전자상거래 추천시스템에 관한 동향분석- 제 3 장 추천시스템의 연구 및 적용사례

제 3절 설명기능을 추가한 WebCF-Exp[31]

 

WebCF-Exp추천방법은 이전 연구인 WebCF-PT의 추천품질과 신뢰도를 높이기 위해 설명 기능을 추가하였다. WebCF-Exp 추천방법은 <그림14>와 같이 추천절차와 설명기능으로 구성되어 있다.

WebCF-Exp 추천절차는 WebCF-PT처럼 4단계로 구성된다. 설명기능은 블랙박스모델과 화이트박스모델로 구성되고 설명 인터페이스를 형성한다. 추천시스템은 최종적으로 상품추천리스트와 설명인터페이스를 조합하여 최종 추천리스트를 사용자에게 제공한다. 여기서 화이트박스모델은 추천절차와 데이터를 설명해 줌으로써 고객이 의사결정을 내리는데 도움을 주는 방식이다. 블랙박스모델은 추천시스템의 입력 값과 출력 값, 상품추천에 영향을 줄 수 있는 요소들에만 초점을 맞춘다[Herloker, 2000].

WebCF-Exp추천시스템의 구조는 웹로그 분석 에이전트, 데이터 변형 에이전트, 추천 에이전트, 그리고 설명 에이전트로 구성되어 있다. 입력 데이터로는 운영 데이터베이스에 저장된 고객 데이터, 상품 데이터, 판매 데이터와 웹로그 데이터이며, 추천시스템의 최종결과로 개인화된 상품추천리스트와 추천을 설명하는 설명인터페이스를 제공한다. 각 구성요소들의 기능을 보면, 먼저 웹로그 분석 에이전트가 방대한 양의 웹로그 파일을 전 처리하여 웹로그 데이터에 저장하면, 데이터 변형에이전트는 운영 데이터베이스와 웹로그 데이터로부터 상품추천에 사용될 데이터를 추출, 정제, 변형하여 데이터마트에 저장한다. 추천 에이전트는 추천알고리즘을 통해 고객별 개인화된 상품추천리스트를 작성하고 설명기능 구현에 필요한 고객 선호도, 추천에 사용된 데이터, 그리고 실시간 추천을 제공하기 위한 추천리스트를 데이터 마트에 저장한다. 설명 에이전트는 추천에 관한 이해를 돕기 위한 설명인터페이스를 작성한다. 작성된 추천리스트와 설명인터페이스는 사용자인터페이스를 통해 고객에게 제공한다. 저자는 WebCF-Exp 추천시스템이 실제로 적용했을 때 어떤 결과를 보일 것이며, 설명기능을 추가 했을 때 추천상품에 대한 사용자의 의사결정에 도움을 줄 수 있는지 확인해 보기 위해, 가상쇼핑몰 EBIB Research 쇼핑몰을 구현했다. 그리고 온라인 설문을 실시하여 <그림16>과 같은 절차에 의해 실험을 했다.

실험대상 인원은 168명이고, 사이버머니를 지급해주고 피실험자들의 구매데이터를 분석하여 WebCF-Exp 추천시스템의 성능을 평가했다. 그리고 실험 기간 동안 설명인터페이스를 통하여 추천을 받은 고객들을 대상으로 설명기능에 관한 설문조사를 실시하였다. 설문조사에서 2가지 질문은 “설명인터페이스는 이해하기 쉬웠습니까?” , “제시된 설명인터 페이스가 추천상품 구매여부에 어느 정도 도움이 되었습니까?”였다. <표6>은 WebCF-Exp와 WebCF-PT의 성능을 비교한 것이다. 표에서 정확도는 추천목록 중 몇 개의 상품을 고객이 구매하였는지를 나타내는 평가방법이고, 예측률은 고객이 구매한 상품 중에서 얼마나 많은 상품이 추천되었는지 평가하는 방법이다.

 

<표6> WebCF-Exp와 WebCF-PT의 성능비교

	WebCF-Exp	WebCF-PT
정확도	0.196	0.123
예측률	0.495	0.425

 

실험결과를 보면 WebCF-Exp이 WebCF-PT보다 높은 값을 얻었다. 즉 성능이 더 우수하다는 것을 알 수 있다. 제안된 연구는 기존에 제안된 WebCF-PT에 고객이 이해하기 쉬운 설명기능을 추가하여 고객들의 구매의사 결정에 도움을 주고자 하였다는데 의의가 있다. 한계점으로는 피실험자들이 무료의 사이버 머니를 사용하여 실제 구매가 아니기 때문에 신중성과 정확성에대한 문제점이 있고, 실제 상품구매에 영향을 미치는 상품조회비율, 장바구니 담은 비율, 구매비율 등의 내용이 반영이 되지 않았고, 설명기능을 제공 받은 후 고객의 피드백에 관한 것이 고려되지 않았다는 점이다[31].