The recommender system has become an essential element in solving the information overload due to the rapid increase of online information. As its usefulness in industries such as sales increase and user experience improvement due to the recommender system was verified, it continued to be developed through various methodology studies. On the other hand, there is a limitation with the existing recommender methods that it is difficult to reflect the product correlation that may occur between different platforms. In this study, using deep learning-based object detection technology, we proposed a method to extract information from interior images on social platforms to derive new business insights and to reflect them in the recommender system. The correlation between products of different platforms was identified from visual data, which is gaining weight in online, and insights were derived on products that consumers are actually using together. It was also shown that it is possible to induce cross-selling between products of different categories such as furniture, plants, and home appliances.
추천 시스템은 온라인 상의 정보가 급증함에 따른 정보 과잉 문제를 해결하는 데에 필수적인 요소가 되었다. 추천 시스템을 도입함으로 인한 매출 증대와 유저 경험 향상 등 산업에서의 그 유용성이 검증됨에 따라, 추천시스템은 그 방법론에 대한 다양한 연구로 발전을 거듭했다. 한편, 서로 다른 플랫폼 간에 발생할 수 있는 상품 연관성을 반영하는데 한계가 있다는 기존 추천시스템의 문제가 있었다. 본 연구에서는 딥러닝 기반의 객체 탐지 기술을 이용하여 소셜 플랫폼 상의 인테리어 이미지 속 가구 정보를 추출해 새로운 비즈니스 인사이트를 도출하고 추천 시스템에 반영하는 방안을 제시하였다. 이를 통해 온라인 상에서 비중이 커지고 있는 비주얼 데이터로부터 이종 플랫폼의 제품 간 상관관계를 파악하여 소비자들이 실제로 함께 이용하고 있는 제품들에 관한 인사이트를 도출하였다. 또한, 가구와 식물, 가전제품 등 서로 다른 카테고리의 제품 간의 크로스셀링도 유도가 가능함을 보였다.
