콘텐츠 추천으로 웹사이트 참여를 높이는 방법

모든 콘텐츠 제공업체는 온라인 콘텐츠에 더 많이 참여하기를 원합니다. 효과적인 콘텐츠 추천은 이를 달성하는 한 가지 방법입니다. 그러나 모든 경우에 적용되는 단일 접근 방식은 없습니다.

사이트, 콘텐츠 및 잠재고객을 위한 최상의 추천 전략을 개발하는 방법은 다음과 같습니다. 대부분의 기성 콘텐츠 추천 엔진에는 여기에서 논의된 모든 기능이 포함되어 있지는 않지만 무엇이 가능한지 알면 비즈니스에 가장 적합한 솔루션을 찾는 데 도움이 될 것입니다.

콘텐츠 추천이란?

콘텐츠 추천 시스템은 방문자가 관심을 가질만한 항목에 따라 추가 콘텐츠를 제안합니다. 예를 들면 다음과 같습니다.

• YouTube와 Netflix는 콘텐츠 추천을 사용하여 시청 기록을 기반으로 사용자에게 추가 동영상 및 TV 프로그램을 제안합니다.
• Spotify는 음악적 취향의 패턴을 찾아 비슷한 노래를 추천합니다.
• 내 딸은 TikTok이 그녀와 관련된 콘텐츠를 놀랍도록 잘 찾는다고 말합니다.

이 모든 경우의 목표는 방문자가 플랫폼의 또 다른 매력적인 콘텐츠에 계속 참여하도록 하는 것입니다. 그러나 이것은 두 가지 중요한 질문을 제기합니다.

• 시스템은 무엇을 추천해야 하는지 어떻게 알 수 있습니까?
• 권고의 맥락은 무엇입니까?

콘텐츠 추천 작동 방식

콘텐츠 추천은 사용자가 참여할 가능성이 있는 콘텐츠를 정확하게 예측하기 위해 데이터 분석에 의존합니다. 일반적으로 방문한 페이지, 클릭한 항목 및 각 페이지에서 보낸 시간과 같은 사용자 행동에 대한 데이터를 수집합니다. 그런 다음 다음을 포함하여 다양한 종류의 추천을 생성할 수 있습니다.

• 지금 사이트의 인기 기사.
• 특정 카테고리의 인기 기사.
• 특정 저자의 인기 기사.
• 현재 기사를 읽은 방문자가 읽은 기사.
• 검색 기록이 유사한 방문자가 읽은 기사.
• 특정 직책을 가진 사람들을 위한 인기 기사.
• 독자와 같은 사람들이 읽는 기사.
• 특정 지역의 사람들이 읽는 기사.

각 옵션은 다양한 콘텐츠 또는 웹 사이트의 개별 영역에 대해 서로 다른 용도로 사용될 수 있습니다. 그들 중 일부(예: "지금 사이트에서 가장 인기 있는")는 간단한 분석에 의존하는 반면 다른 것("당신과 같은 사람들이 이 기사를 좋아합니다")은 유사 모델링을 기반으로 합니다.

드라이브 바이 vs. 레귤러

귀하의 사이트가 대부분과 같다면 많은 방문자가 하나의 기사를 읽은 다음 떠납니다. 이러한 "drive-bys" 중 일부를 한 번 더 페이지 보기 동안 유지하면 사이트 트래픽에 큰 차이를 만들 수 있습니다. 좋은 콘텐츠 추천은 그 문제를 해결하는 한 가지 방법입니다.

문제는 드라이브 바이에 대해 많이 알지 못한다는 것입니다. 그들은 귀하의 사이트에 대한 기록이 없으므로 유사 모델링을 수행하기가 더 어렵습니다. 그러나 몇 가지 옵션이 있습니다.

• 여전히 사용 가능한 기간 동안 타사 쿠키/대상 데이터를 사용할 수 있습니다.
• 지리적 위치 또는 리퍼러와 같은 HTTP 헤더의 데이터를 사용할 수 있습니다.
• 다른 독자의 일반 사이트 통계에 의존할 수 있습니다.

일반 방문자에게는 더 많은 옵션이 있습니다. 드라이브 바이로 할 수 있는 모든 것 외에도 고유한 검색 기록을 기반으로 예측을 할 수 있습니다. 예를 들면 다음과 같습니다.

• 이미 본 콘텐츠와 유사한 콘텐츠 표시(동일한 카테고리, 동일한 작성자, 동일한 태그 또는 키워드 등)
• 그들의 검색 기록을 유사한 검색 기록을 가진 사람들과 비교하고 더 큰 그룹 중에서 가장 인기 있는 기사를 보여줍니다.
• 단골에 대한 인구 통계 데이터(예: 직함)가 있는 경우 해당 직함을 가진 사람들에게 가장 인기 있는 기사를 표시할 수 있습니다.

여러 청중

많은 사이트에는 무료 사용자 대 유료 사용자 또는 B2B 대 B2C 잠재 고객 등 두 가지 이상의 독자가 있습니다. 이러한 경우 사이트를 별도로 유지하면 가장 관련성 높은 콘텐츠를 추천할 수 있습니다.

이유는 다음과 같습니다. 소비자와 의사를 위한 콘텐츠가 포함된 의약품 관련 사이트를 고려해 보세요. 이러한 통계를 분리하여 의사를 위한 의사 콘텐츠와 소비자를 위한 소비자 콘텐츠를 추천하려고 합니다.

콘텐츠 분류 방법

콘텐츠 추천의 마법은 귀하와 독자의 목표에 맞게 콘텐츠를 분류하는 것입니다. 콘텐츠는 다음과 같은 여러 가지 방법으로 분류할 수 있습니다.

• 제목의 단어.
• 키워드 또는 태그.
• 기사의 단어 밀도.
• 카테고리.
• 작가.
• 긴 기사와 짧은 기사.

콘텐츠 분류 방식은 사용 사례에 영향을 미칠 수 있습니다. 예를 들어 사이트에 긴 기사와 발췌문이 있는 경우 발췌문 읽기를 선호하는 사람들에게 긴 기사를 추천하고 싶지 않을 수 있습니다.

콘텐츠 추천 알고리즘의 종류

웹 사이트를 개선하는 데 사용할 수 있는 다양한 유형의 AI 기반 콘텐츠 추천 알고리즘이 있습니다. 다음은 가장 일반적인 것 중 일부입니다.

협업 필터링은 유사한 사용자의 행동과 선호도를 기반으로 콘텐츠를 추천합니다. 사용자의 과거 행동을 분석하고 유사한 선호도를 가진 사용자가 상호 작용한 콘텐츠를 추천합니다.

콘텐츠 기반 필터링은 사용자가 이전에 소비한 콘텐츠와 유사한 콘텐츠를 추천합니다. 사용자가 현재 보고 있는 페이지의 콘텐츠를 분석하고 키워드, 태그 및 기타 관련 정보를 기반으로 유사한 콘텐츠를 추천합니다.

하이브리드 추천은 협업 필터링과 콘텐츠 기반 필터링을 결합하여 보다 정확하고 다양한 추천을 제공합니다. 사용자 선호도와 보고 있는 콘텐츠의 특성을 모두 고려하여 더 나은 추천을 제공합니다.

인기도 기반 필터링은 콘텐츠의 인기도를 기반으로 콘텐츠를 추천합니다. 많은 사용자가 보거나 공유하거나 상호 작용한 가장 인기 있는 콘텐츠를 추천합니다. 인기 기반 필터링을 다른 유형과 결합하는 것(예: 이 콘텐츠는 이 직함을 가진 사람들에게 가장 인기 있음)은 매우 강력한 도구입니다.

지식 기반 필터링은 사용자 프로필 및 기본 설정을 기반으로 콘텐츠를 추천합니다. 사용자 데이터 및 피드백에 의존하여 이전 구매, 평가 및 리뷰와 같은 사용자의 관심사와 일치하는 권장 사항을 제공합니다.

강화 학습은 사용자의 행동과 피드백을 기반으로 콘텐츠를 추천합니다. 사용자 상호 작용 및 피드백에서 학습하여 시간이 지남에 따라 권장 사항을 개선합니다.

심층 분석: 마케팅을 위한 추천 엔진의 ROI

콘텐츠 추천 엔진 선택

위에서 언급한 바와 같이 특정 공급업체가 이러한 모든 옵션을 제공할 가능성은 거의 없습니다. 청중, 콘텐츠 및 가능한 옵션 범위를 고려하여 사이트에 콘텐츠 권장 사항을 배포하는 방법을 생각하고 고유한 상황에 가장 적합한 방법을 결정하십시오. 해당 목록을 잠재적 공급업체에게 가져가 가장 적합한 공급업체를 찾으십시오.

독자를 먼저 생각하십시오

성공적인 콘텐츠 추천 전략을 수립하는 데 있어 어려운 점 중 하나는 독자의 목표를 최우선으로 두는 것입니다. 비즈니스 모델을 홍보하기 위해 독자가 무엇을 하기를 원하는지에 대해 생각하는 함정에 빠지기가 너무 쉽습니다.

대신 독자의 입장이 되어 독자가 원하는 콘텐츠를 찾는 데 도움이 되는 콘텐츠 추천 전략을 설계하세요. 그것은 장기적으로 귀하의 비즈니스에 가장 좋은 방법이 될 것입니다. 독자의 요구 사항을 해결하면 주요 목표인 참여도가 높아집니다.

마테크를 잡아라! 일일. 무료. 받은편지함에서

비즈니스 이메일 주소

구독하다 처리 중...

용어를 참조하십시오.