경쟁이 치열해지는 전자상거래에서 추천시스템은 쇼핑몰을 운영하는 입장에서 보면 작은 사이버 공간에 소비자들이 원하는 상품을 가장 효율적으로 전시하는 방법이고 소비자의 입장에서 보면 자신에게 필요한 상품을 특별한 노력 없이 얻는 방법이다.
이러한 추천시스템에서 가장 기본이 되고, 핵심적인 ...
전자상거래 추천시스템에 있어서 상품가격과 협업필터링 성능과의 관계
경쟁이 치열해지는 전자상거래에서 추천시스템은 쇼핑몰을 운영하는 입장에서 보면 작은 사이버 공간에 소비자들이 원하는 상품을 가장 효율적으로 전시하는 방법이고 소비자의 입장에서 보면 자신에게 필요한 상품을 특별한 노력 없이 얻는 방법이다.
이러한 추천시스템에서 가장 기본이 되고, 핵심적인 알고리즘이 협업필터링 기술이다. 그러나 협업필터링 추천시스템은 희박성(Sparsity)이나 신규고객의 문제(Cold Start Problem) 등 고유한 한계로 그동안 추천시스템에 대한 연구가 협업필터링 성능 개선을 중심으로 활발하게 연구되었다. 그러나 협업 필터링 성능에 영향을 미치는 요인에 대한 연구는 적었다.
RFM를 통한 고객세분화를 통한 수익극대화 방법이 추천시스템과 결부한 연구가 있었지만, 마케팅학과 연계된 연구가 많지 않았다.
이에 본 연구는 협업필터링 성능에 영향을 미치는 요인으로 소비자행동론에서 사회적판단이론에 뿌리를 두고 있는 관여도의 개념을 이용하여 관여의 수준과 관여의 유형에 따라 협업필터링의 성능을 분석하였다. 이때 관여의 수준은 가격으로 측정하였으며, 관여의 유형은 미용제품과 전자제품으로 조사하였다.
가격과 협업필터링의 성능과의 관계는 미용제품은 매우 강한 상관관계(0.85) 전자제품 소품에서도 강한 상관관계(0.51)를 가졌으나 일반전자제품에서는 상관성이 낮았다. 미용제품의 협업필터링 추천의 성능이 전자제품의 추천의 성능에 평균 4~5배 높게 조사되었다.
가격과 협업필터링 추천의 성능이 강한 상관관계를 보인 것은 Petty and Cacioppo의 정교화가능성모델(Elaboration Likehood Model; ELM)에서 제시한 것처럼 고관여는 중심경로로 메시지의 주장을 중심으로 상당한 인지적 노력으로 협업필터링으로 추천된 상품에서 정보를 얻으려하는 반면, 저관여에서는 주변경로를 통하여 메시지 주장과 상관없는 주변단서를 중심으로 태도를 형성하여 추천된 상품에 대하여 정보를 수동적으로 반응한 것으로 판단된다.
감성적 상품이 이성적 상품보다 협업필터링 추천 성능이 높은 것은 직관적으로 협업필터링 추천 시스템은 이성적 상품보다 감성적 상품에서 성능이 높을 것이라는 그 동안의 연구자들의 주장을 데이터로 반증할 수 있었다.
전자상거래 추천시스템에 있어서 상품가격과 협업필터링 성능과의 관계
경쟁이 치열해지는 전자상거래에서 추천시스템은 쇼핑몰을 운영하는 입장에서 보면 작은 사이버 공간에 소비자들이 원하는 상품을 가장 효율적으로 전시하는 방법이고 소비자의 입장에서 보면 자신에게 필요한 상품을 특별한 노력 없이 얻는 방법이다.
이러한 추천시스템에서 가장 기본이 되고, 핵심적인 알고리즘이 협업필터링 기술이다. 그러나 협업필터링 추천시스템은 희박성(Sparsity)이나 신규고객의 문제(Cold Start Problem) 등 고유한 한계로 그동안 추천시스템에 대한 연구가 협업필터링 성능 개선을 중심으로 활발하게 연구되었다. 그러나 협업 필터링 성능에 영향을 미치는 요인에 대한 연구는 적었다.
RFM를 통한 고객세분화를 통한 수익극대화 방법이 추천시스템과 결부한 연구가 있었지만, 마케팅학과 연계된 연구가 많지 않았다.
이에 본 연구는 협업필터링 성능에 영향을 미치는 요인으로 소비자행동론에서 사회적판단이론에 뿌리를 두고 있는 관여도의 개념을 이용하여 관여의 수준과 관여의 유형에 따라 협업필터링의 성능을 분석하였다. 이때 관여의 수준은 가격으로 측정하였으며, 관여의 유형은 미용제품과 전자제품으로 조사하였다.
가격과 협업필터링의 성능과의 관계는 미용제품은 매우 강한 상관관계(0.85) 전자제품 소품에서도 강한 상관관계(0.51)를 가졌으나 일반전자제품에서는 상관성이 낮았다. 미용제품의 협업필터링 추천의 성능이 전자제품의 추천의 성능에 평균 4~5배 높게 조사되었다.
가격과 협업필터링 추천의 성능이 강한 상관관계를 보인 것은 Petty and Cacioppo의 정교화가능성모델(Elaboration Likehood Model; ELM)에서 제시한 것처럼 고관여는 중심경로로 메시지의 주장을 중심으로 상당한 인지적 노력으로 협업필터링으로 추천된 상품에서 정보를 얻으려하는 반면, 저관여에서는 주변경로를 통하여 메시지 주장과 상관없는 주변단서를 중심으로 태도를 형성하여 추천된 상품에 대하여 정보를 수동적으로 반응한 것으로 판단된다.
감성적 상품이 이성적 상품보다 협업필터링 추천 성능이 높은 것은 직관적으로 협업필터링 추천 시스템은 이성적 상품보다 감성적 상품에서 성능이 높을 것이라는 그 동안의 연구자들의 주장을 데이터로 반증할 수 있었다.
From the online shopping mall sellers' view, recommendation systems are the most effective solution to show products that consumers want in a limited cyber space, specially under increasingly competitive E-commerce. From the consumers' view, the systems are the easiest one to catch products that the...
From the online shopping mall sellers' view, recommendation systems are the most effective solution to show products that consumers want in a limited cyber space, specially under increasingly competitive E-commerce. From the consumers' view, the systems are the easiest one to catch products that they need with little effort.
The most basic and essential algorithm in these recommendation systems is the collaborative filtering technology, a kind of social recommendation systems. However, as collaborative filtering recommendation systems have inherent limitations like sparsity or cold start problem, the research direction on them has been focused on collaborative filtering improvement of performance. It resulted in the relative neglection on factors which influence on collaborative filtering performance.
Meanwhile, there was a research between the profit optimization method by customer segments with marketing RFM and recommendation systems.
This paper researches the collaborative filtering performance according to involvement level and type with the concept 'involvement' based on social judgement theory in consumer behaviors, the factor that influence on collaborative filtering performance. Also, the level of involvement was measured by price and the type of involvement was researched by beauty and electronic products.
The relations of price and collaborative filtering performance has high correlation(0.85) in beauty products and strong correlation(0.51) in electronic products, in result, correlation in electronic products is lower than one in beauty products.
In average, the collaborative filtering performance of beauty products is 4~5 times higher than that of electronic products.
The high correlation between price and collaborative filtering recommendation performance, as like Elaboration Likehood Model; ELM(Petty and Cacioppo) means that while High Involvement(high price) accepts informations through collaborative filtering recommended products, after making much cognitive effort based on message insistences as a center path. Low Involvement(low price) passively reacts informations through recommended products, after making the attitude based on surround clues (apart from message insistence) as a surround path
This result that emotional products have higher recommendation performance than reasonal ones disproves the many researchers' intuitive insistence that in collaborative filtering recommendation, reasonal products may have higher recommendation performance than emotional ones.
From the online shopping mall sellers' view, recommendation systems are the most effective solution to show products that consumers want in a limited cyber space, specially under increasingly competitive E-commerce. From the consumers' view, the systems are the easiest one to catch products that they need with little effort.
The most basic and essential algorithm in these recommendation systems is the collaborative filtering technology, a kind of social recommendation systems. However, as collaborative filtering recommendation systems have inherent limitations like sparsity or cold start problem, the research direction on them has been focused on collaborative filtering improvement of performance. It resulted in the relative neglection on factors which influence on collaborative filtering performance.
Meanwhile, there was a research between the profit optimization method by customer segments with marketing RFM and recommendation systems.
This paper researches the collaborative filtering performance according to involvement level and type with the concept 'involvement' based on social judgement theory in consumer behaviors, the factor that influence on collaborative filtering performance. Also, the level of involvement was measured by price and the type of involvement was researched by beauty and electronic products.
The relations of price and collaborative filtering performance has high correlation(0.85) in beauty products and strong correlation(0.51) in electronic products, in result, correlation in electronic products is lower than one in beauty products.
In average, the collaborative filtering performance of beauty products is 4~5 times higher than that of electronic products.
The high correlation between price and collaborative filtering recommendation performance, as like Elaboration Likehood Model; ELM(Petty and Cacioppo) means that while High Involvement(high price) accepts informations through collaborative filtering recommended products, after making much cognitive effort based on message insistences as a center path. Low Involvement(low price) passively reacts informations through recommended products, after making the attitude based on surround clues (apart from message insistence) as a surround path
This result that emotional products have higher recommendation performance than reasonal ones disproves the many researchers' intuitive insistence that in collaborative filtering recommendation, reasonal products may have higher recommendation performance than emotional ones.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.