커머스 추천 개요

기본적인 사용자의 흐름

추천 시스템 분류

• 어떤 요건에 맞춰 어떤 데이터를 활용하여 어떤모델을 이ㅣ용하여 어떤 방식으로 계량 할 것인가?
  
• 이커머스의 경우 log데이터를 보통 이용하므로 implicit한 데이터가 많다.

이커머스의 특징

추천 알고리즘 선택

• Hybrid Approach
  • ex) CF + CBF
• CF: 주로 Item-based CF를 더 많이 사용
  • User-based
    • 적용하기 어려움
      • 아이템 수 보다 사용자 수가 더 많아 대규모 계산 요구
      • 신규로 추가되
  • Item-based
    • 아이템에 대한 사용자의 접근 정보(클릭, 구매)를 사용
• 사용자 메타정보(세대, Gender) 및 상품정보(카테고리, 브랜드, 가격 등)을 활용
• 결합규칙
  • 정적결합: 사전에 정해진 weight사용
  • 동적결합: 사용자 프로파일, 아이템 특성에 따라 다른 weight사용

Display 정책

• 설명과 함께 아이템 추천
  • 사용자의 추천시스템에 대한 신뢰도 상승
  • 구현이 어려움
  • 설명이 정확도보다 더 큰 요소로 작용

추천로직

• 
• 
  • ex) 홈에서 최근 구매한 목록기준 CF알고리즘을 보여줄때