레코픽 설명회 14회 발표자료_v1_20171207

2017. 12. 7

제14회

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


Session 1 (40분)


Session 2 (50분)

Q & A (20분)


진행 순서

‘추천’을 둘러싼 오해/궁금증?

추천이라는게 그냥 잘팔리는 상품 보여주면 되는 거

아닌가요?

추천 솔루션은 다 비슷해 보이는데, 거기서 거기

아닌가요?

우리 사이트에 이미 들어온 고객보다는 유입이나

재방문을 높이기 위한 광고나 마케팅에도 추천을

활용할 수 있나요?

1

2

3

금일 발표 내용

Session 1

Session 2

1. 레코픽 추천의 장점/차별화 포인트

2. Next 레코픽 소개 : 레코픽 추천을 활용한 개인화 마케팅/광고

개인화 랜딩 페이지 사례

페이스북 타겟 광고 사례

1. 온라인 쇼핑몰에서 추천의 역할

2. 추천 알고리즘 소개

3. 실시간 개인화 추천의 중요성

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


Session 1 (40분)


Session 2 (50분)

Q & A (20분)


진행 순서

레코픽 소개

온라인 쇼핑몰을 위한 클라우드(Cloud) 기반의 추천 서비스로, 국내 최초의 실시간 개인화 추천

서비스 출시 (www.recopick.com)

현재 85개 고객사(180개 사이트)에 적용

스크립트 삽입

추천서비스

(12종)제공

페이지 방문 로그전송

RECOPICK

추천서비스

(12종)제공

http://www.recopick.com/

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


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


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


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 85개사 180개 사이트

누적 390억건 로그 수집

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

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 2

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 3

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

48

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


함께 구매한 상품 추천 or


페이지 이탈

페이지 이탈





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



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


상품상세 페이지

함께 본 상품 추천

함께 구매한 상품 추천 or


이 상품을 본 고객이 많이 본 다른 상품


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



이 상품을 구매한 고객이 함께 구매한 다른 상품

특정 상품에

구매목적


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


구매완료



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

개인화 랜딩페이지?

(광고) 오늘 하루 당신만을 위한 추천!

Click

평소 원피스, 블라우스에

관심있었던 고객

이전에 자켓, 니트를 살지말지

고민했던 고객

모든 고객에게 동일한 페이지가 아닌 개인별로 다른 상품을 제공하는 랜딩페이지

당신만을 위한 추천! 당신만을 위한 추천!

고객의 개별 Needs를 충족하는 개인 맞춤 서비스

개인화 랜딩페이지 개발 배경

랜딩페이지

기존 쇼핑몰 랜딩페이지의 한계

• 자발적 유입(능동적인 고객)은 이탈률이 낮으나, 마케팅을 통한 유입은 이탈률이 높은 편

• 모든 고객에게 동일한 랜딩페이지를 제공하기 때문에 소비자의 개별 Needs를 맞추기엔 한계

메인

카테고리

신상품 or 개별상품

이벤트

마케팅 채널

광고

Push

알림톡

문자

유입 전환

구매하기

페이지 이탈률 높음

쇼핑몰에서의 랜딩페이지(Landing Page)란?

• 고객이 광고, Push, 알림톡 등의 마케팅 채널을 통해 접속하여 보게되는 첫 화면

• 방문자의 고객 전환율과 직결되는 중요한 마케팅 페이지

마케팅 채널

광고

Push

알림톡

문자

유입 높은 전환율

구매하기

왜 개인화 랜딩페이지인가?

• 고객 개개인별 관심도가 높은 상품을 노출할수록 구매 동기 유발 이탈을 줄이고 마케팅 성과 극대화

• 자동화된 개인화 추천으로 랜딩페이지 설계에 들이는 고민과 시간 단축 마케팅 운영의 효율화

레코픽 개인화 랜딩페이지

당신만을 위한 추천!

당신만을 위한 추천!

개인화 랜딩페이지 사례 : 푸시 알림

(광고) 오늘 하루 당신만을 위한 추천! Click

푸시 알림 클릭시 개인화 랜딩페이지로 유입, 고객의 최근 이용패턴에 기반한 개인화 추천 상품

노출

개인화 랜딩페이지 성과 사례 : 푸시 알림

테스트 사례

– 대상 : 여성의류 쇼핑몰

– 테스트 : 모바일 앱에서 3회 푸시 발송

테스트 결과

회차 추천클릭률 구매건수 기여매출(24시간) 기여매출(1시간)

1회 13.7% 1 14,800 14,800

2회 29.8% 1 24,000 24,000

3회 25.7% 5 193,000 193,000

개인화 랜딩페이지 성과 사례 : 네이버 키워드 광고

테스트 사례

– 대상 : 여성의류 쇼핑몰

– 테스트 : 네이버 키워드 광고 집행

• 성과 비교 : 메인 페이지 랜딩 vs. 개인화 랜딩

테스트 결과

성과 비교

네이버 키워드 광고 성과 랜딩 페이지 성과

기간 노출수 클릭수 전환수 전환율(%) 전환매출 ROAS

메인페이지

랜딩 11/7~11/12 35,809 4,910 90 1.8% 7,141,500 227%

개인화 랜딩 11/14~11/19 35,813 4,966 113 2.3% 9,317,780 298%

증가율 26% 24% 30% 31%

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) 광고 소재(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 등록 모두 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

레코픽 제공 타겟 Seg와 레코픽 추천 엔진을 결합하여 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)

레코픽을 활용한 페이스북 광고 : 테스트 사례

NEXT RECOPICK

광고 테스트 기간 2017년 11월 6일~ 14일 (7일간 집행, 주말 제외)

평가 지표 ROAS(광고 click 기준 당일 구매 금액)

평가 방법 (AB 테스트)

레코픽 Seg vs. 페이스북 Seg

결과(ROAS 비교) 345%(레코픽 Seg) vs. 235%(페이스북 Seg)

• 6개 대카테고리

선정: 명품화장품 등 • 로열티 고객 추가 • 8만 고객 모수 추출

• Lift 분석을 통한

카테고리간 연관도 분석

• A사 대표 카테고리 와 유사 카테고리 선정

페이스북 광고 테스트 시나리오 : A사 사례

NEXT RECOPICK

A사 분석 Customized Seg 생성

• 명품화장품 Best Seller 상품외에

• 레코픽 추천 엔진을 활용한 추천광고 상품 추가

추천광고 생성

• FMP를 통한 광고 집행

• AB Test • ROAS 비교

송출

No Seg 모수

1 명품 화장품 36,725

2 화장품_향수 14,789

3 유아동 19,060

4 여성의류 19,543

5 스포츠_레져 8,564

6 헤어바디_미용기기 6,511

No item code 비고

1 77557788 Best

2 75228278 VT

3 77570965 VT

4 75282966 VT

5 77561823 BT

6 62832546 BT

페이스북 광고 집행결과 : A사 사례

NEXT RECOPICK

기간 캠페인 노출 클릭 CTR 전환수 전환율(%) 전환 매출 ROAS(%)

11/6 ~

11/14

A 40,151 789 2.0% 22 2.8% 2,530,923 345%

B 97,638 1,853 1.9% 25 1.3% 1,776,465 235%

• AB 테스트

• 집행 결과

그룹 타겟 모수(Seg) 광고 소재

A 레코픽 타겟 모수 추천소재

B 페이스북 타겟 모수 추천소재

1)광고주 사이트 분석과 2)레코픽 추천을 통한 광고 효율 개선 가능성 검증!

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


Session 1 (40분)


Session 2 (50분)

Q & A (20분)


진행 순서

스타벅스 3만원 상품권 1명

명함 추천 이벤트

1등

2등 초고속 멀티 충전기 2명

Thank you https://recopick.com

[email protected]

https://recopick.com

https://recopick.com

레코픽 설명회 14회 발표자료_v1_20171207

Technology