올드코난 (Old Conan) 세상사는 이야기

닌텐도 [Nintendo] 닌텐도는 현재 소니컴퓨터엔터테인먼트(Sony Computer Entertainment), 세가(Sega)와 더불어 일본을 대표하는 비디오 게임기 및 비디오 게임 제작업체이다. 원래 닌텐도는 화투나 트럼프를 만들던 교토[京都]의 전통 기업이었으나, 1949년 가업을 계승한 야마우치 히로시가 새로운 장난감 개발로 눈을 돌리면서 오늘날의 게임기 업체로 변신하는 기반을 다졌다. 닌텐도는 1985년 선보인 게임기 패미콤(Famicom)과 1990년에 선보인 슈퍼패미콤(Super Famicom)을 통해 10년 가까이 전세계 게임 시장을 지배했으며, 닌텐도에서 제작한 슈퍼마리오브라더스는 비디오 게임의 상징물로 부상될 만큼 높은 인기를 누렸다. 닌텐도는 1994년 소니의 플레이스테이션(Pla..

모바일 컨텐츠 비즈니스의 현황과 문제에 대한 대응 岸原孝昌氏 (モバイル・コンテンツ・フォーラム事務局長) 모바일 2세대 환경에서는 통신요금 높아지기 리치웹이 이용되지 않았으나, 정액제가 보급되고 3세대 환경에 따라 서비스 품질 높아져 사용량이 증가하기 시작하고 있다. 현재는 다운링크를 더욱 개선한 윙이라는 서비스로 3.5세대 서비스가 제공되고 있다. 현재 모바일 비즈니스 모델로는 2007년 기준 커머스/컨텐츠(1조1천4백엔), 광고(699억엔: 덴츠발표)의 시장을 보유하고 있다. 2004년 기점으로 컨텐츠 보다 커머스가 현재 그 규모가 더 커진 상태이다. 대표적인 서비스들로는 차쿠메로(벨소리)가 있는데 JASRAC의 저작권번에 따라, 45초이내 곡은 차쿠우타라고 부르고 전체 곡은 차쿠 풀루라고 불린다. 차쿠..

제 5 장 결론 전자상거래 규모가 기하급수적으로 성장하면서 기업들의 경쟁은 심화되었다. 기업들은 생존을 위한 경쟁우위의 마케팅전략을 필요로 하게 되었다. 그리고, 상품정보의 과다로 정보의 과부하현상을 겪게 되면서 상품추천시스템의 중요성이 부각되었다. 현재까지 상품추천 기법 중에서 협업 필터링이 가장 성공적이었지만 입력데이터의 희박성과 신상품의 추천 문제 등의 한계점을 갖고 있다. 이러한 협업필터링 추천 시스템 기법의 한계를 개선하기 위해 웹마이닝과 상품계층도 등을 이용하여 협업필터링기법의 한계점을 극복하고자 하고 있다. 그 외 SOM(자기조직화지도)과 순차패턴분석 같은 다양한 방법으로 협업필터링기법에 대한 개선이나 새로운 상품추천시스템을 개발 하고자 하는 연구활동이 이루어 지고 있다. 지금까지의 연구사례..

제 4 장 연구사례들로 본 추천시스템의 발전방향 지금까지의 연구사례들을 살펴보면 기존의 추천시스템 중 협업필터링 기법에 대한 연구와 개선을 위한 다양한 연구활동이 진행 중이며 하이브리드 추천시스템으로 협업필터링 기법의 한계를 극복하고자 하였고, 이러한 연구는 앞으로도 계속될 것이다. 그리고, 최근 통신 기술의 발전으로 인해 휴대전화나 PDA와 노트북 등을 이용한 무선 인터넷의 사용자가 급증하고 있다. 특히 무선 인터넷의 상징이라 할 수 있는 wibro의 등장은 모바일 시장의 잠재력을 극대화할 전망이다. 물론 wibro의 가입자 수가 2009년 5월 26일 현재 20만 명 수준으로 예상보다 크게 밑돌고 있고 수도권만 사용 가능하다는 단점이 있지만 3세대(G)국제표준으로 선정된 국내순수기술이 세계최초의 이동..

제 5절 Mobile 환경에 대한 추천시스템에 관한 연구들 최근 핸드폰 및 PDA, 와이브로등의 무선 통신 기술의 급속한 발전으로 무선 인터넷 서비스가 큰 폭으로 증가하고 있다. 그와 더불어 모바일 전자상거래 규모 또한 크게 증가하고 있다. 이러한 배경으로 모바일 추천시스템에 관한 다양한 연구활동들이 진행되고 있다. 그리고 모바일 추천시스템에서 가장 중요한 상품은 바로 벨소리나 MP3, 모바일 게임, 저 용량 영화 등의 컨텐츠이다. 여기서는 컨텐츠 추천을 위한 모바일 추천시스템에 대한 연구들 중 몇 가지의 사례를 살펴보고자 한다. 1. 모바일 전자상거래 환경에 적합한 개인화된 추천시스템[3] 김재경외는 모바일 고객이 보다 적은 노력과 비용으로 자신이 원하는 멀티미디어 콘텐츠를 찾을 수 있도록 지원하는 개..

제 4절 고객의 동적 선호 탐색을 위한 순차패턴 분석: ㈜더페이스샵 사례[12] 제안된 연구는 판매 데이터 분석을 통해 시간순서를 고려한 상품추천 및 매장관리방법을 제안했다. 즉 SOM(Self Organizing Map: 자기조직화지도) 알고리즘을 이용하여 매장의 판매 프로파일을 군집화하고, 매장궤적의 예측을 통해 목표 매장을 관리하는 방법을 제시했다. 여기서 SOM(Self Organizing Map: 자기조직화지도) 알고리즘은 고차원의 데이터를 저차원의 지도형태로 형상화한 것으로, 이렇게 형상화된 지도는 시각적으로 이해하기 쉽고 입력변수의 위치관계를 그대로 보존하기 때문에 실제 데이터가 유사하면 지도상에 가깝게 표현된다. 이러한 장점으로 패턴발견, 이미지 분석 등에서 뛰어난 성능을 보였다[vesan..

제 3절 설명기능을 추가한 WebCF-Exp[31] WebCF-Exp추천방법은 이전 연구인 WebCF-PT의 추천품질과 신뢰도를 높이기 위해 설명 기능을 추가하였다. WebCF-Exp 추천방법은 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[Her..

제 2절 개인별 상품추천시스템 WebCF-PT[1] 협업추천시스템의 문제점인 희박성과 확장성문제를 해결하기 위해 다양한 연구활동이 이루어지고 있다. 저자는 웹마이닝(Web mining) 과 상품계층도(Product Taxonomy)를 이용하여 그러한 문제를 해결하고자 하였다. 웹마이닝은 입력데이터의 희박성문제를 해결하기 위해 고객이 인터넷 쇼핑몰에서 상품을 처음 인식하는 행동에서부터 상품을 클릭하고 장바구니에 담아 상품을 구매하기 까지의 과정에 대한 웹 기반 정보를 이용하여 보다 많은 고객 선호도 정보를 확보하기 위해 적용한 것이다. 상품계층도는 관련 있는 상품들을 특정 상품군으로 군집화하여 선호도 입력 데이타의 희박성과 시스템확장성문제를 동시에 해결하기 위해 적용한다. 상품계층도는 개별상품을 추상 개념..

제 3 장 추천시스템의 연구 및 적용사례 제 1절 G인터넷쇼핑몰의 사례[29] 데이터마이닝에 관한 연구는 지금도 계속 진행 중이고 그 중 연관규칙을 적용한 사례를 살펴보고자 한다. 연관규칙은 거래 데이터로부터 상품간의 관계를 규명하여 상품추천이나 상품진열 등을 지원하는 대표적인 데이터마이닝기법의 하나이며 다양한 연구활동이 이루어 지고 있다[Agrawal et al. 1993, 1994, 1996][Brin et al., 1997][Zaki et al., 1997]. 여기서 상품추천은 장바구니 분석(Basket Analysis)을 통해 고객이 관심을 가질 것으로 예상되는 상품을 제안하는 것이다[Shardanand and Maes et al., 1995][Konstan et al., 1997][Schafer..

제 5절 데이터마이닝(Data Mining)기법 정보기술의 발달로 고객 및 거래에 대한 방대한 규모의 데이터베이스가 구축되고 있다. 여기서 정보 및 지식을 추출하여 경영의사결정에 활용하는 데이터마이닝은 많은 관심의 대상이 되고 있다. 데이터마이닝은 자동화된, 혹은 반자동화된 수단을 통해 방대한 양의 데이터 속에서 의미 있는 패턴이나 규칙을 찾아내기 위해 수행하는 일련의 탐색 및 분석과정을 의미한다. 이른바 지식탐색(knowledge discovery)이라고도 불리는 데이터 마이닝은 오늘날 인터넷으로 인해 양질의 고객 데이터가 방대한 규모로 축적되고 있는 상황에서 특히 관심이 모아지고 있다. 데이터마이닝 기법으로는 기본적인 통계적 기법부터 시작해서 인공지능 기법까지 다양한 종류들이 있는데, 이러한 기법들을..