안녕하세요. IT 프로젝트 아웃소싱 중계업을 하고 있는 프리모아입니다. 

이번주에는 프리모아 프리랜서로 활동중이신 노노니님의 도서 모델 기획 사례인 스토리보드 기획 컨텐츠를 재가공 하였는데요. 최근 전자책이 크게 활성화되면서 출판 유통 시장의 변화와 함께 도서 웹 서비스도 변화의 바람이 불어오지 않을까 생각이 됩니다.


[인터넷 서점] 

학생이라면 전공서적을 구매하기 위해, 직장인이라면 비지니스 관련 책을 사기위해, 현대인들은 오늘날 인터넷 서점을 누구나 손쉽게 활용할 수 있는데요. 이러한 인터넷 서점의 특징은 무엇일까요? 


바로 추천 서비스입니다. 

인터넷 서점에 접속해보면 메인페이지부터 추천도서, 베스트도서가 가득하고 특정 도서에 접속해보면 다른 관심 분야의 도서 추천이 많아 자연스럽게 구매행위를 순차적으로 연결하는데요. 우리가 잘 알고있는 아마존 서점의 경우 서적을 구매하면 다음번에 방문하면 자동으로 취향을 분석하여 유사 도서를 추천해주는 서비스가 비지니스 모델의 핵심 강점으로 되곤 하였습니다.  


[서점의 데이터 모델 스케치] 

구매기능이 있는 모든 서비스는 고객의 데이터를 이용하여 이러한 추천 서비스를 제공할 수 있습니다. 우선적으로는 이러한 서비스 제공은 어떻게 해야할지, 비지니스 모델은 어떤식으로 성립되는지 스케치하여 생각을 구체화하여야 합니다.



그리고 구체화된 스케치를 아래처럼 문서화 시켜야 합니다.



기업이 빅데이터로 수집 또는 활용할 수 있는 정보는 두 종류입니다. 도서를 기준으로 얻을 수 있는 정보가 있고, 사용자 행위를 통해 얻을 수 있는 정보가 있습니다. 이 정보를 활용하여 사용자가 구입할 가능성이 높은 도서를 추천하여 고객의 선택을 돕는 것입니다. 


[아마존의 데이터 활용 사례] 

아마존은 앞서 언급했던 것 처럼 사용자 데이터를 통해 도서를 추천하는 가장 모범적인 모델이자 아마존만의 강점으로 소개되고 있습니다. 아마존의 수많은 경쟁사가 아마존의 도서 추천 서비스를 적용하지 않는 것은 여러가지 이유가 있습니다. 첫 째는 베스트셀러가 인터넷 서점 매출의 대부분을 차지하기 때문입니다. 둘 째는 로그인을 하지 않은 사용자에 대해서 쿠키를 통해 데이터를 저장하고 이를 실시간으로 분석하여 추천해주는 서비스가 처리하는 정보량이 너무 많기 때문입니다.

투자대비 효과가 미미하다.라고 경쟁사가 생각하지만 이용자들이 늘어나며 아마존의 데이터 가치는 더욱 타 서비스의 모방을 막는 진입장벽 역할을 하고 있습니다. 



[웹사이트 페이지에 따른 추천 정보]

구매자 정보를 무시하고 어떤 도서를 찾고자 하는가에 따른 페이지 이동에 따른 추천모델이다.  인터넷 서점의 메인 페이지에는 어느 페이지, 어떤 도서의 뷰 페이지로 이동하든 뷰 페이지까지 도달한 경로가 첫 번째 추천기준이 됩니다.   

메인 페이지에서 노출된 도서를 클릭하여 이동하였다면 베스트셀러 또는 추천도서 구입 가능성이 큽니다.(직접구매) 카테고리 페이지로 이동하였다면 특정한 도서를 찾기 보다는 자신에게 필요한 분야 또는 주제의 도서를 구입할 가능성이 큽니다.(분야구매) 검색을 통해 특정 도서의 뷰 페이지로 이동하면 관련된 타 도서도 구입할 가능성이 크다.(단체구매) 이처럼 소비자들의 행동 패턴에 따라 다양한 구매 경로가 나올 수 있습니다.

이러한 구매경로를 적절하게 타겟팅 하기 위해 뷰페이지 접속했을 때 연관 카테고리의 베스트셀러를 추천해주어야 하고, 해당 도서의 저자가 쓴 다른 도서를 추천해 줄 수도 있다. 그리고 A->B->구매 의 경로를 따라 구매를 한 이들이 있다면 똑같이 다른 고객에게도 A->B의 경로를 통해 구매를 유도할 수 있습니다. 

사용자의 페이지 이동 데이터와 구매자의 구매성향 데이터를 매칭시키다 보면 구입 확률이 높은 도서를 추천할 수 있게 됩니다. 



[도서와 구매자 정보]

페이지 이동에 따른 도서 추천은 다양한 이들이 찾는 베스트셀러를 보여주기 위한 길안내 였습니다. 때문에 베스트셀러를 이미 구입한 구입자의 정보를 기준으로 추천을 하면 실제 구매 가능성이 높아집니다. 더 나아가 계정 로그인을 통해 사용자의 구입 도서 목록으로 취향이 비슷한 이들의 선택지를 추천한다면 더욱 효과가 좋습니다. 

인구통계학적 개인정보가 많은 경우에는 연령, 직업, 지역, 학력, 성별과 같은 개인정보를 매칭시켜 추천할 수도 이습니다. 하지만 SNS로그인 또는 이메일 주소로만 입력을 하였다면 매칭시킬 개인정보 없이 구매패턴에 의한 통계로 유추되어야 합니다.

대학 전공서적을 샀다면 대학생으로 유추하고, 시집을 샀다면 서정적인 인물, 어학교재를 샀다면 어학과 관련된 해당 언어권 나라에 관심을 가지고 있다고 유추할 수 있습니다. 여성잡지는 여성, 남성잡지는 남성임을 유추합니다. 개인정보를 잘 받지않는 해외서비스의 경우 시스템에 의한 통계는 더욱 중요해집니다.


[추천 가능한 도서 항목]

하나의 도서에서 추천할 수 있는 도서 목록은 아래와 같습니다.


1. 도서를 구입한 구매자의 다른 도서

2. 도서와 함께 담아 놓은 다른 도서

3. 도서와 동일 분야의 베스트 셀러

4. 도서와 비슷한 주제를 다루는 다른 도서

5. 도서 저자의 다른 도서

6. 도서 역자의 다른 도서

7. 도서 출판사의 다른 도서

8. 도서 내용에 거론되는 다른 도서

9. 도서의 참고문헌 


다음 9가지 조건 내 우선순위에 따라 선 순위 도서가 추천되도록 하며 조건 간 중복 추천이 되는 경우가 있는 경우 최우선 추천 대상으로 노출되도록 한다. 예를 들어 1~9까지의 추천 경우가 있다면 1 보다는 1&5 또는 1&3&5 같은 경우가 취우선으로 추천 노출 되도록 한다. 



[도서의 뷰 페이지]

추천조건이 많다고 모두 보여주는 것은 좋지 않습니다. 3~5권의 추천이 적당하다. 그리고 저자, 역자, 출판사 정보에는 해당 조건으로 확장 검색할 수 있도록 링크를 걸고 도서내 거론되는 다른 도서, 참고문헌은 추천의 모습을 띄지 않더라도 내용 미리보기와 함께 도서내 추천 도서로 링크를 제공함이 좋습니다.


이상 IT 아웃소싱 플랫폼 프리모아와 노노니가 전해 드리는 도서 서비스 기획 사례였습니다. 







Posted by 프리모아

댓글을 달아 주세요


티스토리 툴바