1️⃣ 추천 알고리즘
추천이란 사용자에게 의미 있고 유용한 정보를 제공하는 것
추천의 효과는 대상자의 데이터(구매 이력, 관심사, 특성 등) 에 기반해야 정확해짐
2️⃣ 주요 추천 알고리즘 3가지
| 알고리즘 | 설명 | 예시 |
|---|---|---|
| 연관규칙 (Association Rule) | 특정 아이템을 구매하면, 다른 아이템도 함께 구매할 확률이 높다는 규칙을 이용 | 토너를 산 사람이 화장솜을 살 확률 |
| 협업 필터링 (Collaborative Filtering) | 비슷한 구매 성향을 가진 고객을 찾아, 해당 고객들이 구매한 상품을 추천 | 나와 유사한 고객의 구매 상품 추천 |
| 콘텐츠 기반 필터링 (Content-based Filtering) | 상품의 메타데이터(속성, 특징)를 기반으로 유사한 특성을 가진 아이템을 추천 | 특정 영화를 좋아하면 유사 장르의 영화 추천 |
3️⃣ 추천 알고리즘 상세 설명
✨ 연관규칙 (Association Rule)
- 고객의 구매 이력에서 아이템 간 연관성을 분석해 추천하는 방법
- 선행 사건(X) 이 발생하면 후행 사건(Y) 도 발생할 확률 분석
📌 사용 예시
- 토너 구매 → 화장솜 추천
- 책상 구매 → 의자 추천
📌 연관규칙 평가 지표
| 평가 지표 | 설명 | 의미 |
|---|---|---|
| 지지도 (Support) | X 와 Y 를 함께 구매한 비율 | 얼마나 자주 발생하는가 |
| 신뢰도 (Confidence) | X 를 구매한 고객이 Y 도 구매할 확률 (조건부 확률) | X 구매자가 Y 를 구매할 확률 |
| 향상도 (Lift) | X 가 구매되었을 때 Y 의 구매 확률이 증가하는 비율 | 1보다 크면 상호보완적, 1이면 독립적, 1보다 작으면 상호대체적 |
4️⃣ 추천 알고리즘 활용법
- 고객의 과거 구매 패턴 분석 → 적절한 상품 추천으로 매출 증가
- 유사 고객군(협업 필터링)을 활용한 타겟 마케팅 가능
- 특정 아이템 구매 시 관련된 상품(연관규칙)을 추천해 추가 구매 유도
Hello World