온라인 쇼핑몰을 통한 구매가 일반화되면서 사용자의 구매 선호도에 기반한 상품 추천 시스템이 널리 보급되고 있다. 본 논문에서는 일회적인 상품 구매가 아닌 반복적으로 유사한 상품을 주기적으로 자주 구매하게 되는 쇼핑몰에서의 상품 추천 알고리즘을 제안한다. 첫 번째로 사용자의 구매 이력을 분석하여 사용자가 로그인할 때마다 구매할 시점이 된 상품들을 자동으로 장바구니에 넣어주는 자동 선택 시스템을 고안하였다. 두 번째로는 협업 필터링 추천기법을 활용하여 구매 패턴이 유사한 다른 사용자들의 단골 상품을 구매주기 별로 5개의 집단으로 분류한 후 각 집단별 일정개수의 상품을 추천 대상으로 하여 top-N개를 추천하는 알고리즘을 구현하였다. 본 알고리즘을 국내 한 생협 업체의 실제 판매데이터를 사용하여 실험해 보았으며 추천 성능 및 사용자 유사도와 추천점수의 분포성향에 대하여 분석하였다.
With the common purchasing through online shopping malls, product recommendation systems based on purchasing preferences of users have been widely used. This paper proposes two recommendation algorithms for shopping malls with users who make frequent and periodic purchases of similar products rather than single isolated purchases. First, we devised an automatic selection system that automatically puts products into the shopping basket when it is time to purchase them whenever users log in. Second, we developed a collaborative filtering recommendation algorithm to recommend a set of products after classifying favorite purchasing products of similar users. These algorithms were experimented with the actual sales data of a domestic cooperative store. The recommendation performance, the distribution of user similarity and recommendation predict values were analyzed.
