$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

협력필터링과 사회연결망을 이용한 신규고객 추천방법에 대한 연구
The Research on Recommender for New Customers Using Collaborative Filtering and Social Network Analysis 원문보기

지능정보연구 = Journal of intelligence and information systems, v.18 no.4, 2012년, pp.19 - 42  

신창훈 (한국해양대학교 물류시스템학과) ,  이지원 (한국해양대학교 물류시스템학과) ,  양한나 (한국해양대학교 물류시스템학과) ,  최일영 (경희대학교 경영학과.경영연구원)

초록
AI-Helper 아이콘AI-Helper

고객이 상품을 구매하는 패턴이 빠르게 변화하고 있다. 오프라인에서 고객이 직접 상품을 보고, 체험한 후 구매하던 패턴이 TV홈쇼핑, 인터넷 쇼핑 등 고객이 편리한 장소에서 자유롭게 구매하는 방법으로 확산되었다. 이처럼 구매 가능한 상품의 범위는 점점 더 다양해지고 있지만 이로 인하여 고객이 상품을 구매할 때 생기는 번거로움은 더욱 커지고 있다. 오프라인에서는 물건을 직접보고 구매하기 때문에 반품율이 낮은 반면에 온라인 구매 물품은 배송과 환불 등에서 복잡한 일들이 많이 발생한다. 온라인을 통해서 물건을 구매할 때 상품에 대한 사전 정보는 매우 한정적이며 실제로 물건을 구매했을 경우 고객이 생각했던 것과 다를 수 있다. 이러한 결과는 결국 고객의 불만족 및 구매취소로 이어진다. 또한 TV홈쇼핑이나 인터넷 쇼핑 등을 통해서 물건을 구매할 때 고객들은 이미 상품을 구매한 고객의 리뷰에도 관심을 기울이고 있다. 좋은 평가를 받은 상품은 더 많은 매출로 이어질 수 있기 때문에 기업은 이에 관심을 기울일 필요가 있다. 고객의 욕구를 만족시킬 수 있는 적절한 상품을 추천해 주고 이를 구매로 연결시키는 것은 기업의 이윤 창출과 직결되기 때문에 그 중요성이 강조된다. 고객을 위한 추천방법은 베스트셀러기반 추천방법, 인구통계 정보기반 추천방법, 최소질의대상 상품결정방법, 내용필터링기법, 협력필터링기법 등이 존재하며, 이에 대한 많은 연구가 활발하게 진행되고 있다. 그러나 위의 방법들을 신규고객에게 적용하는 것에는 문제가 발생할 수 있다. 신규고객은 상품에 대한 과거 구매이력이 존재하지 않기 때문이다. 이를 해결하기 위한 방안으로 가입 시, 고객의 인구통계적 정보나 선호도에 대한 응답을 유도하는 방법을 활용할 수 있다. 그러나 고객이 이에 대한 번거로움을 느낄 수도 있으며, 불완전한 답변을 하게 되면 추천의 정확도는 감소한다. 최근 이미 상품을 구매한 고객의 리뷰 및 기업에서 추천하는 제품에 의존하는 고객들이 증가하면서 이를 악용하는 사례도 자주 등장한다. 결국 추천에 대한 고객들의 신뢰는 감소하게 될 것이다. 따라서 좀 더 명확한 방식의 추천시스템이 절실하며, 이것이 개선된다면 는 곧 고객들의 신뢰 증가로 이어질 것이다. 본 연구에서는 협력필터링기법과 사회연결망기법의 중심성을 결합한 분석을 시도하였다. 중심성은 신규고객의 선호도를 기존고객들의 데이터를 통하여 유추하기 위하여 활용되는 정보이다. 기존 연구들에서는 기존고객들의 구매 가운데 구매성향이 유사한 고객들의 정보에 초점을 맞추고 있으며 구매성향이 다른 고객들의 정보에 대한 분석은 이루어지고 있지 않다. 그러나 이처럼 구매성향이 서로 다른 고객들의 정보를 활용한다면 추천의 정확성이 더 향상되지 않을까 하는 점을 기반으로 데이터들을 다양한 방식으로 분석하였다. 연구에 사용된 데이터는 미네소타대학의 GroupLens Research Project팀이 협력필터링기법을 통하여 영화를 추천하기 위해 만든 MovieLens의 데이터이다. 이는 1,684편의 영화에 대한 선호도를 943명이 응답한 정보로 총 100,000개의 데이터가 있다. 이를 시간 순으로 구분하여 초기 50,000개의 데이터를 기존고객의 데이터로, 후기 50,000개의 데이터를 신규고객의 데이터로 사용하였다. 이 때, 신규고객과 기존고객은 연구자가 임의로 구분한 것이다. 따라서 신규고객이라고 표현되는 고객의

Abstract AI-Helper 아이콘AI-Helper

Consumer consumption patterns are shifting rapidly as buyers migrate from offline markets to e-commerce routes, such as shopping channels on TV and internet shopping malls. In the offline markets consumers go shopping, see the shopping items, and choose from them. Recently consumers tend towards buy...

주제어

참고문헌 (28)

  1. Aggarwal, C. C., Z. Sun, and P. S. Yu, "Online Algorithms for Finding Profile Association Rules", Proceeding of the Seventh International Conference on Information and Knowledge Management, (1998), 86-95. 

  2. Bae, S. H., J. K. Seo, and S. I. Baek, "Exploring Centralities of An Online Community", Knowledge Management Review, Vol.11, No.2(2010), 17-35. 

  3. Barnes, J., "Class and Committees in a Norwegian Island Parish", Human Relations, Vol.7(1954), 39-58. 

  4. Choi, J. H., J. Y. Xiang, H. S. Moon, I. L. Choi, and J. K. Kim, "Analyzing the User Intention of Booth Recommender System in Smart Exhibition Environment", Journal of Intelligence and Information Systems, Vol.18, No.3 (2012), 153-169. 

  5. Gouk, S. Y., "A Study on Location Characteristics of Agricultural Distribution Center Using Social Network Aanlysis", Journal of Rural Development, Vol.30, No.4(2007), 221-235. 

  6. Herlocker, J., J. Konstan, A. Borchers, and J. Riedl, "An Algorithm Framework for Performing Collaborative Filtering", Proceedings of the 22nd Annual International ACMSIGIR Conference on Research and Development in Information Retrieval (1999), 230-237. 

  7. Kang, B. S., "A Novel Web Recommendation Method for New Customers Using Structural Holes in Social Networks", Journal of Industrial Economics and Business, Vol.23, No.5(2010), 2371-2385. 

  8. Kang, B. S., S. J. Yu, and H. K. Hong, "Comparison of Similarity Measures for Performance Improvement of Collaborative Filtering", Journal of the Korean Data Analysis Society, Vol.10, No.5(2008), 2893-2906. 

  9. Kim, Y. H., Social Network Theory, Pakyoungsa, Seoul, 2003. 

  10. Kohrs, A. and B. Merialdo, "Creating User-adapted Websites by the Use of Collaborative Filtering", Interacting Computers, Vol.13, No.6(2001), 695-716. 

  11. Konstan, J., B. Miller, D. Maltz, J. Herlocker, L. Gordon, and J. Riedl, "GroupLens: Applying Collaborative Filtering to Usenet News", Communication of the ACM, Vol.40, No.3(1997), 77-87. 

  12. Krulwich, B., "Lifestyle Finder : Intelligent User Profiling Using Large-Scale Demographi Data", Artificial Intelligence Magazine, Vol.18, No.2 (1997), 37-45. 

  13. Lee, C. H., Y. H. Kim, and P. K. Rhee, "Web Personalization Expert with Combining Collaborative Filtering and Association Rule Mining Technique", Expert Systems with Applications, Vol.21, No.3(2001), 131-137. 

  14. Lee, J. S. and S. D. Park, "Performance Improvement of a Movie Recommendation System using Genre-wise Collaborative Filtering", Journal of Intelligence and Information Systems, Vol.13, No.4(2007), 65-78. 

  15. Lee, J. S. and S. K. Kang, "Collaboration among Stakeholders in Community Tourism Development- Social Network Aanlysis", Journal of Tourism Studies, Vol.22, No.2(2010), 75-97. 

  16. Lee, K. H. and C. O. Kim, "Forecast on New Product Diffusion Dynamics : Multi Agent Simulation Considering psychological biases and Dynamic Purchase Threshold", In Proceedings of the 2010 Fall Conference of Korean Institute of Industrial Engineers (2010), 588 -595. 

  17. Lee, Y. J., S. H. Lee, and C. J. Wang, "Improvement on Similarity Calculation in Collaborative Filtering Recommendation using Demographic Information", Journal of KIISE, Vol.9, No.5(2003), 521-529. 

  18. Limb, S. J. and J. H. Kang, "A Study on Success Factors of Films in Internet VOD Theaters", Journal of Strategic Management, Vol.9, No.1(2006), 53-76. 

  19. Park, J. H., Y. H. Cho, and J. K. Kim, "Social Network : A Novel Approach to New Customer Recommendations", Journal of Intelligence and Information Systems, Vol.15, No.1(2009), 123-140. 

  20. Queiroz, S. R. de M. and F. de A. T. de Carvalho, "Making Collaborative Group Recommendations Based on Modal Symbolic Data", In Advances in Artificial Intelligence-SBIA 2004(2004), 307-316. 

  21. Sarwar, B., G. Karypis, J. Konstan, and J. Riedl, "Analysis of Recommendation Algorithms for E-Commerce", Proceedings of ACM E-commerce 2000 conference, (2000), 158- 167. 

  22. Schein, A. I., A. Popescul, L. H. Ungar, and D. M. Pennock, "Methods and Metrics for Cold-Start Recommedations", Proceedings of the 25thAnnual Internatinal ACM SIGIR Conference, (2002), 253-260. 

  23. Shardanand, U. and P. Maes, "Social Information Filtering : Algorithms for Automating 'Word of Mouth'", Proceeding of ACM CHI'95 Conference on Human Factors in Computing Systems, (1995), 210-217. 

  24. Shin, D. W., A Recommendation Methodology for the New Customer Using Social Network Anaysis, Master's thesis, Kookmin University, 2006. 

  25. Sohn, D. W., Social Network Analysis, Kyungmoon Publisher, Seoul, 2002. 

  26. Sung, Y. S., J. Y. Park, and E. A. Park, "The Influence of On-line Word of Mouth Information On Viewing Intention toward Motion Picture", Advertising Research, Winter(2002), 31-52. 

  27. Yu, K., A. Schwaighofer, V. Tresp, and H. Kriegel, "Probabilistic Memory-based Collaborative Filtering", IEEE Transactions on Knowledge and Data Engineering, Vol.16, No.1 (2004), 56-69. 

  28. Zeng, W., M. S. Shang and Q. M. Zhang, "Can Dissimilar Users Contribute to Accuracy and Diversity of Personalized Recommendation?", International Journal of Modern Physics C, Vol.21, No.10(2010), 1217-1227. 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로