인기도 랭킹 유형 ( 보편적인 추천 서비스 )
상품의 인기도가 높은 순으로 나열하는 굉장히 간단한 방법이다. 판매량, 시청시간순, 조회
수 등이 그 예다. 가장 보편적인 방법이다.
유사 행동 유형
구매하려는 혹은 구매한 상품의 속성 또는 구매 패턴을 다른 고객들과 비교하여 공통되는 연관성을 발견한 뒤 상품들을 제안하는 방법으로 커머스에서 보편적으로 사용한다.
다만, 이 서비스는 ‘개인화’ 가 아닌 누구에게나 똑같은 상품이 제안되는 매스 데이터 기반으로 작동한다는 점을 알고 있어야 한다.
협업 필터링 ( 중요 )
두 고객 A, B 이 있을 경우 협업 필터링으로 A의 활동이 B와 유사하다는 것을 파악할 수 있는데, 이를 통해 A와 B를 같은 그룹으로 분류하여 함께 분석하게 된다. 따라서, 향후 A가 어떤 행동을 할지는 다른 고객의 행동 데이터에 기반해서 유추할 수 있다는 개념이다. → ‘개인화’
설문 기반 유형 (사용 X )
고객의 성별, 연령, 직업등등의 개인정보를 기반으로 해당 속성에 가까운 상품이나 작품을 추천하거나, 유사한 속성을 가진 사람이 선호하는 상품이나 작품을 제안하는 방식이다. → 어찌됐건간 고객이 직접 작성하는 방식이기 때문에 요즘은 잘 하지 않음. 대안으로 고객 행동 이력을 기반으로 추천하는 모델이 사용되고 있음