B2B 유통 분야 상품 추천 시스템 연구

초록

추천 시스템은 사용자에게 개인화된 상품을 제공함으로써 선택의 편의성을 향상시키는 정보 필터링 도구이다. B2C 분야에서는 추천 시스템 연구가 활발히 진행되었으나, B2B 분야에서는 상대적으로 복잡한 거래 환경과 데이터 확보의 어려움 등으로 인해 연구가 부족한 상황이다. 본 연구에서는 중소유통공동도매물류센터의 거래 데이터를 활용하여 B2B 유통 분야에서 추천 시스템의 적용 가능성을 확인하였다. 추천 시스템은 협업 필터링을 중심으로 구축하였으며, 유사도 기반, 완전 특이값 분해, 절단된 특이값 분해 방법을 적용하였다. 또한, 소매점별 거래 특성을 반영하기 위해 소매점을 군집화한 경우와 전체 소매점을 대상으로 한 경우를 비교하여 추천 시스템의 성능 차이를 분석하였다. 나아가, 협업 필터링과 콘텐츠 기반 필터링을 결합한 하이브리드 추천 시스템을 구축하여 추천 성능 개선 가능성을 검토하였다. 분석 결과, 상품 추천의 정확도는 절단된 특이값 분해 기반 방법이 가장 높았으며, 상품 수량 추천의 정확도는 유사도 기반 방법이 상대적으로 높은 것으로 나타났다. 또한, 하이브리드 추천 시스템이 추천 성능을 향상시킬 수 있음을 확인하였으며, 소매점 군집화를 적용했을 때는 수량 추천의 정확도가 증가하였으나, 추천되는 상품의 다양성이 감소하는 경향을 보였다. 이를 통해 B2B 유통 환경에서도 상품 추천 시스템이 효과적으로 활용될 수 있음을 실증적으로 확인하였다.

키워드