추천 시스템이란?

추천 시스템

 

- 사용자와 상품으로 구성된 시스템

- 특정 사용자가 좋아할 상품 추천

- 비슷할 상품을 좋아할 사용자를 추천

 

- 아이템이든 유저든 관심을 가질만한 정보를 추천

 

사용자가 정보를 수집하고 찾는 시간을 줄여준다.

 

검색 vs 추천

 

사용자와 상품

 

- 사용자와 아이템 사이의 관계를 분석하고 연관관계를 찾는다

- 해당 연관 관계 점수화

- 사용자의 정보와 아이템 정보 활용

 

 

사용자 프로필

- 사용자 구분 할 수 있는 정보 활용

 

수집방법

- 직접적인 방법

- 간접적인 방법

 

개인별 추천 또는 사용자 그룹별 추천 가능

 

 

아이템 프로필

- 플랫폼마다 정의하는 아이템 종류가 다르다

- 일반적으로 생각해볼 수 있는 추천 아이템

- 모든 것을 추천해주는 플랫폼은 현재 없다

 

아이템 프로필에 속하는정보

- 아이템ID, 아이템 고유 정보, 아이템 좋아하거나 구매한 사용자 정보

 

 

추천 점수

- 분석된 사용자와 아이템 정보를 바탕으로 추천 점수 계산

- 사용자 또는 아이템 프로필에서 어떤 정보를 사용할지에 따라 추천 알고리즘 결정

- 정량화된 기준 필요

- 추천 알고리즘 목적은 "점수화" 이다.

 

 

추천시스템의 등장

- 인터넷의 폭발적인 성장과 정보가 쏟아짐에 따라

- 인터넷 관련 비즈니스 활성화

- 이커머스, 이비즈니스

- 사용자가 적절한 결정을 내리기 어려워서 추천 등장

 

추천 시스템의 정의

- 사용자로부터 선호도 여부를 데이터화

- 외부, 내부 피드백으로 점수화

- 사용자의 선호도와 제한 사항을 바탕으로 적절한 아이템 점수 계산

- 사용자에게 가장 관련 있는 아이템 순서대로 리스트 형태로 제시

 

추천 시스템 연구 현황

- 정보검색과 비슷하지만, 비교적 새로운 분야

- 넷플릭스 상금 추천 대회

- 여러 기업, 학회에서 연구중

 

 

추천 시스템을 왜 사용할까

- 더 많은 아이템 판매 가능

- 더 다양한 아이탬 판매 가능

- 소비자 만족도 증가

- 충성도 높은 고객 증가

- 고객이 원하는 니즈 파악

 

 

어디에 사용가능할까?

 

넷플릭스: 콘텐츠 추천

- 좋아하는 컨텐츠를 기반으로 추천

 

인스타그램: 팔로우 추천

- 팔로우 계정 유형과 피드에서 자주 클릭한 계정 분석해 광고 노출

- 비슷한 계정 추천

 

쿠팡: 상품추천

- 구매목록, 클릭한 상품을 기반으로 다양한 상품을 추천

 

 

추천 시스템 데이터 종류

 

추천 시스템 풀고자하는 문제

1. 랭킹 문제

- 특정 유저가 특정 아이템에 대한 평점을 정확하게 예측 X

- 특정 아이템을 좋아할만한 Top-K 유저 선정

 

2. 예측 문제

- 유저, 아이템 조합에서 평점 예측

- 유저, 아이템 행렬 채우기

- 관측 값

- 결측 값

 

평점이 몇인지 vs 평가를 했는지 안했는지