EXPERIMENT
05
A/B TestingExperiment DesignPythonStreamlit
K-POP A/B Lab — 실험 설계
K-POP·엔터 산업을 위한 A/B 테스트와 동향 파악. K-Buzz Index(다중 신호 정규화·가중합)와 헤드라인 프레이밍 A/B 실험.
문제 정의
K-POP 콘텐츠의 화제성을 단일 지표로 측정하기 어렵고, 헤드라인 프레이밍(감정형 vs 정보형)이 클릭률·체류시간에 미치는 영향을 검증할 실험 프레임이 필요했습니다.
가설
- H1. YouTube 조회 + Wikipedia Pageviews + Last.fm 팬심 신호를 정규화·가중합하면 주간 화제성 지수(K-Buzz Index)를 만들 수 있다.
- H2. 감정형 헤드라인이 정보형보다 클릭률은 높지만 체류시간은 낮을 수 있다.
방법 / 실험
- 무료 API(YouTube, Wikimedia, Last.fm)로 다중 신호 수집
- z-score 정규화 → 가중합으로 K-Buzz Index 계산
- Streamlit A/B 앱으로 헤드라인 프레이밍 실험 (감정형 vs 정보형)
- A/B 로그 CSV 저장 및 결과 분석 템플릿
결과
- K-Buzz Index 계산 파이프라인 구축
- 헤드라인 A/B 실험 프레임워크 구현
- 가설이 틀렸을 때 빠르게 방향 수정 가능한 구조 확립
의사결정
단일 지표가 아닌 다중 신호 정규화 방식을 채택. A/B 실험은 로컬/Streamlit 환경에서 빠르게 반복할 수 있도록 설계했습니다.
배운 점
- 실험 설계는 '맞추기'가 아니라 '빠르게 틀리고 수정하기'가 목적
- 0원(무료 API)으로도 충분한 실험 프레임을 만들 수 있음
- 높은 수용성 = 가설이 틀렸을 때 이유를 파악하고 빠르게 수정하는 능력