1. 온 오프라인 지표 설정

2. 모델링

3. fastapi에 연결하여 서빙

4. A/B 테스트 및 결과 정리

   실험군, 대조군 나눠서

동일한 조건에서 서빙시간과 모델 추천결과가 다르게 나타날텐데

추천 모델 적용으로 기대하는 효과

• 체류시간을 높이기 (한 유저가 접속해서 몇번의 페이지를 봤는지 여부) → PV
• 상세 페이지 접근으로 인한 musinsa(구매) or 공유 등 매출적 기대효과 → CTR 높이기
• 재방문률 높이기 → 좋아요률 (컬렉션에 사진을 많이 저장)

온라인 평가 지표

현업에서 의사결정을 위해 사용하는 지표는 매출, CTR 등의 비즈니스 서비스 지표

CTR(Click Trough Rate): (클릭 수 / 노출 수) *100

• 이미지 클릭률
• 좋아요 클릭률
• 공유, 무신사 클릭률

PV(Page View): 우리의 경우에는 ViewImage 수로 평가 가능

재방문률, 회원가입률 : 다시 접속시에는 로그인 한 유저만 트래킹 가능, 회원가입률 등으로 비즈니스 서비스 지표

구매 금액 , 구매 건 수