온라인 행동 로그 분석을 통한 사용자 행동 예측

Abstract

구매와 관련된 온라인 쇼핑 사용자의 행동은 많은 연구자들이 관심을 가지고 있는 분야이다. 이 논문에서는 온라인 쇼핑 사용자의 행동을 이해하기 위해 쇼핑 사이트에 대한 웹 클라이언트의 접근 기록을 분석하였다. 접근 기록은 50만 개 이상의 클라이언트에 대한 기록을 가지고 있으며, 접근 물품 종류는 180만개에 달하는 큰 규모이다. 이 기록을 분석하여 기본적인 매출 및 아이템 조회의 규모, 하루 중 시간에 따른 매출 등의 결과를 알아 내었다. 그리고 구매에 영향을 미치는 사용자의 행동 요인을 알아 보기 위해 가지고 있는 접근 기록을 재가공하여 사용자-제품 조합을 키로 하여 조회 횟수, 장바구니 사용 유무, 구매 고려 시간 및 최종으로 구매하였는지 등의 정보를 알아내었다. 이 작업을 통해 새로 제작된 데이터를 통해 각 요인에 변화에 따른 제품 구매율의 변화를 분석하였다. 분석 결과, 제품 페이지 확인 횟수, 최초 제품 확인 후 구매 고려 시간의 경우 특정 시점까지는 구매율이 양의 상관관계로 증가한다. 장바구니의 경우 사용하는 경우가 사용하지 않는 경우에 비해 10배 이상 구매자 비율이 높으며 장바구니에 제품을 추가한 시점의 경우 제품 확인 초기일 경우 구매율이 낮으며 후반부일수록 구매율이 상승한다. 이렇게 구매율과 관련된 분석 결과 연관이 있는 항목을 이용하여 머신 러닝을 수행한다. SVM을 이용하여 구매 예측을 수행해 본 결과 아이템의 가격, 판매 횟수 등의 아이템자체의 특성과 관련 있는 피처들을 이용한 경우보다 사용자가 아이템 정보를 확인한 횟수, 최초 확인 후 구매 고려 시간, 장바구니 추가 시점 등의 사용자의 행동과 관련된 피처들을 이용한 경우가 보다 높은 80%에 다다른 정확도를 나타내었다. 그리고 전체 피처를 이용한 경우의 정확도도 행동 피처를 이용한 경우와 다르지 않아, 행동 피처를 이용하는 것이 보다 효율적인 수행이 가능함을 보인다. 이 논문을 통해, 시간에 따라 저장된 데이터를 목적에 맞는 사용자-제품 기준으로 가공하는 방법을 알 수 있다. 그리고 사용자의 행동에 따른 구매율 변화 분석을 통해 행동에 따라 구매율이 어떻게 변화할 것인지 예측할 수 있다. 마지막으로 사용자의 행동이 사용자의 구매 여부 예측에 효율적인 요소임을 시험 결과를 통해 증명한다.