Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

161102_테헤란로 커피클럽_58th_다이닝코드

394 views

Published on

2016. 11. 2 테헤란로 커피클럽 다이닝코드 발표자료 입니다.

Published in: Business
  • Login to see the comments

  • Be the first to like this

161102_테헤란로 커피클럽_58th_다이닝코드

  1. 1. 빅데이터 맛집검색, 다이닝코드
  2. 2. 스타트업 주도의 IT 비지니스 트렌드 부동산 배달 커머스 숙박 맛집 시장규모 60조원대 ?
  3. 3. 한국에서 오늘 뭐 먹지? 의 고민은 풀리지 않았다 !? “외식비용 연간 60조원”, “대표 맛집 서비스가 부재” “네이버 블로그, 페이스북, 인스타그램 등 많은 맛집 리뷰 정보” Problem Definition 1: 사용자 관점
  4. 4. 한국에서 오늘 뭐 먹지? 의 고민은 풀리지 않았습니다. “외식비용 연간 60조원”, “대표 맛집 서비스가 부재” “네이버 블로그, 페이스북, 인스타그램 등 많은 맛집 리뷰 정보” 서비스들의 문제 정보의 부재가 아닌, 정보의 신뢰성이 문제
  5. 5. Problem Definition 2: 식당주인 관점 맛집 서비스 = (착한) 마케팅 플랫폼 F & B 산업에서 온라인 마케팅 쪽에 쓰는 비용은 연간 수천억원 대 포탈 광고, 소셜 커머스, 블로그 체험 마케팅 등 여전히, 식당 홍보를 어떻게 해야할지 모르고, 불편
  6. 6. 독자적인 Data Mining과 Information Retrieval 기술력 소수의 리뷰어 의견이 아닌, 수백만 명의 의견을 분석 다이닝코드의 해결방식 다이닝코드는 맛집을 찾는 문제를 빅데이터 분석기술로 풀고있습니다
  7. 7. 다이닝코드의 실험 빅데이터 기술 기반의 차별성 맛집 검색 추천의 공정성과 신뢰성 확보 2년 동안, 100만명 이상의 사용자들에 의해 시장 검증
  8. 8. Reliable Restaurant Ranking • 사람의 편집 등 개입없이 순수한 알고리즘으로 맛집랭킹을 수행 • 80% 긍정적 의견: “잘 맞는다” Well-Curated Restaurant Description • 자동화된 맛집 큐레이션 : 맛집 카테고리, 키워드, 대표 이미지, 블로그 추천 순 등 다이닝코드 차별화 포인트 빅데이터 분석에 기반한 최적의 맛집큐레이션
  9. 9. 1. 기존 검색: 문서 검색 • 웹문서를 수집/분석하여 웹문서를 검색하고 랭킹 2. 다이닝코드 검색: 객체 검색 • 웹문서를 수집/분석하여 맛집객체를 검색하고 랭킹 다이닝코드 차별화 포인트 다른 검색
  10. 10. 성장 숫자로 본 성장 (16.08기준) • MAU 백만 명 • 2014년초 서비스 론칭후 지속적 성장 다이닝코드의 가설: “한국에서 오늘 뭐먹지?의 문제는 빅데이터 분 석으로 풀어야 한다”
  11. 11. 1,018,869명 (16년8월) 622,147명 1,032명 392,542명 (14년1월) (17년1월)(16년1월)(15년1월) Monthly Active Users
  12. 12. 마무리 • 앞으로의 계획: 맛집 (콘텐츠) 플랫폼으로 성장 • 콘텐츠 vs. O2O • 사용자는 어떤 상황에서든 손쉽게 만족하는 식당을 찾을 수 있고, 식 당주인은 적은 비용으로도 쉽고 공정하게 홍보할 수 있는 곳
  13. 13. THANKS FOR WATCHING

×