사용자 보험 데이터를 분석해 과불입·미가입 구간을 찾고 맞춤 추천 기준을 설계하는 방식
앱 내 맞춤형 보험 분석과 추천 서비스를 설계한다면 사용자의 현재 보험 가입 상태를 파악하는 것부터 시작하겠습니다. 어떤 보험을 갖고 있는지 입력받거나 연동해서, 중복 가입된 항목이나 빠진 구간을 먼저 보여주는 것이 신뢰를 만드는 방식이라고 생각합니다. 추천 서비스가 단순히 상품을 나열하면 사용자가 선택 피로를 느낍니다.
사용자 상황에 맞는 이유와 함께 소수의 선택지를 제시하는 것이 전환에 더 효과적입니다. 수업 핀테크 프로젝트에서 비슷한 구조를 설계했는데, 추천 이유를 사용자 데이터 기반으로 보여주는 것이 단순 리스팅보다 클릭률이 높았습니다. 보험 도메인은 잘못된 추천이 실제 손해로 이어질 수 있어 추천 알고리즘의 투명성과 설명 가능성이 다른 도메인보다 중요하다고 느꼈습니다.