• 한국컴퓨터산업학회논문지
• /
• 제2권9호
• /
• pp.1175-1182
• /
• 2001

원투원 마케팅(데이터베이스 마케팅 또는 관계 마케팅)은 컴퓨터의 발전과 더불어 기업 및 고객에게 이익을 가져올 것이며, 또한 고객의 세일 및 광고에 변화를 가져올 여러 분야 중의 하나이다. 인터넷 쇼핑몰에서 지능적인 고객 서비스의 일환으로, 본 논문에서는 데이터 마이닝 기법으로 잘 알려진 장바구니 분석을 이용한 개인화 된 광고를 제공하는 기법을 제시하고자 한다. 추천 기법의 핵심적인 이론으로 통계학, 데이터 마이닝, 인공 지능, 규칙 기반 매칭 등이 있다. 개인화 된 추천을 위한 규칙 기반 관점에서, 개인화를 위한 마케팅 규칙은 일반적으로 마케팅 전문가로부터 추출되어 고객의 데이터를 갖고 추정한다. 그러나 마케팅 전문가로부터 규칙을 추출하기란 매우 어려울 뿐만 아니라, 작성된 지식 기반 규칙을 검증하고 유지하기도 어렵다. 본 논문에서는 장바구니 분석 기법을 이용하여, 크로스 세일 마케팅 규칙을 추출한 뒤, 고객이 인터넷 쇼핑몰에 방문했을 때 개인화 된 광고를 제공하는데 초점을 두기로 한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.