캡스톤디자인

1. NSEO
201401227 남궁동
201401230 박성원
201401234 신용헌
201401244 이상훈
201401254 최준호
1
(인공지능) 데이터 분석을 통한 (온라인 상품) 판매량 예측 모델

2. 목차
3 연구 배경
5 관련 연구 및 사례
10 현존하는 사업과의 차이점 -> 기존 서비스와의 차별점
12 제안 방법
26 점수측정 방식
분석결과
28 일정 & 역할분담
2

3. 4

4. 키워드/상품명/태그 이미지 검색엔진 카테고리 서비스 방식 비용
현행 SEO
업체
크롤링을 통한
키워드 발굴
전문가들의
인력을 이용하여
분석 및 추천
알고리즘에 맞추어
다양한 홈페이지 개발
카테고리 설정에 관해
선 정보가 없음
고객 상담형 고가
NSEO 가이드 라인에 의해
기준을 세우고 평가
권장규격 평가 네이버 스토어를 대상 해당 키워드의 카테고
리 적합성 판단
고객이
직접입력
저가 또는 무료
11

5. 12

6. 주택 가격 예측모델을 활용한 판매량 예측 모델 만들기
데이터 프레임을 그대로 가져와서 train set과 test set을 만들어 준다.

7. 주택 가격 예측모델을 활용한 판매량 예측 모델 만들기
모델을 만들어 준다.
여기선 평균 제곱 오차(Mean Absolute Error)를 활용하여서 모델의 정확도를 알아본다.

8. 주택 가격 예측모델을 활용한 판매량 예측 모델 만들기
K-겹 교차 검증을 이용하여 모델의 정확도를 높여준다.

9. 주택 가격 예측모델을 활용한 판매량 예측 모델 만들기
MAE 즉 평균제곱 오차의 값을 그래프로 나타내어 보기 편하게 한것이다.

10. 주택 가격 예측모델을 활용한 판매량 예측 모델 만들기
모델을 학습시켜 테스트 해 본 결과 평균 제곱 오차가 1333정도 나온것을 알 수 있다.
판매량 예측에서 1333정도의 오차가 난다고 볼 수 있다.

11. 14주차 결과물 및 결론

12. 데이터의 양 증가 및 모델적용
기존 100개정도 사용했던 데이터의 양을 460개 정도로 늘려서 모델을 돌려보았다.
오른쪽 사진은 train data와 test data로 나누고 train data의 shape을 확인한 결과이다.

13. 데이터의 양 증가 및 모델적용
기존보다 많은 양의 데이터로 다시 모델을 구동시킨 결과이다.

14. 데이터의 양 증가 및 모델적용
기존 100개의 데이터를 사용했을 때의 val MAE 값보다 (1300~3000)
460개의 데이터를 사용했을때 val MAE 값이 훨씬 낮은 것을 알 수 있다. (400~900)

15. 데이터의 양 증가 및 모델적용
최종적으로 모델에 적용했을때 MAE 값이 311이 나온것을 확인할 수 있다.
해석하면 예측을 했을때 예측값에서 311정도의 오차가 날 수 있다는 뜻이다.

16. 결론
추가적으로 코드를 모르는 사람이 봐도 이해할 수 있도록 보완하기
INPUT = 제목과 가격 입력
-> 딥러닝 모델으로 판매량 예측하기
OUTPUT = 판매량을 오차범위 311개 내로 예측 (입력하는 품목에 따라 다를수 있음)

17. 13주차 (딥러닝)

18. 입력 데이터
▶ 기존 데이터에
텍스트 정보 추가
▶입력 변수
: 랭킹, 제품명, 가격, 리뷰
▶ 출력 변수
: 구매횟수

19. 딥러닝 학습 코드
▶ 전체 데이터 中 10%를 Test셋으로 사용
▶ Train셋 中 20%를 검증셋으로 사용함
▶ 데이터중 랜덤으로 훈련셋과 검증셋을 분리함

20. 학습 결과

21. 학습 결과

23. -데이터 분석
4 .텍스트 전처리
정제 AND 정규화
· 정제(cleaning) : 갖고 있는 코퍼스로부터 노이
즈 데이터를 제거한다.
· 정규화(normalization) : 표현 방법이 다른 단
어들을 통합시켜서 같은 단어로 만들어준다.
어간 추출 AND 표제어 추출
표제어 추출(lemmazation): 표제어 추출은 단어들
이 다른 형태를 가지더라도, 그 뿌리 단어를 찾아가
서 단어의 개수를 줄일 수 있는지 판단
제품명 추천을 위한 상위 7개 업체에 대한 데이터 수집

24. -데이터 분석
4 .텍스트 전처리(불용어 사전 예시)
제품명 추천을 위한 상위 7개 업체에 대한 데이터 수집

25. -카테고리
총 4692개의 카테고리/분류 DB
이 DB를 이용하여 우리 프로그램에 고객이
상품등록을 하고자 할 때,
상품에 관련한 키워드만 입력해 주면
네이버 쇼핑사이트에 상위 랭크된 상품
카테고리/분류 정보를 얻어 올 수 있음
제품명 추천을 위한 상위 7개 업체에 대한 데이터 수집

26. -카테고리
검색 키워드: 아이스 잔
카테고리 DB코드
제품명 추천을 위한 상위 7개 업체에 대한 데이터 수집

27. 10주 일정계획
W1 W2 W3 W4 W5 W6 W7 W8 W9 W10
기획
관련사례 조사
데이터 수집
필요기술 조사
프로그램 설계
개발
프로그램 개발
서버 구축
최종 테스트
수정 피드백 수정
28