• 한국컴퓨터정보학회논문지
• /
• 제29권6호
• /
• pp.223-233
• /
• 2024

본 연구에서는 정보 제시, 시스템 상호 작용, 소셜 커뮤니티 기능의 역할에 초점을 맞춰 개인화 추천 시스템이 전자 상거래에서 고객 충성도에 미치는 영향을 조사합나다. 이러한 요소들이 플로 상태, 입소문(WOM), 재구매 의도(RPI)에 어떤 영향을 미치는지 살펴봅니다. 이 연구는 구조방정식 모델(SEM)과 500명의 응답자로부터 수집한 데이터를 SPSS와 AMOS를 사용하여 세 가지 개인화 측면이 모두 플로상태를 크게 향상시키고, 이는 다시 WOM과 RPI에 긍정적인 영향을 미친다는 사실을 발견했습니다. 시스템 상호작용은 WOM과 RPI를 직접적으로 향상시키는 반면, 정보 제공과 소셜 커뮤니티 기능은 이러한 충성도 측정치 중 하나에만 영향을 미치는 것으로 나타났습니다. 플로 상태는 개인화 요소와 충성도 결과 사이의 관계를 매개합니다. 이러한 연구 결과는 전자 상거래 플랫폼이 고객 충성도를 높이기 위해 시스템 상호작용을 개선하고 소셜 커뮤니티 기능을 포함해야 함을 시사합니다.

• 한국전자거래학회지
• /
• 제22권3호
• /
• pp.75-85
• /
• 2017

전자 상거래 산업에서 많이 사용되고 있는 개인화 추천은 많은 분야에서 효과를 입증하고 있다. 개인화 추천을 위해서는 개인 정보를 포함하여 아이템을 재 분류해야하는 추가 작업이 필요하다. 본 연구에서는 개인 정보를 사용하지 않고 아이템을 재분류 하지 않는 추천 기법에 대해 제안한다. 음악 추천 영역으로 제한하여 실험하였으며, 실제 청취 이력 데이터를 사용하였다. 실험 분석을 통해 적은 데이터로도 유의미한 추천을 이끌어 낼 가능성을 살피고, 상황별 추천을 위한 아이템 수 분석과 추가 기법을 제안한다.

• Asia Marketing Journal
• /
• 제22권3호
• /
• pp.87-105
• /
• 2020

With the development of Information Technology, customers require promptly higher quality products and services. Companies try to make newly digital marketing strategies, but there are no empirical researches on them. This article empirically presents a new perspective that companies can shape the customer decision journey ahead by coordinating customer experience. In this article, based on Elaborated Likelihood Model (ELM) theory, customer experience consists of the emotional or cognitive experience. We surveyed about 200 subjects (N = 217) in their 20s and 30s based on the International Music Industry Association's Music Listening 2019 report, then analyzed four different models (before personalization-cognitive experience, before personalization-emotional experience, after personalization- cognitive experience, after personalization-emotional experience) by JASP and R Studio. We conducted Structural Equation Model (SEM) and paired t-test. Personalization factors are about recommendation systems in Spotify. The results of survey represent that companies can shape the Customer Decision Journey (CDJ) ahead especially through enhance cognitive experience. It empirically proves Elaborated Likelihood Model (ELM). The conclusion can be drawn that 'pulling' customer experience can be a new marketing strategies in the digital era.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2004년도 추계학술대회 및 정기총회
• /
• pp.430-460
• /
• 2004

This study presented a personalization system that adopted a methodology which is applicable for digital content recommendation and executed by the Internet service providers. The system made a recommendation to the users on the basis of their preferences, while most techniques for recommending digital content have focused on considering the similarity of content. In addition, it developed a method of evaluation to determine the priority of recommendations and adopted measures when selecting a set of recommendations. To experiment the feasibility and effectiveness of the presented methodology, a prototype system was developed and was applied to an English newspaper on the Internet.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.113-117
• /
• 2003

As the wireless communication technology advances rapidly, a personalization technology can be incorporated with the mobile Internet environment, which is based on location-based services to support more accurate personalized services. A location-based personalized recommender system is one of the essential technologies of the location-based application services, and is also a crucial technology for the ubiquitous environment. In this paper we propose a framework of a location-based personalized recommender system for the mobile Internet environment. The proposed system consists of three modules the interface module, the neighbor selection module and the prediction and recommendation module. The proposed system incorporates the concept of the recommendation system in the Electronic Commerce along with that of the mobile devices for possible expansion of services on the mobile devices. Finally a service scenario for entertainment recommendation based on the proposed recommender system is described.

• 한국의류학회지
• /
• 제42권5호
• /
• pp.871-883
• /
• 2018

This study tests consumer responses to online product recommendation service offered by a website. A product recommendation service refers to a filtering system that predicts and shows items that consumers would like to purchase based on their searches or pre-purchase information. The survey is conducted on 300 people in an age group between 20 and 40 years in a panel of an online survey firm. Data are analyzed using confirmatory factor analysis and structural equation modeling by AMOS 20.0. The results show that personalization quality does not have a significant effect on trust, but relationship quality and technology quality have a positive effect on trust. Three types of quality of recommendation service also have a positive effect on commitment. Trust and commitment are factors that increase service usage intentions. In addition, this study reveals the moderating effect of light users vs heavy users based on online shopping time. Light users show a negative effect of personalization quality on trust, indicating that they are likely to be uncomfortable to the service using personal information, compared to heavy users. This study also finds that trust vs commitment is an important factor increasing service usage intentions for heavy users vs light users.

• 정보관리학회지
• /
• 제26권1호
• /
• pp.81-105
• /
• 2009

본 연구에서는 웹, IPTV 등의 콘텐츠 유통망에서의 개인화 추천서비스를 위하여 이용자의 콘텐츠 이용행위와 콘텐츠의 위치정보를 활용한 추천방법을 제안하고 있다. 추천방법의 성능향상을 위하여 이용자 및 콘텐츠 프로파일 생성방법과 함께, 이용자의 콘텐츠 이용행위를 암묵적 이용자 피드백으로서 학습과정에 적용하여 이용자 선호도를 분석하였다. 학습과정에서의 이용자 선호도 분석을 위하여 협업여과추천방법 및 내용기반추천 방법을 적용하였다. 또한 보다 정확한 추천을 위한 최종 콘텐츠 추천을 위하여 웹사이트 상의 콘텐츠에 대한 위치정보를 활용한 추천방법을 제안하고 있다. 이를 통하여 보다 효율적이고 정확한 추천 서비스의 제공이 가능할 수 있다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제2권11호
• /
• pp.475-482
• /
• 2013

추천 시스템들에 대한 여러 방법들이 연구되고 있다. 개인화와 추천 시스템 중에서 가장 성공적인 방법은 협업 필터링이다. 협업 필터링은 고객들의 프로파일 정보를 기반으로 추천을 하므로 데이터가 충분하지 않다면 항목을 추천하는데 있어서 희박성의 문제가 제기된다. 본 연구에서는 희박성의 문제를 해결하는 방법으로 가중치를 가진 개인 성향을 협업 필터링에 활용하는 방법을 제안한다. 본 연구에서 가중치를 가진 최적의 개인 성향을 찾기 위해 공개 데이터인 MovieLens Data를 이용하여 성능 평가하였다. 실험 결과 본 연구에서 제안한 가중치를 가진 개인 성향들로 구축된 시스템이 기존의 개인 성향들을 이용한 시스템보다 향상된 성능을 보였다.

• 한국문헌정보학회지
• /
• 제39권3호
• /
• pp.75-91
• /
• 2005

인터넷의 발전과 성장은 웹상에서의 정보의 량에 있어서 폭발적인 성장을 가져 왔다. 이러한 웹상에서의 정보량의 증가는 정보이용자의 요구와 필요에 맞는 정보 제공을 위한 서비스로서 웹기반의 개인화서비스에 대한 요구를 더욱 더 강조하게 되었다. 개인화서비스는 정보이용자의 요구와 필요에 의해 현실화 될 수 있으며 이러한 정보이용자의 관심사와 정보요구는 지속적으로 또한 급격하게 변화되고 있다. 웹상의 수많은 정보로부터 정보이용자의 요구와 필요를 만족 시킬 수 있기 위하여 본 논고에서는 이용자의 관심과 요구를 표현하기 위하여 이용자 프로파일 정보를 이용하였으며 이러한 이용자의 프로파일 정보는 이용자의 요구와 흥미에 대한 변화를 반영하기 위하여 지속적으로 갱신하였다. 본고에서는 정보이용자의 정보요구와 흥미의 변화를 지속적으로 이용자프로파일에 반영하기 위한 방안으로서 학습알고리즘을 제안하였다. 정보이용자의 정보에 대한 피드백을 기반으로 이용자의 정보에 대한 흥미와 요구는 본 고에서 제안한 학습알고리즘을 통하여 지속적으로 갱신 되므로서 정보이용자에게 보다 정확한 정보를 제공할 수 있다고 할 수 있다. 이러한 학습알고리즘은 보다 개선된 하이브리드 정보추천시스템에 적용하였다.

• 한국경영과학회지
• /
• 제31권2호
• /
• pp.27-39
• /
• 2006

The Collaborative Filtering (CF) is one of the popular techniques for personalization in e-commerce storefronts. For CF-based recommendation, every customer needs to provide subjective evaluation ratings for some products based on his/her preference. Also, if an e-commerce site recommends a new product, some customers should rate it. However, there is no in-depth investigation on the impacts on recommendation performance of two number of ratings, i.e. the number of ratings of an individual customer and the number of ratings of an item, even though these are important factors to determine performance of CF methods. In this study, using publicly available EachMovie data set, we empirically investigate the relationships between the two number of ratings and the performance of CF. For the purpose, three analyses were executed. The first and second analyses were performed to investigate the relationship between the number of ratings of a particular customer and the recommendation performance of CF. In the third analysis, we investigate the relationship between the number of ratings on a particular item and the recommendation performance of CF. From these experiments, we can find that there are thresholds in terms of the number of ratings below which the recommendation performances increase monotonically. That is, the number of ratings of a customer and the number of ratings on an item are critical to the recommendation performance of CF when the number of ratings is less than the thresholds, but the value of the ratings decreases after the numbers of ratings pass the thresholds. The results of the experiments provide insight to making operational decisions concerning collaborative filtering in practice.