1. Amazon.com 사례를 통해 분석하는 협업필터링
황인재

2. 추천시스템?
개인화(Personalization)
맞춤화(Customization)
Mass Customization

3. 사용자 기반 협업필터링
협업 필터링
아이템 기반 협업필터링
추천 시스템 내용기반 필터링
규칙기반 필터링

4. 사용자 기반 협업필터링
A
추천

5. 최근접이웃 선정
A

6. 아이템 기반 협업필터링
(고객이 과거에 구매한)
기존 상품들과 추천하고자 하는 상품들 간의 유사성을 고려

7. 협업필터링 특성
사용자 기반 협업필터링
아이템 기반 협업필터링

8. 아이템 기반 협업필터링
More items to Consider
- 지난 방문 때 알아보던 제품들
Related to items You’ve Viewed
- 위의 제품과 관련 있는 제품들
Inspired By Your Shoping Trends
- 쇼핑 패턴을 바탕으로 한 추천제품들
Customer Who Bought This item Also Bought
- 이 제품을 사려던 사람이 구입한 제품들
사용자기반 협업필터링

9. eBiz?
자신이 선호하는
제품을 추천 받을 경우
구매가능성 증가

10. 아마존 책 판매의 절반 이상이 상위 130.000권 밖에서 일어난다
The Long Tail
롱테일을 통한 신수익 창출

11. 3,000,000 종
전 세계 출판물의 차지
80%
방대한 데이터베이스로 인해 길을 잃을 수 있는 사용자에게
그들에게 적합한 제품을 추천해 줌으로서
추가구매 유도는 물론 개인의 만족도를 높여준다

13. 구매가능성 증가
신수익 창출
개인의 만족도 증진
一打三得
“온라인 상거래 사업자가 추천시스템을 도입하면 그 이후
매출이 비약적으로 증대되고 판매 품목의 다양성을 확보할 수 있
다”
(Daniel Fleder, Pei-Uu Chen의 실증연구 “Management Science”, 2009)

14. COMPETITOR

15. 경쟁자
: 온라인 서점
동종 업체들의 추천시스템 도입
= 모방가능성

16. 경쟁자
: 오프라인의 반격
.Signs
상품정보추천
할인쿠폰 제공
*카메라를 통한 인식
키오스크, 스마트폰, 카메라를 활용한 서비스 제공
= PC기반 정보수집의 한계

17. 협업 필터링의 한계점
• 장점 : DB가 많으면 예측력이 높다
• 단점 : 초기 평가자 문제 (First-Rater Problem)
콜드 스타트 문제(Cold-Start Problem)
취향의 변화를 감지하기 어렵다

18. Benefit
개인화된 정보 제공 :
고객이 필요로 하는 정보 제공
정보 찾는 시간, 노력 절약
매년
30%의
매출증대효과
(MGI)
고객의 만족과 수익창출 :
타 기업과의 차별화
고객 충성도 상승

19. 기술의 선두주자
기술의 믹스 – 복잡성
고유한 역사적 상황, 인과적 모호성
많은 양의 DB를 수집, 분류하는 능력
경쟁 우위를 창출하는 자원이나 능력들이 개인이나 집단, 그리고 기술적으로 복
잡한 네트워크를 이루고 있어 모방하기란 어렵다

20. Market Share의 선두주자
(DataQuest, 2001)
Rank Name %
1 Amazon.com 58.2
2 Yahoo.com 3.5
3 Ebay.com 3.1
4 Strawberrynet.com 2.7
5 Cdnow.com 1.4

21. Conclusion

22. 기술의 미래
: FIT, CONTEXT
풍부한 기초 데이터와 우수한 추천 알고리즘
센서 DATA : GPS, Camera 등
사회적 DATA : 가치관, 라이프스타일 등

23. 기술의 미래
: FIT, CONTEXT
추천 상황의 확대
기반 기술의 진화 : 증강현실, QR코드
Ex) 마이너리티 리포트

25. 결론
• 협업필터링을 비롯한 추천시스템은 앞으로도 계
속 진화할 것이다
• DB 요소 역시 늘어나고 있다
• 이것을 적절히 배합하여 의미 있는 정보를 도출해
낼 수 있어야 한다
• 패턴 찾기가 아닌, 물건을 사는 소비자의 마음을
이해해야 한다
• 보안의 강조 : 고객-기업간의 신뢰관계 위해

26. REFEREN
CE
[1] 신종민, 이상현, 이혜인 “아마존닷컴의 성공사례 및 성장전략”, 2005, 5~6쪽
[2] 심슨 가핀켈, “데이터베이스 제국” 한빛미디어, 2001, 397-398쪽
[3] 안신현, “Issues of Contents Recommendation Systems” 2009, 11-18쪽
[4] 유미정, “새로운 소비자그룹 트윈수머가 뜬다”, MBC ADCOM, 2005, 47쪽
[5] 이은세 “EICG on Strategy, 혁신이란” 2011.4
[6] 이희정, 홍태호 “클러스터링 기반 사례기반추론을 이용한 추천시스템 개발” 2004
[7] 지원철 “상품 추천시스템” 5~14쪽
[8] Amazon Web Services Blog (http://aws.typepad.com/)
[9] BusinessWeek "How Amazon Opens Up and Cleans Up" 2003
[10] Chris Anderson “The Long Tail Wired” 2004
[11] Google Finance “Amazon.com”
[12] MIT Technology Review "Amazon: Giving Away the Store" 2005
[13] MT 권성희 “’데이터 자산’이 기업 브랜드보다 더 중요해진다” 2011.5.30
[14] Naver Blog “멋진신세계, labortainment” 2010
[15] Naver Blog “세상을 바꿀 수 있는 단 하나의 진실” 온라인 마케팅 2007
[16] Rebecca Saunders “Business the amazon.com Way” 2000
[17] Volume 55, Number 5 “Management Science” May 2009
[18] Wikipedia “아마존닷컴”, “개인 정보 문제” http://ko.wikipedia.org/wiki/아마존_닷_컴 2011
[19] ZD Net 이재구 “오프라인이 아마존과 경쟁한다” 2010.1.13

27. 감사합니다