RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구

이재성; 김재영; 강병욱

RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구

추천

검색

질문

A Study on Improvement of Collaborative Filtering Based on Implicit User Feedback Using RFM Multidimensional Analysis

자료유형: 학술저널

저자정보: 이재성 (과학기술연합대학원대학교) 김재영 (kt) 강병욱 (경기대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제25권 제1호 KCI등재

발행연도: 2019.3

수록면: 139 - 161 (23page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구

이 논문의 연구 히스토리 (2)

2019

RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구

이재성 , 김재영 , 강병욱 지능정보연구 2019.03 학술저널

2018

RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구

이재성 , 김재영 , 강병욱 한국지능정보시스템학회 학술대회논문집 2018.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.

The utilization of the e-commerce market has become a common life style in today. It has become important part to know where and how to make reasonable purchases of good quality products for customers. This change in purchase psychology tends to make it difficult for customers to make purchasing decisions in vast amounts of information. In this case, the recommendation system has the effect of reducing the cost of information retrieval and improving the satisfaction by analyzing the purchasing behavior of the customer. Amazon and Netflix are considered to be the well-known examples of sales marketing using the recommendation system. In the case of Amazon, 60% of the recommendation is made by purchasing goods, and 35% of the sales increase was achieved. Netflix, on the other hand, found that 75% of movie recommendations were made using services.
This personalization technique is considered to be one of the key strategies for one-to-one marketing that can be useful in online markets where salespeople do not exist. Recommendation techniques that are mainly used in recommendation systems today include collaborative filtering and content-based filtering. Furthermore, hybrid techniques and association rules that use these techniques in combination are also being used in various fields. Of these, collaborative filtering recommendation techniques are the most popular today. Collaborative filtering is a method of recommending products preferred by neighbors who have similar preferences or purchasing behavior, based on the assumption that users who have exhibited similar tendencies in purchasing or evaluating products in the past will have a similar tendency to other products. However, most of the existed systems are recommended only within the same category of products such as books and movies. This is because the recommendation system estimates the purchase satisfaction about new item which have never been bought yet using customer"s purchase rating points of a similar commodity based on the transaction data. In addition, there is a problem about the reliability of purchase ratings used in the recommendation system.
Reliability of customer purchase ratings is causing serious problems. In particular, `Compensatory Review` refers to the intentional manipulation of a customer purchase rating by a company intervention. In fact, Amazon has been hard-pressed for these "compassionate reviews" since 2016 and has worked hard to reduce false information and increase credibility. The survey showed that the average rating for products with `Compensated Review` was higher than those without `Compensation Review`. And it turns out that `Compensatory Review` is about 12 times less likely to give the lowest rating, and about 4 times less likely to leave a critical opinion. As such, customer purchase ratings are full of various noises. This problem is directly related to the performance of recommendation systems aimed at maximizing profits by attracting highly satisfied customers in most e-commerce transactions.
In this study, we propose the possibility of using new indicators that can objectively substitute existing customer`s purchase ratings by using RFM multi-dimensional analysis technique to solve a series of problems. RFM multi-dimensional analysis technique is the most widely used analytical method in customer relationship management marketing(CRM), and is a data analysis method for selecting customers who are likely to purchase goods.
As a result of verifying the actual purchase history data using the relevant index, the accuracy was as high as about 55%. This is a result of recommending a total of 4,386 different types of products that have never been bought before, thus the verification result means relatively high accuracy and utilization value. And this study suggests the possibility of general recommendation system that can be applied to various offline product data. If additional data is acquired in the future, the accuracy of the proposed recommendation system can be improved.

#협업 필터링 #개인화상품추천 #추천시스템 #기계학습 #수요예측 #Collaborative Filtering #Personalized Marketing #Recommendation System #Machine Learning #Demand forecast

참고문헌 (49)

참고문헌 신청

Ahmed, S., J. Kim, and S. Kang, “Enhanced Recommendation Algorithm using Semantic Collaborative Filtering - E-commerce Portal,” Journal of Intelligence and Information Systems, Vol.17, No.3(2011), 79~98.

Ahn, K. C., C. B. Moon, B. M. Kim, S. S. Yoon, and H. S. Kim, “POS Data Analysis System based on Association Rule Analysis,” Journal of the Korea industrial information systems society, Vol.17, (2012), 9~17.

Ahn, Y. C., “Implemental Model of Customer Relationship Management System for Oriental Hospital Using Customer Segmentation,” Korea Society of Industrial Information Systems, Vol.15, No.5(2010), 79~87.

Amatriain, Xavier, J. M. Pujol, and N. Oliver, “I like it... i like it not: Evaluating user ratings noise in recommender systems,” International Conference on User Modeling, Adaptation, and Personalization, (2009), 247~258.

Bellogin, A., A. Said, and A. P. de Vries, “The magic barrier of recommender systems?no magic, just ratings,” International Conference on User Modeling, Adaptation, and Personalization, (2014), 25~36.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이재성

소속기관 과학기술연합대학원대학교

주요연구분야 사회과학 > 법학 공학 > 산업공학

논문수 21 이용수 3,808

김재영

소속기관 한성대학교

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 27 이용수 4,871

강병욱

소속기관 경기대학교

주요연구분야 공학 > 산업공학

논문수 2 이용수 311

이 논문과 함께 이용한 논문

데이터 비식별화를 이용한 빅데이터 통합

김승환 , 전성해 한국지능시스템학회 논문지 2019 .06

빅데이터 기반의 핀테크서비스 모델의 변화 방향에 관한 연구

서문석 , 김동호 e-비즈니스연구 2019 .04

딥러닝을 이용한 개인화 맞춤 태그 추천 시스템

안영재 , 김건우 , 이동호 한국정보과학회 학술발표논문집 2018 .12

포인트 통합의 관점에서 본 포인트 제도의 법적 쟁점에 관한 고찰

한승수 비교사법 2018 .02

GOLD 위성 이미지 노이즈로 추출한 우주환경데이터 비교분석

이종길 , 이대영 , 박재흥 한국항공우주학회 학술발표회 초록집 2023 .06

최근 본 자료

명도와 채도 기반의 점등영역 검출 및 모델 검증에 의한 교통신호등 판별

김민기한국멀티미디어학회2017.11

「무진기행」에 나타난 자연의 양상과 의미

이혜원문학과환경학회2016.06

Clinical and Radiological Factors Affecting Thoracolumbar Fractures Outcome: WFNS Spine Committee Recommendations

Francesco Costa, Salman Sharif, Abdul Hafid Bajamal 외 3명대한척추신경외과학회2021.12

첫번째 댓글을 남겨주세요.

UCI(KEPA) : I410-ECN-0101-2019-003-000532972

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (49)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)