earticle

영어

Based on the user-based and item-based recommendation algorithm theory, this study examined the factors that determine the prediction accuracy from the point of view of product attributes, not the system level of the algorithm. The main value that can be delivered from the product to consumers is divided into experiential value and functional value. Movies and beauty products, automobiles and electronic products are selected as representative products for each values. As samples for an empirical analysis, Movie Lens 100k data and Amazon product data were employed. In order to solve the problem of a lazy large-scale data processing, the original data were reduced to about 20,000 each. RMSE(Root Mean Square Error) was used as a standard for comparing the predictive performance of the individual recommendation algorithms. As a result of the analysis, for products with important experiential values such as movies and beauty products, the RMSE value of the item-based recommendation algorithmwas higher than the RMSE value of the user-based recommendation algorithm, confirming the relative superiority of the user-based recommendation algorithm(Hypothesis 1 supported). On the other hand, for products with important functional values, such as automobiles and electronic products, the RMSE value of the item-based recommendation algorithm was lower than the RMSE value of the user-based recommendation algorithm, indicating that the item-based recommendation algorithm had relatively good predictive performance(hypothesis 2 supported). Themain findings in this studymake it clear that the predictive performance of the recommendation algorithm depends on the product attributes, unlike the absolute technical excellence of the individual recommendation algorithmshown in previous studies. Therefore, a company should seek to establish amarketing strategy and brand identity by using a recommendation algorithmsuitable for product attributes.

한국어

본 연구는 사용자 기반-, 아이템 기반 추천 알고리즘 이론을 바탕으로 예측 정확도를 결정하는 요인을 알고리즘의 시스템 차원이 아니라 제품 속성 관점에서 고찰하였다. 제품이 소비자에게 전달하고자 하는 주요 가치를 경험적 가치와 기능적 가치로 양분하고 각각을 대표하는 상품으로 영화와 뷰티 상품, 자동차와 전자제품을 채택하였다. 실증 분석을 위한 표본은 Movie Lens 100k 데이터와 아마존 상품 데이터를 사용하였다. 대규 모 용량 처리 문제를 해결하기 위해 원본 데이터를 각각 약 2만개로 축소하여 처리하였으며, 추천 알고리즘의 예측력 비교를 위한 기준으로 평균 제곱근오차(RMSE: RootMean Square Error)를 사용하였다. 분석 결과, 영화와 뷰티 상품과 같이 경험적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE값이 사용자 기반 추천 알고리즘의 RMSE 값보다 높은 것으로 나타나 사용자 기반 추천 알고리즘의 상대적 우수성을 확인 하였다(가설 1 지지). 반면 자동차와 전자제품과 같이 기능적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추 천 알고리즘의 RMSE 값보다 낮아 아이템 기반 추천 알고리즘의 예측력이 상대적으로 우수한 것으로 나타났다(가설 2지지). 이 연구에서 발견된 사실은 기존 선행연구에서 보여준 개별 추천 알고리즘의 기술적 우수성의 절대성과 달리 추천 알고리즘의 예측력은 제품 속성에 따라 달라진다는 사실을 알게 해준다. 따라서 기업은 제품 속성에 맞는 추천 알고리즘을 사용하여 마케팅 전략과 브랜드 아이덴터티 수립을 모색해야 한다.