링 Collaborative Filtering
과거 데이터로부터의 ‘유사도(Similarity)’ 패턴을 기반으로 미래의 선호를 예측
Explicit data
명시적으로 평가(rating)를
요구하여 데이터 수집
Implicit data
유저의 행동을 관찰하여
데이터 수집
영화별점 매기기
구매행동로그 수집
User-based Item-based 1 유사도의 기준에 따라
2 유사도 계산에 필요한 Data 확보
Jaccard Similarity Coefficient
클러스터링…
RECOPICK
3 유사도 계산에 필요한 다양한 통계 기법
User 1
User 2
User 3
User-based filtering Item-based filtering
similar
similar
Item 1
Item 2
Item 3
Item 4
User 1
User 2
User 3
Item 1
Item 2
Item 3
Item 4
◎
◎
RECOPICK
협업필터링 Collaborative Filtering
데이터 규모가 커지면?
RECOPICK
레코픽이 사용하는 Input Data
사용자 행동로그 : visit, view, basket, order 등
Timestamp : 각 로그의 발생시점
Referral page : 사용자 의도 파악을 위해 직전 방문 페이지 분석
view < basket < order
1
행동유형별
최신성(Recency)
우연한 발견(Serendipity)
사용자 구매의도(Referral)
한달전 < 어제
인기상품의 가중치 낮춤
메인페이지 < 검색 or 카테고리 페이지
RECOPICK
2
3
1번~3번에 대해 각각 가중치 부여
추천 성과에 영향을 주는 요소들
최근 3개월 vs 최근 1년
배치(batch) vs. 실시간(real-time)
Input data, 추천 성과 검증
추천 응답속도, Auto-scaling
추천 노출 위치
추천 상품수
추천 문구
페이지 상단 vs 페이지 하단
상품수 고정 vs
상품 더보기(swipe)
영혼없는 문구 vs
고객명, 추천 근거 등 표시
RECOPICK
추천 서비스 제공사
추천 시스템의 성능
데이터 규모
추천 계산 주기
알고리즘 성능
추천시스템 안정성
쇼핑몰 고객사
추천 노출 / UI측면
상품 기준 추천
대체재
보완재
함께 본 상품
함께 구매한 상품
추천상품
RECOPICK
상품 기준 추천의 효과
사용자 그룹 별 구매전환율 (국내 최대 오픈마켓)
추천 미적용 레코픽 추천 적용
상품 View 1~10
View 기준 사용자그룹
잠깐 들린 Light user들도 하나라도
구매해서 나갈수 있게…
로열티 높은 Heavy User 들은
더 많은 쇼핑을…
상품 View 11~20
상품 View 21~30
상품 View 31~40
상품 View 41~
RECOPICK
사용자 기준 추천 (개인화 추천)
추천상품 최근 행동 로그
RECOPICK
Why 개인화 추천? : 레코픽 case
클릭률
0.0%
1.0%
2.0%
3.0%
4.0%
5.0%
6.0%
7.0%
8.0%인기 상품 추천 클릭률 개인화 추천 클릭률
5.1%
1.2%
RECOPICK
기존 개인화 추천의 한계
과거 이용 패턴에 기반하기 때문에
사용자의 최근 관심사를 반영하기 어려움
오늘 처음 방문한 사용자는
데이터가 없기 때문에 추천이 어려움(Cold start)
사실 대부분의 사용자들은
몇 개의 페이지만 보고 바로 이탈
사용자의 과거 이용 패턴에 대한 분석과 함께 사이트에 들어와서 지금 관심있게
보고 있는 상품에 대해서도 바로 추천에 반영할 수 있어야 사용자의 이탈을
최소화하면서 구매전환을 극대화할 수 있음.
1
2
3
RECOPICK
D-14 D-13 D-12 D-11 D-10 D-9 D-8 D-7 D-6 D-5 D-4 D-3 D-2 D-1 D-0
H-12 H-11 H-10 H-9 H-8 H-7 H-6 H-5 H-4 H-3 H-2 H-1 H-0
구매 2주전 ~ 구매 당일
구매 12시간 전 ~ 구매 시점
구매 상품과 동일한 소카테고리 상품 사전 조회수 추이
1. 구매 하루 전부터 조회수 증가 시작
고객이 구매할 상품을 사전에 다각도로
탐색하는 단계로 추정
2. 구매 당일 동일 카테고리 조회수 급증
고객이 실제로 상품을 구매하기 위해
유사 상품을 비교하는 단계
3. 실제로는 구매 1시간 전에 조회수 급증
고객이 구매할 상품을 집중적으로 조회
하고 비교하는 시간은 1시간 내외로 추정
4. 구매 시점에는 조회수 소폭 감소
고객이 상품을 장바구니에 넣거나,
최종적으로 구매를 진행하는 중으로 추정
RECOPICK
실시간 추천의 중요성(1)
실시간 추천의 중요성(2)
\
100
추천 상품 클릭후
24시간 이내 구매
추천 상품 클릭 추천 상품 클릭후
1시간 이내 구매
\
5
모든 업종에서 추천 상품 클릭후 1시간 이내 구매액이
24시간 이내 구매액의 76% 수준! (레코픽 성과 데이터 기준)
\
76
Quiz
RECOPICK
실시간 추천의 중요성(3) : 시간대별 추천경유매출
레코픽 추천에 반응하는 고객 중, 평균 76%의 고객들이 상품을 1시간 이내에 구매함.
0%
20%
40%
60%
80%
100%
0 1시간 3시간 6시간 12시간 24시간 48시간
시간대별 경유매출비율
기타전문몰
리빙/인테리어
면세점 및 명품
뷰티
종합몰
패션:남성의류
패션:스포츠
패션:여성의류
패션:유아동의류
패션:종합몰
패션잡화
푸드
RECOPICK
글로벌 트렌드 : 컨텍스트 쇼핑
컨텍스트 쇼핑
(Context Shopping)
소비자의 구매욕구가 발생했을 때
자동화된 기술을 이용해 소비자의
욕구를 구매로 즉각 전환하는 판매기법
알고리즘 기반의 실시간 추천(가장 중요!)
Zero-effort 구현 : 구매 프로세스 자동화
다양한 기기 활용 : 예) 아마존 대시 버튼 / 에코
RECOPICK
1
2
3
2017 유통산업백서
국내 최초 실시간 개인화 추천 : 2014.8월
RECOPICK
레코픽 ‘실시간’ 개인화 추천
사용자의 과거 이용 패턴만 분석하는 기존 개인화 추천 대비 레코픽 ‘실시간’ 개인화 추천은
사용자의 1)과거 이용 패턴과 2)최근 관심사를 동시에 실시간 분석하여 추천 계산
실시간
개인화 추천
사용자의 3개월간 전체 로그 분석
사용자의 최근 로그 분석
LOG LOG LOG LOG LOG LOG
LOG LOG LOG LOG LOG LOG
RECOPICK
실시간 개인화 추천의 성과
클릭률
0.0%
2.0%
4.0%
6.0%
8.0%
10.0%
12.0%
14.0% 인기 상품 추천 클릭률 개인화 추천 클릭률 실시간 개인화추천 클릭률
1.2%
5.1%
7.9%
RECOPICK
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
레코픽 소개
온라인 쇼핑몰을 위한 클라우드(Cloud) 기반의 추천 서비스로, 국내 최초의 실시간 개인화 추천
서비스 출시 (www.recopick.com)
현재 120여개 사이트에 적용
월 10억 건의 로그수집 (누적 330억건)
월 9억 건의 추천 요청
스크립트 삽입
추천서비스
(12종)제공
페이지 방문 로그전송
RECOPICK
추천서비스
(12종)제공
레코픽 추천의 역할
빅데이터 기반으로 고객의 구매심리를 좀더 과학적으로 자극하는 역할을 합니다.
단순히 정보를 노출하는 수준을 넘어, 잘 설계된 상품탐색 경로를 제시하여 구매전환을
촉진하는 장치로써 매출향상에 기여합니다.
추천이 없는 쇼핑몰 RecoPick 추천 적용 쇼핑몰
상품 상세 설명 함께 본 상품
VS
방문 나가기 상품구경 방문 나가기 상품구경
구매 가능성이 높은
상품 추천
RECOPICK
레코픽 추천의 종류
레코픽은 다양하고, 정교한 추천 서비스를 제공하고 있습니다.
상품 기반의 추천을 통해 트래픽 증가를 유도하고 연계 구매로 이어질 확률이 높은 상품을 추천
1.상품 기준 추천
개별 사용자의 특성 및 최근의 니즈를 반영하여 사용자에게 가장 적합한 맞춤형 상품을 추천
다양한 통계 Data를 기반으로 인기 상품과 구매로 전환될 확률이 높은 상품을 추천
2.사용자 기준 추천
3.통계형 추천
성, 연령 등 고객의 demographic 특성을 반영하여 특정 고객 Segment에 가장 적합한 상품을 추천
4. 고객 Seg기반 추천
고객 Seg 기반 추천
RECOPICK
상품 기반의 추천을 통해 트래픽 증가를 유도하고, 연계 구매로 이어질 확률이 높은 상품을 추천합니다.
1.상품 기준 추천 서비스
함께 본 상품 (ViewTogether)
사용자의 전체 행동 로그를 통해 상품과 상품의 관계를 분석하고, 이를 바탕으로 사용자가 본 상품과 관련된 추천 리스트(대체재)를 제공
함께 구매한 상품 (BuyTogether)
사용자의 구매로그를 통해 상품과 상품의 관계를 분석하고, 이를 바탕으로 사용자가 구매한 상품과 관련된 추천 리스트(보완재)를 제공
1
2
RECOPICK
레코픽 추천의 종류
개별 사용자의 특성 및 최근의 니즈를 반영하여 사용자에게 가장 적합한 맞춤형 상품을 추천합니다.
2.사용자 기준 추천 서비스
실시간 개인화 추천 (최근 관심사 기반)
사용자의 개인별 최근 성향을 실시간으로 분석하여 사용자의 현재 니즈와 특성이 반영된 맞춤형 추천 리스트를 제공
1
RECOPICK
레코픽 추천의 종류
다양한 통계 Data를 기반으로 인기 상품과 구매로 전환될 확률이 높은 상품을 추천합니다.
3.통계형 추천 서비스
1 View Top100 하루 동안 사용자들이 가장 많이 본
상품 노출
Buy Top100 하루 동안 사용자들이 가장 많이
구매한 상품 노출
추천클릭 Top100 추천 리스트 노출 대비 클릭이 많이
발생한 상품 노출
카테고리 Top100 카테고리내 가장 인기가 있었던 상품 제공
실시간 인기 상품 TOP 100 최근 1시간내 사용자들이 가장 많이
본 상품 노출
구매전환 Top100 사용자의 View 대비 구매가 많이
일어난 상품 노출
추천유입 Top100 상품의 유입 경로 중 추천 유입률이
높은 상품 노출
3
5
7
2
4
RECOPICK
레코픽 추천의 종류
6
레코픽 추천의 장점
추천 성과와 비용 측면에서 국내 경쟁 추천 솔루션 대비 10배의 가성비(ROI)
RECOPICK
쉽고 빠른 적용
2X 전환율
5X 가격 경쟁력
Faster
Better
Cheaper
1
2
3
최대 10X 가성비!
Faster : 쉽고 빠른 적용!
• 레코픽 대시보드내에서 위젯을 통한 추천서비스 설정 및 변경 가능.
• 관리자가 직접 추천 알고리즘의 선택 및 디자인 변경을 수행할 수 있음
대시보드 > 추천 위젯 설정
RECOPICK
Better : 2~3배의 추천 성능
추천 성능 비교 테스트 사례
– 대상 사이트 : 국내 최대 패션기업의 온라인몰
– 테스트 기간 : 2016년 상반기 8주간, 2회 테스트 실시
– 참여 추천 솔루션 업체(3개사) : 레코픽, ‘R’사, ‘N’사
– 테스트 추천 알고리즘 : 개인화 추천 @ 모바일 메인페이지
테스트 결과
1차 테스트 2차 테스트
비교 레코픽 vs. ‘N’사 레코픽 vs. ‘R’사
추천클릭률 2.88배 1.05배
전환율 3.0배 2.86배
RECOPICK
Cheaper : 2~5배의 가격 경쟁력
추천 솔루션/서비스 도입시 비용 항목
비용 항목 H/W 및
인프라 투자 전담 개발 인력 투입
솔루션 라이센스 비용
월운영비
솔루션 방식 YES YES YES YES
클라우드 방식
타사 NO NO
NO
YES
레코픽 (업계 최저)
NO NO NO YES
(최소과금월 50만원)
RECOPICK
기타 장점 : 검증된 서비스
11번가, AK몰, 아모레퍼시픽, 신세계면세점, 삼성물산 패션부문(SSFShop) 등 대형 쇼핑몰에서
안정성과 효과를 검증하였고, 지속적으로 업그레이드되고 있습니다.
현재 120여개 사이트
총 330억건 로그 수집
월평균 10억건 이상의 로그분석
과거 추천 성과 데이터를 바탕으로 시간이
지날수록 고객사에 더 나은 품질의 추천을
제공
빅데이터 전문 개발자들이 최신 기계
학습(Machine Learning), 검증된 feature
추가하여, 지속적인 추천 알고리즘 고도화
RECOPICK
기타 장점 : 셀프 서비스
어드민 대시보드를 통해 다양한 추천 성과 지표를 보여드리며, 개발자가 아니어도
쉽게 추천 설정을 하실 수 있습니다.
추천 성과를 한 눈에 볼 수 있는 대시보드 위젯 등 추천관리를 간편하게
RECOPICK
메인 페이지 인기 상품
메인 페이지 개인화 상품 상세 상품 상세 하단 장바구니 구매완료 사이드바
대시보드에서 10개의 추천 성과지표를 제공하고, 주요 지표 (클릭률/경유매출)에 대해서는
추천 영역별, 추천 알고리즘별 성과 분석 지원
43
기타 장점 : 정밀한 성과분석
RECOPICK
추천 영역별 / 서비스별 경유매출 트랙킹
성과 사례 1
국내 최대 오픈마켓의 고객 당 PV, 매출 모두 증가하였습니다.
고객 당 Page View 증가 (국내 최대 오픈마켓) 총 매출 증가
추천 적용전 레코픽 추천 적용후
*상품 상세페이지 하단 적용시
3.7
3.5
3.3
3.1
2.9
2.7
2.5
\
\
RECOPICK
성과 사례 2
대형사이트 자체개발 추천 대비 클릭률 44% 증가하였습니다.
추천 클릭률 비교 (국내 최대 디자인 쇼핑몰)
자체개발 추천 적용 레코픽 추천 적용
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
추천클릭수
RECOPICK
성과 사례 3
대형 사이트 자체 개발 추천 대비 매출 15% 증가하였습니다.
전체 거래액 증가 (국내 대형 패션 쇼핑몰)
\
\
4.8억원
6 억원
1.2 억원 PC웹에서 한달간 A/B 테스트
자체개발 추천(50%) vs. 레코픽 추천(50%)
레코픽 100% 추천 적용시
연간 전체 거래액 15% 증가 예상
자체개발 추천 적용 레코픽 추천 적용
RECOPICK
성과 사례 4
모바일에서도 평균 매출이 상승하였습니다.
일평균 매출 A/B 테스트 비교 (국내 대형 면세점)
추천 비노출 레코픽 추천 노출
25,000
20,000
15,000
10,000
5,000
0
인당매출액(원)
RECOPICK
성과 사례 5
중소 쇼핑몰도 비용 대비 높은 효과를 보이고 있습니다.
비용 대비 매출 증가 (국내 중형 여성의류 쇼핑몰)
전체매출
일평균
Page view
월매출
레코픽
월과금액
3.2만
1 ~ 2억
50만원 / 월*
\
\
1,400만원
레코픽 추천을
통한 경유매출
RECOPICK
고객사 사용 현황
많은 쇼핑몰들이 레코픽을 선택하였습니다. 지금 바로 시작하세요!
대형 쇼핑몰
오드
마지아룩 문고리닷컴
현대리바트
코코블랙
11번가
AK몰
신세계면세점
삼성물산 패션몰
천이백엠 클랙앤퍼니
만다리나덕
두닷 닥터브로너스
베니토
가방팝
머스트잇
갤러리아면세점
패션 뷰티 가구/인테리어
아리따움
반할라
헬로우 스위티
립합
제이스타일
에이블씨앤씨
보나쥬르 자연미인가구
스킨알엑스
휠라코리아
따따따
홀리가든
RECOPICK
50
RECOPICK
고객사 사용 현황
레코픽 적용 프로세스
회원가입 스크립트 설치
4주
회원가입
방문자 행동분석을 위한
로그수집 스크립트 삽입
상품정보(이미지, 가격 등)
수집을 위한 메타태그 삽입
추천 위젯 삽입
사이트 내 원하는 위치에
추천 위젯 적용 스크립트 삽입
추천 성과 확인
사용자 그룹을 추천노출/비노출
로 나눈 A/B 테스트를 통해
추천을 통한 트래픽, 매출 증가
효과 확인
유료화 / 계약
무료사용 기간 종료 시점
유료화 전환
필요시 연간계약 등 진행
1주
Step 4 Step 3 Step 2
고객님을 위한 추천
Step 1
1
2
3
4
RECOPICK
쇼핑 과정에서의 페이지별 상품 추천 전략
RECOPICK
이탈률을 줄이고
클릭률 높여야
구매전환율을
높여야 객단가를 높여야
메인 페이지 상품상세 페이지 장바구니 페이지 구매 페이지
페이지 이탈
방문 탐색 구체적인 상품에
관심
특정 상품에
구매목적 구매완료
고객 관심 유도로 이탈률을 줄이고 카테고리 메인 또는 상품상세 페이지로 이동
고객이 쇼핑을 중단하지 않고 지속적으로 탐색,구매로 연결
추가 구매 유도 (1개만 살 고객이 2개, 3개 사도록 유도)
아직 구매하지 않은 관심 상품 상기
페이지 이탈
페이지 이탈
쇼핑 과정에서 페이지별로 적절한 내부마케팅을 수행해야만 페이지 이탈을 줄이고 고객을 잡을 수 있음.
페이지별 레코픽 적용
RECOPICK
메인 페이지 상품상세 페이지 장바구니 페이지 구매 페이지
레코픽은 페이지별로 고객에게 최적화된 맞춤형 상품 추천을 제공.
페이지 이탈
방문 탐색 구체적인 상품에
관심
특정 상품에
구매목적 구매완료
실시간 개인화 추천
함께 본 상품 추천
함께 구매한 상품 추천
실시간 개인화 추천
함께 구매한 상품 추천 or
실시간 개인화 추천
페이지 이탈
페이지 이탈
고객 관심 유도로 이탈률을 줄이고 카테고리 메인 또는 상품상세 페이지로 이동
고객이 쇼핑을 중단하지 않고 지속적으로 탐색,구매로 연결
추가 구매 유도 (1개만 살 고객이 2개, 3개 사도록 유도)
아직 구매하지 않은 관심 상품 상기
페이지별 레코픽 적용_메인 페이지
RECOPICK
고객님을 위한 추천 고객님을 위한 추천상품
개인 고객들의 최근 행동 이력을 바탕으로 ‘실시간 개인화’ 추천 제공.
상품을 클릭할때 마다 해당영역이 실시간으로 변화하여 고객의 관심도가 높음.
메인 페이지
방문 탐색
실시간 개인화 추천
고객 관심 유도로 이탈률을 줄이고 카테고리 메인 또는 상품상세 페이지로 이동
RECOPICK
페이지별 레코픽 적용_상품 상세 페이지
고객이 현재 보고 있는 상품과 관련성이 높은 상품을 추천.
고객이 관심 보인 상품과 비슷한 취향의 상품을 지속적으로 추천하기 때문에 클릭률과
구매전환율을 높일 수 있음.
탐색 구체적인 상품에
관심
고객이 쇼핑을 중단하지 않고 지속적으로 탐색,구매로 연결
상품상세 페이지
함께 본 상품 추천
함께 구매한 상품 추천 or
실시간 개인화 추천
이 상품을 본 고객이 많이 본 다른 상품
고객님을 위한 추천
이 상품을 본 고객이 많이 본 다른 상품
이 상품을 구매한 고객이 함께 구매한 다른 상품
RECOPICK
페이지별 레코픽 적용_장바구니 페이지
장바구니에 담아놓은 상품들과 함께 구매하면 좋은 상품을 추천
고객이 구매 목적이 있는 상태로 추가 구매를 유도.
구체적인 상품에
관심
장바구니 페이지
함께 구매한 상품 추천
실시간 개인화 추천
고객님을 위한 추천
이 상품을 구매한 고객이 함께 구매한 다른 상품
특정 상품에
구매목적
추가 구매 유도 (1개만 살 고객이 2개, 3개 사도록 유도)
RECOPICK
페이지별 레코픽 적용_구매 페이지
아직 구매가 일어나지 않은 개인화된 상품을 추천
고객의 관심 상품을 다시 한번 상기시켜 추가 구매를 유도.
구매 페이지
특정 상품에
구매목적
실시간 개인화 추천
구매완료
고객님을 위한 추천
아직 구매하지 않은 관심 상품 상기
개인화 추천 개인화 메일
개인화 푸시 페이스북 광고
NEXT RECOPICK
NEXT 레코픽 소개
기존 레코픽 : 내부 마케팅
쿠키 기반
추천 상품
NEXT RECOPICK
사이트 내 상품추천
레코픽 확장을 통한 외부 마케팅/광고 지원
NEXT RECOPICK
1) 타켓 고객 추출
2) 개인화 마케팅/광고
ADID 기반
NEXT 레코픽 : 전체 마케팅 cycle에 기여
② 타겟 고객 추출
③ 개인화 메일/푸시
④ 페이스북 타겟 광고, 포털 검색/쇼핑 광고
NEXT RECOPICK
① 사이트 내 상품추천
자체 개발한 DMP(Data Management Platform)를 통해 다양한 마케팅 캠페인 목적에
적합한 타겟 고객군(ADID) 추출 가능
타겟 고객 추출
마케팅 캠페인별 타겟 고객군 추출
ADID 기반
타겟 고객 추출
NEXT RECOPICK
40대 여성 중 리빙/가구 상품에 관심있는 유저
30일 이내 방문 유저 중 장바구니에 상품을 담아 두고 미구매한 유저
30대 여성 중 헤라(Hera) 브랜드에 관심있는 유저
Case 1
Case 2
Case 3
개인화 메일/푸시
NEXT RECOPICK
개인화 메일 / 푸시
ADID 기반
이메일 마케팅은 다수를 위한 온라인 상의 매스 마케팅 채널
수신 동의한 고객 대상 모두에게 동일한 컨텐츠로 발송
기존 이메일 마케팅
NEXT RECOPICK
@
11번가 개인화 이메일 테스트 - 1
NEXT RECOPICK
VS
MD 추천 개인화 추천
- 대상 : 이메일 1등급 고객
- 방법 : 5:5 A/B 테스트
- 추천상품수 : 8개
- 시기 : 2017.05 (총 4회 진행)
개인화 추천 MD 추천 비교
클릭률 17.3% 8.0% 2.1배
거래액 ***원 **원 2.6배
A/B 테스트 결과 (평균)
NEXT RECOPICK
11번가 개인화 이메일 테스트 - 2
MD 추천
개인화 추천
VS
모바일 앱푸시 클릭 시 ‘개인화 추천’ 페이지로 랜딩시켜, 개인화된 추천상품들을
보여주고 클릭시에 상품상세 페이지로 이동
상품상세 페이지
추천
Push 알림 확인
(광고) 고객님의 최근 관심사를 반영하여 [조르지오 아르마니] 립마그넷 3.9ml 상품을 추천합니다. [수신거부:MY AK > 사용자설정>알림설정]
개인화 푸시
개인화 랜딩페이지
추천
NEXT RECOPICK
포털 검색광고 / 썸네일 광고 클릭시 ‘개인화 추천’ 페이지로 랜딩시켜, 개인화된
추천상품들을 보여주고 클릭시에 상품상세 페이지로 이동
상품상세 페이지 검색광고 클릭시
개인화 랜딩페이지 : 이탈율 감소
개인화 랜딩페이지
NEXT RECOPICK
페이스북 타겟 광고
페이스북 타겟 광고
NEXT RECOPICK
ADID 기반
페이스북 타겟 광고 현황(1)
페이스북 타겟 광고 집행 시 1) 타겟 Seg 생성 및 2) 상품 등록 : 페이스북 마케팅
파트너사(FMP)에서 대행 업무 수행
쇼핑몰 광고주 페이스북 마케팅 파트너
(FMP) 페이스북
NEXT RECOPICK
•타겟 Seg 생성 •상품 등록
페이스북 타겟 광고 현황(2)
타겟 Seg 생성과 해당 타겟 Seg에 노출될 광고 상품 등록시 개선 여지가 큼
페이스북 마케팅 파트너
(FMP)
NEXT RECOPICK
•상품 등록 •타겟 Seg 생성
1) 타겟 Seg 생성 : 상품 카테고리에
기반한 타겟 Seg 생성
2) 광고 상품 등록 : 인기상품 중심의 광고 상품 등록
>> 타겟 Seg와 광고 상품간의 적합성이 떨어짐
기존 광고 집행 시 문제점
레코픽을 활용한 페이스북 광고 효율 증대
DMP와 추천 엔진을 통한 광고 효율 증대 가능
ADID:행동로그 Seg:product_id
쇼핑몰 광고주 FMP 페이스북
NEXT RECOPICK
Cross Sell
•명품시계 추천 Up Sell
•Baseball Cap 추천
•Seg A (명품 가방 구매 여성)
•Seg B (야구 장갑 구매 남성)
레코픽이 도와드리겠습니다!
맺음말
추천은 페이지를 구성하는 단순 feature가 아닌
데이터 기반의 자동화된 마케팅 방법으로
작게 시작하되 지속적인 실험과 개선을 통해
인사이트를 얻고 최적화를 추구하는 과정
1
2
3
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
Intro : 행사 소개 및 이벤트 안내 (5분)
Session 1 (40분)
Coffee Break (10분)
Session 2 (50분)
Q & A (20분)
Outro : 경품 추첨 및 클로징 (5분)
진행 순서
스타벅스 3만원 상품권 1명
명함 추천 이벤트
1등
2등 초고속 멀티 충전기 2명