사용자 기반-, 아이템 기반 추천 알고리즘의 예측력 결정요인으로서의 제품 속성: 경험적 가치 vs 기능적 가치
The Product Attributes in Determining the Predictive Performance of User-Based, Item-Based Recommendation Algorithms: Experiential Value vs Functional Value
- 발행
- 2021 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 강원대학교
- 출처
- 국내 KCI
- 원문
- 원문 보기 ↗
개념
키워드
사용자 기반 추천 알고리즘, 아이템 기반 추천 알고리즘, 경험적 가치, 기능적 가치, 평균제곱근오차, User-based Recommendation Algorithm, Item-based Recommendation Algorithm, Experiential Value, Functional Value, Root Mean Square Error
초록
본 연구는 사용자 기반-, 아이템 기반 추천 알고리즘 이론을 바탕으로 예측 정확도를 결정하는 요인을 알고리즘의 시스템 차원이 아니라 제품 속성 관점에서 고찰하였다. 제품이 소비자에게 전달하고자 하는 주요 가치를 경험적 가치와 기능적 가치로 양분하고 각각을 대표하는 상품으로 영화와 뷰티 상품, 자동차와 전자제품을 채택하였다. 실증 분석을 위한 표본은 Movie Lens 100k 데이터와 아마존 상품 데이터를 사용하였다. 대규모 용량 처리 문제를 해결하기 위해 원본 데이터를 각각 약 2만개로 축소하여 처리하였으며, 추천 알고리즘의 예측력 비교를 위한 기준으로 평균제곱근오차(RMSE: Root Mean Square Error)를 사용하였다. 분석 결과, 영화와 뷰티 상품과 같이 경험적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 높은 것으로 나타나 사용자 기반 추천 알고리즘의 상대적 우수성을 확인하였다(가설 1 지지). 반면 자동차와 전자제품과 같이 기능적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 낮아 아이템 기반 추천 알고리즘의 예측력이 상대적으로 우수한 것으로 나타났다(가설 2지지). 이 연구에서 발견된 사실은 기존 선행연구에서 보여준 개별 추천 알고리즘의 기술적 우수성의 절대성과 달리 추천 알고리즘의 예측력은 제품 속성에 따라 달라진다는 사실을 알게 해준다. 따라서 기업은 제품 속성에 맞는 추천 알고리즘을 사용하여 마케팅 전략과 브랜드 아이덴터티 수립을 모색해야 한다.