그루비 알고리즘

설정 가능한 알고리즘 유형은 다음과 같습니다.

• 상품 추천 : 접속한 방문자에게 상품을 추천합니다.
• 기획전 추천 : 접속한 방문자에게 기획전을 추천합니다.
• 커스텀 추천 : 접속한 방문자에게 고객사 맞춤형으로 제작된 추천 알고리즘을 사용한 상품/기획전을 추천합니다.

그루비가 제공하는 알고리즘은 총 29개입니다.

그루비 알고리즘은 상품 기반, 방문자 이력 기반, 통계에 기반하여 제작됩니다.

---

현재 보고 있거나 장바구니에 담은 상품 또는 기획전과 관련도가 높은 상품 또는 기획전을 추천합니다. 특정 상품의 조회, 구매 등 데이터가 부족하여 선택한 알고리즘으로 추천이 불가한 경우 상품명을 분석하여 연관성 높은 상품을 추천하는 '상품명 기반 유사 상품'이 적용됩니다. (통계에도 반영)

함께 본 상품

가장 기본적인 추천 알고리즘으로서 해당 상품과 연관된 다른 상품을 추천함으로써 구매를 유도합니다. 상품 상세 페이지나 장바구니 페이지가 아닌 경우 최근 본 상품을 기준으로 함께 본 상품을 추천합니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

함께 담은 상품

가장 기본적인 추천 알고리즘으로서 해당 상품과 연관된 다른 상품을 추천함으로써 구매를 유도합니다. 상품 상세 페이지나 장바구니 페이지가 아닌 경우 최근 본 상품을 기준으로 함께 담은 상품을 추천합니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

함께 구매한 상품

가장 기본적인 추천 알고리즘으로서 해당 상품과 연관된 다른 상품을 추천함으로써 구매를 유도합니다. 상품 상세 페이지나 장바구니 페이지가 아닌 경우 최근 본 상품을 기준으로 함께 구매한 상품을 추천합니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

연관 카테고리 상품

보고 있는 카테고리 페이지나 상품의 카테고리 정보를 이용하여 연관된 다른 카테고리 상품을 추천합니다. 추천 실패 또는 추천 상품이 5개 미만인 경우 연관 카테고리 상품 대신 상품명 기반 유사 상품이 추천됩니다.

노출 제안 페이지

카테고리, 상품 상세, 장바구니

구매 패턴 유사 상품

기존의 협업 필터링을 개선한 그루비만의 협업 필터링 알고리즘입니다. 고객의 쇼핑 경험을 기반으로 유사 상품을 추천합니다. 기존의 협업 필터링이 단순히 해당 상품을 구매한 고객들이 구매한 상품을 추천했다면, 그루비 협업 필터링은 정밀한 추천 유사도 계산으로 더 정확하게 추천합니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

딥러닝 기반 유사 상품

그루비만의 유사 상품 추천 알고리즘입니다. 고객의 브라우징 패턴 중 비슷한 위치에서 등장하는 상품은 비슷한 특성을 가진다는 점에 착안하였습니다. 카테고리 내 상품을 서칭하는 고객에게 효과적이며 상품 상세 페이지를 보고 있는 고객에게 다음으로 볼 상품을 추천합니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

이미지 기반 유사 상품

고객이 선호하는 상품과 이미지 유사도가 높은 순으로 상품을 추천합니다. 등록된 상품 이미지의 분류,색상,모양 등 여러 속성을 분석하여, 고객이 선호하는 스타일의 유사 상품을 추천합니다. 고객의 구매 데이터나 선호 데이터가 없는 상황에서도 이미지만으로 유사도를 분석하여 이미지가 비슷한 상품을 추천할 수 있습니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

상품명 기반 유사 상품

방대한 양의 자연어 및 400만개 이상의 상품 데이터를 가지고 딥러닝 기법을 활용한 상품명 확장 분석을 진행합니다.이를 통해 구매, 조회와 같은 이력 데이터 없이도 고도화된 유사 상품 추천이 가능하여 콜드스타트인 경우에도 정확한 상품 추천을 제공할 수 있습니다.

노출 제안 페이지

메인, 상품 상세, 장바구니, 직접 입력

검색어 추천

방대한 양의 자연어 및 400만개 이상의 상품 데이터를 가지고 딥러닝 기법을 활용한 검색어 확장 분석을 진행합니다. 이를 통해 고객의 검색 의도를 파악하는 고도의 상품 추천이 이루어집니다.

노출 제안 페이지

검색 결과

이전 방문에서 상품 조회, 구매 등의 이력을 남긴 방문자에게 과거 이력을 기반으로 관심이 있을 가능성이 높은 상품을 추천합니다. 아래 조건으로 생성한 세그먼트와 함께 사용하세요.[시점: 현재, 변수: 첫 방문, 조건: 첫 방문 아닐 때] 방문자의 과거 이력 데이터가 부족하여 선택한 알고리즘으로 추천이 불가한 경우 통계형 알고리즘 '많이 본 상품 TOP N, 많이 담은 상품 TOP N, 주문 전환율 TOP N, 추천 유입률 TOP N, 추천 클릭률 TOP N' 중 하나가 선택되어 적용됩니다.(통계에도 반영)

딥러닝 기반 다음에 볼 상품

실시간 또는 과거의 브라우징 패턴으로 고객 개개인의 최근 관심 상품을 분석하여 고객이 다음에 볼 상품을 예측하여 추천합니다.

노출 제안 페이지

모든 페이지

딥러닝 기반 유사 고객 선호 상품

기존의 협업 필터링의 단점을 개선한 딥러닝 버전의 협업 필터링 알고리즘입니다. 고객의 쇼핑 패턴을 더 잘 찾아내어 유사 고객이 선호하는 상품을 추천합니다.

노출 제안 페이지

모든 페이지

딥러닝 기반 연관 기획전

그루비만의 기획전 추천 알고리즘입니다. 고객이 보고 있는 상품과 연관된 상품들의 카테고리 및 기획전 정보를 활용하여 가장 연관성이 높은 기획전을 추천합니다. 상품 상세 페이지나 장바구니 페이지가 아닌 경우 최근 본 상품을 기준으로 관련 기획전을 추천합니다.

노출 제안 페이지

모든 페이지

RFM 세그먼트 별 선호 상품

고객의 Recency(최근 방문), Frequency(방문 빈도), Monetary(구매 금액)를 기준으로 클러스터링하여 상품을 보는 고객이 어떤 클러스터에 해당하는지 파악한 뒤 해당 클러스터에서 선호하는 상품을 추천합니다.

노출 제안 페이지

모든 페이지

유사 취향 고객 선호 상품

고객의 브라우징 패턴, 본 페이지 순서에 따라 취향을 클러스터링합니다. 고객이 어떤 취향에 들어갈 확률이 높은지 먼저 구하고 그 취향의 클러스터에서 구매 확률이 높은(선호하는) 상품을 구합니다. 기존에는 이 상품군 안에서 랜덤으로 추천을 하였다면 그루비는 유사도를 적용하여 더 정확하게 추천합니다. 비슷한 스타일 또는 같은 카테고리의 상품이 추천되므로 패션, 액세서리 등 특정 분야를 전문으로 하는 버티컬 사이트에서 적용하면 좋은 알고리즘입니다.

노출 제안 페이지

모든 페이지

고객 프로파일링 기반 선호 상품

상품 특성 뿐만 아니라 구매 경험, 방문 경험과 같은 고객의 특성을 반영하여 특정 고객이 구매할 확률이 가장 높은 상품을 추천하는 알고리즘입니다. 고객에 따라 추천 상품 리스트가 달라집니다. 고객이 관심이 없을 만한 것은 아예 추천 대상에서 제외시키기 때문에 세렌디피티(의외의 추천) 효과는 기대할 수 없지만 의외성은 배제한 정직한 추천을 합니다.

노출 제안 페이지

모든 페이지

구매 패턴 유사 고객 선호 상품

기존의 협업 필터링을 개선한 그루비만의 협업 필터링 알고리즘입니다. 고객의 쇼핑 경험을 기반으로 구매 패턴이 유사한 고객이 선호하는 상품을 추천합니다. 기존의 협업 필터링이 단순히 해당 상품 구매 고객들이 구매한 상품을 추천했다면, 그루비 협업 필터링은 정밀한 추천 유사도 계산으로 더 정확하게 추천합니다.

노출 제안 페이지

모든 페이지

사이트 전체 데이터 통계를 기반으로 상품을 추천합니다. 메인 페이지 추천이나 첫 방문자 대상 추천으로 활용하기 좋습니다.

많이 본 상품 TOP N

많이 본 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 상세 페이지 뷰를 기준으로 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

많이 본 기획전 TOP N

고객이 본 상품과 연계된 기획전을 집계하여 가장 많이 집계된 기획전 순으로 추천하는 통계형 알고리즘입니다. 24시간 간격으로 기획전 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

많이 담은 상품 TOP N

장바구니에 많이 담은 상품 순으로 추천하는 통계형 알고리즘입니다. 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

많이 구매한 상품 TOP N

많이 구매한 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 주문 수를 기준으로 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

주문 전환율 TOP N

주문 전환율이 높은 상품 순으로 추천하는 통계형 알고리즘입니다. 주문 전환율이란 노출 수 대비 주문한 비율입니다. 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

추천 유입률 TOP N

추천 유입률이 높은 상품 순으로 추천하는 통계형 알고리즘입니다. 추천 유입률이란 상품 전체 노출 수 대비 추천을 통한 노출 수 비율입니다. 상품 상세 페이지 유입 경로 중 추천을 통한 유입 비율이 높은 상품이 추천됩니다. 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

추천 클릭률 TOP N

추천 클릭률 순으로 추천하는 통계형 알고리즘입니다. 추천 클릭률이란 노출 수 대비 클릭한 비율입니다. 24시간 간격으로 상품 리스트를 업데이트 합니다.

노출 제안 페이지

모든 페이지

할인율 높은 상품 TOP N

할인율이 좋은 상품 순으로 추천하는 통계형 알고리즘입니다. 24시간 간격으로 상품 리스트를 업데이트 합니다. 해당 알고리즘을 사용하기 위해서는 먼저 상품 정보를 그루비와 연동해야 합니다.

노출 제안 페이지

모든 페이지

카테고리 TOP N

카테고리 내 인기 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 상세 페이지 뷰 기준으로 24시간 간격으로 상품 리스트를 업데이트 합니다. 사용자별로 선호하는 가격대의 상품을 우선적으로 노출합니다. 이 알고리즘을 카테고리 페이지에 적용하는 경우 보고 있는 카테고리 내의 상품이 5개 이하면 추천 영역이 노출되지 않습니다. 이 알고리즘을 장바구니/상품 상세 페이지에 적용하면 보고 있는 상품 또는 장바구니에 담긴 상품과 대/중/소/세 분류가 일치하는 상품이 추천되게 되고, 일치하는 상품 개수가 5개 이하일 때에는 5개 이상인 상위 카테고리를 탐색하여 상품이 추천됩니다. 카테고리 제한 기준을 사이트 구조 상의 최하위 카테고리로 설정하면, 카테고리 일치 상 이 5개 이하일 때 상위 카테고리를 탐색하지 않고, 추천 영역을 노출하지 않습니다.

노출 제안 페이지

카테고리, 상품 상세, 장바구니

실시간 많이 본 TOP N

실시간 많이 본 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 상세 페이지 뷰 기준으로 3시간 간격으로 상품 리스트를 업데이트합니다.

노출 제안 페이지

모든 페이지

실시간 많이 구매한 TOP N

실시간 많이 구매한 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 상세 페이지 뷰 기준으로 3시간 간격으로 상품 리스트를 업데이트합니다.

노출 제안 페이지

모든 페이지

실시간 카테고리 TOP N

카테고리 내 실시간 인기 상품 순으로 추천하는 통계형 알고리즘입니다. 상품 상세 페이지 뷰 기준으로 3시간 간격으로 상품 리스트를 업데이트 합니다. 사용자별로 선호하는 가격대의 상품을 우선적으로 노출합니다. 이 알고리즘을 카테고리 페이지에 적용하는 경우 보고 있는 카테고리 내의 상품이 5개 이하면 추천 영역이 노출되지 않습니다. 이 알고리즘을 장바구니/상품 상세 페이지에 적용하면 보고 있는 상품 또는 장바구니에 담긴 상품과 대/중/소/세 분류가 일치하는 상품이 추천되게 되고, 일치하는 상품 개수가 5개 이하일 때에는 5개 이상인 상위 카테고리를 탐색하여 상품이 추천됩니다. 카테고리 제한 기준을 사이트 구조 상의 최하위 카테고리로 설정하면, 카테고리 일치 상품이 5개 이하일 때 상위 카테고리를 탐색하지 않고, 추천 영역을 노출하지 않습니다.

노출 제안 페이지

카테고리, 상품 상세, 장바구니