• 지능정보연구
• /
• 제18권4호
• /
• pp.19-42
• /
• 2012

고객이 상품을 구매하는 패턴이 빠르게 변화하고 있다. 오프라인에서 고객이 직접 상품을 보고, 체험한 후 구매하던 패턴이 TV홈쇼핑, 인터넷 쇼핑 등 고객이 편리한 장소에서 자유롭게 구매하는 방법으로 확산되었다. 이처럼 구매 가능한 상품의 범위는 점점 더 다양해지고 있지만 이로 인하여 고객이 상품을 구매할 때 생기는 번거로움은 더욱 커지고 있다. 오프라인에서는 물건을 직접보고 구매하기 때문에 반품율이 낮은 반면에 온라인 구매 물품은 배송과 환불 등에서 복잡한 일들이 많이 발생한다. 온라인을 통해서 물건을 구매할 때 상품에 대한 사전 정보는 매우 한정적이며 실제로 물건을 구매했을 경우 고객이 생각했던 것과 다를 수 있다. 이러한 결과는 결국 고객의 불만족 및 구매취소로 이어진다. 또한 TV홈쇼핑이나 인터넷 쇼핑 등을 통해서 물건을 구매할 때 고객들은 이미 상품을 구매한 고객의 리뷰에도 관심을 기울이고 있다. 좋은 평가를 받은 상품은 더 많은 매출로 이어질 수 있기 때문에 기업은 이에 관심을 기울일 필요가 있다. 고객의 욕구를 만족시킬 수 있는 적절한 상품을 추천해 주고 이를 구매로 연결시키는 것은 기업의 이윤 창출과 직결되기 때문에 그 중요성이 강조된다. 고객을 위한 추천방법은 베스트셀러기반 추천방법, 인구통계 정보기반 추천방법, 최소질의대상 상품결정방법, 내용필터링기법, 협력필터링기법 등이 존재하며, 이에 대한 많은 연구가 활발하게 진행되고 있다. 그러나 위의 방법들을 신규고객에게 적용하는 것에는 문제가 발생할 수 있다. 신규고객은 상품에 대한 과거 구매이력이 존재하지 않기 때문이다. 이를 해결하기 위한 방안으로 가입 시, 고객의 인구통계적 정보나 선호도에 대한 응답을 유도하는 방법을 활용할 수 있다. 그러나 고객이 이에 대한 번거로움을 느낄 수도 있으며, 불완전한 답변을 하게 되면 추천의 정확도는 감소한다. 최근 이미 상품을 구매한 고객의 리뷰 및 기업에서 추천하는 제품에 의존하는 고객들이 증가하면서 이를 악용하는 사례도 자주 등장한다. 결국 추천에 대한 고객들의 신뢰는 감소하게 될 것이다. 따라서 좀 더 명확한 방식의 추천시스템이 절실하며, 이것이 개선된다면 는 곧 고객들의 신뢰 증가로 이어질 것이다. 본 연구에서는 협력필터링기법과 사회연결망기법의 중심성을 결합한 분석을 시도하였다. 중심성은 신규고객의 선호도를 기존고객들의 데이터를 통하여 유추하기 위하여 활용되는 정보이다. 기존 연구들에서는 기존고객들의 구매 가운데 구매성향이 유사한 고객들의 정보에 초점을 맞추고 있으며 구매성향이 다른 고객들의 정보에 대한 분석은 이루어지고 있지 않다. 그러나 이처럼 구매성향이 서로 다른 고객들의 정보를 활용한다면 추천의 정확성이 더 향상되지 않을까 하는 점을 기반으로 데이터들을 다양한 방식으로 분석하였다. 연구에 사용된 데이터는 미네소타대학의 GroupLens Research Project팀이 협력필터링기법을 통하여 영화를 추천하기 위해 만든 MovieLens의 데이터이다. 이는 1,684편의 영화에 대한 선호도를 943명이 응답한 정보로 총 100,000개의 데이터가 있다. 이를 시간 순으로 구분하여 초기 50,000개의 데이터를 기존고객의 데이터로, 후기 50,000개의 데이터를 신규고객의 데이터로 사용하였다. 이 때, 신규고객과 기존고객은 연구자가 임의로 구분한 것이다. 따라서 신규고객이라고 표현되는 고객의 데이터는 실제로 추천시스템을 통해 정보를 제공받은 고객이라고는 볼 수 없다. 그러나 현실적으로 실제 신규고객의 데이터를 수집하는 것이 쉽지 않기 때문에 전체 고객의 정보를 시간 순으로 구분하고 신규고객으로 분류한 것임을 밝혀둔다. 제시된 추천시스템은 [+]집단 추천시스템, [-]집단 추천시스템, 통합 추천시스템으로 총 3가지이다. [+]집단 추천시스템은 기존의 연구들과 유사한 방식으로 유사도가 높은 고객들을 신규고객의 이웃고객으로 분석하였다. 유사도가 높다는 것은 다른 고객들과 상품 구매에 대한 성향이 유사한 것을 의미한다. 또한 [-]집단 추천시스템은 유사도가 낮고 다른 고객들과 상품의 구매패턴이 반대에 가까운 고객들의 데이터를 활용하였으며, 통합 추천시스템은 [+]집단 추천시스템과 [-]집단 추천시스템을 결합한 방식이다. [+]집단 추천시스템과 [-]집단 추천시스템에서 각각 추천된 영화 가운데 중복되는 영화만을 신규고객에게 추천하는 방식이다. 다양한 방법의 시도를 통하여 적절한 추천시스템을 찾고, 추천시스템의 정확도를 향상시키는데 그 목적이 있다. 활용된 데이터의 분석 결과는 통합 추천시스템이 정확도가 가장 높았으며 [-]집단 추천시스템, [+]집단 추천시스템의 순인 것으로 나타났다. 이는 통합 추천시스템이 가장 효율적일 것이라는 연구자의 추측과 일치하는 결과이다. 각각의 추천시스템은 정확도의 변화를 쉽게 비교할 수 있도록 등고선지도 및 그래프를 이용하여 나타냈다. 연구의 한계점으로는 연구자가 제시한 통합 추천시스템과 [-]집단 추천시스템에 대한 정확도는 향상되었지만 이는 임의로 구분한 기준을 바탕으로 분석하였다는 점이다. 실제 추천된 영화를 바탕으로 신규고객이 영화를 선택 한 것이 아니라 기존고객의 데이터를 임의로 분류하였기 때문이다. 따라서 이는 추천 영화가 실제 고객에 미친 영향이 아니라는 한계가 존재한다. 또한 영화가 아닌 다른 상품에 대해서 이 추천시스템을 적용하였을 경우 추천 정확도에는 차이가 있을 수 있다. 따라서 추천시스템을 적용할 때에는 각 상품 및 고객집단의 특성에 적합한 적용이 필요하다.

• 벤처혁신연구
• /
• 제3권2호
• /
• pp.23-39
• /
• 2020

4차산업혁명과 코로나 19의 진전으로 인하여 패션 산업은 급속이 오프라인에서 온라인으로 이동하고 있다. 전통적인 패션쇼 조차도 온라인이 오프라인을 대체하고 있는 실정이다. 온라인 서비스로 인하여 디지털 기술에 기반을 둔 고객의 디지털 경험이 급속히 증가하고 있다. 본 연구에서는 이러한 배경하에 다음과 같은 목적을 가지고 이루어졌다. 첫째, 디지털 경험이 고객만족에 영향을 미치는지를 알아보기 위해 Schmitt의 경험 마케팅의 요소를 기반으로 연구 변수를 도출하였다. 둘째, 서비스-이익 모델에 의해 품질, 고객만족, 충성도, 이익으로 이어지는 일련의 과정을 디지털 경험을 출발점으로 하여 검증하였다. 셋째, 디지털 경험 회수가 독립변수와 고객만족 간 조절 역할을 하는지에 대해서도 규명을 하였다. 이를 위해 패션 쇼핑몰 이용자 180명에게 설문을 받았다. 설문 분석은 SPSS 24, AMOS 23와 Process Macro 3.5를 활용하였다. 연구 결과 디지털 경험 요소로 도출된 디지털 sense, feel, think, act, relate 5가지 요소중 act만 제외하고 모두 고객만족에 정(+)의 영향을 미치는 것을 나타났다. 이들의 영향력 크기는 digital sense (β = .366) > digital think (β = .225)> digital feel (β = .191) > digital relate(β = .163)순으로 나타났다. 디지털 고객 만족은 구매, 지속적 구매, 추천 의향에 정(+)의 영향을 미치는 것으로 나타났다. 한편, 디지털 경험 빈도의 조절효과 분석 결과 디지털 경험 빈도는 digital feel 및 digital act와 고객만족 간 조절 역할을 하는 것으로 나타났다. 이러한 연구 결과를 바탕으로 학술적 및 실무적 시사점을 제시하였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.85-107
• /
• 2019

온라인 소비자는 쇼핑 웹사이트에서 특정 제품군이나 브랜드에 속한 제품들을 둘러보고 구매를 진행할 수 있고, 혹은 단순히 넓은 범위의 탐색 반경을 보이며 여러 페이지들을 돌아보다 구매를 진행하지 않고 이탈할 수 있다. 이러한 온라인 소비자의 행동과 구매에 관련된 연구는 꾸준히 진행되어왔으며, 실무에서도 소비자들의 행동 데이터를 바탕으로 한 서비스 및 어플리케이션이 개발되고 있다. 최근에는 빅데이터 기술의 발달로 소비자 개인 단위의 맞춤화 전략 및 추천 시스템이 활용되고 있으며 사용자의 쇼핑 경험을 최적화하기 위한 시도가 진행되고 있다. 하지만 이와 같은 시도에도 온라인 소비자가 실제로 웹사이트를 방문해 제품 구매 단계까지 전환될 확률은 매우 낮은 실정이다. 이는 온라인 소비자들이 단지 제품 구매를 위해 웹사이트를 방문하는 것이 아니라 그들의 쇼핑 동기 및 목적에 따라 웹사이트를 다르게 활용하고 탐색하기 때문이다. 따라서 단지 구매가 진행되는 방문 외에도 다양한 방문 형태를 분석하는 것은 온라인 소비자들의 행동을 이해하는데 중요하다고 할 수 있다. 이러한 관점에서 본 연구에서는 온라인 소비자의 탐색 행동의 다양성과 복잡성을 설명하기 위해 실제 E-commerce 기업의 클릭스트림 데이터를 기반으로 세션 단위의 클러스터링 분석을 진행해 탐색 행동을 유형화하였다. 이를 통해 각 유형별로 상세 단위의 탐색 행동과 구매 여부가 차이가 있음을 확인하였다. 또한 소비자 개인이 여러 방문에 걸친 일련의 탐색 유형에 대한 패턴을 분석하기 위해 순차 패턴 마이닝 기법을 활용하였으며, 같은 기간 내에 제품 구매까지 완료한 소비자와 구매를 진행하지 않은 채 방문만 진행한 소비자들의 탐색패턴에 대한 차이를 확인할 수 있었다. 본 연구의 시사점은 대규모의 클릭스트림 데이터를 활용해 온라인 소비자의 탐색 유형을 분석하고 이에 대한 패턴을 분석해 구매 과정 상의 행동을 데이터 기반으로 설명하였다는 점에 있다. 또한 온라인 소매 기업은 다양한 형태의 탐색 유형에 맞는 마케팅 전략 및 추천을 통해 구매 전환 개선을 시도할 수 있으며, 소비자의 탐색 패턴의 변화를 통해 전략의 효과를 평가할 수 있을 것이다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.63-70
• /
• 2022

패션은 개인 취향이 구매의 첫 번째 기준으로 작용하는 분야인 만큼 개인화된 추천 서비스가 일찍이 자리를 잡았다. 특히 모바일 패션 커머스에서 구매전환을 높이는 중요한 전략으로 꼽히며 더욱 정교화 되고있다. 이로 인해 개인화 추천서비스의 사용자 경험 관해 많은 연구들이 이루어졌지만, 세부적인 소비자의 구매여정에 따라 확인한 연구는 부족한 실정이다. 본 연구는 개인화 추천서비스의 사용자 평가가 구매여정별로 차이가 있는지 살펴보고, 구매의도와 만족도에는 어떠한 영향을 미치는지 밝히고자 하였다. 분석결과 다양성, 신뢰성, 편의성은 0.001%수준, 유용성은 0.05% 수준에서 구매여정 단계별로 유의한 차이를 보였다. 또한 만족도는 인지 및 흥미단계에서 새로움과 유용성이, 검색단계에서 신뢰성과 다양성이 높게 나타나는 등 각 단계별로 차이를 보였으며, 구매의도는 구매 후 단계를 제외하고 유용성과 신뢰성이 높은 결과를 보였다. 본 연구는 소비자의 개인화 추천 서비스에 대한 사용자 평가에 차이가 있음을 밝힘으로써 구매 여정에 따른 개인화 추천서비스 사용자 평가의 영향에 대한 이해를 높였다는 점에서 이론적 의의가 있으며, 모바일 패션커머스의 개인화 추천서비스 전략개선의 방향성을 제시했다는 실무적 의의를 지닌다. 추후 개선안의 효과성에 대한 연구가 진행된다면 더욱 고도화된 개인화 추천서비스 전략에 기여할 수 있을 것이다.

• 한국멀티미디어학회논문지
• /
• 제14권8호
• /
• pp.1061-1069
• /
• 2011

정보통신기술의 발달로 인터넷을 이용하는 패션/코디 쇼핑몰은 그 시장이 매년 큰 폭으로 증가하고 있다. 하지만, 자신의 신체나 패션스타일에 맞는 의류를 온라인 쇼핑몰에서 검색하는 것은 쉽지 않다. 본 논문은 여성 의류의 패션/코디 추천시스템에 대하여 특히, 개인의 신체적 특성에 가장 잘 맞추어진 의류 추천기능에 대하여 논한다. 또한, 계절별 유행에 대한 전문가의 추천도 고려할 수 있고, 자신의 좋아하는 의류스타일도 미리 등록해 둔 후에, 다양한 방법의 선택을 통하여 등록된 상품 중 자신이 원하는 최적의 상품을 추천받을 수 있도록 패션/코디 쇼핑몰에서의 추천방법을 제안하였다.

• 한국의류학회지
• /
• 제46권1호
• /
• pp.80-98
• /
• 2022

Artificial intelligent chatbot services have recently become common in fashion e-retailing and are expected to improve online shopping by making it easy to recommend products. This study examines whether the perceived quality of a fashion chatbot affects consumers' trust and perception of usefulness, which in turn influences satisfaction and intention to use, in accordance with the information system success model. The study also investigates differences in perceived quality and consumer response variables between high and low groups of self-efficacy. A total of 341 consumers participated in an online survey. The results revealed that information quality and system quality had a significant impact on perceived usefulness and trust, and that service quality significantly impacted trust. Perceived usefulness and trust had a positive effect on consumer satisfaction, which in turn had a positive effect on intention to use. In addition, the findings revealed that people who had higher self-efficacy showed higher scores on perceived usefulness, trust, satisfaction, and intention to use chatbots as compared to people who had lower self-efficacy. This study suggested theoretical implications by applying the information system success model theory to fashion chatbot studies. It also suggested practical implications for e-commerce marketers developing retail strategies.

• 한국정보시스템학회지:정보시스템연구
• /
• 제27권2호
• /
• pp.157-173
• /
• 2018

Purpose Product characteristics and price value in website have strongly effects on customer satisfaction. Especially, in the online shopping site, the scarcity limits the customer's opportunity to purchase the product. Thus scarcity has been proposed as a important factor that makes the customer highly aware of the merchantability of the product. The scarcity in the web store is used as an important variable to make purchasing decisions of users easier by psychological pressure. In the case of scarce products with price discounts in online commerce, advertising formats that highlight scarcity value in the web commerce market are very effective in enhancing purchase intentions of consumers. Unlike offline stores, the importance of scarcity becomes more important when reflecting the characteristics of online commerce. Therefore, this study intends to confirm the influence of the degree of price discounts and scarcity information presented by Web sites on consumer purchase behavior in Web purchase behavior. Design/methodology/approach This study conducted a web-based experimental study on price sensitivity and price discount. Therefore, we created experimental web-sites that offer two stimuli according to the discount rate. The 200 respondents were randomly assigned. The stimuli were fictitious based on tourism products. The first stimulus presented the price discount(15% discount) with basic explanation about the package of the tourist package. The stimuli assigned to the second group were used for groups with high price discount intensity(65% discount). In this way, the two stimuli clearly distinguished the level of price discount intensity. This paper conducted t-test analysis and structural equation to analyze the experiemental results after confirming the reliability and validity. Findings The results of this study are as follows. The difference in price discount intensity (15% vs 65%) with scarcity showed the mean difference among all the variables. Therefore, this study concluded that there is a significant difference between the price discount of 15% and 65% for the acquisition value and transaction value of users. In particular, consumers' purchase intention is greater and product recommendation intensity is stronger when the price discount is 65%. As a result, the high degree of the price discount intensity with scarcity exerts a greater influence on consumers' purchase intentions. Product scarcity also have a significant impact on perceived value of users. Therefore, purchase intention of customers increases when perceived value increases their profit and pleasure feeling.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.115-130
• /
• 2011

온라인 스토어들은 다양한 방식으로 사용자들에게 신뢰감을 가져다 줄 수 있는 요인들을 제공하려고 한다. 대표적인 방식이 고객이 좋아할 만한 제품의 추천과 고객제품리뷰의 제공이다. 각각의 제공을 통해 신뢰의 선행요인이 되는 사회적 실재감을 향상시킬 수 있다는 연구들이 있어왔다. 따라서 본 연구에서는 추천 상황에 따른 사회적 실재감에 미치는 영향과 추천 상황과 제품군의 유형, 고객제품리뷰의 제공여부에 따라 사회적 실재감의 증가에 미치는 영향을 실험을 통해 분석하였다. 개인화 추천을 통해 사회적 실재감을 증대시킬 수 있었으며, 쾌락재에서는 고객제품리뷰의 제공을 통해 어떤 추천 상황에서든 사회적 실재감이 증대되나 유의한 차이를 보이지는 않았다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권10호
• /
• pp.1010-1014
• /
• 2010

잡지기사 관련 상품 연계 추천 서비스는 온라인 상에서 잡지 가사의 컨텍스트를 반영하여 상품을 추천하는 서비스이다. 현재 이러한 서비스는 잡지기사와 상품에 부여되어 있는 태그 간의 유사성을 기준으로 한 추천 기술에 의존하고 있으나, 태그 부여 비용과 추천의 정확도가 높지 않은 단점이 있다. 본 논문에서는 잡지 기사 컨텍스트 관련 상품연계 추천 기술의 한 요소로서 상품이미지 정보로부터 상품의 종류를 자동으로 분류하고 이를 상품의 태그로 활용하는 방법을 제안한다. 이미지에서 추출한 시각단어(visual word)와 상품 종류 간의 고차 연관관계를 하이퍼네트워크 기법을 통해 학습하고, 학습된 하이퍼네트워크를 이용하여 상품 이미지에 한 개 이상의 태그를 자동으로 부여한다. 실제 온라인 쇼핑몰에서 사용되는 10 가지 종류의 상품 1,251개의 이미지 데이터를 기반으로, 하이퍼네트워크 이용한 상품이미지 자동 태깅 기법이 다른 기계학습 방법과 비교하여 경쟁력 있는 성능을 보여줌과 동시에, 복수개의 태그 부여를 통해 상품 이미지 태깅의 정확성이 향상됨을 보인다.