[4차]왓챠 알고리즘 분석(151106)
22 likes18,956 views
ITS 4차 메인 세미나_알고리즘(배은정, 김용겸, 김성수, 정민영, 유재현) 왓챠(Watcha) 알고리즘 분석(15.11.06) 고려대학교 정보기술경영학회 : ITS Web: http://itsociety.co.kr/ Mail: [email protected]
![Watcha > 성장
‘왓챠’의 지속적인 이용자수 증가
[출처] 스타트업뱅크](https://image.slidesharecdn.com/4-151106-160217170557/85/4-151106-6-320.jpg)
![왓챠의 차별점
점점 더 많은 데이터가 축적됨에 따라, 알고리즘 정확도(신뢰도) 증가
[출처] 스타트업뱅크](https://image.slidesharecdn.com/4-151106-160217170557/85/4-151106-20-320.jpg)
[4차]왓챠 알고리즘 분석(151106)
- 2. CONTENTS 1 2 3 Watcha 알고리즘 성공요인 등장과 성장배경 BM 및 유사서비스 Recommender System - Content based - Collaborative filtering SWOT 분석 왓챠의 차별점 및 전망
- 3. 1. 왓챠의 등장과 성장배경
- 4. Watcha > 소개 • '카카오' 김범수 회장으로부터 8억 원 투자 유치 • '구글 플레이스토어' 올해의 베스트 콘텐츠 선정 • '구글 코리아' 올해의 'TOP 30' 어플리케이션 선정 • 드라마, 책까지 콘텐츠를 확장 • 피드백와 댓글 기능, 태그 기능이 추가됨 • 일본으로 해외진출 준비 중 국내 IT스타트업 ‘후로그람스’의 영화 추천 어플리케이션
- 5. Watcha > 등장배경 - 정보과잉 - 획일화된 정보 제시 - 긴 영화선택 소요시간 기존 사용자 환경 - 다양해진 소비자 욕구 대응 - 맞춤형 정보 제공 - 영화선택 시간 절감 왓챠 등장 이후 환경
- 6. Watcha > 성장 ‘왓챠’의 지속적인 이용자수 증가 [출처] 스타트업뱅크
- 7. Watcha > BM Key Partners - 스트리밍 업체 - 영화 상영사 - 영화 제작사 - 페이스북, 구글(계 정 이용) Key Activities - 사용자 취향에 맞 는 영화 추천 - 영화 평점 매기기 - SNS 을 통한 정보 공유 Value Proposition - 사용자가 영화를 취향에 따라 볼 수 있 도록 도와준다. - 영화제작사에게 영 화를 홍보할 수 있는 기회 제공 Customer Relationships - 추천 영화에 대한 만족도 반영 Customers - 영화에 관심이 많 고 앱 접근성이 높은 10-30대 - 자신의 영화 취향 에 따라 영화를 보고 싶은 사람들 Key Resources -영화 평가 데이터 -편리한 UI -추천 알고리즘 Channels - 웹 사이트 - 어플 - 지하철 광고 Cost Drivers - 운영시스템 개발비 - 서버유지비 Revenue Streams -타케팅 광고에 대한 수수료 -롱테일스트리밍 전문업체와의 제휴 통한 중개 수수료 -O2O 서비스, 영화예매서비스를 통한 수수료
- 8. • 추천 서비스, 정보제공 측면에서 왓챠에 비해 약세 • 영화예매 & 개인화 서비스를 제공하는 왓챠와 같은 시장내 경쟁자 • 왓챠와 다른 알고리즘을 사용 • 왓챠 모바일 어플리케이션에는 없는 영화 예매기능이 굉장히 잘 구성 • 영화 내용검색을 기반으로 한 추천 시스템 버즈니 > 소개 왓챠와 유사한 영화 추천 어플리케이션
- 9. 2. Recommender System 버즈니, 왓챠에 사용된 알고리즘 비교
- 10. Content-based - 상품의 내용(특징)을 이용하여 비슷한 내용(특징)을 가진 상품 추천 Collaborative filtering - 사용자의 평가 내역을 이용하여 비슷한 선호도의 사람들이 선택한 것을 추천 즉, 사용자가 영화 ‘스파이더맨’을 보았다 면, ‘스파이더맨’에 대한 설명을 바탕으로 비슷한 영화(마블장르)를 추천. 즉, 같은 영화 ‘스파이더맨’에 대해 평가 내역 이 비슷한 두 사람에게, 어느 한쪽이 아직 보지 못했지만, 다른 한 쪽이 좋은 평가를 내린 영화를 추천. Recommender System > 종류와 개념 Facebook, MySpace, LinkedIn, Last.fm , Twitter 버즈니 Rotten Tomatoes, Internet Movie Database, Jinni, Watcha
- 11. Content-based : 특징(내용)을 바탕으로, 영화간 연관성 파악 Collaborative filtering : 선호하는 영화를 바탕으로, 사용자간의 연관성 파악 배우 장르 제작비음악 Movie 1 Movie 2 마션 헐크 007해리포터 ? User 1 User 2 Recommender System > 원리
- 12. Content-based : term frequency–inverse document frequency, (tf-idf) 앞서 동그라미(특징) 의 크기(중요도)를 결정 Collaborative filtering : Peasron Correlation Coeffiecient 동그라미(선호도) 크기는 유저가 결정(평점) 유저간의 경향성(Covariance) 파악 “ Similarity Measures, 연관성 측정방법 ” X,Y means userX, userY Recommender System > 측정 및 계산
- 13. Covariance 를 보면, User X 와 UserY는 비슷한 경향, 취향임을 알 수 있다. 해리포터 마션 헐크 userX 평점 userY 평점 1 2 3 4 5 5 4 3 2 1 취향, 경향성 그래프 Recommender System > Collaborative filtering
- 14. 장점 단점 - 다른 사용자의 평가 내역이 필요하 지 않다. - 새로 추가된 항목(아직 평가되지 않은) 추천 가능 - 명시적으로 표현된 특징만 다룰 수 있고, 질적인 평가를 하지 못함. - 추천하는 항목이 비슷한 장르에 머 무르는 한계점 Collaborative filteringContent-based - 사람의 주관이 개입되어 평가의 질적인 부분 포착 가능 - 잠재적 특징들을 고려하여, 다양한 추천 범위 - 아직 평가되지 않은 항목은 추천하기 어려움 - 평가 내역이 준비되어야 하므로 초기 사용자에겐 추천 정확성이 떨어진다. (Data Sparsity, Cold start problem) Recommender System > Comparison
- 15. 3. 왓챠의 성공요인 왓챠와 버즈니 SWOT 분석 왓챠의 차별점 및 전망
- 16. 왓챠 SWOT 분석 Strength Weakness Opportunity Threat • 2억 2천개 국내 최대 규모 데이터베이스 • 업그레이드로 다양한 서비스 제공 확대 • 신뢰성 높은 큐레이팅 알고리즘 • 인적자원 보충 • 경쟁기업(네이버, 다음) 비해 비교적 약한 기반 • 영화 외 콘텐츠 경쟁력 미지수 • 댓글 기능에서 악플과 같은 부작용 우려 • 상당한 투자를 받음(시장에서의 가능성 인정) • 개인화 서비스 대한 소비자의 욕구 증가 • 해외 진출 • 비교적 낮은 진입 장벽으로 경쟁 기업의 비슷한 서비스 제공이 가능함
- 17. 버즈니 SWOT 분석
- 18. 왓챠의 차별점 첨단 알고리즘(개인화 큐레이션) 기반 스타트업 • 기술력으로 자신의 영역을 확고히 함 • 서비스 경쟁력 핵심 ‘알고리즘’ • 기업의 크기와 상관없이 1등 사업자로 성장할 수 있는 시장환경조성 ‘IT공룡기업 네이버의 영화 서비스’ vs ‘스타트업의 왓챠서비스’
- 19. 왓챠의 차별점 데이터의 양과 질 제고 • 데이터의 양적 측면에서 ‘규모의 경제’ - 20개 영화평가 입력해야 서비스 이용 > 사용자의 자발적 데이터 제공 - 네이버 영화와의 이용자 수 차이를 데이터 양으로 극복 • 데이터의 질적 측면에서 ‘범위의 경제’ - 최근 3.0 업그레이드를 통해 기존자료(별점) 보다 다양한 데이터 수집 - 영화를 넘어 드라마까지 서비스 범위 확대
- 20. 왓챠의 차별점 점점 더 많은 데이터가 축적됨에 따라, 알고리즘 정확도(신뢰도) 증가 [출처] 스타트업뱅크
- 21. 왓챠 전망 사업 확대 가능성과 개인화된 서비스 • 개인화라는 글로벌 트렌드에 부합하는 서비스 출시 • 향후 영화 뿐만 아니라 유사 타 영역으로 확장이 쉬운 시스템 및 사업 모델 확립 • 직접 개발한 ‘추천 알고리즘’기술을 바탕으로, 사용자 취향을 분석, 다양한 컨텐츠를 추천하는 서비스를 제공
- 22. Q & A