Earticle

초록

한국어

서비스 업종뿐만 아니라 일반 소비재 산업에서도 빅 데이터 분석 기술을 활용한 개인화 추천 서비스와 같은 CRM 전략의 중요성이 높아지고 있다. 그러나, 상품 추천 모형에 대한 기존 연구는 대부분 추천 적중률을 높이기 위한 머신러닝 모형 개발과 개선에 집중되어 왔기 때문에 추천 활동 이후 고객과의 중장기적인 관계는 고려되지 못했다. 본 연구에서는 이러한 한계를 극복하기 위하여 소셜네트워크분석 (Social Network Analysis) 분석기법을 상품 네트워크 분석 영역에 응용한 PNA(Product Network Analysis) 기법을 협업필터링 모형에 연계하여 단순한 추천 적중률뿐만 아니라 중장기적인 고객의 충성도를 개선할 수 있는 추천 시스템을 제안하고자 한다. CF/PNA(Collaborative Filtering based on Product Network Analysis) 개인화 추천 시스템은 거래 데이터를 기반으로 상품 네트워크를 구성한 후, 다양한 후보 추천상품 중에 PNA 분석 결과를 토대로 중장기적으로 고객 충성도가 향상될 수 있는 상품을 선정하여 최우선으로 추천하는 시스템이다. 국내 대형 아웃도어 기업과의 협력으로 실제 고객 데이터를 기반으로 모델링과 검증을 수행한 결과, 모형의 추천 적중률뿐만 아니라, 거래빈도, 재구매율, 교차구매지수 등 거래의 질적수준을 평가하는 고객로열티 지수도 함께 증가함을 확인하였다. 본 연구는 추천 적중률이 좋아도 상품 간의 연계성이 부족하여 지속적인 고객 관계를 유지하기 어려운 경우 CRM 관점에서는 오히려 추천을 유보하는 것이 바람직할 수 있다는 전략적인 통찰력을 얻을 수 있다.

영어

In the general consumer goods industry as well as the service industry, the importance of CRM strategies such as personalized recommendation is increasing. However, most recommendation studies have focused on enhancing the hit rate of recommendation, not on the long-term customer relationship. To expand the previous relevant studies, we propose a new recommendation system called the CF/PNA (Collaborative Filtering based on Product Network Analysis) which integrates the PNA (Product Network Analysis) technique with collaborative filtering model. The CF/PNA recommendation system configures a product network based on transaction data, and then selects products that can improve customer loyalty in the mid to long term based on PNA analysis results among candidate recommended products. As a result of modeling and verification based on actual customer data in cooperation with outdoor companies, it was confirmed that customer loyalty index such as buying frequency, repurchase rate, and cross-purchase ratio evaluating the qualitative level of purchasing as well as the hit ratio have been increased. This study provides strategic insights that it may be desirable to withhold recommendations from a CRM viewpoint when specific product has not sure to maintain a continuous customer relationship due to lack of linkage between other products

목차

요약
Ⅰ. 서론
Ⅱ. 문헌연구
2.1 추천 시스템과 협업필터링
2.2 소셜네트워크분석과 상품 네트워크분석
2.3 고객로열티
Ⅲ. PNA 기반 협업필터링 개인화 추천 시스템
3.1 아이템 유사도 분석
3.2 상품 네트워크 구성
3.3 중심성 분석
3.4 중심성 가중치 적용
3.5 추천 리스트 생성
Ⅳ. 실험 및 평가
4.1 데이터 수집 및 전처리
4.2 추천 시스템 검증방법
4.3 검증결과 및 비교
Ⅴ. 결론
5.1 연구요약 및 의의
5.2 연구의 한계 및 향후 연구방향
참고문헌
Abstract

저자

• 김형수 [ Hyung Su Kim | 한성대학교 스마트경영공학부 교수 ] 교신저자
• 김승형 [ Seung Hyeong Kim | 한성대학교 산업경영공학과 석사과정 수료 ]
• 마민철 [ Min-Chul Ma | 삼성SDS AI Analytics 컨설팅그룹, AI, 빅데이터 총괄책임자 ]

참고문헌