SlideShare ist ein Scribd-Unternehmen logo
1 von 17
마켓컬리 개인화 추천 기획안
- 마켓컬리 자체 레시피 DB를 이용한 식제품 구매 전환율 증진 방안 -
서비스기획팀
1
Version : 1.0
Date : 2020.10.05
서비스기획팀
요약
2
✓ 요건
①장바구니단계에서식품카테고리상품입력시,레시피DB를 이용한맞춤상품4가지를추천한다.
②컬리리버스‘화이트’ 이상고객에한정,최근구매이력과레시피DB를 이용하여고객맞춤상품4가지를추천한다.
③레시피DB에서 별도로분류한시즌메뉴정보를이용하여시즌에따른상품을4가지추천한다.
✓ 적용대상
• 디바이스:모바일앱,모바일웹
• 적용경로
→상품장바구니에입력시,알림팝업하단에노출
→장바구니에서결제단계페이지전,장바구니상품목록하단에노출
✓ 일정
• 초기DB확보:10/14(수)
• 디자인:10/21(수)
• 마크업:10/23(금)
• 모바일앱배포:10/30(금)
• 모바일웹배포:11/3(화)
기획 배경
3
✓ 기존 개인화 추천 방식의 한계점 발견
• 기존모바일앱에서제공하는개인화추천방식에는한계점이있다는것을발견
• 기존에는신제품이나기존구매이력을활용한유사상품추천방식으로진행
• 소비자들이원하는개인화추천상품은‘현재필요한상품’을정확히파악하는것이우선이라생각함
✓ 소비자 개개인의 구매 심리를 파악한 micro segmentation& 실시간 개인화 추천 필요
• 위아이디어에서‘장바구니 (테마)별상품추천’아이디어를착안함
• 식제품의경우,소비자들이레시피위주로구매할가능성이높음
• 어떠한제품을구매할시에,레시피에따라필요한다른상품들이반드시존재
• 이에대해,소비자개인의특성에맞춰정확도를높인상품추천은구매전환율을높일것이라예상함
✓ 자사 제공 ‘컬리의 레시피’ 활용 증진 방안
• 자사는모바일앱에서‘컬리의 레시피’페이지를별도로운영하고있음
• 하지만,해당페이지에서소비자에게정보제공을수동적으로진행하고있음(레시피를보고소비자가직접장바구니에제품을
넣는방식)
• 이외에도,레시피DB 업데이트가지속적으로되지않고제품일부분이계속하여품절된경우도존재함
• ‘컬리의레시피’를능동적으로수용하여소비자에게정보를제공하면,소비자로하여금한차원높은서비스제공이라는인식부
여가능
기획 배경
4
현재까지 진행해 온 매크로와 마이크로 세그멘테이션을 넘어,
마이크로 세그멘테이션과 1:1 개인화의 중간 단계로
개인화 추천 방식을 변화, 발전시킬 필요가 있음
기획 배경
5
타사 현황
6
✓ 타사 비교 포인트
✓ 쿠팡과 마켓컬리의 개인화 추천 특징 비교
• 쿠팡은개인화추천상품이 ‘비교연관상품’인경우가많음
• 마켓컬리는이와차별점을두어,
‘유사제품을제시하여비교하고구매하라’를메세지를전달하는것이아니라
‘레시피(테마)위주로묶어서구매하라’라는 메세지를전달함
• 소비자들이장을볼때의사고process를해당개인화추천kernel에적용한다는아이디어
• 장바구니담기>결제단계까지이어지는kernel에서개인화추천을하는가?
• 비교군리스트:쿠팡/11번가/네이버쇼핑/SSG.COM/옥션/지마켓/네이버쇼핑
• 결제직전kernel에서진행되는공격적인(능동적인)개인화추천은쿠팡이전부
• 쿠팡의경우,
개인에게1:1으로추천한다는메세지를소비자에게가장명확히전달하고있음
목표
7
✓ e-commerce 시장에서 ‘프리미엄’ 브랜드 이미지 구축
• e-commerce시장은최근5년간지속적으로상승중이며최근코로나19로인해비대면거래선호도또한높아지고있음
• 기존고객들이외에도신규고객들이늘어나고있기때문에,현시점에서타사보다빠르게1:1개인화추천시스템도입이시급
• 현재마켓컬리는e-commerce시장에서타사와차별화되는프리미엄브랜드이미지를구축하고있는상황
• MD 추천양질의제품제공,샛별배송,친환경포장소재사용과더불어1:1개인화추천서비스제공을마켓컬리의또다른프리
미엄서비스로구축
✓ 레시피 추천을 통한 고객당 상품 클릭율 & 구매 전환율 상승
• 제품을처음노출시킨이후로결제까지이어지는구매전환율이약4~7%정도로추정됨
• 레시피추천을이용하면고객들의상품클릭율&구매전환율이상승할것으로예상함(오프라인장보기와비슷한루틴으로흘러
가기때문에)
• A/B테스트를통해노이즈와판촉의경계를따져보고,전체고객들의구매전환율을10%로끌어올리는것이목표
• 특히,상품클릭율과구매전환율사이에갭이커진다면고객들의배너노출을노이즈로느끼는지확인할필요있음
요건 상세
8
NO 항목 가설 상세정책 측정지표
1
장바구니단계에서식품카테고
리상품입력시,레시피DB를이
용한맞춤상품4가지를추천한다
.
• 고객들은레시피중심으로장보기
활동이이뤄지는경우가많다.레시
피중심으로개인추천화진행시,
고객들이원하는제품을빠르게찾
을수있어효율적이다.
• 장바구니상품PRD_DB대분류가식품인지확인
• 대분류식품의경우:레시피DB에서추천상품4가지하단노출+추천
문구
• 대분류식품이아닌경우:중/소분류정보이용하여유사상품4가지
하단노출
• 주요지표(아래3개비교)
A: 배포이전인당구매액
B: 배포이후인당구매액(결제전페이지추
천배너유무)
• 보조지표
-추천상품에대한상품클릭전환율,구매전
환율
2
컬리리버스‘화이트’이상고객에
한정,최근구매이력과레시피DB
를이용하여고객맞춤상품4가
지를추천한다.
• 화이트레벨의경우,전월사용금액
이30만원이상으로음식분류알고
리즘을진행할수있는최소한의데
이터를보유한것으로판단한다.
• 컬리러버스등급화이트이상인지확인
• 화이트미만이나미가입고객의경우:1번요건으로진행
• 화이트이상고객의경우:PRD_DB대분류가식품인경우,최근3개월
간구매이력을이용하여종류선택,이후1번요건으로진행+추천문
구
• 주요지표(아래3개비교)
A: 배포이전인당구매증가액
B: 배포이전인당구매증가액 (결제전페
이지추천배너유무)
• 보조지표
-컬리러버스레벨업여부
3
레시피DB에서별도로분류한시
즌메뉴정보를이용하여시즌에
따른상품을4가지추천한다.
• 각시즌별로고객들의생활습관에
맞춰상품을소개함으로써구매전
환율을높인다.
• 오늘날짜가지정된시즌DB에포함되는지확인
• 2번요건대로진행하면서,PRD_DB대분류가식품인경우,시즌레시
피DB의정보로추천상품4가지하단노출+추천문구
• 주요지표(아래3개비교)
A: 배포이전인당구매액
B: 배포이후인당구매액(결제전페이지추
천배너유무)
• 보조지표
-추천상품에대한상품클릭전환윺,구매전
환율
요건 상세 - 로직 설명 (1)
9
요건 상세 - 로직 설명 (2)
10
요건 상세 - 로직 설명 (3)
11
정책
12
CASE 상품노출조건 참고
레시피기반개인화추천 • 레시피DB에서장바구니상품관련4가지추천상품 • 디폴트조건
고객등급+레시피기반개인화추
천
• 레시피DB요리종류분류에서
최근3개월간구매이력으로 종류선택+
장바구니상품관련4가지추천상품
시즌+ 레시피기반개인화추천
• 오늘날짜기준으로시즌분류중하나에해당할때,
해당시즌추천메뉴중장바구니상품관련4가지추천상품
시즌+고객등급+레시피기반 개
인화추천
• 오늘날짜기준으로시즌분류중하나에해당할때,
해당시즌추천메뉴중장바구니상품관련4가지추천상품
CASE 추천문구 참고
레시피기반개인화추천 • 오늘은(레시피이름)어때요? • 디폴트조건
고객등급+레시피기반개인화추
천
• 컬리러버스(고객명)님,오늘은이상품어때요?
시즌+ 레시피기반개인화추천 • (시즌케이스이름), 오늘은(레시피 이름)어때요? • 시즌케이스이름예시별도표기
시즌+고객등급+레시피기반 개
인화추천
• (시즌케이스이름),컬리러버스께추천드리는상품 • 시즌케이스이름예시별도표기
✓ 개인화 추천 배너 추가 - 장바구니 입력
(추천 문구)
정책
13
CASE 상품노출조건 참고
• 판매중인자주구매상품
• 판매중=판매상태(판매중)AND재고
있음
• 판매중AND할인오퍼존재하는자주구매상품
• 할인중=0차에누리,1차에누리_1,1
차에누리_2,증정에누리가적용된상
품
• 판매상태,할인오퍼상관없이자주구매상품전체
• 판매중아님AND할인오퍼존재하는자주구매상품
CASE 상품노출조건 참고
레시피기반개인화추천 • 상품별로구매횟수를합산하여가장큰순에서낮은순으로 • 디폴트정렬조건
고객등급+레시피기반개인화추
천
• 상품별로마지막구매시각을기준으로가장최근순에서오래
된순으로
✓ 개인화 추천 배너 추가 - 결제 단계 전 페이지
(추천 문구)
CASE 추천문구 참고
레시피기반개인화추천 • 오늘은(레시피이름)어때요? • 디폴트조건
고객등급+레시피기반개인화추
천
• 컬리러버스(고객명)님,오늘은이상품어때요?
시즌+ 레시피기반개인화추천 • (시즌케이스이름), 오늘은(레시피 이름)어때요? • 시즌케이스이름예시별도표기
시즌+고객등급+레시피기반 개
인화추천
• (시즌케이스이름),컬리러버스께추천드리는상품 • 시즌케이스이름예시별도표기
CASE 상품노출조건 참고
레시피기반개인화추천 • 레시피DB에서장바구니상품관련4가지추천상품 • 디폴트조건
고객등급+레시피기반개인화추
천
• 레시피DB요리종류분류에서
최근3개월간구매이력으로 종류선택+
장바구니상품관련4가지추천상품
시즌+ 레시피기반개인화추천
• 오늘날짜기준으로시즌분류중하나에해당할때,
해당시즌추천메뉴중장바구니상품관련4가지추천상품
시즌+고객등급+레시피기반 개
인화추천
• 오늘날짜기준으로시즌분류중하나에해당할때,
해당시즌추천메뉴중장바구니상품관련4가지추천상품
14
액션 아이템 & 일정
10/14(수) 10/15(목) 10/16(금) 10/19(월) 10/20(화) 10/21(수) 10/22(목) 10/23(금) 10/26(월) 10/27(화) 10/28(수) 10/29(목) 10/30(금) 11/2(월) 11/3(화)
DB확보
디자인
마크업
mAPI
MA개발
MAQA
MA배포
MW 개발
MWQA
MW배포
화면명 경로 작성자 버전
15
Description
1
• 구매하기버튼,해당상품장바구니선
택
2
• ‘장바구니에상품이담겼습니다.’상단
알림
• 알림하단배너에추천상품4가지노
출
3
• 추천상품중한가지선택시,
해당상품상세페이지로전환
4
• 장바구니미선택후,뒤로가기버튼은
이전상품페이지로이동
5
• 1번과정과동일.
• 추천상품재선택시2번과동일하게
이동
• 추천상품미선택시,
상단알림자동사라짐.
우측상단장바구니아이콘알림표시
6 • 추천상품재선택시,3번과정과동일
7
• 스크롤하단‘구매하기’버튼누르면
결제단계페이지로이동
(한번노출된상품들은제외)
1
2
6
레시피 제품추천 마켓컬리ㅣ장바구니 1.0최진
(추천 문구)
3
4
5
(추천 문구)
7
리액팅코드 추가
16
구분 화면명 영역명 상세영역명 상세전시요소
1 통합_레시피 추천 상품 선택 상품 상세 페이지_레이어 배너_클릭 구매하기 버튼
2 통합_레시피 추천 상품 선택 상품 상세 페이지_알림 배너 배너_팝업 장바구니 입력 알람
3 통합_레시피 추천 상품 선택 상품 상세 페이지_추천화배너 배너_팝업 추천화 목록 노출
4 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 최초 선택 레시피 선택
5 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 최초 장바구니 상품 제외
6 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 해당 페이지 상품 제외
7 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 추천 상품 중 품절 제외
8 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop
품절 상품 2개 이상 시, 최
초 선택 레시피 변경
9 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop
선택 가능 레시피 없을 시,
유사 상품 추천 방식 변경
10 통합_레시피 추천 상품 선택 추천화배너_상품목록 배너_미 클릭 목록, 알람 배너 스크롤업
12 통합_레시피 추천 상품 선택 제품 상세 페이지_레이어 - 제품 상세페이지 초기화면
✓ 리액팅코드 추가요청 (추천 상품 선택 시 상황)
4 9~
(추천 문구)
APPENDIX
17
• Boxever &Tnooz(2015,6)|AbriefHistory ofPersonality
• IBMCommerce(2015,6)|TransformingCustomerEngagement
• Evergage(2014,6)| 4Real-Time Personalization Secrets
• DMC Report|개인화마케팅의현황및전망-개인화마케팅의개념및특성,현황,사례그리고기대효과및전망
(https://www.trendmonitor.co.kr/tmweb/file/downloadFile.do?bIdx=491&trendType=dmc&fileType=O)
• Kharnnews |콜드체인시장,오프라인지고‘온라인’ 뜬다
(http://www.kharn.kr/news/article.html?no=12129)
• 산업통상자원부|2020년 상반기주요유통업체매출전년대비3.7%증가
(http://www.motie.go.kr/motie/ne/presse/press2/bbs/bbsView.do?bbs_seq_n=163182&bbs_cd_n=81&currentPage=1&search_key_n=title_v&cate_n=&dept_v=&search_val_
v=%EC%9C%A0%ED%86%B5%EC%97%85%EC%B2%B4)

Weitere ähnliche Inhalte

Was ist angesagt?

Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례 - 박경표 AWS 솔루션즈 아키텍트 / 임상석...
Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례  - 박경표 AWS 솔루션즈 아키텍트 / 임상석...Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례  - 박경표 AWS 솔루션즈 아키텍트 / 임상석...
Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례 - 박경표 AWS 솔루션즈 아키텍트 / 임상석...Amazon Web Services Korea
 
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Web Services Korea
 
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019Amazon Web Services Korea
 
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018Amazon Web Services Korea
 
[261] 실시간 추천엔진 머신한대에 구겨넣기
[261] 실시간 추천엔진 머신한대에 구겨넣기[261] 실시간 추천엔진 머신한대에 구겨넣기
[261] 실시간 추천엔진 머신한대에 구겨넣기NAVER D2
 
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...Amazon Web Services Korea
 
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...Amazon Web Services Korea
 
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)Seongyun Byeon
 
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처hoondong kim
 
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Web Services Korea
 
슬라이드쉐어
슬라이드쉐어슬라이드쉐어
슬라이드쉐어sungminlee
 
결제를 구현하고 싶은 개발팀을 위한 안내서
결제를 구현하고 싶은 개발팀을 위한 안내서결제를 구현하고 싶은 개발팀을 위한 안내서
결제를 구현하고 싶은 개발팀을 위한 안내서수보 김
 
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략Amazon Web Services Korea
 
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호NAVER D2
 
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트Amazon Web Services Korea
 
서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기승화 양
 
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트)
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트) 마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트)
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트) Amazon Web Services Korea
 
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드MezzoMedia
 
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018Amazon Web Services Korea
 

Was ist angesagt? (20)

Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례 - 박경표 AWS 솔루션즈 아키텍트 / 임상석...
Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례  - 박경표 AWS 솔루션즈 아키텍트 / 임상석...Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례  - 박경표 AWS 솔루션즈 아키텍트 / 임상석...
Kurly는 AWS를 어떻게 사용하고 있을까? - 성공적 리테일 디지털 트랜스포메이션 사례 - 박경표 AWS 솔루션즈 아키텍트 / 임상석...
 
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon SageMaker 모델 배포 방법 소개::김대근, AI/ML 스페셜리스트 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
 
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019
AWS 기반 지속 가능한 데이터 분석 플랫폼 구축하기 - 소성운, 지그재그 :: AWS Summit Seoul 2019
 
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018
AWS를 활용한 상품 추천 서비스 구축::김태현:: AWS Summit Seoul 2018
 
[261] 실시간 추천엔진 머신한대에 구겨넣기
[261] 실시간 추천엔진 머신한대에 구겨넣기[261] 실시간 추천엔진 머신한대에 구겨넣기
[261] 실시간 추천엔진 머신한대에 구겨넣기
 
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
[AWS Innovate 온라인 컨퍼런스] Amazon Personalize를 통한 개인화 추천 기능 실전 구현하기 - 최원근, AWS 솔...
 
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...
현대백화점 리테일테크랩과 AWS Prototyping 팀 개발자가 들려주는 인공 지능 무인 스토어 개발 여정 - 최권열 AWS 프로토타이핑...
 
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)
[MLOps KR 행사] MLOps 춘추 전국 시대 정리(210605)
 
Amazon DynamoDB 키 디자인 패턴
Amazon DynamoDB 키 디자인 패턴Amazon DynamoDB 키 디자인 패턴
Amazon DynamoDB 키 디자인 패턴
 
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
 
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
Amazon Personalize 개인화 추천 모델 만들기::김태수, 솔루션즈 아키텍트, AWS::AWS AIML 스페셜 웨비나
 
슬라이드쉐어
슬라이드쉐어슬라이드쉐어
슬라이드쉐어
 
결제를 구현하고 싶은 개발팀을 위한 안내서
결제를 구현하고 싶은 개발팀을 위한 안내서결제를 구현하고 싶은 개발팀을 위한 안내서
결제를 구현하고 싶은 개발팀을 위한 안내서
 
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략
세션 1: Non-IT 비즈니스를 위한 Digital Transformation 전략
 
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호
[221] 딥러닝을 이용한 지역 컨텍스트 검색 김진호
 
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트
K8s, Amazon EKS - 유재석, AWS 솔루션즈 아키텍트
 
서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기서비스 기획자를 위한 데이터분석 시작하기
서비스 기획자를 위한 데이터분석 시작하기
 
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트)
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트) 마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트)
마이크로서비스 기반 클라우드 아키텍처 구성 모범 사례 - 윤석찬 (AWS 테크에반젤리스트)
 
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드
[메조미디어 X CJ AI CENTER] AI를 통한 개인맞춤형 서비스 트렌드
 
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018
비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018
 

데이터 기반 이커머스 개인화 추천 기획 | 마켓컬리 Market Kurly

  • 1. 마켓컬리 개인화 추천 기획안 - 마켓컬리 자체 레시피 DB를 이용한 식제품 구매 전환율 증진 방안 - 서비스기획팀 1 Version : 1.0 Date : 2020.10.05 서비스기획팀
  • 2. 요약 2 ✓ 요건 ①장바구니단계에서식품카테고리상품입력시,레시피DB를 이용한맞춤상품4가지를추천한다. ②컬리리버스‘화이트’ 이상고객에한정,최근구매이력과레시피DB를 이용하여고객맞춤상품4가지를추천한다. ③레시피DB에서 별도로분류한시즌메뉴정보를이용하여시즌에따른상품을4가지추천한다. ✓ 적용대상 • 디바이스:모바일앱,모바일웹 • 적용경로 →상품장바구니에입력시,알림팝업하단에노출 →장바구니에서결제단계페이지전,장바구니상품목록하단에노출 ✓ 일정 • 초기DB확보:10/14(수) • 디자인:10/21(수) • 마크업:10/23(금) • 모바일앱배포:10/30(금) • 모바일웹배포:11/3(화)
  • 3. 기획 배경 3 ✓ 기존 개인화 추천 방식의 한계점 발견 • 기존모바일앱에서제공하는개인화추천방식에는한계점이있다는것을발견 • 기존에는신제품이나기존구매이력을활용한유사상품추천방식으로진행 • 소비자들이원하는개인화추천상품은‘현재필요한상품’을정확히파악하는것이우선이라생각함 ✓ 소비자 개개인의 구매 심리를 파악한 micro segmentation& 실시간 개인화 추천 필요 • 위아이디어에서‘장바구니 (테마)별상품추천’아이디어를착안함 • 식제품의경우,소비자들이레시피위주로구매할가능성이높음 • 어떠한제품을구매할시에,레시피에따라필요한다른상품들이반드시존재 • 이에대해,소비자개인의특성에맞춰정확도를높인상품추천은구매전환율을높일것이라예상함 ✓ 자사 제공 ‘컬리의 레시피’ 활용 증진 방안 • 자사는모바일앱에서‘컬리의 레시피’페이지를별도로운영하고있음 • 하지만,해당페이지에서소비자에게정보제공을수동적으로진행하고있음(레시피를보고소비자가직접장바구니에제품을 넣는방식) • 이외에도,레시피DB 업데이트가지속적으로되지않고제품일부분이계속하여품절된경우도존재함 • ‘컬리의레시피’를능동적으로수용하여소비자에게정보를제공하면,소비자로하여금한차원높은서비스제공이라는인식부 여가능
  • 4. 기획 배경 4 현재까지 진행해 온 매크로와 마이크로 세그멘테이션을 넘어, 마이크로 세그멘테이션과 1:1 개인화의 중간 단계로 개인화 추천 방식을 변화, 발전시킬 필요가 있음
  • 6. 타사 현황 6 ✓ 타사 비교 포인트 ✓ 쿠팡과 마켓컬리의 개인화 추천 특징 비교 • 쿠팡은개인화추천상품이 ‘비교연관상품’인경우가많음 • 마켓컬리는이와차별점을두어, ‘유사제품을제시하여비교하고구매하라’를메세지를전달하는것이아니라 ‘레시피(테마)위주로묶어서구매하라’라는 메세지를전달함 • 소비자들이장을볼때의사고process를해당개인화추천kernel에적용한다는아이디어 • 장바구니담기>결제단계까지이어지는kernel에서개인화추천을하는가? • 비교군리스트:쿠팡/11번가/네이버쇼핑/SSG.COM/옥션/지마켓/네이버쇼핑 • 결제직전kernel에서진행되는공격적인(능동적인)개인화추천은쿠팡이전부 • 쿠팡의경우, 개인에게1:1으로추천한다는메세지를소비자에게가장명확히전달하고있음
  • 7. 목표 7 ✓ e-commerce 시장에서 ‘프리미엄’ 브랜드 이미지 구축 • e-commerce시장은최근5년간지속적으로상승중이며최근코로나19로인해비대면거래선호도또한높아지고있음 • 기존고객들이외에도신규고객들이늘어나고있기때문에,현시점에서타사보다빠르게1:1개인화추천시스템도입이시급 • 현재마켓컬리는e-commerce시장에서타사와차별화되는프리미엄브랜드이미지를구축하고있는상황 • MD 추천양질의제품제공,샛별배송,친환경포장소재사용과더불어1:1개인화추천서비스제공을마켓컬리의또다른프리 미엄서비스로구축 ✓ 레시피 추천을 통한 고객당 상품 클릭율 & 구매 전환율 상승 • 제품을처음노출시킨이후로결제까지이어지는구매전환율이약4~7%정도로추정됨 • 레시피추천을이용하면고객들의상품클릭율&구매전환율이상승할것으로예상함(오프라인장보기와비슷한루틴으로흘러 가기때문에) • A/B테스트를통해노이즈와판촉의경계를따져보고,전체고객들의구매전환율을10%로끌어올리는것이목표 • 특히,상품클릭율과구매전환율사이에갭이커진다면고객들의배너노출을노이즈로느끼는지확인할필요있음
  • 8. 요건 상세 8 NO 항목 가설 상세정책 측정지표 1 장바구니단계에서식품카테고 리상품입력시,레시피DB를이 용한맞춤상품4가지를추천한다 . • 고객들은레시피중심으로장보기 활동이이뤄지는경우가많다.레시 피중심으로개인추천화진행시, 고객들이원하는제품을빠르게찾 을수있어효율적이다. • 장바구니상품PRD_DB대분류가식품인지확인 • 대분류식품의경우:레시피DB에서추천상품4가지하단노출+추천 문구 • 대분류식품이아닌경우:중/소분류정보이용하여유사상품4가지 하단노출 • 주요지표(아래3개비교) A: 배포이전인당구매액 B: 배포이후인당구매액(결제전페이지추 천배너유무) • 보조지표 -추천상품에대한상품클릭전환율,구매전 환율 2 컬리리버스‘화이트’이상고객에 한정,최근구매이력과레시피DB 를이용하여고객맞춤상품4가 지를추천한다. • 화이트레벨의경우,전월사용금액 이30만원이상으로음식분류알고 리즘을진행할수있는최소한의데 이터를보유한것으로판단한다. • 컬리러버스등급화이트이상인지확인 • 화이트미만이나미가입고객의경우:1번요건으로진행 • 화이트이상고객의경우:PRD_DB대분류가식품인경우,최근3개월 간구매이력을이용하여종류선택,이후1번요건으로진행+추천문 구 • 주요지표(아래3개비교) A: 배포이전인당구매증가액 B: 배포이전인당구매증가액 (결제전페 이지추천배너유무) • 보조지표 -컬리러버스레벨업여부 3 레시피DB에서별도로분류한시 즌메뉴정보를이용하여시즌에 따른상품을4가지추천한다. • 각시즌별로고객들의생활습관에 맞춰상품을소개함으로써구매전 환율을높인다. • 오늘날짜가지정된시즌DB에포함되는지확인 • 2번요건대로진행하면서,PRD_DB대분류가식품인경우,시즌레시 피DB의정보로추천상품4가지하단노출+추천문구 • 주요지표(아래3개비교) A: 배포이전인당구매액 B: 배포이후인당구매액(결제전페이지추 천배너유무) • 보조지표 -추천상품에대한상품클릭전환윺,구매전 환율
  • 9. 요건 상세 - 로직 설명 (1) 9
  • 10. 요건 상세 - 로직 설명 (2) 10
  • 11. 요건 상세 - 로직 설명 (3) 11
  • 12. 정책 12 CASE 상품노출조건 참고 레시피기반개인화추천 • 레시피DB에서장바구니상품관련4가지추천상품 • 디폴트조건 고객등급+레시피기반개인화추 천 • 레시피DB요리종류분류에서 최근3개월간구매이력으로 종류선택+ 장바구니상품관련4가지추천상품 시즌+ 레시피기반개인화추천 • 오늘날짜기준으로시즌분류중하나에해당할때, 해당시즌추천메뉴중장바구니상품관련4가지추천상품 시즌+고객등급+레시피기반 개 인화추천 • 오늘날짜기준으로시즌분류중하나에해당할때, 해당시즌추천메뉴중장바구니상품관련4가지추천상품 CASE 추천문구 참고 레시피기반개인화추천 • 오늘은(레시피이름)어때요? • 디폴트조건 고객등급+레시피기반개인화추 천 • 컬리러버스(고객명)님,오늘은이상품어때요? 시즌+ 레시피기반개인화추천 • (시즌케이스이름), 오늘은(레시피 이름)어때요? • 시즌케이스이름예시별도표기 시즌+고객등급+레시피기반 개 인화추천 • (시즌케이스이름),컬리러버스께추천드리는상품 • 시즌케이스이름예시별도표기 ✓ 개인화 추천 배너 추가 - 장바구니 입력 (추천 문구)
  • 13. 정책 13 CASE 상품노출조건 참고 • 판매중인자주구매상품 • 판매중=판매상태(판매중)AND재고 있음 • 판매중AND할인오퍼존재하는자주구매상품 • 할인중=0차에누리,1차에누리_1,1 차에누리_2,증정에누리가적용된상 품 • 판매상태,할인오퍼상관없이자주구매상품전체 • 판매중아님AND할인오퍼존재하는자주구매상품 CASE 상품노출조건 참고 레시피기반개인화추천 • 상품별로구매횟수를합산하여가장큰순에서낮은순으로 • 디폴트정렬조건 고객등급+레시피기반개인화추 천 • 상품별로마지막구매시각을기준으로가장최근순에서오래 된순으로 ✓ 개인화 추천 배너 추가 - 결제 단계 전 페이지 (추천 문구) CASE 추천문구 참고 레시피기반개인화추천 • 오늘은(레시피이름)어때요? • 디폴트조건 고객등급+레시피기반개인화추 천 • 컬리러버스(고객명)님,오늘은이상품어때요? 시즌+ 레시피기반개인화추천 • (시즌케이스이름), 오늘은(레시피 이름)어때요? • 시즌케이스이름예시별도표기 시즌+고객등급+레시피기반 개 인화추천 • (시즌케이스이름),컬리러버스께추천드리는상품 • 시즌케이스이름예시별도표기 CASE 상품노출조건 참고 레시피기반개인화추천 • 레시피DB에서장바구니상품관련4가지추천상품 • 디폴트조건 고객등급+레시피기반개인화추 천 • 레시피DB요리종류분류에서 최근3개월간구매이력으로 종류선택+ 장바구니상품관련4가지추천상품 시즌+ 레시피기반개인화추천 • 오늘날짜기준으로시즌분류중하나에해당할때, 해당시즌추천메뉴중장바구니상품관련4가지추천상품 시즌+고객등급+레시피기반 개 인화추천 • 오늘날짜기준으로시즌분류중하나에해당할때, 해당시즌추천메뉴중장바구니상품관련4가지추천상품
  • 14. 14 액션 아이템 & 일정 10/14(수) 10/15(목) 10/16(금) 10/19(월) 10/20(화) 10/21(수) 10/22(목) 10/23(금) 10/26(월) 10/27(화) 10/28(수) 10/29(목) 10/30(금) 11/2(월) 11/3(화) DB확보 디자인 마크업 mAPI MA개발 MAQA MA배포 MW 개발 MWQA MW배포
  • 15. 화면명 경로 작성자 버전 15 Description 1 • 구매하기버튼,해당상품장바구니선 택 2 • ‘장바구니에상품이담겼습니다.’상단 알림 • 알림하단배너에추천상품4가지노 출 3 • 추천상품중한가지선택시, 해당상품상세페이지로전환 4 • 장바구니미선택후,뒤로가기버튼은 이전상품페이지로이동 5 • 1번과정과동일. • 추천상품재선택시2번과동일하게 이동 • 추천상품미선택시, 상단알림자동사라짐. 우측상단장바구니아이콘알림표시 6 • 추천상품재선택시,3번과정과동일 7 • 스크롤하단‘구매하기’버튼누르면 결제단계페이지로이동 (한번노출된상품들은제외) 1 2 6 레시피 제품추천 마켓컬리ㅣ장바구니 1.0최진 (추천 문구) 3 4 5 (추천 문구) 7
  • 16. 리액팅코드 추가 16 구분 화면명 영역명 상세영역명 상세전시요소 1 통합_레시피 추천 상품 선택 상품 상세 페이지_레이어 배너_클릭 구매하기 버튼 2 통합_레시피 추천 상품 선택 상품 상세 페이지_알림 배너 배너_팝업 장바구니 입력 알람 3 통합_레시피 추천 상품 선택 상품 상세 페이지_추천화배너 배너_팝업 추천화 목록 노출 4 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 최초 선택 레시피 선택 5 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 최초 장바구니 상품 제외 6 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 해당 페이지 상품 제외 7 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 추천 상품 중 품절 제외 8 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 품절 상품 2개 이상 시, 최 초 선택 레시피 변경 9 통합_레시피 추천 상품 선택 추천화배너_상품목록 소팅_레시피 알고리즘 loop 선택 가능 레시피 없을 시, 유사 상품 추천 방식 변경 10 통합_레시피 추천 상품 선택 추천화배너_상품목록 배너_미 클릭 목록, 알람 배너 스크롤업 12 통합_레시피 추천 상품 선택 제품 상세 페이지_레이어 - 제품 상세페이지 초기화면 ✓ 리액팅코드 추가요청 (추천 상품 선택 시 상황) 4 9~ (추천 문구)
  • 17. APPENDIX 17 • Boxever &Tnooz(2015,6)|AbriefHistory ofPersonality • IBMCommerce(2015,6)|TransformingCustomerEngagement • Evergage(2014,6)| 4Real-Time Personalization Secrets • DMC Report|개인화마케팅의현황및전망-개인화마케팅의개념및특성,현황,사례그리고기대효과및전망 (https://www.trendmonitor.co.kr/tmweb/file/downloadFile.do?bIdx=491&trendType=dmc&fileType=O) • Kharnnews |콜드체인시장,오프라인지고‘온라인’ 뜬다 (http://www.kharn.kr/news/article.html?no=12129) • 산업통상자원부|2020년 상반기주요유통업체매출전년대비3.7%증가 (http://www.motie.go.kr/motie/ne/presse/press2/bbs/bbsView.do?bbs_seq_n=163182&bbs_cd_n=81&currentPage=1&search_key_n=title_v&cate_n=&dept_v=&search_val_ v=%EC%9C%A0%ED%86%B5%EC%97%85%EC%B2%B4)