[추천시스템] 개인의 취향을 반영할 수는 없을까, 스타일쉐어(2)

📌 포인트:
연관 스타일끼리 K-means 클러스터링

1. 트렌드 기반 콘텐츠만 제공해도 될까

아래를 보시면, 스타일쉐어의 홈 화면에서 제공되는 컨텐츠 대부분이 유저 대상 타켓딩이 되지 않고, 트렌드에 초점을 맞춘 컨텐츠임을 알 수 있어요. 사용자를 위해서는 개인의 취향 또한 기업이 잡아야할 토끼라고 생각합니다. 앞선 사례에서 다룬 연관스타일에서 새로운 아이디어를 착안했어요.

출처:  스타일쉐어의 서비스 홈 화면

2. 유저들의 관심사 별로 묶인 스타일 그룹을 만들자!

앞서 유저의 관심사를 가장 주요한 지표로 보고 스타일을 추천해준 사례를 소개해드렸어요.
관심사의 묶음이 스타일을 탐색하는 새로운 경험이 될 것이라 생각했기에, 다음과 과정을 진행했습니다.

출처:  https://medium.com/styleshare/styleshare-recommendation-beginning-2-74aa50c84510

 

유저들의 관심사 별로 묶인 스타일 그룹

연관 스타일에서 스타일을 추천하기 위해 만든 모델에서 생성된 임베딩 벡터를 Mini Batch K-Means 클러스터링 알고리즘을 이용해 스타일 묶음을 만듬.

 

사용자 취향 반영 스타일 묶음 추천

앞서 묶음들의 Embedding 벡터의 중앙값인 centroid 벡터와 각 사용자들의 Embedding 벡터를 이용하여 추천
(두 벡터의 유사도 가장 높은 것을 추천하는 형태로 추정)

서비스 홈 화면에서 이미 스타일 묶음으로 보여주고 있었기에, 새로운 컴포넌트로 자연스럽게 제공했습니다.

3. A/B 테스트

유저 클릭 Heatmap

출처: 양쪽 유저군에서 첫번째 컴포넌트의 히트맵

지표 상승