선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 AHP기법에 Fuzzy 이론을 접목한 Fuzzy-AHP를 이용하여 소셜 커머스에서 제공하는 다양한 쿠폰 중 음식 쿠폰을 중심으로 사용자가 선호하는 쿠폰을 추출하는 방법을 제시하였다. 설문지를 통하여 사용자 프로파일을 수집하고 사용자가 선호하는 쿠폰 정보와 쿠폰 평가에 대한 성향을 삼각퍼지수로 변환하여 가중치를 산출하였고 쿠폰 선택의 어려움과 애매모호함을 반영하기 위해 Fuzzy-AHP를 사용하여 쿠폰을 추출 하였다.
- 소셜커머스에서는 베스트 상품, 바로사용 가능한 쿠폰, 신규상품, 오늘 마감 등으로 쿠폰을 분류하고 정렬하여 제공할 뿐으로 구매자는 직접 쿠폰 가격과 할인율 등을 비교하여 선택하여야 한다. 본 논문에서는 소셜커머스에서 제공하는 쿠폰 중 음식 쿠폰을 중심으로 사용자의 주관적 성향을 고려하여 양질의 쿠폰 추천을 위한 쿠폰 분류 방법을 제안한다. 이를 위하여 음식 종류, 가격, 할인율, 구매자수 등과 같이 쿠폰을 선택하기 위한 기준이 되는 요소를 계층화시키고 주관적 성향을 반영하기 위하여 Fuzzy-AHP를 이용한다.
제안 방법
- 수집된 쿠폰 데이터 중 쿠폰을 선택하는데 기준이 되는 요소에 대하여 AHP 계층화를 실시하고 쿠폰 정보와 쿠폰 평가로 분류한다. 그리고 설문을 통하여 수집된 사용자 프로파일을 Fuzzy-AHP를 이용하여 사용자 선호 쿠폰 가중치를 산출하고 계층화된 쿠폰 정보와 쿠폰 평가에 가중치를 적용한다. <그림 2>는 Fuzzy-AHP를 이용하여 쿠폰을 추출하는 과정을 보여준다.
- 이를 위하여 음식 종류, 가격, 할인율, 구매자수 등과 같이 쿠폰을 선택하기 위한 기준이 되는 요소를 계층화시키고 주관적 성향을 반영하기 위하여 Fuzzy-AHP를 이용한다. 또한 사용자가 선호하는 쿠폰을 추출하기 위해 사용자 프로파일을 수집하고 각 쿠폰별 가중치를 산출하여 쿠폰 분류 및 추출 후 추천 결과에 대한 사용자의 만족도를 조사하였다.
- 본 논문에서는 사용자 주관을 반영할 수 있는 Fuzzy-AHP를 이용하여 소셜 커머스에서 제공하고 있는 음식 쿠폰을 중심으로 실험을 진행하였다. 실험 결과 총 23명중 19명이 응답했으며(응답률 83%) 실험 참가자별로 설문지를 작성하여 실험자들의 개인 성향을 조사하고 적용한 후 [Fig.
- 본 논문에서는 쿠폰 정보를 음식종류, 음식가격, 할인율, 구매자수로 분류하였다. 소셜 커머스에서는 음식종류에 대한 정보가 제공되지 않아, 본 논문에서는 해물류, 채소류, 육류, 면류로 분류하였다.
- 본 논문에서는 쿠폰 평가에 대해 맛, 서비스, 분위기, 위치로 분류하였다. 각 요소는 사용자들이 쿠폰을 사용한 후의 평가로 요소별 점수는 1점부터 시작하여 0.
- <그림 2>는 Fuzzy-AHP를 이용하여 쿠폰을 추출하는 과정을 보여준다. 본 논문에서의 수치 값은 실험자 중 한 사람을 선별하여 쿠폰 정보와 쿠폰 평가에 대한 값을 기재하였다.
- 사용자 프로파일을 통하여 쿠폰 평가에 대한 사용자 선호도를 조사하였고 이를 바탕으로 쿠폰 평가 요소에 대한 가중치를 산출하였다. 쿠폰 평가의 가중치는 쿠폰 정보에서 가중치를 산출하는 방법과 동일하며, 사용자 프로파일을 통하여 쿠폰 평가에 대한 사용자 성향을 삼각퍼지수로 변환하고 각 요소에 대한 가중치 결과를 [Table 7]과 같이 요약하였다.
- 설문을 통하여 수집된 사용자 중 한 사람의 프로파일 값을 [Table 2]과 같이 삼각퍼지수로 변환하여 요약하였다.
- 본 논문에서는 AHP기법에 Fuzzy 이론을 접목한 Fuzzy-AHP를 이용하여 소셜 커머스에서 제공하는 다양한 쿠폰 중 음식 쿠폰을 중심으로 사용자가 선호하는 쿠폰을 추출하는 방법을 제시하였다. 설문지를 통하여 사용자 프로파일을 수집하고 사용자가 선호하는 쿠폰 정보와 쿠폰 평가에 대한 성향을 삼각퍼지수로 변환하여 가중치를 산출하였고 쿠폰 선택의 어려움과 애매모호함을 반영하기 위해 Fuzzy-AHP를 사용하여 쿠폰을 추출 하였다.
- 본 논문에서는 쿠폰 정보를 음식종류, 음식가격, 할인율, 구매자수로 분류하였다. 소셜 커머스에서는 음식종류에 대한 정보가 제공되지 않아, 본 논문에서는 해물류, 채소류, 육류, 면류로 분류하였다. 음식가격은 0∼1만원, 1∼3만원, 3∼5만원, 5만원 이상으로 분류하였으며 할인율은 60∼100%, 30∼60%, 0∼30%로 분류하였다.
- 본 논문에서는 소셜 커머스에서 제공하는 쿠폰 중 음식 쿠폰을 중심으로 쿠폰 데이터를 수집하고 설문을 통하여 사용자 프로파일을 수집한다. 수집된 쿠폰 데이터 중 쿠폰을 선택하는데 기준이 되는 요소에 대하여 AHP 계층화를 실시하고 쿠폰 정보와 쿠폰 평가로 분류한다. 그리고 설문을 통하여 수집된 사용자 프로파일을 Fuzzy-AHP를 이용하여 사용자 선호 쿠폰 가중치를 산출하고 계층화된 쿠폰 정보와 쿠폰 평가에 가중치를 적용한다.
- 본 논문에서는 사용자 주관을 반영할 수 있는 Fuzzy-AHP를 이용하여 소셜 커머스에서 제공하고 있는 음식 쿠폰을 중심으로 실험을 진행하였다. 실험 결과 총 23명중 19명이 응답했으며(응답률 83%) 실험 참가자별로 설문지를 작성하여 실험자들의 개인 성향을 조사하고 적용한 후 [Fig. 5]의 쿠폰 추천 결과 만족도를 조사하였다.
- 음식가격은 0∼1만원, 1∼3만원, 3∼5만원, 5만원 이상으로 분류하였으며 할인율은 60∼100%, 30∼60%, 0∼30%로 분류하였다.
- 쿠폰 평가의 가중치에 사용자들이 쿠폰을 사용한 후의 평가 점수를 각 요소 가중치에 비례한 점수를 산출 한 후 종합 점수를 구한다. [Table 8]은 쿠폰 평가에 대한 사용자 선호 쿠폰을 추출한 결과이다.
대상 데이터
- 본 논문에서는 소셜 커머스에서 제공하는 쿠폰 중 음식 쿠폰을 중심으로 쿠폰 데이터를 수집하고 설문을 통하여 사용자 프로파일을 수집한다. 수집된 쿠폰 데이터 중 쿠폰을 선택하는데 기준이 되는 요소에 대하여 AHP 계층화를 실시하고 쿠폰 정보와 쿠폰 평가로 분류한다.
이론/모형
- 하지만 의사결정 대상자의 주관을 반영하는데 있어서 인간의 의사결정 과정에서 발생하는 모호함과 애매함의 문제를 반영할 수 없기 때문에 AHP 기법만으로는 한계가 있다. 따라서 본 연구에서는 이를 극복하기 위해 AHP에 Fuzzy의 개념을 추가하여 의사결정자의 주관을 반영할 수 있는 Fuzzy-AHP 방법을 적용하였다.
- 초기의 Fuzzy-AHP에 대한 연구는 Laarhven과 Pedrycz(1983)이 제안한 것으로 Saaty의 AHP 이론과 퍼지이론의 접목을 시도하였고, 그 후 Chang(1996)은 Extent Analysis Method를 통해 삼각퍼지수를 이용한 Fuzzy-AHP의 새로운 기법을 제안하였다. 본 연구에서는 Chang의 확장 Fuzzy-AHP를 적용하였으며 Fuzzy-AHP의 수행 절차는 다음과 같다[4, 5].
- 본 논문에서는 소셜커머스에서 제공하는 쿠폰 중 음식 쿠폰을 중심으로 사용자의 주관적 성향을 고려하여 양질의 쿠폰 추천을 위한 쿠폰 분류 방법을 제안한다. 이를 위하여 음식 종류, 가격, 할인율, 구매자수 등과 같이 쿠폰을 선택하기 위한 기준이 되는 요소를 계층화시키고 주관적 성향을 반영하기 위하여 Fuzzy-AHP를 이용한다. 또한 사용자가 선호하는 쿠폰을 추출하기 위해 사용자 프로파일을 수집하고 각 쿠폰별 가중치를 산출하여 쿠폰 분류 및 추출 후 추천 결과에 대한 사용자의 만족도를 조사하였다.
성능/효과
- 13으로 나타났다. 구매자수 요소의 속성 간 상대적 가중치는 모두 0.33으로 사용자가 쿠폰을 선택하는데 구매자수에 구애받지 않는 것으로 나타났다. 이를 바탕으로 각 요소 내 속성 간의 상대적 가중치를 요소들의 가중치에 대한 가중된 상대적 가중치를 구한 종합 가중치는[Table 4]와 같다.
- 또 음식가격 요소 내 속성간의 상대적 가중치는 0∼1만원과 1∼3만원이 0.30으로 가장 높았고 3∼5만원이 0.25, 5만원 이상이 0.15로 낮은 가격대의 음식을 선호하는 것으로 나타났다.
- 쿠폰 평가의 가중치는 쿠폰 정보에서 가중치를 산출하는 방법과 동일하며, 사용자 프로파일을 통하여 쿠폰 평가에 대한 사용자 성향을 삼각퍼지수로 변환하고 각 요소에 대한 가중치 결과를 [Table 7]과 같이 요약하였다. 실험자는 맛을 중요하게 생각하고 나머지 요인들에 대해서는 같은 비중으로 설정한 결과 맛에 대한 가중치는 0.79로 산출됐으며 서비스, 분위기, 위치에 대한 가중치는 모두 0.07로 나타났다.
- [Table 8]은 쿠폰 평가에 대한 사용자 선호 쿠폰을 추출한 결과이다. 쿠폰 A는 맛의 평가 점수가 3.5점, 서비스 점수는 2.5점, 분위기 점수는 2점, 위치 점수는 5점이고 각 요소 가중치에 비례한 점수를 종합한 결과 3.43으로 나타났다. 이와 같은 방법으로 다른 쿠폰에 대해서 같은 연산을 수행하고 종합 점수를 산출한 후 종합 점수를 통하여 가장 높은 점수의 쿠폰을 우선적으로 추출한다.
- 쿠폰 추출 결과 쿠폰 개수의 부족으로 보통을 선택하는 실험자가 있었지만 대체로 만족스러운 결과를 보여줬으며, 사용자 성향에 맞는 쿠폰을 추출하는 것을 확인할 수 있었다. 소셜 커머스에서 음식 종류와 쿠폰 평가에 대한 자료가 없어서 본 논문에서 가정하여 실험하였지만 이와 같이 사용자들이 쿠폰을 선택하는데 비교가 되는 요소를 소셜 커머스에서 제공한다면 각 요소를 계층화시켜 Fuzzy-AHP를 통해 개인화된 서비스가 가능해질 것으로 예상된다.
후속연구
- 쿠폰 추출 결과 쿠폰 개수의 부족으로 보통을 선택하는 실험자가 있었지만 대체로 만족스러운 결과를 보여줬으며, 사용자 성향에 맞는 쿠폰을 추출하는 것을 확인할 수 있었다. 소셜 커머스에서 음식 종류와 쿠폰 평가에 대한 자료가 없어서 본 논문에서 가정하여 실험하였지만 이와 같이 사용자들이 쿠폰을 선택하는데 비교가 되는 요소를 소셜 커머스에서 제공한다면 각 요소를 계층화시켜 Fuzzy-AHP를 통해 개인화된 서비스가 가능해질 것으로 예상된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.