최근 SNS를 활용한 소셜커머스를 통해 식음료 쿠폰의 거래가 활발하게 이루어지고 있다. 소셜커머스 상에서 식음료 쿠폰을 구매하여 사용할 경우 원하는 상품을 할인된 가격으로 이용할 수 있으나, 쿠폰 구입 시 매장의 위치, 이용 가능 기간 및 시간, 할인율 등을 구매자가 직접 비교하여 선택해야 하는 어려움이 있다. 따라서 본 논문에서는 사용자의 위치 및 시간과 구매 이력 등의 상황정보를 고려하여 사용자에게 적합한 소셜커머스 상의 식음료 쿠폰을 추천하는 시스템을 제안한다. 이를 위해 사용자의 상황 인지 및 지속적인 사용자 성향 반영을 위해 베이지안 네트워크 기반의 쿠폰 추천 방법을 제안한다. 또한 사용자가 선호하는 쿠폰 선택 기준에 대한 개인화된 가중치를 반영하기 위해 AHP를 이용하여 선호도의 가중치를 측정하고 분류를 수행한다. 시스템의 효율성을 검증을 하기 위해 12명의 학생을 대상으로 1개월간 20회에 걸쳐 실험을 수행하였으며 그 결과 80%의 추천 만족도를 얻을 수 있었다.
최근 SNS를 활용한 소셜커머스를 통해 식음료 쿠폰의 거래가 활발하게 이루어지고 있다. 소셜커머스 상에서 식음료 쿠폰을 구매하여 사용할 경우 원하는 상품을 할인된 가격으로 이용할 수 있으나, 쿠폰 구입 시 매장의 위치, 이용 가능 기간 및 시간, 할인율 등을 구매자가 직접 비교하여 선택해야 하는 어려움이 있다. 따라서 본 논문에서는 사용자의 위치 및 시간과 구매 이력 등의 상황정보를 고려하여 사용자에게 적합한 소셜커머스 상의 식음료 쿠폰을 추천하는 시스템을 제안한다. 이를 위해 사용자의 상황 인지 및 지속적인 사용자 성향 반영을 위해 베이지안 네트워크 기반의 쿠폰 추천 방법을 제안한다. 또한 사용자가 선호하는 쿠폰 선택 기준에 대한 개인화된 가중치를 반영하기 위해 AHP를 이용하여 선호도의 가중치를 측정하고 분류를 수행한다. 시스템의 효율성을 검증을 하기 위해 12명의 학생을 대상으로 1개월간 20회에 걸쳐 실험을 수행하였으며 그 결과 80%의 추천 만족도를 얻을 수 있었다.
More sales of food and beverage coupons have been made using SNS on social commerce recently. If one buys coupons on social commerce, he/she can enjoy products at a lower price; however, there are drawbacks that one must consider such as location, service hours, and discount rate. Thus, this paper s...
More sales of food and beverage coupons have been made using SNS on social commerce recently. If one buys coupons on social commerce, he/she can enjoy products at a lower price; however, there are drawbacks that one must consider such as location, service hours, and discount rate. Thus, this paper suggests a system that recommends food and beverage coupons on social commerce for users that considers a user's personal context of location, time, and purchase history. In order to reflect a user's context awareness and continuous preference, this paper suggests a method based on the Bayesian network. In order to reflect personalized weighting on the standard of coupon selection to match a user's preference, a measurement and classification of weighting preferences is performed on the basis of AHP. 20 experiments in one month involving 12 students were carried out to verify the effectiveness of the system, resulting in an 80% satisfaction level.
More sales of food and beverage coupons have been made using SNS on social commerce recently. If one buys coupons on social commerce, he/she can enjoy products at a lower price; however, there are drawbacks that one must consider such as location, service hours, and discount rate. Thus, this paper suggests a system that recommends food and beverage coupons on social commerce for users that considers a user's personal context of location, time, and purchase history. In order to reflect a user's context awareness and continuous preference, this paper suggests a method based on the Bayesian network. In order to reflect personalized weighting on the standard of coupon selection to match a user's preference, a measurement and classification of weighting preferences is performed on the basis of AHP. 20 experiments in one month involving 12 students were carried out to verify the effectiveness of the system, resulting in an 80% satisfaction level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
오프라인연동형은 오프라인 공간을 네트워킹이 가능한 단말기로 소셜네트워크와 연결시키는 유형이다[2]. 본 논문에서는 공동구매 유형에서의 제품쿠폰구매에 관련하여 그 중 음식쿠폰 추천 시스템을 제안한다.
그러나 현재 이러한 SNS 상의 쿠폰을 자동적으로 추천해 주는 시스템은 거의 없는 실정이다. 본 논문에서는 소셜커머스 상에서 사용자의 위치 및 시간, 구매이력 등의 상황을 고려한 구매패턴 정보 기반의 식음료 쿠폰 추천 시스템을 제안한다.
그러나 이러한 방식의 쿠폰 선택은 모든 쿠폰 정보를 고려할 수도 없으며 쿠폰을 제공하는 입장에서도 그 효율이 낮아지는 문제점을 가지고 있다. 이러한 이유로 본 연구에서는 수많은 쿠폰들 중 사용자에게 적합한 쿠폰추천을 위해 사용자의 위치 및 시간, 구매이력 등의 상황을 고려한 구매패턴 정보 기반의 식음료 쿠폰 추천 시스템을 제안하였다. 사용자의 구매이력을 기반으로 추천하기 위해 베이지안 네트워크를 사용하였으며 사용자 개인의 쿠폰 기준 선택 선호도를 반영하기 위하여 AHP를 사용하였다.
제안 방법
그러나 베이지안 네트워크의 결과로 추론된 확률 값을 이용한 단순한 추천 방법으로 쿠폰을 추천해주기가 어렵다[4]. 따라서 본 논문에서는 베이지안 네트워크로 추론된 확률 값과 AHP를 이용한 사용자의 쿠폰 기준의 선호도를 적용하여 쿠폰을 추천해준다.
베이지안 네트워크는 표 4와 같이 사용자의 쿠폰 구매 이력 데이터를 바탕으로 학습을 진행하였다.
1(10%) 이하가 되어야 일관성과 각 항복별 가중치의 유의미를 부여할 수 있다[10]. 본 논문에서는 사용자가 선호하는 쿠폰 선택 기준에 대한 개인화된 가중치를 반영하기 위해 AHP기반의 선호도 가중치 측정 및 분류를 수행하며 그 단계는 그림 1과 같이 5단계로 이루어진다[11].
이전 구매여부 및 구매패턴 추출 단계는 사용자가 구매한 쿠폰이 있는지 확인하고 쿠폰추천을 위해 사용자의 구매이력을 분석하는 단계이다. 사용자 선호도를 반영한 쿠폰 추천이 이루어져야 하므로 사용자의 성별, 나이, 시간, 음식종류, 할인율, 가격 등의 쿠폰 정보 입력 값을 고려한 베이지안 네트워크 기반의 확률적 추론을 수행 하여 구매패턴을 추출한다. 이때 사용자의 구매이력 데이터로부터 각 노드의 확률을 구하기 때문에 개인의 선호도를 잘 반영할 수 있으며, 사용자 적응형 구매패턴 추출을 하기위해 그림 4의 베이지안 네트워크를 이용한다.
그림 8은 쿠폰이 추천된 화면이다. 사용자에게 가장 적합한 쿠폰이 가장 상위에 위치하도록 하였으며, 쿠폰의 지역을 상단에 표시하고 아래에 쿠폰정보인 음식종류, 가격, 할인율 등을 나타내었다.
대상 데이터
실험은 1개월간 4명의 학생을 대상으로 20회에 걸쳐 수행하였다. 수집된 컨텍스트를 바탕으로 베이지안 네트워크를 사용하여 쿠폰을 추천한 결과, 사용자의 만족도는 그림 9와 같이 71～88%를 나타내었다.
쿠폰의 총 구매횟수는 6회이고 쿠폰 사용지역은 수원, 천안, 청주이며 사용시간대는 점심, 저녁이다. 쿠폰음식 종류는 한식과 양식을 선택하였으며 쿠폰의 할인율은 0～30%와 30～60%를 선택하였고 가격대는 0～1만원대, 1～3만원대 쿠폰들을 구입하였다.
이론/모형
아크는 직접적인 인과관계를 나타내는 것으로 생각할 수 있으므로 때로는 인과네트워크 (Causal Network) 라고 부르기도 한다[7]. 본 논문에서는 사용자의 상황정보와 구매이력을 바탕으로 구매패턴을 추출하기 위해 베이지안 네트워크를 이용한다.
이러한 이유로 본 연구에서는 수많은 쿠폰들 중 사용자에게 적합한 쿠폰추천을 위해 사용자의 위치 및 시간, 구매이력 등의 상황을 고려한 구매패턴 정보 기반의 식음료 쿠폰 추천 시스템을 제안하였다. 사용자의 구매이력을 기반으로 추천하기 위해 베이지안 네트워크를 사용하였으며 사용자 개인의 쿠폰 기준 선택 선호도를 반영하기 위하여 AHP를 사용하였다.
성능/효과
그 결과 음식 쿠폰 시스템은 사용자의 구매패턴을 추출하여 적합한 쿠폰을 자동으로 추천하는 것이 가능했으며 사용자의 구매이력이 쌓일수록 만족도가 높아짐을 확인하였다.
쿠폰 구입 방법의 특성상 충동에 의한 한시적 구매가 주로 발생하므로, 사용자 개개인의 특징적 구매패턴 추론이 용이하다. 따라서 추론된 쿠폰 구매패턴의 분석을 통해 사용자가 선호하는 음식, 장소, 가격 등을 고려한 쿠폰 추천이 가능하다.
수집된 컨텍스트를 바탕으로 베이지안 네트워크를 사용하여 쿠폰을 추천한 결과, 사용자의 만족도는 그림 9와 같이 71～88%를 나타내었다. 비교적 낮은 만족도를 나타낸 사용자 A는 구매횟수가 적어 사용자의 선호도를 제대로 반영하지 못하였고, 가장 높은 만족도를 나타낸 사용자 D는 가장 많은 구매횟수로 사용자의 선호도를 제대로 반영하여 만족도가 높게 나타났다.
20대의 남성인 사용자에게 실험을 한 결과 쿠폰선택 기준에 대한 상대적 선호도는 표 5와 같이 나왔다. 사용자는 3개 항목 중 상대적으로 음식가격을 가장 선호하는 것을 알 수 있으며 다음으로 음식 종류, 할인율을 선호함을 알 수 있다.
실험은 1개월간 4명의 학생을 대상으로 20회에 걸쳐 수행하였다. 수집된 컨텍스트를 바탕으로 베이지안 네트워크를 사용하여 쿠폰을 추천한 결과, 사용자의 만족도는 그림 9와 같이 71～88%를 나타내었다. 비교적 낮은 만족도를 나타낸 사용자 A는 구매횟수가 적어 사용자의 선호도를 제대로 반영하지 못하였고, 가장 높은 만족도를 나타낸 사용자 D는 가장 많은 구매횟수로 사용자의 선호도를 제대로 반영하여 만족도가 높게 나타났다.
그림 5는 사용자 구매이력인 표 4를 가지고 베이지안 네트워크의 확률적 추론을 한 결과이다. 추론결과 20대 남성은 주로 한식, 0～30%할인율 과 1～3만원대의 쿠폰을 구입하는 경향이 있음을 확인하였다. 또한 사용자의 위치 등을 고려한 추천 지역은 특정 거점 지역을 대상으로 편중되지 않고 고르게 분포되어있어 서비스 이용이 용이 하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
소셜 커머스의 종류에는 무엇이 있는가?
또한 소비자들의 스마트폰 이용증가에 따른 실시간 SNS의 대중화는 새로운 형태의 소셜커머스로 부각되었다[1]. 이러한 소셜 커머스의 종류에는 기본형, 소셜웹형, 공동구매형, 오프라인 연동형의 4가지 종류가 있다. 기본형은 커머스 사이트에 소셜 네트워크로 이동할 수 있는 버튼형식의 링크를 게재하는 방식으로 소셜커머스의 가장 기본적인 유형이다.
베이지안 네트워크는 어떠한 장점이 있는가?
베이지안 네트워크는 최근 복잡한 도메인 영역에서 불확실성을 다루는 확률 모델로 널리 사용되고 있고[9], 불충분한 정보를 가진 환경을 표현하고 추론하는 대표적인 기법들 중 하나로서, 변수 사이의 확률적 의존성을 정의하는 방향성 그래프(DAG: Directed Acyclic Graph)이다[8]. 베이지안 네트워크는 실체(entity)들 간의 인과관계를 나타내는 확률 모델로서 결손치(missing value) 즉, 관측이 곤란한 요소를 다루는 것이 가능하고 추측되는 가설의 확신도를 실제 데이터를 바탕으로 검증을 할 수가 있으며, 전문가의 지식을 네크워크 구조로 표현하는 것이 가능한 장점이 있다. 베이지안 네트워크 확률 추론은 불충분한 정보를 가진 환경을 표현하고 추론하는 대표적인 기법들 중의 하나이다.
소셜커머스 상에서 사용자가 쿠폰정보들을 일일이 비교하여 선택하는 방식의 문제점은?
소셜커머스 상에는 수많은 쿠폰들이 넘쳐나고 있는데 반해, 정작 사용자는 쿠폰정보들을 일일이 비교하여 선택해야한다. 그러나 이러한 방식의 쿠폰 선택은 모든 쿠폰 정보를 고려할 수도 없으며 쿠폰을 제공하는 입장에서도 그 효율이 낮아지는 문제점을 가지고 있다. 이러한 이유로 본 연구에서는 수많은 쿠폰들 중 사용자에게 적합한 쿠폰추천을 위해 사용자의 위치 및 시간, 구매이력 등의 상황을 고려한 구매패턴 정보 기반의 식음료 쿠폰 추천 시스템을 제안하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.