현재 전자상거래를 통한 상품추천 서비스가 많이 연구 되고 서비스되어지고 있다. 정보기술의 발달로 소규모 상점에서도 POS가 많이 보급되어 있지만 전자상거래에 비해 상품추천 서비스가 많이 이뤄지고 있지 않는 실정이다. 이러한 맥락에서 본 연구에서는 데이터마이닝알고리즘을 POS 판매데이터에 접목하여 연관분석을 이용한 상품추천서비스 시스템을 구현하였다. 또한, 본 연구에서는 기존에 없는 서비스인 소멸규칙 및 새로운규칙, 상승 및 하향규칙을 제안하였다. 상품판매데이터를 이용하여 연관 분석한 결과는 고객에게 적용하여 상품추천서비스를 가능하게 하고 이와 더불어 소멸규칙 및 새로운규칙, 상승 및 하향규칙을 파악하여 경영자에게 경영 의사결정 정보로 제공해 주어 고객의 요구 변화에 신속한 대응이 가능하도록 하였다.
현재 전자상거래를 통한 상품추천 서비스가 많이 연구 되고 서비스되어지고 있다. 정보기술의 발달로 소규모 상점에서도 POS가 많이 보급되어 있지만 전자상거래에 비해 상품추천 서비스가 많이 이뤄지고 있지 않는 실정이다. 이러한 맥락에서 본 연구에서는 데이터마이닝 알고리즘을 POS 판매데이터에 접목하여 연관분석을 이용한 상품추천서비스 시스템을 구현하였다. 또한, 본 연구에서는 기존에 없는 서비스인 소멸규칙 및 새로운규칙, 상승 및 하향규칙을 제안하였다. 상품판매데이터를 이용하여 연관 분석한 결과는 고객에게 적용하여 상품추천서비스를 가능하게 하고 이와 더불어 소멸규칙 및 새로운규칙, 상승 및 하향규칙을 파악하여 경영자에게 경영 의사결정 정보로 제공해 주어 고객의 요구 변화에 신속한 대응이 가능하도록 하였다.
Merchandise recommendations service based on electronic commerce has been actively studied and on service these days. By virtue of progress in IT industry, POS has been widely used even in small shops, but the merchandise recommendations service using POS has not been much facilitated compared with ...
Merchandise recommendations service based on electronic commerce has been actively studied and on service these days. By virtue of progress in IT industry, POS has been widely used even in small shops, but the merchandise recommendations service using POS has not been much facilitated compared with that of using electronic commerce. This paper proposes a merchandise recommendations service system using association analysis by applying data mining algorithm to POS sales data. This paper, also, suggests novel services such as annihilation rule and new rule, and ascending and descending rules. The analysis results are applied to the customers enabling to offer merchandise recommendations service. In addition, prompt responses against the changes in demands from customers are possible by identifying the annihilation rule and new rule, and ascending and descending rules, and providing the management with the rules as managerial decision making information.
Merchandise recommendations service based on electronic commerce has been actively studied and on service these days. By virtue of progress in IT industry, POS has been widely used even in small shops, but the merchandise recommendations service using POS has not been much facilitated compared with that of using electronic commerce. This paper proposes a merchandise recommendations service system using association analysis by applying data mining algorithm to POS sales data. This paper, also, suggests novel services such as annihilation rule and new rule, and ascending and descending rules. The analysis results are applied to the customers enabling to offer merchandise recommendations service. In addition, prompt responses against the changes in demands from customers are possible by identifying the annihilation rule and new rule, and ascending and descending rules, and providing the management with the rules as managerial decision making information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 POS 판매데이터의 연관분석을 통하여 사용자에게 상품추천 서비스를 하고 경영자에게 상승 및 하향규칙과 소멸 및 새로운 규칙 정보를 제공하도록 하였다.
본 논문에서는 상품추천서비스에 더하여 기존에 없는 새로운 서비스 2가지를 제안한다. 첫 번째는 소멸 규칙 및 새로운 규칙이며 두 번째는 상승규칙 및 하향규칙이다.
본 논문에서는 연관분석 방식을 이용하여 치킨 POS 데이터를 분석하였다. 연관분석의 대표적 알고리즘인 Apriori 알고리즘[3]을 사용하여 판매데이터를 분석하였고 이런 결과로 얻어진 분석 규칙을 이용하여 고객에게 추천하는 시스템을 구현 하였다.
본 시스템은 상품추천 서비스와 더불어 상승 및 하향규칙을 찾는 시스템이다. 하지만 실험에 사용된 치킨 판매데이터가 판매되는 상품의 수가 제한적이고 또한 몇 개의 상품에 집중적으로 판매가 발생되어서 분석된 규칙도 일반적으로 생각하는 수준을 크게 벗어나지 않았다.
우측 하단에는 선택한 규칙에 관련된 상품 각각 X와 Y의 월별판매량을 표시하였다. 하단에 각 상품별로 판매 현황을 보여준 이유는 규칙이 나타내는 지지도와 신뢰도의 수치와 상품 단독으로 판매되는 수치와의 관계가 비례하지 않을 수도 있기 때문에 사용자로 하여금 비교분석을 가능하도록 하였다.
제안 방법
본 논문에서는 서론에 서술한 것과 같이 POS 판매 데이터를 데이터마이닝 기법을 이용하여 분석하여 관련 규칙들을 찾아내고 이를 근거로 상승 및 하향 규칙과 소멸 및 새로운 규칙을 발견한다. 따라서 본 장에서는 먼저 상품추천시스템에 대한 관련 연구를 살펴보고 본 연구에서 데이터마이닝 분석 기법 중에서도 연관분석 기법에 대해서 살펴본다.
먼저 POS 시스템에 있는 POS Database에서 Transaction 정보를 추출하고, 데이터마이닝 엔진을 이용하여 구매 연관패턴을 분석한다. 연관 분석한 결과를 이용하여 다시 상승 및 하향 패턴을 분석하고 신규 및 소멸규칙을 분석한 후 분석한 결과를 Mining Database에 저장한다.
본 논문에서는 상승규칙 및 하향규칙을 찾기 위해 1분기에서 3분기까지의 연관규칙을 기준으로 분석하였으며 결과는 과 같다.
본 논문에서는 서론에 서술한 것과 같이 POS 판매 데이터를 데이터마이닝 기법을 이용하여 분석하여 관련 규칙들을 찾아내고 이를 근거로 상승 및 하향 규칙과 소멸 및 새로운 규칙을 발견한다. 따라서 본 장에서는 먼저 상품추천시스템에 대한 관련 연구를 살펴보고 본 연구에서 데이터마이닝 분석 기법 중에서도 연관분석 기법에 대해서 살펴본다.
본 논문에서는 윈도우7 환경에서 Visual Studio 2008 C#을 사용하여 구현하였고, MS SQL 2005를 사용하여 데이터베이스를 구축하였다.
이와 더불어 소멸규칙 및 새로운 규칙과 상승규칙 및 하향규칙을 발견하여 기업 경영자에게 제공함으로 빠른 의사결정에 도움을 줄 수 있도록 하였다. 실제 업무에 적용 가능성을 높이기 위해 약 2년 동안의 실제 판매데이터 2만 건을 사용하여 전처리 과정을 거쳐 분석하였다.
지지도는 전체거래에서 상품X와 Y가 판매되는 경우의 확률이며 신뢰도는 X라는 상품을 사면 Y라는 상품을 사는 경우의 확률이다. 즉, 지지도는 전체 거래수에 따라 수치가 변하지만 신뢰도는 오직 X와 Y의 판매만으로 구해지기 때문에 상승 및 하향규칙을 판단하는 기준으로 신뢰도를 사용하였다.
구매패턴 분석절차는 <그림 3>과 같이 최소 지지도와 최소 신뢰도, 판매기간을 입력받은 후 연관분석을 실행하는 구조로 분석한 결과는 데이터마이닝 Database에 저장을 한다. 최종적으로 저장된 데이터를 사용하여 규칙들을 분석 한다.
POS 상품추천 시스템의 분석 순서는 <그림 2>와 같다. 판매데이터 Database에서 기간별 판매정보를 가져와서 전처리 작업과 구매패턴분석을 한 후 이 결과를 이용하여 규칙들을 분석한다. 마지막으로 분석한 결과를 데이터마이닝 결과 Database에 저장 후 사용자의 요청이 있을 때 분석한 결과를 사용자에게 제공한다.
대상 데이터
시스템 분석에 사용된 데이터는 국내 유명 치킨 프렌차이즈 업체 중 하나이며 대구 지역 판매점 1곳의 2008년부터 2009년까지 2년간 판매데이터이다. 본 논문에서는 전처리 과정을 거친 23,197건의 데이터를 사용하여 분석하였다.
소멸규칙 및 새로운 규칙은 월단위로 분석이 가능하지만 본 논문에서는 2008년 07월부터 12월까지 하반기 규칙을 기준으로 2008년 01월부터 06월까지 상반기를 비교대상으로 하여 분석을 하였다. 분석한 결과는 <표 4, 5>와 같고, 2008년 하반기 연관규칙을 기준으로 No 9 ,10 규칙은 비교대상인 2008년 상반기에 없던 규칙이 새롭게 발생된 것이기 때문에 새로운 규칙이다.
시스템 분석에 사용된 데이터는 국내 유명 치킨 프렌차이즈 업체 중 하나이며 대구 지역 판매점 1곳의 2008년부터 2009년까지 2년간 판매데이터이다. 본 논문에서는 전처리 과정을 거친 23,197건의 데이터를 사용하여 분석하였다.
이론/모형
이러한 방법 외에 여러 사용자의 구매 자료를 분석하여 일반적인 구매패턴을 찾고 이를 바탕으로 추천하는 방법이 있다. 본 논문에서 사용하는 방법도 이 방법이며 구매 패턴을 파악하기 위해 데이터 마이닝 분야에서 많이 사용하는 연관분석 방법을 사용하였다.
연관분석에서 사용되는 기준은 지지도와 신뢰도이지만 본 논문에서는 상승 및 하향규칙을 판단하는 기준으로 신뢰도를 사용하였다. 지지도는 전체거래에서 상품X와 Y가 판매되는 경우의 확률이며 신뢰도는 X라는 상품을 사면 Y라는 상품을 사는 경우의 확률이다.
본 논문에서는 연관분석 방식을 이용하여 치킨 POS 데이터를 분석하였다. 연관분석의 대표적 알고리즘인 Apriori 알고리즘[3]을 사용하여 판매데이터를 분석하였고 이런 결과로 얻어진 분석 규칙을 이용하여 고객에게 추천하는 시스템을 구현 하였다. 이와 더불어 소멸규칙 및 새로운 규칙과 상승규칙 및 하향규칙을 발견하여 기업 경영자에게 제공함으로 빠른 의사결정에 도움을 줄 수 있도록 하였다.
성능/효과
본 시스템을 실제 POS 시스템에 적용한다면 상품 판매자는 상품구매자에게 추가적인 서비스를 제공해 줄 수 있으며, 경영자에게는 경영 의사결정에 도움이 되는 정보를 줄 수 있다. 또한 본 시스템의 구조를 특정 POS 시스템에만 적용할 수 있도록 만들지 않고 다른 POS 시스템에 적용시키기 쉽도록 일반화하여 기존 POS 시스템에 이식이 쉽도록 하였다.
일반적으로 상품추천 시스템은 전자상거래를 통한 온라인 추천방식이 주를 이루고 있어서 POS 시스템에 대한 상품추천서비스가 많지 않고 또한 분석결과를 재분석하여 경영자에게 제공해주는 서비스 또한 많지 않다. 본 시스템을 실제 POS 시스템에 적용한다면 상품 판매자는 상품구매자에게 추가적인 서비스를 제공해 줄 수 있으며, 경영자에게는 경영 의사결정에 도움이 되는 정보를 줄 수 있다. 또한 본 시스템의 구조를 특정 POS 시스템에만 적용할 수 있도록 만들지 않고 다른 POS 시스템에 적용시키기 쉽도록 일반화하여 기존 POS 시스템에 이식이 쉽도록 하였다.
적용결과 2008년 상승규칙은 “소주⇒생맥주”로 1건이 발생하였으며 3분기 까지 꾸준히 상승하였다.
후속연구
또한 본 논문에서는 상품별 연관관계를 찾는 실험을 진행하였으나 향후에는 좀 더 복합적인 환경을 고려한 연관관계를 찾는 연구가 병행되어야 할 것이다. 소멸 규칙과 새로운 규칙의 경우 비교 단위에 따라 다양한 결과가 발생할 수 있어 이에 대한 실험도 추가적으로 진행할 필요가 있다.
또한 본 논문에서는 상품별 연관관계를 찾는 실험을 진행하였으나 향후에는 좀 더 복합적인 환경을 고려한 연관관계를 찾는 연구가 병행되어야 할 것이다. 소멸 규칙과 새로운 규칙의 경우 비교 단위에 따라 다양한 결과가 발생할 수 있어 이에 대한 실험도 추가적으로 진행할 필요가 있다.
생성규칙이란 이전에 없던 규칙이 새롭게 발생되는 것을 말하고, 소멸규칙이란 이전에 존재하던 규칙이 소멸하는 것을 말한다. 이러한 정보들을 자동으로 분석해서 경영자에게 제공해 준다면 해당문제에 대한 신속한 대처가 가능할 것이다. 또한 경영자는 해당상품들에 대한 교차판매전략 구성, 기획 상품의 결정 등에 도움을 줄 수 있다.
향후 본 논문은 상품의 수가 많고 여러 상품에 골고루 판매가 일어나는 데이터에 적용한다면 현 실험보다 더 다양한 결과들을 산출해 낼 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 판매데이터는 어떤 목적으로 사용되었는가?
기존 판매데이터는 손익분석, 재고관리, 고객관리 등제한적인 목적으로만 사용이 되었다. 이런 데이터는 단순 고객관리용으로만 사용되고, 고객의 구매습관을 파악하는데 거의 사용되지 않았다.
생성규칙이란?
첫 번째는 소멸 규칙 및 새로운 규칙이며 두 번째는 상승규칙 및 하향규칙이다. 생성규칙이란 이전에 없던 규칙이 새롭게 발생되는 것을 말하고, 소멸규칙이란 이전에 존재하던 규칙이 소멸하는 것을 말한다. 이러한 정보들을 자동으로 분석해서 경영자에게 제공해 준다면 해당문제에 대한 신속한 대처가 가능할 것이다.
기존에는 고객에게 제공되는 서비스가 판매자의 know-how에 의존할 수밖에 없었던 이유는?
기존 판매데이터는 손익분석, 재고관리, 고객관리 등제한적인 목적으로만 사용이 되었다. 이런 데이터는 단순 고객관리용으로만 사용되고, 고객의 구매습관을 파악하는데 거의 사용되지 않았다. 이러한 이유로 고객에게 제공되는 서비스는 판매자의 know-how에 의존할 수밖에 없었다.
참고문헌 (8)
이연경, 김경재, "데이터마이닝과 다중모형조합기법을 이용한 온라인상점 상품추천시스템 개발", 한국지능정보시스템학회 추계학술대회논문집, pp. 340-348, 2004.
한창엽, 장형욱, "기업의 재고 수준 효율화를 위한 POS 시스템 활용에 관한 연구", 한국산업정보학회논문지, v.10, no.1, pp.81-88, 2005.
사재학, 남인길, "연관마이닝에 의한 데이터베이스 캐시 설계", 한국산업정보학회논문지, v.7, no.2, pp. 16-32, 2002.
김지혜, 이경호, 이혜정, 박두산, "전자상거래를 위한 데이터 마이닝 기반 상품 추천 시스템 개발", 한국정보기술학회논문지 제2권 제1호, pp. 47-54, 2004.
김병만, 이경, 김시관, 임은기, 김주연, "추천시스템을 위한 내용기반 필터링과 협력필터링의 새로운 결합 기법", 한국정보과학회논문지 : 소프트웨어 및 응용, 31권 3호, pp. 332-342, 2004.
Qing Li, Sung Hyon Myaeng, Byeong Man Kim, "A Probabilistic Music Recommender Considering User Opinions and Audio Features", Journal of IP&M, Vol. 43, No. 2, pp. 473-487, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.