구매 이력(purchase history)을 제품 추천(product recommendations) 신호로 실험하고 있습니다. 놓치고 있는 것이 무엇인지 궁금합니다.

Source: Dev.to

내가 탐구하고 있는 문제

내가 작업하거나 공부해 온 대부분의 추천 시스템은 두 가지 중 하나에 크게 의존한다:

• 브라우징 행동 (클릭, 조회, 체류 시간)
• 유사성 신호 (카테고리, 시각적 유사성, 임베딩)

나는 특히 실시간 브라우징 컨텍스트와 결합될 때, 과거 구매 행동이 그 자체만으로는 더 강력한 관련성 기준이 될 수 있는지 의문을 품고 있다.

왜 이 주제가 흥미롭고(그리고 위험한가)

구매 데이터는:

• 희소함
• 지연됨
• 소매업체마다 형태가 엉망

하지만 우리가 가진 가장 명확한 의도 표현이기도 하다.

내가 이해하고 싶은 점

• 구매 이력을 기반으로 추천을 고정하면 실제로 관련성이 크게 향상되는가?
• 작은 규모에서는 어디서 한계가 드러나는가?
• 언제쯤 최신성(Recency)이 과거보다 더 중요해지는가?
• 사용자를 과거의 모습에 과도하게 맞추는 것을 어떻게 방지하고, 현재 변화하고 있는 모습을 반영할 수 있을까?

내가 하지 않는 것

• 나는 아무것도 판매하고 있지 않다.
• 이것이 올바른 접근이라고 주장하지 않는다.
• 아직 성장 최적화를 목표로 하지 않는다.

이는 아직도 신호 품질과 시스템 설계에 대한 탐구 단계이며, 다듬어진 제품이 아니다.

피드백을 받고 싶은 부분

추천 시스템, 개인화, 혹은 전자상거래 툴링을 다뤄본 경험이 있다면:

• 예상보다 더 가치 있었던 신호는 무엇이었는가?
• 유망해 보였지만 실제로는 실패한 신호는 무엇이었는가?
• 장기 행동과 세션 내 의도를 어떻게 균형 잡아야 하는가?
• 미리 검증해 두어야 할 명백한 함정이 있다면 무엇인가?

이 길을 걸어본 사람이라면 누구든지 의견을 환영한다. 강한 회의론도 여기서는 큰 도움이 된다.

읽어 주셔서 감사합니다.