This paper proposes a recommender system to have been used in personalized recommendations to the store level. That is the SKU (Stock Keeping Unit) recommender system which can be applied to retail stores carrying identical brands by using collaborative filtering and hybrid filtering. Similarities between stores are calculated by using the purchase data of each store to decide its nearest neighbor store. Collaborative filtering is a method in which each store recommends SKU to the nearest neighbor stores amongst themselves while hybrid filtering is different from collaborative filtering by being conducted within each store cluster. Store clusters are divided by principal component analysis and clustering analysis using store profile data. Performance of the two filtering methodologies of the recommender system is measured by precision ratio using real sales data according to recommended SKU.
This study was conducted using real company sales data so that the retail company can apply the SKU recommender system to their stores. It carries significance in that the domain of recommender system usage was expanded from the individual level into retail stores carrying identical brands for the first time.
개인 별 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급, 판매하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안한다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링 및 매장 프로파일 데이터를 활용한 군집별 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정한다.
국내 유명 여성 브랜드 ‘K’ 의 실제 판매 데이터를 사용하여 유의미한 추천 정확률 결과를 얻는 과정을 기업에서 시스템으로 구축하여 활용할 수 있도록 구체적 방법론을 제시한다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에 본 연구의 의의가 있다.
