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
- 따라서 본 논문에서는 방문 고객의 유사성 관점에서 사이트 클러스터링(Clustering)을 수행하여 유사 고객군을 공유하는 제휴 사이트 대상을 식별하고, 이를 사이트간의 제휴에 활용할 수 있는 방안을 제시하고자 한다. 즉 본 연구의 목적은 (그림 1)을 통해 개념적으로 설명된다.
- 제휴가 성립되는 경우 단순히 많은 고객을 확보하고 있는 대형 사이트보다는, 자사의 미래 고객이 될 수 있는 잠재 고객을 다수 확보하고 있는 사이트가 자사에 더 많은 도움을 줄 수 있을 것이다. 따라서 본 연구에서는 사이트간의 유사성이 아닌 사이트간의 관련성, 즉 방문 고객의 유사성 측면에서 사이트 클러스터링을 수행하여 제휴 대상 사이트를 효과적으로 선정할 수 있는 방안을 제시하였다. 본 연구의 실험을 통해 서로 다른 카테고리에 속한 사이트들 간에도 서로 유사한 고객군을 보유하고 있을 수 있음을 확인하였으며, 사이트간의 잠재 고객 공유, 상호 추천, 포인트 공유 등의 공동 마케팅을 통해 서로의 이익을 극대화할 수 있을 것이다.
- 또한 본 실험에서는 특정 카테고리 내의 사이트 순위 분포가 클러스터에 따라 서로 다르게 나타나는 양상을 살펴보았다. 앞에서 Cluster1과 Cluster3 모두 인터넷/컴퓨터 카테고리의 사이트를 다수 포함하고 있음을 알 수 있었다.
- 본 연구에서 다루고 있는 주제인 사이트간 관련성에 주목한 클러스터링의 개념은 최근 국내의 한 연구[24]에서 간략히 소개된 바 있다. 본 연구에서는 해당 연구에서 제안된 개념을 구체화하고, 실험을 통해 활용 가능성을 살펴보고자 한다.
- 본 장에서는 제휴 대상 사이트 선정을 돕기 위해, 각 사이트의 관련 사이트를 식별할 수 있는 방안을 제시하고자 한다. 즉 방문 고객 관점에서 웹사이트 클러스터링을 수행하여, 각 사이트의 유사 사이트가 아닌 관련 사이트를 그룹화하여 제휴를 위한 사이트 포트폴리오를 구성하고자 한다.
- 본 절에서는 4,220개 사이트에 대한 5,000명 사용자의 유효 방문 기록 99,126건을 대상으로 방문 고객 관점의 사이트 클러스터링을 수행하는 과정 및 결과를 소개한다. 유효 방문 기록은 앞에서 소개한 바와 같이 (표 7)과 같은 고객/사이트간 방문 행렬로 변환되어 저장된다.
- 앞 절에서 (그림 4)는 클러스터링 결과의 전체적인 패턴만을 보여주기 때문에, 보다 엄밀한 분석을 위해 각 클러스터의 특성을 살펴볼 필요가 있다. 본 절에서는 개체(사이트)의 수가 많은 클러스터 한 개와 개체의 수가 중간인 클러스터 한 개를 임의로 선정하여, 각 클러스터의 카테고리 분포, 각 클러스터 내 특정 카테고리의 사이트 순위 분포 등을 비교하고자 한다. 비교 대상으로는 대형 클러스터에서는 865개의 사이트를 갖는 Cluster3을, 그리고 중형 클러스터에서는 337개의 사이트를 갖는 Cluster1을 선정하였다.
- 본 절에서는 앞에서 도출한 유효 방문 기록에 대해 고객 관점의 사이트 클러스터링을 수행하는 과정을 소개한다. 사이트간 거리의 계산을 위해 우선 (표 4)에 나타난 유효 방문 기록을 고객 ID와 사이트간의 행렬 형태로 변환한다(표 5).
- 본 절에서는 이후 클러스터링 분석에 사용될 유효 방문 기록을 도출한 결과를 소개한다. 우선 전체 트랜잭션 143,293,605 건에 대해 동일 사이트명을 갖는 상이한 사이트 주소 방문 건의 통합 작업을 수행하였다.
- 게다가 카테고리 분류, 접속량, 사용자 수 등 정량화 가능한 대부분 특성들은 사이트간 유사성의 척도로 사용될 수는 있지만, 이들이 사이트간 관련성을 나타내는 것으로 보기에는 무리가 따른 다는 점도 관련성에 기반한 사이트 클러스터링을 어렵게 만드는 요인으로 작용한다. 이러한 한계를 극복하기 위해 본 연구에서는 각 사이트의 접속 사용자 개개인을 식별하여 이 정보를 사이트의 특성으로 간주하고, 접속 사용자를 많이 공유하는 사이트를 서로 관련된 사이트로 파악하고자 한다. 본 연구에서 다루고 있는 주제인 사이트간 관련성에 주목한 클러스터링의 개념은 최근 국내의 한 연구[24]에서 간략히 소개된 바 있다.
- 한편 본 연구에서는 사이트간의 유사성이 아닌 사이트간의 관련성에 주목하여 사이트 클러스터링을 수행하고자 한다. (그림 1)에서 S1, N2, N3는 서로 중복된 방문 고객을 보유하고 있음을 나타낸다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.