Recommendation technique for comparative sizing based on user feedback in online clothing product purchases

Abstract

전자상거래의 확산에 따라 제품과 서비스에 대한 대용량 데이터를 바탕으로 한 추천 시스템은 온라인 쇼핑몰에서 활발하게 활용되고 있다. 상품 추천 시스템의 추천 엔진의 정확도와 성능을 높이기 위해 고객들의 선호도와 성향, 그리고 구매 기록 등을 통해 더욱 개인화된 엔진을 개발하기 위한 노력들이 학계와 업계에서 지속적으로 이루어지고 있다. 온라인에서 구매되는 다양한 제품 중에서도, 의류 제품들은 체험적 상품 속성이 높아 고객들의 제품 리뷰 정보를 이용한 추천 방식이 일반적으로 많이 쓰인다. 의류 제품 중에서도 브래지어 (braissiere)는 특히 대부분의 여성들이 일상적으로 착용하는 제품인데, 자신의 신체에 적합한 치수를 착용하는 것이 중요하다. 선행 연구의 결과들을 바탕으로, 예비 연구를 통해 각 브랜드마다 실제 치수와 표기 치수가 다소 차이가 있음을 확인할 수 있었다. 더욱이 나라마다 사이즈 규격이 다르기 때문에, 수입 브랜드의 경우 사이즈에 따른 소비자의 불만과 불편이 더욱 증폭되고 있다. 이에 본 연구에서는 온라인 쇼핑몰에서 고객들의 사이즈에 대한 피드백을 바탕으로 의류 제품을 추천해주는 방식을 제시한다. 온라인 브래지어 중고장터이자 커뮤니티 웹사이트에서 고객들의 제품 착용감에 대한 피드백과 구매 기록을 수집하여 120명의 고객 데이터와 6,812 개의 제품 데이터를 연구에 활용하였다. 협업 필터링 (collaborative filtering) 기법을 이용하여 제품과 고객 간의 유사성을 측정하였다. 추천 엔진의 성능을 높이기 위해 유사성을 측정하기 위한 세 가지 척도―유클리드 거리, 가중 유클리드 거리, 피어슨 상관계수―를 비교하였다. 먼저 고객에게 추천하는 제품의 개수가 추천 엔진의 성능에 미치는 영향을 보았을 때, 13개의 제품을 추천할 때 가장 성능이 높았음을 확인할 수 있었다. 두 번째로, 유사성을 측정 척도들을 비교했을 때, 가중 유클리드 거리를 이용한 추천 방식이 성능이 가장 높다는 결과를 얻을 수 있었다. 본 연구에서는 상업적으로 표기된 치수가 아닌 실측 사이즈 데이터를 바탕으로 추천을 함으로써 의류 제품을 추천할 때 사이즈 기반의 추천 알고리즘이 사용자들의 만족도를 더 높인다는 것을 확인하였다.