구매 기록 없는 상품 구매 ‘추천 AI’…개인 맞춤형 추천에 활용 작성일 08-06 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">울산과기원, 교차 도메인 추천 ‘멀티탭 기술’ 개발<br>세부 상품군별 구매 성향 분석...적중률 기존 보다 36% 높여</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="xiUw6F3GWf"> <figure class="figure_frm origin_fig" contents-hash="fa57d7ca12eb01ddef1d253eb6536511a6bbdff41ad9fc99bd625aab6b24c2de" dmcf-pid="y1kKTNjJWV" dmcf-ptype="figure"> <p class="link_figure"><img alt="세부 상품군에 따라 달라지는 소비자의 구매 셩향을 분석, 추천하는 ‘멀티탭 기술’을 챗GPT로 생성한 일러스트." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/06/dt/20260806131811159lixs.png" data-org-width="640" dmcf-mid="Ph8Wg2V7l8" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/06/dt/20260806131811159lixs.png" width="658"></p> <figcaption class="txt_caption default_figure"> 세부 상품군에 따라 달라지는 소비자의 구매 셩향을 분석, 추천하는 ‘멀티탭 기술’을 챗GPT로 생성한 일러스트. </figcaption> </figure> <p contents-hash="2aa180ed7e8ddd45074cbc9cba1228806a9a3441d96d8372d8a3e64f7acbb6f5" dmcf-pid="WtE9yjAiy2" dmcf-ptype="general"><br> TV 홈쇼핑이나 인터넷 쇼핑 시 자주 구매하지 않은 세부 상품에 대한 구매 취향을 자주 구매한 상품 정보를 토대로 분석·추천해 주는 인공지능(AI) 기술이 나왔다.</p> <p contents-hash="2b452211cac76ce813548d7ff770fe2e7d9707e0eba88ef622132a392683121e" dmcf-pid="YFD2WAcnT9" dmcf-ptype="general">울산과학기술원(UNIST)은 이연창 인공지능대학원 교수 연구팀이 쇼핑 시 세부 상품군에 따라 달라지는 소비자의 구매 성향을 제대로 파악하는 교차 도메인 추천 AI 기술인 ‘멀티탭’을 개발했다고 6일 밝혔다.</p> <p contents-hash="9440997a4287f14088843e9a7a7a5e588da806a4cdb10c2bfa208361dcfe9458" dmcf-pid="G3wVYckLCK" dmcf-ptype="general">온라인 쇼핑몰에서는 사용자가 자주 구매한 상품 분야와 그렇지 않은 상품 분야에 대한 기록에 상당한 차이가 있다.</p> <p contents-hash="f0ba37b0d943c636ae3dee437ece06bcb5594b68944a135371b377319b7698ac" dmcf-pid="H0rfGkEohb" dmcf-ptype="general">같은 전자제품군이라도 휴대전화는 자주 구매해 관련 기록이 많은 반면, TV는 최근 몇년 사이 구매하지 않아 관련 기록이 상대적으로 많지 않다.</p> <p contents-hash="d0a1821292951b57d3e6615a7f5456d8fa6d194148b3ba6aa1cf47b33c2a8475" dmcf-pid="Xpm4HEDgyB" dmcf-ptype="general">교차 도메인 추천은 이런 동일 제품군 구매 이력 차이를 반영해 기록이 충분한 상품 분야에서 파악한 소비 성향을 기록이 부족한 다른 상품 분야 추천에 활용하는 기술이다.</p> <p contents-hash="914b5b7a44d78f8a44201cf06512d5b256eae8eb7943fb2635fe97350aeb0aad" dmcf-pid="ZUs8XDwavq" dmcf-ptype="general">가령, A라는 사람이 전자제품은 자주 샀지만, 홈·생활용품은 거의 사지 않았다면 전자제품 구매 이력을 바탕으로 홈·생활용품을 추천하는 방식이다.</p> <p contents-hash="c683a233085d214dee601546d95fa66c0d8c67dc729f5689b77614ba5cd349d0" dmcf-pid="5uO6ZwrNSz" dmcf-ptype="general">기존 기술은 사용자가 컴퓨터를 살 때는 비싸고 평점이 좋은 제품을 고르면서도 홈 오디오를 살 때는 저렴하고 인기 있는 제품을 고를 수 있는데, 이런 차이를 제대로 반영하지 못하는 한계가 있다.</p> <p contents-hash="a1018aed9a658c70e0b0df0b41dab1127ca10ee0a5abf5ed503e1c3780180194" dmcf-pid="17IP5rmjv7" dmcf-ptype="general">연구팀이 개발한 멀티탭 기술은 구매 이력과 상품 정보를 분석해 사용자가 가격, 평점, 리뷰 수를 제품 구매 시 얼마나 반영하는지와 이용 빈도, 동일 상품 분야에서 얼마나 다양한 세부 상품군을 구매했는지를 3단계로 나눈 뒤 대형언어모델(LLM)이 상품군별 차이를 문장으로 정리한다.</p> <p contents-hash="eb01b3ca8e4aec338fd3540ccd640d5881dba8fe35c6c008b247527b8e09ce67" dmcf-pid="tmPGNf4qlu" dmcf-ptype="general">이 문장을 숫자 정보로 바꿔 기존 추천 알고리즘인 라이트GCN이 학습한 구매 행동 정보와 결합한 뒤 상품을 추천하도록 설계됐다.</p> <p contents-hash="d410595817d92710c2a6ed396f79062f60412d4b0af39861be9ff24196616cc9" dmcf-pid="FsQHj48BTU" dmcf-ptype="general">연구팀은 아마존 온라인 쇼핑몰의 전자제품, 홈·생활용품, 스포츠 용품, 의류, 가구, 장난감 구매 기록을 이용해 멀티팹 기술의 성능을 검증했다.</p> <p contents-hash="9b478a30b3e38a4b5dc804cca6d4e5a2f56319e99d7fc4342dcc36f716c99832" dmcf-pid="3OxXA86bTp" dmcf-ptype="general">그 결과, 6개의 교차 추천 과제 중 5개에서 기존 최고 기술보다 최대 36.3% 높은 성능을 보였다.</p> <p contents-hash="12e2d9006a0d363e929fff50e839f6ea56c0eaddf17bf15f39f8aed2f3c5db4b" dmcf-pid="0IMZc6PKC0" dmcf-ptype="general">이연창 UNIST 교수는 “소비자 취향은 상황과 세부 상품군에 따라 달라지는 만큼 멀티탭 기술은 구매 성향을 여러 페르소나로 나눠 추천에 반영하는 방식”이라며 “구매 기록이 적은 상품 분야에서도 실제 취향에 가까운 상품을 추천해 온라인 쇼핑몰에서 개인 맞춤형 추천 고도화에 기여할 것”이라고 말했다.</p> <p contents-hash="87a23ac3e5115cf9d7edc2faf34f901a18d8a210fb62e8eacb3f6684ea855178" dmcf-pid="pCR5kPQ9C3" dmcf-ptype="general">연구결과는 오는 9일 제주도에서 열린 데이터마이닝 분야 국제 학술대회 ‘ACM KDD’에서 발표될 예정이다.</p> <figure class="figure_frm origin_fig" contents-hash="315ad78d831e6ffe2d56576f65c6484efcd6f1232fafa6290022eb951ab3c1cb" dmcf-pid="Uhe1EQx2TF" dmcf-ptype="figure"> <p class="link_figure"><img alt="이연창(왼쪽) UNIST 교수와 제1저자인 강대희 연구원. 울산과기원 제공." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/06/dt/20260806131812425uigg.jpg" data-org-width="640" dmcf-mid="QfYn7vTsl4" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/06/dt/20260806131812425uigg.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이연창(왼쪽) UNIST 교수와 제1저자인 강대희 연구원. 울산과기원 제공. </figcaption> </figure> <p contents-hash="f00d3a2c2477acb45f92a47288e1412d5a0eeceb19eb681a659f593f2aa52457" dmcf-pid="uldtDxMVyt" dmcf-ptype="general"><br> 이준기 기자 bongchu@dt.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털타임스. 무단전재 및 재배포 금지.</p> 관련자료 이전 AI는 필수, TCO는 부담…기업 CIO '진퇴양난' 08-06 다음 [보안최전선 ⑧] 이형철 KB국민은행 팀장 “보안 내재화, 고객 신뢰 지키는 기본” 08-06 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
