전자상거래 추천시스템에 관한 동향분석- 서론

전자상거래 추천시스템에 관한 동향분석

 

The trend analysis regarding the electronic commerce recommendation system

 

제 1 장 서론

 

제 1절 연구의 배경 및 목적

 

 인터넷의 빠른 성장과 발전을 하면서 인터넷을 기반으로 하는 전자상거래의 규모 역시 질적 양적으로 빠르게 증가하고 있다. 그리고 전자상거래의 급성장은 수많은 인터넷 쇼핑몰 을 등장하게 하였고 그로 인해 치열한 경쟁에서 살아 남기 위한 인터넷 쇼핑몰이나, 콘텐트 제공 업체들의 새로운 고객관계관리(CRM)나 마케팅 전략 등을 필요로 하게 되었다[28]. 또한 인터넷과 전자상거래의 성장은 고객에게 많은 혜택을 주지만, 방대한 양의 정보는 오히려 고객이 상품선택에 있어서 많은 시간을 필요로 하게 되었다. 상품정보의 과부하현상을 겪고 있는 현실을 고려하면 고객에게 반드시 필요하고 도움이 되는 정보를 선택적으로 제공하는 것만이 판매자와 소비자의 상호 이익을 최대화할 수 있는 것이다. 최근에는 새로운 일대일 마케팅 전략으로서 고객의 취향이나 관심에 적합한 상품을 추천하는 형태의 고객 맞춤 또는 개인화된 서비스가 널리 적용되고 있다. 그러한 서비스는 고객의 상품 검색 노력을 줄여주며 적합한 상품추천으로 인해 쇼핑 몰 사이트에 대한 고객의 충성도를 제고할 수 있기 때문에 많이 이용되고 있다[28]. 그래서, 고객의 취향에 맞는 상품을 추천하여 고객의 구매 결정을 도와주는 상품 추천시스템이 많이 사용되고 있다. 이러한 추천시스템은 통계적 기법과 지식탐사기술을 이용하여 고객의 요구에 가장 부합되는 상품을 추천해주는 시스템으로서, 고객들의 편의를 도모하고 교차판매 및 매출증대에 초점을 맞춘 시스템이다[26, 27]. 현재까지 추천시스템에 대한 연구는 다양하게 진행되고 있고, 해외의 Amazon.com, CDnow.com, eBay, Levis등과 국내의 여러 쇼핑몰 업체 등에서 널리 적용 되고 있다. 이러한 추천시스템의 핵심은 추천 알고리즘에 있으며, 현재까지 가장 선호되고 있는 추천알고리즘은 협업필터링(Collaborative Filtering: CF)으로 고객의 취향과 관심에 적합한 상품을 예측하고자 할 때 사용되는 정보 필터링 기법이고 상품이나 영화추천, 웹사이트, 뉴스 등의 여러 분야에서 사용되고 있다.

협업필터링은 가장 유용한 기법으로 인정을 받았음에도 몇 가지의 문제점이 있는데 정리하면 다음과 같다[1].

첫째, 입력 데이터의 희박성(sparsity)문제이다. 웹사이트에서 판매되는 상품의 수가 기하급수적으로 증가함에 따라 고객의 선호도가 입력되지 않은 상품의 개수가 상대적으로 많아짐으로 인해 이웃 고객군을 형성하는 과정에서 매우 적은 수의 평가 데이터만을 사용함으로써 유사도 측정에 신뢰성이 떨어지고, 이는 결국 상품추천의 질을 떨어뜨리는 요인으로 작용한다. 둘째, 시스템의 확장성(scalability) 문제이다. 고객과 상품의 수가 증가함에 따라 이웃 고객군을 찾기 위한 연산량은 기하급수적으로 늘어날 수밖에 없기 때문에 실시간으로 추천을 목적으로 하는 상품추천시스템에서는 심각한 시스템 확장성 문제에 직면하게 된다. 이와 같은 문제점을 보완하기 위해 협업필터링에 다른 추천기법을 결합한 형태의 하이브리드(Hybid)기법에 관한 다양한 연구가 이루어 지고 있다. 따라서 본 연구에서는 내용기반추천시스템과 협업필터링 추천시스템의 문제점을 해결하기 위한 연구활동과 하이브리드 추천시스템에 대한 관련연구를 살펴보고 다양한 적용사례를 알아보고 앞으로의 발전방향과 개선점을 제시하고자 한다.