-
패스트캠퍼스 환급챌린지 32일차 미션 (3월 3일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기2024년 패스트 캠퍼스 챌린지 2024. 3. 3. 23:40
강의 내용 Review
📍배운내용📍
- 콜드스타트 문제해결 방법
- 콜드스타트 개선의 필요성
- 선호도 유도
👉강의내용👈
콜드 스타트 문제
- 고질적인 문제, 모르는 사용자, 고객에 대해 작은 정보
- 이때는 few-shot, zero-shot 기법 활용가능
- 유저의 선호도나 행동에 대한 정보가 없을때 추천의 어려움, 새로운 아이템에 대한 소피패턴
- user, item, system 콜드 스타트가 있음
- 아이템에 충분한 상호작용이 없으면 추천 알고리즘의 스코어가 계속 낮아지고 공정성에 문제가 되기도함
- 파레토 법칙: 80의 결과가 20의 원인에서 발생
- 롱테일 문제: 파레토 법칙에 의해 롱테일 문제 발생함, 추천 과정에서 소수에 아이템에 추천이 몰려서 다른 아이템이 잘 노출 되지 않음, 인기있는 제품이 더 많이 추천 되는 현상 발생
콜드 스타트 개선의 필요성
- 해결해야하는 이유: 유저몰입, 수익, 서비스 체류 시간 증대, 시스템 성능
콜드 스타트 문제 해결
- 인기 아이템 추천: 대부분 유저가 좋아하는 아이템 추천, 인기가 많으면 상품의 컨텐츠 파워가 검증된, 실시간의 인기 상품 추천, 유저의 고유한 선호도를 반영하지 못하고 대중적인것만 추천 할수도있음
- 랜덤 아이템 추천: 아무거나 추천해서 선택한 항목을 분석함 다양한 제품에 노출되어 유저의 선호도를 탐색할수있음, 가정을 통해서 유저에 제안되는 아이템에 대한 제한이 있는 방법과 달리 랜덤으로 추천함, 신규 아이템에 대해서도 공정하게 기회를 제공함, 하지만 낮은 관련도로 인해 서비스 이탈 문제 발생
- 인구 통계 기반 추천: 가지고 있는 데이터 최대한 활용, 유저의 특성을 세그먼트로 나눠서 추천함, 그 내부의 인기를 정해서 그나마 개인화 된 추천가능
- 규칙 기반 추천: 서비스의 행동패턴에 통찰을 얻음, 할인, 시리즈 물 추천 등등 도메인 지식을 이용한 노출, 서비스에서 얻는 도메인 지식으로 추천 가능, 사람이 일일히 지정해야하는 번거로움 있음
선호도 유도
- 질문과 포맷을 통해 추천에 활용할수 있는 유저의 다양한 데이터 수집 가능
- 1) 온보딩 설문지: 설문지 같은 형식으로 추가적인 정보를 수집함
- 2) 아아템 선택, 순위 지정 유도: 관심있는것을 선택함으로 관심 분야 필터링, 순위로 지정하라고 하는 패턴, 귀찮긴 하지만 좀더 선호하는 초기 추천을 받을수있음
- 3) 인터랙티브 퀴즈: 대화형 인테페이스 사용함, 자연어도 사용가능, ChatGPT도 요즘 추천기술에 많이 사용됨 -> 자연어 입력, pdf입력등
- 4) 소셜미디어 연동: 친구 정보로 추천 하기도함
- 5) 게임으로 생성: UI를 사용한 게임의 형태, 다양한 인터페이스 사용가능, 고객이 자신의 데이터를 자발적으로 채워 넣게 함
공부사진
32일차 후기
추천 시스템 뒤에 다양한 이론과 기법이 있다는 것이 신기했다.
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
'2024년 패스트 캠퍼스 챌린지' 카테고리의 다른 글