피크 시즌이 다가오는 상품의 추천, 이벤트 대상인 상품의 추천, 재구매 사이클이 도래한 상품의 추천 등... 이커머스를 운영한다면 다양한 상품 추천을 진행해보셨을 것 같습니다. 이번 콘텐츠에서는 이러한 상품 추천 외에 데이터 기반으로 머신러닝, AI를 통해 사람이 미처 발굴하지 못한 추천할 만한 상품, 시점을 찾아내는 기술에 대해 이야기하고자 합니다. 즉, 데이터 분석/머신러닝을 통해 새롭게 발견되는 추천 상품에 대한 기본지식을 오늘 공유하고자 합니다.

1)  Collaboration Filtering - User Based

• CF기반 구매 선호 예측은 나와 비슷한 유저의 구매 경험을 통해 상품을 추천하는 것을 의미합니다.
• 보통 넷플릭스, 왓챠 등 OTT 서비스에서 새로운 고객에게 알맞는 콘텐츠를 추천하는데 많이 활용됩니다.
• 종합 상품을 판매하는 이커머스에서 해당 기술을 적용하기 위해서는 카테고리를 나누거나 구매사이클을 통한 보정 등을 진행해야 합니다.

2)  Item Based Collaboration Filtering

• 해당 구매 선호 예측은 아이템(상품)을 고객별 구매 빈도에 따라 나눠 아이템(상품) 별 추천 상품을 구성하는 것을 의미합니다.  
• 고객이 진행한 지금까지의 구매 행동을 통해 새로운 상품의 구매 가능성을 파악할 수 있습니다.
• 위에서 소개드린 기술과 접근 방식은 유사하나 고객을 기준으로 두는 것이 아닌 상품을 기준으로 둔 것에서 차이가 있습니다.

3) Content Based Recommendation

• 사용자 행동이 아닌 상품 자체의 속성을 기반으로 유사한 상품을 추천하는 기술을 의미합니다.
• 상품의 어떤 속성을 기준으로 유사성을 판단할 지가 중요합니다.
• 머신러닝을 통해 중요한 요소를 발견하는 경우도 많으나, 현실에서는 직관 등의 요소가 많이 반영됩니다.

4) Associaition Analysis

• 동시에 (혹은 짧은 시간 내에) 함께 구매한 상품 데이터를 바탕으로 함께 구매할 확률이 높은 상품을 추천합니다.
• 알고자 하는 상품의 구매수가 매우 적거나 큰 경우 Minimum Support, Minimum Confidence를 제외한 후 Lift를 활용합니다.
• 매개변수가 있을 경우에는 매개변수를 포함하여 연관분석을 진행할 수 있습니다.

상품 추천에 있어 기본적인 AI 기술의 기반 개념을 소개해드렸습니다.

산업마다 적절한 방법과 Data Feature를 적용하는 것이 기술 경쟁력이라고 볼 수 있는데요. NHN DATA는 이러한 데이터 드리븐을 20년간 치열하게 고민하고 발전시켜온 회사인만큼 비즈니스에 적합한 데이터 기술을 누구보다 잘 활용하고 있습니다. 다이티의 AI 솔루션에 대해 궁금한 내용이 있거나 도움이 필요하시면 다이티에게 언제든지 연락을 부탁드립니다. 여러분의 비즈니스 성장에 함께하겠습니다. 🙌