상품 추천 시스템: 실제 데이터 분석 (Recommendation system:Analysis of Real data)

Abstract

본 연구에서는 인터넷 쇼핑몰에서 유아용품을 구매하는 고객에게 물품을 추천하는 방법들을 비교 분석하였다. 여러 마케팅 분야에서 많이 사용되는 추천 방식은 과거 구매 내역을 사용해 추천하는 방식(Most Popular :MP)으로 서점에서 모든 고객에게 best seller를 추천할 때 쓰인다. 복잡한 분석 없이 빠르게 고객들에게 상품을 추천할 수 있다는 장점이 있지만, 개인화된 추천을 할 수 없으므로 차별성이 떨어진다. 본 논문에서는 한 인터넷 종합 쇼핑몰의 실제 고객 구매 데이터를 가지고 기존에 사용하고 있는 MP 분석보다 개인화된 추천, 예측력이 좋은 모델을 제시하려 한다. 본 논문에서 사용된 고객의 구매여부는 구매와 비구매의 형태로 로지스틱 회귀 분석과 비슷한 제한된 볼츠만 머신을 가능케 하며 여기에 적절한 벌점화함수를 추가하여 모형화할 수 있게 한다. 구체적으로 본 논문에서 소개할 방법은 능형회귀와 Lasso회귀의 절충으로서 Zou와 Hastie(2005)에 의해 제안된 Elastic-Net모델이다. Elastic-Net모델은 능형회귀와 Lasso회귀의 절충적인 방법으로 아직까지 추천시스템 분야에서 많이 쓰이지는 않지만 다른 분야에서 활발히 쓰이고 있어 실제 인터넷 쇼핑몰데이터에 모델을 적용해 보았다. 조율모수를 결정하는 문제는 변수들 사이에 상관성이 크기 때문에 Lasso보다는 능형회귀 쪽에 높은 가중치를 두고 CV로 최적의 조절변수를 선택하였다. 분석결과는 Most popular보다 좋은 예측력을 보였으며, 향후 마케팅 분야에서 활발히 쓰일 수 있을 것이라 예상된다.