추천 엔진 솔루션을 도입할 때 협업 필터링(Collaborative Filtering)과 콘텐츠 기반 필터링(Content-based) 중 첫 구매 유도에 최적화된 로직은 무엇인가요?

두 로직의 작동 방식이 다르기 때문입니다.

협업 필터링은 '이 상품을 산 사람들이 함께 산 상품' 또는 '취향이 비슷한 다른 유저들이 산 상품'처럼, 여러 유저의 구매·클릭 이력 패턴에서 추천을 뽑아냅니다. 반면 콘텐츠 기반 필터링은 상품 자체의 카테고리·속성·설명과, 지금 이 유저가 보고 있는 상품의 유사도만으로 추천을 만듭니다.

문제는 신규 방문자에게는 협업 필터링이 근거로 삼을 행동 이력이 아예 없다는 점입니다 — 이걸 '콜드 스타트' 문제라고 부르는데, 축적된 데이터가 없으니 알고리즘이 추천할 근거 자체가 없어 정확도가 급격히 떨어집니다(신규 상품을 추천하기 어려운 '콜드 아이템' 문제도 마찬가지 원리입니다). 그래서 첫 방문·첫 구매 유도 단계에는 지금 보고 있는 상품과 속성이 비슷한 상품, 카테고리 베스트셀러처럼 개인 이력 없이도 작동하는 콘텐츠 기반 로직이나 인기순 규칙을 붙이는 게 실무적으로 맞습니다.

실제 솔루션을 붙일 때는 둘 중 하나만 쓰기보다, 신규 유저에게는 콘텐츠 기반·인기 기반 추천을 먼저 보여주고, 로그인·재방문으로 행동 데이터가 쌓이는 시점부터 협업 필터링 가중치를 점점 높이는 하이브리드 구조가 일반적입니다. 솔루션 벤더를 고를 때도 '콜드스타트 구간 fallback 로직'을 어떻게 처리하는지 반드시 확인하시길 권합니다 — 이 부분이 부실하면 신규 방문자에게 엉뚱한 추천이 노출되어 오히려 이탈을 키울 수 있습니다.