고젝의 대규모 맞춤형 바우처 할당 방식

Основные понятия

고젝은 고객 기반에서 더 많은 비즈니스를 얻고 비용을 낮추기 위해 다양한 바우처를 사용합니다. 이를 위해 머신러닝 기반의 다목적 솔루션을 구축했습니다.

Аннотация

고젝은 바우처를 사용하여 다양한 비즈니스 목표를 달성합니다. 예를 들어 인도네시아에서 특정 주에 식품 주문을 최대화하거나 싱가포르에서 이탈 고객을 최대한 복귀시키는 것이 목표가 될 수 있습니다.

이를 위해 고젝은 머신러닝 기반의 다목적 솔루션을 구축했습니다. 먼저 과거 데이터를 분석하여 고객을 설득 가능한 고객, 변화 없는 고객, 관심 없는 고객, 방해받는 고객 등으로 구분합니다. 그리고 딥러닝 기반 인과 추론 알고리즘을 사용하여 각 고객에 대한 예상 효과(비즈니스 목표 달성도, 비용)를 예측합니다. 이 예측 결과를 배낭 최적화 문제 해결기에 입력하여 예산 제약 하에서 최대 비즈니스 목표 달성을 위한 고객별 바우처 할당을 결정합니다.

이 과정을 대규모로 처리하기 위해 dbt, elementary, hydra 등의 도구를 활용합니다. dbt를 통해 데이터 변환과 테스트를 효율적으로 수행하고, elementary로 데이터 품질을 모니터링하며, hydra로 모델 하이퍼파라미터를 관리합니다. 또한 코드 테스트, 코드 스타일 검사, CI/CD 등의 실천을 통해 확장성 있는 코드를 작성합니다.

Статистика

고객을 설득 가능한 고객, 변화 없는 고객, 관심 없는 고객, 방해받는 고객 등으로 구분하여 분석합니다.
딥러닝 기반 인과 추론 알고리즘을 사용하여 각 고객에 대한 예상 효과(비즈니스 목표 달성도, 비용)를 예측합니다.
배낭 최적화 문제 해결기를 사용하여 예산 제약 하에서 최대 비즈니스 목표 달성을 위한 고객별 바우처 할당을 결정합니다.

Цитаты

"고객을 설득 가능한 고객, 변화 없는 고객, 관심 없는 고객, 방해받는 고객 등으로 구분하여 분석합니다."
"딥러닝 기반 인과 추론 알고리즘을 사용하여 각 고객에 대한 예상 효과(비즈니스 목표 달성도, 비용)를 예측합니다."
"배낭 최적화 문제 해결기를 사용하여 예산 제약 하에서 최대 비즈니스 목표 달성을 위한 고객별 바우처 할당을 결정합니다."

Ключевые выводы из

How Gojek Allocates Personalised Vouchers At Scale

by Praveen Pras... в medium.com 07-17-2024

https://medium.com/gojekengineering/how-gojek-allocates-personalised-vouchers-at-scale-41cad5d6f218

Дополнительные вопросы

고객 세분화 및 개인화 전략을 다른 산업에 어떻게 적용할 수 있을까요?

고객 세분화 및 개인화 전략은 다른 산업에도 적용할 수 있는 중요한 전략입니다. 예를 들어, 소매업에서는 고객의 구매 이력과 선호도를 분석하여 특정 상품에 대한 할인이나 프로모션을 제공함으로써 고객들의 구매를 촉진할 수 있습니다. 또한 은행이나 금융 기관에서는 고객의 금융 활동을 분석하여 맞춤형 금융 상품을 제공함으로써 고객들의 만족도를 높이고 이탈을 줄일 수 있습니다. 다른 산업에서도 이러한 전략을 활용하여 고객들에게 더 나은 서비스를 제공하고 비즈니스 성과를 향상시킬 수 있습니다.

고객 행동 예측 모델의 정확도를 높이기 위해 어떤 추가 데이터를 활용할 수 있을까요?

고객 행동 예측 모델의 정확도를 높이기 위해 추가 데이터를 활용할 수 있습니다. 예를 들어, 고객의 소셜 미디어 활동, 온라인 검색 기록, 또는 위치 기반 데이터와 같은 외부 데이터를 수집하여 모델에 통합할 수 있습니다. 또한, 고객의 이전 구매 이력, 웹사이트 방문 기록, 이용한 서비스의 종류 등과 같은 내부 데이터를 활용하여 모델의 학습을 개선할 수 있습니다. 이러한 다양한 데이터를 종합적으로 활용하면 고객 행동 예측 모델의 정확도를 높일 수 있습니다.

바우처 할당 최적화 문제를 해결하는 다른 접근법은 무엇이 있을까요?

바우처 할당 최적화 문제를 해결하는 다른 접근법으로는 유전 알고리즘, 탐색 알고리즘, 또는 강화 학습과 같은 기술을 활용할 수 있습니다. 유전 알고리즘은 진화 원리를 모방하여 최적해를 찾는데 사용될 수 있습니다. 탐색 알고리즘은 다양한 가능성 중에서 최적의 해를 찾는 방법으로 활용될 수 있습니다. 강화 학습은 시행착오를 통해 보상을 최대화하는 방향으로 학습하는 방법으로 바우처 할당 최적화 문제에 적용될 수 있습니다. 이러한 다양한 접근법을 활용하여 바우처 할당 최적화 문제를 효과적으로 해결할 수 있습니다.