As Internet spreads widely and 'mass customization' becomes one of the major issues in the business areas, many people have interest in 'e-CRM' recently. Especially, recommender systems, one of e-CRM applications, are the most popular tools which are used by many Internet companies to improve their customers' satisfaction. Among various approaches for the recommender systems, collaborative filtering (CF) and content-based (CB) approaches has been researched and applied widely.
However, despite their popularity, traditional recommendation approaches have some limitations, which are critical shortcomings especially for the small-to-mid size internet shopping malls. First of all, traditional approaches require at least one purchase transaction per user. However, according to Korea Ministry of Information and Communication, less than 10% of total customers have purchased products at the most Korean Internet shopping malls on average. So, traditional approaches can not make recommendation to more than 90% of total customers of Internet shopping malls in Korea. Secondly, traditional approaches do not utilize much information such as demographic and specific personal profile information. Generally, traditional algorithms only focus on customers' purchase history, so much useful information which can be effectively used for recommendation is ignored. Thirdly, traditional approaches can not reflect the seller's purpose. That is, in the traditional approaches, the results of recommendation frequently conflict with the company's management strategy.
To overcome these limitations, this paper suggests new hybrid recommendation model using various data mining techniques whose purpose is to make 'broad recommendation'. The model consists of two modules and coordination agent. The first module is the recommendation module based on 'item-to-item association rule'. This module generates recommendation results using visitor's previous purchase history. The second module makes recommendation using 'classification model based on purchase prediction'. This module contains classification scheme which is the result of purchase prediction modeling for each product group. And the results of all modules are coordinated by 'coordination agent' and the coordination agent shows the result to the visitor.
To validate the usefulness of the model, the model was applied to the real case, G online dietary shopping mall in Korea. Using purchase history and demographic information including specific personal profile, we applied various data mining techniques such as association rule, LOGIT, artificial neural network and decision tree. And, finally, association rule and decision tree were chosen to build up recommendation modules.
After building up the recommendation model for G dietary shopping mall, the prototype web site was developed and we assessed the utility of the suggested recommendation model by online survey. The result of the survey showed that the information of the recommendation was generally useful to the survey participants.
오늘날 인터넷이 확산되어감에 따라, e-CRM에 대한 관심이 증대되고 있다. 그 중에서도 특히 `추천 시스템` 분야는 e-CRM의 여러 응용분야 중에서도 실무적으로 그리고 학문적으로 가장 활발하게 연구되고 있는 분야로 자리매김하고 있다. 추천을 위한 여러가지 방법들 중에서, 지금까지 주류를 이뤄온 방법들은 협동 필터링 (Collaborative Filtering) 기법과 내용 기반 (Content-Based) 접근법을 들 수 있다. 그러나 이러한 기존 방법들은 몇 가지 태생적인 한계점을 갖고 있는데, 우선 이 두 기법들은 사용자가 최소한 1건 이상의 거래가 있어야만 추천이 가능하고, 인구통계적인 정보나 기타 웹 사이트가 확보할 수 있는 다양한 부가정보를 추천에 활용하지 못하는 단점이 있다. 또한 이러한 접근법들은 추천 결과에 판매자의 의도를 전혀 반영할 수 없는 한계점이 있었다.
이에 본 연구에서는 이러한 한계점을 극복할 수 있는 새로운 변형 추천 모델을 제시하고 있다. 이 새로운 추천 모델은 2가지 데이터 마이닝 기법 (연관 관계 기법과 분류 기법)과 조정 에이전트라는 개념을 함께 도입하고 있는데, 이를 통해 빠르면서도 고객의 구매 이력이 많지 않은 중소형 인터넷 쇼핑몰에 효과적으로 적용될 수 있는 추천 시스템의 모델과 시스템 구조 체계를 제안하고 있다.
연구 모델의 유용성을 검증하기 위해, 연구 모델은 실제 사례에 적용되어 프로토타입으로 개발되었으며, 이어 프로토타입의 유용성을 실제 사용자들로부터 설문을 통해 조사해 본 결과, 본 추천 시스템을 통한 정보가 사용자들에게 매우 유용하게 인지되는 것으로 조사되었다.
