• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.705-708
• /
• 2023

본 논문은 사용자의 피부 상태에 따라 사용자에게 적합한 화장품을 소개해주는 화장품 추천 웹 쇼핑몰, "PBTI"를 개발한다. 요즘 유행하는 성격 유형 설문조사인 MBTI에서 영감을 받아 피부 유형과 퍼스널 컬러를 검사하고 이를 기반으로 화장품을 추천하는 온라인 쇼핑몰 웹사이트를 제작하게 되었다. 바우만 교수의 피부 유형 지표를 바탕으로 제작된 질문을 통해 사용자들의 피부 유형을 검사하고 해당 피부 유형 결과에 따른 상품을 추천해주는 알고리즘이 탑재되어 사용자에게 맞는 상품을 추천해준다. 텐서플로우 기반의 인공지능을 탑재하여 퍼스널컬러 테스트를 제작하였다. PBTI의 이러한 무료 테스트 서비스 제공은 다른 온라인 뷰티 쇼핑몰과 극명한 차별점을 만들고, 쇼핑몰 매출을 크게 증대시킬 것으로 기대한다.

• The Journal of Society for e-Business Studies
• /
• v.9 no.3
• /
• pp.191-205
• /
• 2004

In banking industry, as competition of retail finance is intensive, there appeared eCRM which is a kind of marketing strategy, not only screening good customers but also doing one-to-one marketing for improving customer royalty and satisfaction of goods and service of bank. The strategic importance of eCRM is increasing more and more. We studied bank to use the advantage of expert system and eCRM. The expert system is used as a tool to analyze eCRM. In this paper, first, we presented an eCRM system architecture using expert systems in banking business. Secondly, a bank financial goods recommendation system using expert system is designed and developed. Customers will receive the good quality financial services from the expert system and banks also will acquire the good quality customer data from the expert system.

• Information Systems Review
• /
• v.25 no.1
• /
• pp.111-128
• /
• 2023

With the development of artificial intelligence technology, interest in data-based product preference estimation and personalized recommender systems is increasing. However, if the recommendation is not suitable, there is a risk that it may reduce the purchase intention of the customer and even extend to a huge financial loss due to the characteristics of the financial product. Therefore, developing a recommender system that comprehensively reflects customer characteristics and product preferences is very important for business performance creation and response to compliance issues. In the case of financial products, product preference is clearly divided according to individual investment propensity and risk aversion, so it is necessary to provide customized recommendation service by utilizing accumulated customer data. In addition to using these customer behavioral characteristics and transaction history data, we intend to solve the cold-start problem of the recommender system, including customer demographic information, asset information, and stock holding information. Therefore, this study found that the model proposed deep learning-based collaborative filtering by deriving customer latent preferences through characteristic information such as customer investment propensity, transaction history, and financial product information based on customer transaction log records was the best. Based on the customer's financial investment mechanism, this study is meaningful in developing a service that recommends a high-priority group by establishing a recommendation model that derives expected preferences for untraded financial products through financial product transaction data.

• The Journal of the Korea Contents Association
• /
• v.20 no.3
• /
• pp.254-266
• /
• 2020

The purpose of this study is to analyze the influence of the type of recommender system on consumer's perceived benefit and privacy risk. The result showed that the perceived usefulness and intension to click was high in the order of Hybrid-filtering, Bestseller, and SNS-based system. Privacy concern was high in order of SNS-based system, Hybrid-filtering, and Bestseller. Moderating effects of perceived personalization on the type of recommender system and perceived usefulness were significant. Finally perceived usefulness had positive effect, and privacy concern had negative effect on consumer's intension to click. This study has significant implications for digital marketing bt comparing consumer responses according to the type of recommended service. The result of this study can be helpful for providing and developing future recommender service.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.153-155
• /
• 2019

본 논문에서는 다양한 아두이노 무선센서 모듈과 Raspberry Pi, 웹서버를 이용한 IOT 기반 환경정보 수집시스템과 기상청 API를 통한 기상정보, 상점 서비스를 매시업하여 상품추천시스템을 구현하였다. 이 시스템은 사용자가 주변 환경의 데이터를 정확하게 확인하고 그에 맞는 상품을 추천받을 수 있도록 한다. 상품추천시스템에서는 상점 외부에 부착된 환경정보 수집시스템에서 측정한 데이터와 기상청 API 데이터를 DB에 저장하고 DB에 저장된 데이터를 이용하여 상황에 맞는 기후화면디자인과 환경정보 데이터를 html로 구성하여 보여준다. Raspverry Pi에 연결된 모니터를 통해 실시간으로 정보를 보여주며 일정 시간 간격으로 관련 상품 광고를 보여주며 필요한 물건을 추천해준다.

• Journal of Intelligence and Information Systems
• /
• v.11 no.1
• /
• pp.191-205
• /
• 2005

This paper presents a novel product recommender system as a tool fur differentiated marketing service of online shopping malls. Ihe proposed model uses genetic algorithnt one of popular global optimization techniques, to construct a personalized product recommender systen The genetic algorinun may be useful to recommendation engine in product recommender system because it produces optimal or near-optimal recommendation rules using the customer profile and transaction data. In this study, we develop a prototype of WeLbased personalized product recommender system using the recommendation rules fi:om the genetic algorithnL In addition, this study evaluates usefulness of the proposed model through the test fur user satisfaction in real world.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.795-796
• /
• 2021

본 논문은 국내 스타트업의 상품-서비스에 적합한 해외 바이어를 찾아 맟춤형으로 추천해주는 시스템을 설계하고자 한다. 추천 알고리즘은 CNN 기반의 Word2Vec과 Doc2Vec 알고리즘을 활용하며, 정확도를 높이기 위해 시각정보를 활용한다. 추천 시스템에 사용되는 데이터는 비정형 데이타인 회사 소개 및 상품/서비스 소개 문장 데이터이며, 제품 사진을 시각정보로 이용한다. 유사도가 높은 순으로 추천하기 위해 문장데이타를 키워드 리스트로 변환하고, Word2vec 모델에 이식시켜 키워드 좌표를 만들어 벡터화한다. 그리고, 문장의 중심점간 거리를 계산해 기업간 유사성 및 연관성을 도출한다. 이를 바탕으로 국내 스타트업의 문장데이타 및 시각정보와 유사도가 높은 순으로 해외바이어를 추천한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.277-279
• /
• 2000

인터넷 쇼핑몰의 급증으로 각 쇼핑몰은 경쟁적으로 표적판매의 전략으로써 상품 광고나 쇼핑 정보 등을 회원들에게 e-mail로 제공해 주고 있지만 여러 쇼핑몰에 회원으로 가입되어 있는 인터넷 사용자들에게 이런 무분별하고 획일적인 광고는 오히려 번거로운 것일 수 있으며 더욱이 그 내용이 관심 밖의 것일 경우 무가치한 정보 공해에 지나지 않게 된다. 본 논문에서는 등록된 사용자의 프로파일 정보와 학습된 쇼핑패턴을 토대로 그 사용자의 관심도와 쇼핑이 필요한 시기를 예측하여 e-mail로 개인화된 광고 및 추천서비스를 제공하는 비교 쇼핑 시스템을 제안한다. 이를 위해 상품별 구매속성이 반영된 코드를 상품의 ID로 정하여 구매속성별 분류와 검색 및 갱신이 쉽고 정확하게 이루어지도록 하였고 별도의 학습 과정 없이 코드의 검색만으로 선별된 상품을 자동으로 광고와 추천하는 것이 가능하다.

• The KIPS Transactions:PartD
• /
• v.16D no.2
• /
• pp.273-280
• /
• 2009

Today, many services and products that used to be only provided on offline have been being provided on the web according to the improvement of computing environment and the activation of web usage. These web-based services and products tend to be provided to customer by customer's preferences. This paradigm that considers customer's opinions and features in selecting is called personalization. The related research field is a recommendation. And this recommendation is performed by recommender system. Generally the recommendation is made from the preferences and tastes of customers. And recommender system provides this recommendation to user. However, the recommendation techniques have a couple of problems; they do not provide suitable recommendation to new users and also are limited to computing space that they generate recommendations which is dependent on ratings of products by users. Those problems has gathered some continuous interest from the recommendation field. In the case of new users, so similar users can't be classified because in the case of new users there is no rating created by new users. The problem of the limitation of the recommendation space is not easy to access because it is related to moneywise that the cost will be increasing rapidly when there is an addition to the dimension of recommendation. Therefore, I propose the solution of the recommendation problem of new user and the usage of item quality as weight to improve the accuracy of recommendation in this paper.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.299-304
• /
• 2006

최근 전자상거래 사이트에서는 각 고객에게 개별화된 서비스를 제공하기 위한 노력을 기울이고 있으며, 추천시스템은 이러한 개별화된 서비스를 제공하는데 중요한 역할을 하고 있다. 전자상거래 추천시스템에 대한 최근 연구 동향 중 하나는 고객의 탐색 및 행동 패턴 데이터를 이용하여 각 상품에 대한 선호도를 추정하고, 이를 바탕으로 한 추천시스템을 개발하는 것이다. 본 논문에서는 이와 같이 추정한 선호도 데이터에 차원 감소 기법을 적용한 추천시스템을 개발하였으며, 이를 기존의 협업적 필터링을 이용한 방법과 비교하였다. 실험용 전자상거래 사이트로부터 수집한 데이터를 바탕으로 두 방법을 비교하여, 추천 상품 수가 지나치게 크지 않을 때에는 차원 감소 기법을 이용한 방법의 성능이 협업적 필터링을 이용한 방법의 성능과 유사하거나 더 우수하다는 것을 보였다.