Social Network : A Novel Approach to New Customer Recommendations

사회연결망 : 신규고객 추천문제의 새로운 접근법

  • Park, Jong-Hak (Department of Internet Business, Dongyang Technical College) ;
  • Cho, Yoon-Ho (School of Business Administration, Kookmin University) ;
  • Kim, Jae-Kyeong (Management Research Institute and School of Management, KyungHee University)
  • 박종학 (동양공업전문대학 인터넷비즈니스과) ;
  • 조윤호 (국민대학교 경영학부) ;
  • 김재경 (경희대학교 경영대학 & 경영연구원)
  • Published : 2009.03.31

Abstract

Collaborative filtering recommends products using customers' preferences, so it cannot recommend products to the new customer who has no preference information. This paper proposes a novel approach to new customer recommendations using the social network analysis which is used to search relationships among social entities such as genetics network, traffic network, organization network, etc. The proposed recommendation method identifies customers most likely to be neighbors to the new customer using the centrality theory in social network analysis and recommends products those customers have liked in the past. The procedure of our method is divided into four phases : purchase similarity analysis, social network construction, centrality-based neighborhood formation, and recommendation generation. To evaluate the effectiveness of our approach, we have conducted several experiments using a data set from a department store in Korea. Our method was compared with the best-seller-based method that uses the best-seller list to generate recommendations for the new customer. The experimental results show that our approach significantly outperforms the best-seller-based method as measured by F1-measure.

협업필터링은 상품을 추천하고자 하는 고객과 유사한 구매 행태를 보이는 고객들의 구매 정보를 반영하여 추천대상 고객이 아직 구매하지 않은 상품에 대한 선호도를 예측한 후 선호도가 높을 것으로 예측되는 상품을 추천해주는 시스템이다. 그러나 신규고객의 경우에는 과거 구매 이력의 부재로 선호도를 예측할 수 없어 추천이 어렵게 되는 신규고객 추천문제가 발생하게 된다. 이러한 신규고객 추천문제를 해결하기 위해 기존에 제시되었던 방법들은 추천의 정확도가 낮거나, 추천에 필요한 정보 획득이 어렵거나, 추천 전에 고객이 능동적으로 질의에 응답해야 하는 부담이 있는 등의 문제로 인하여 그 실효성이 매우 낮다. 따라서 기존의 신규고객 추천 방법의 한계를 극복할 수 있는 새로운 접근방법의 필요성이 대두되고 있다. 본 연구에서는 사회네트워크 분석에서 관계 구조적 특성을 분석하기 위해 널리 활용 되고 있는 중심성 개념을 협업필터링에 적용하여 신규고객의 이웃고객을 찾고 그 이웃고객들의 구매정보를 이용하여 신규고객에게 상품을 추천하는 방법을 제시한다. 추천 프로세스는 구매 유사도 분석, 고객 네트워크 구성, 이웃고객 형성, 신규고객 상품추천 단계로 구성된다. 제시한 추천방법의 성능을 평가하기 위하여 국내 유명 백화점 중의 하나인 H백화점의 고객 구매 데이터를 사용하여 실험하였다. 실험 결과로부터 제시한 추천방법이 기존의 신규고객 추천방법들과 비교하여 추천의 정확도는 높으면서도, 구매정보 외에 인구통계정보 등과 같은 추가 정보가 필요하지 않으며, 추천 전에 고객이 능동적으로 질의에 응답할 필요가 없는 새로운 방법임을 알 수 있었다.

Keywords

References

  1. 김용학, 사회연결망 분석, 박영사, 2003.
  2. 김재경, 조윤호, 김승태, 김혜경, "모바일 전자상거래 환경에 적합한 개인화된 추천시스템", 경영정보학연구, 15권 3호(2005), 223-241.
  3. 손동원, 사회 네트워크 분석, 경문사, 2002.
  4. 안현철, 한인구, 김경재, "연관규칙기법과 분류모형을 결합한 상품추천 시스템:G 인터넷 쇼핑몰의 사례", 경영정보학연구, 8권 1호(2006),181-201.
  5. 윤성준, "데이터마이닝 기법을 통한 백화점의 고객이탈예측 모형 연구", 한국마케팅저널, 6권4호(2005), 45-72.
  6. 조윤호, 박수경, 안도현, 김재경, "재구성된 제품계층도를 이용한 협업 추천 방법론 및 그 평가", 한국경영과학회지, 29권 2호(2004), 61-77.
  7. 최창현, "조직의 비공식 연결망에 관한 연구:사회연결망 분석의 적용", 한국사회와행정연구,17권 1호(2006), 1-23.
  8. Adomavicius, G. and A. Tuzhilin, "Toward the next generation of recommender systems:A survey of the state-of-the-art and possible extensions", IEEE Transactions on Kno wledge and Data Engineering, Vol.17, No. 6(2005), 734-749. https://doi.org/10.1109/TKDE.2005.99
  9. Aggarwal, C. C., Z. Sun, and P. S. Yu, "Online Algorithms for Finding Profile Association Rules", Proceedings of the seventh international conference on Information and Knowledge Management, (1998), 86-95.
  10. Ahn, H. J., "A new similarity measure for collaborative filtering to alleviate the new user cold-starting problem", Information Sciences, Vol.178(2008), 37-51. https://doi.org/10.1016/j.ins.2007.07.024
  11. Albert, R. and Barabasi, A. L., "Statistical mechanics of complex networks", Review of Modern Physics, Vol.74(2002), 47-97. https://doi.org/10.1103/RevModPhys.74.47
  12. Barnes, J., "Class and committees in a Norwegian island parish", Human Relations, Vol.7(1954), 39-58. https://doi.org/10.1177/001872675400700102
  13. Bonacich, P., "Power and Centrality:A Family of Measures", American Journal of Sociology, Vol.92(1987), 1170-1182. https://doi.org/10.1086/228631
  14. Cho, Y. H. and J. K. Kim, "Application of Web usage mining and product taxonomy to collaborative recommendations in e-commerce", Expert Systems with Applications, Vol.26, No.3(2004), 234-246.
  15. Huang, Z., H. Chen, and D. Zeng, "Applying Associative Retrieval Techniques to Alleviate the Sparsity Problem in Collaborative Filtering", ACM Transactions on Information Systems, Vol.22, No.1(2004), 116-142. https://doi.org/10.1145/963770.963775
  16. Kauffiman, S., The Origins of Order, Oxford University Press, 1993.
  17. Kim, D. and B. J. Yum, "Collabrative Filtering based on Iterative Principal Component Analysis", Expert System with Applications, Vol.28(2005), 823-830. https://doi.org/10.1016/j.eswa.2004.12.037
  18. Krulwich, B., "Lifestyle Finder:Intelligent User Profiling Using Large-Scale Demographic Data", Artificial Intelligence Magazine, Vol. 18, No.2(1997), 37-45.
  19. Melville, P., R. J. Mooney, and R. Nagarajan, "Content-boosted Collaborative Filtering", Proceeding SIGIR 2001 Workshop on Recommender Systems, 2001.
  20. Park, S. T., D. Pennock, O. Madani, N. Good, and D. DeCoste, "Naive Filterbots for Robust Cold-Start Recommendations", KDD'06, 2006.
  21. Ryu, Y. U., H. K. Kim, Y. H. Cho, and J. K. Kim, "Peer-oriented content recommendation in a social network", Proceedings of the Sixteenth Workshop on Information Technologies and Systems, 2006, 115-120.
  22. Sarwar, B., G. Karypis, J. A. Konstan, and J. Riedl, "Analysis of recommendation algorithms for e-commerce", Proceedings of ACM E-commerce 2000 conference, (2000), 158-167.
  23. Schein, A. I., A. Popescul, D. M. Pennock, and L. H. Ungar, "Methods and Metrics for Cold- Start Recommendations", SIGIR'02, 2002.
  24. Wasserman, S., Social network analysis:methods and applications, Cambridge University Press, 1994.
  25. Yu, K., A. Schwaighofer, V. Tresp, X. Xu, and H. Kriegel, "Probabilistic Memory-based Collaborative Filtering", IEEE Transactions on Knowledge and Data Engineering, Vol. 16, No.1(2004), 56-69. https://doi.org/10.1109/TKDE.2004.1264822