예시와 함께 아마존 추천엔진 이해하기 : 아이템 기반 필터링 기법을 중심으로
아이템 기반 협업 필터링(IBCF, Item Based Collaborative Filtering)은 고객 들의 선호도를 바탕으로 아이템 간의 유사도를 계산하고, 특정 사용자가 어떤 아이템을 구매하거나 좋다고 평가하면 그와 유사한 아이템을 추천해주는 방식입니다.
아이템 기반 협업 필터링(IBCF, Item Based Collaborative Filtering)은 고객 들의 선호도를 바탕으로 아이템 간의 유사도를 계산하고, 특정 사용자가 어떤 아이템을 구매하거나 좋다고 평가하면 그와 유사한 아이템을 추천해주는 방식입니다.
오늘은 ‘협업 필터링(Collaborative filtering)’ 기법 중 사용자 기반 필터링(User-based filtering)에 대해 알아보겠습니다. 사용자 기반 필터링은 고객 간의 선호도를 분석하여 나와 유사한 성향의 고객이 좋아하는 상품/콘텐츠를 추천하는 기법입니다.
빅쿼리는 확장성이 뛰어나고 가격 대비 성능이 좋은 기업용 서버리스 데이터 웨어하우스 입니다. 객체 스토리지, 스프레드시트의 데이터, 관리형 열 형식 스토리지를 통해 논리적 데이터 웨어하우스를 생성하여 모든 배치와 연속적으로 생성되는 스트리밍 데이터를 분석합니다.
IT 기술 발전으로 온라인 광고성과 측정이 가능해지면서 퍼포먼스 마케팅에 대한 수요가 증가하였습니다. 데이터를 통해 광고 효과를 측정하고 분석하여 전환을 극대화하는 퍼포먼스 마케팅의 등장은, 이용자의 형태 분석 및 정밀 타켓팅을 위한 방대한 데이터의 자동화 시스템으로 이어지고 있습니다.