경영정보학연구 (Information Systems Review)

  • 제26권4호
  • /
  • Pages.45-61
  • /
  • 2024
  • /
  • 2982-6551(pISSN)
  • /
  • 2982-6837(eISSN)
한국경영정보학회 (The Korea Society of Management Information Systems)
권호 표지
DOI QR코드

DOI QR Code

큐레이션 시스템의 차별성 및 다양성과 소비자 만족도 사이의 관계에 대한 연구

An Exploration of the Relationship between the Difference and Diversity of Curation Systems and Customer Satisfaction

  • Wonki Moon (Kore University Business School, Korea University) ;
  • Byungwan Koh (Kore University Business School, Korea University)
  • 투고 : 2024.04.26
  • 심사 : 2024.10.09
  • 발행 : 2024.11.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

추천시스템은 소비자가 선호할 것으로 예상되는 제품을 선별하여 추천해줌으로써, 소비자가 원하는 제품을 보다 용이하게 찾을 수 있도록 도와주는 시스템을 말한다. 이커머스 기업들은 이러한 추천시스템을 활용하여 추가적인 수익을 창출하는 것으로 알려져 있다. 그러나, 한편으로는 소비자가 선호할 것으로 예상되는 제품을 얼마나 정확하게 예측하는가에 초점이 맞추어진 추천시스템은 지속적으로 유사한 유형의 제품만을 추천하게 되고, 이로 인해 소비자들은 추천시스템의 추천에 피로감을 느끼게 된다는 문제점이 지적되어 왔다. 이러한 문제점을 해결하기 위한 하나의 대안으로 추천시스템의 추천에 큐레이터의 추천을 추가하는 큐레이션 시스템이 제안되었다. 큐레이션 시스템의 추천은 반드시 소비자가 선호할 것으로 예상되는 제품만 추천에 포함하지 않는다는 점에서 전통적인 추천시스템과 차이를 가진다. 본 논문은 이와 같이 소비자의 선호와는 다를 수 있는 제품을 함께 추천하는 큐레이션 시스템의 추천에 대한 소비자의 만족도를 분석한다.

Recommendation systems help customers easily find the products that they want by recommending products that they are likely to buy. It is known that e-commerce firms create additional sales through such recommendation systems. However, it is argued that because recommendation systems simply focus on accurately predicting products that customers are likely to buy, it continues to recommend the same products and customers get bored with the recommended products. As an alternative to overcome this shortcoming of recommendation systems, curation systems are proposed. Curation systems recommend products that curators recommend in addition to what recommendation systems recommend. Thus, products that are recommended by curation systems are not necessarily those that customers want or are likely to buy. This study explores customer satisfaction with the recommendations of curation systems that include products that may be different from what customers want or are likely to buy.

키워드

과제정보

이 연구는 고려대학교 경영대학 연구비를 지원받아 수행되었음.

참고문헌

  1. 권유진, 최민석, 조윤호, "부가 정보를 활용한 비전 트랜스포머 기반의 추천시스템", 지능정보연구, 제28권, 제3호, 2022, pp. 119-137.
  2. 권장욱, "맞춤형 추천시스템에서의 세렌디피티 효과에 관한 실증 연구", 관광레저연구, 제33권, 제1호, 2021, pp. 357-376.
  3. 김서영, 김은혜, 이진화, "패션 큐레이션의 서비스 품질이 사용자 만족, 신뢰, 지속사용의도에 미치는 영향", 한국의류산업학회지, 제22권, 제6호, 2020, pp. 762-776.
  4. 김지현, 이흠철, 장동수, 김재경, "온라인 리뷰의 다차원 감정을 활용한 딥러닝 기반 추천 시스템 연구", 한국경영과학회지, 제49권, 제1호, 2024, pp. 1-17.
  5. 김하연, 패션제품 개인화 서비스가 소비자의 행복감에 미치는 영향: 커스터마이제이션과 큐레이션을 중심으로 (박사학위논문), 서울대학교, 2018.
  6. 나혜연, 남기환, "사용자 선호도 변화에 따른 추천시스템의 다양성 적용", 지능정보연구, 제26권, 제4호, 2020, pp. 67-86. https://doi.org/10.13088/JIIS.2020.26.4.067
  7. 노란, 큐레이션 커머스 이용에 관한 연구: 소비자특성과 서비스속성을 중심으로 (석사학위논문), 고려대학교, 2016.
  8. 박호연, 김경재, "BERT 기반 감성분석을 이용한 추천시스템", 지능정보연구, 제27권, 제2호, 2021, pp. 1-15.
  9. 서봉원, "콘텐츠 추천 알고리즘의 진화", 방송 트렌드 & 인사이트, 제5호, 2016, pp. 19-24.
  10. 손지은, 김성범, 김현중, 조성준, "추천 시스템 기법 연구동향 분석", Journal of the Korean Institute of Industrial Engineers, 제41권, 제2호, 2015, pp. 185-208. https://doi.org/10.7232/JKIIE.2015.41.2.185
  11. 유석종, "협업필터링 기반 추천 시스템에서 항목 다양성 개선 기법", 한국정보기술학회논문지, 제14권, 제8호, 2016, pp. 89-94.
  12. 유소은, 홍일유, 김태하, 차훈상, "큐레이션 쇼핑이 온라인 구매행동에 미치는 영향", Entrue Journal of Information Technology, 제15권, 제1호, 2016, pp. 123-134. https://doi.org/10.3923/itj.2016.123.129
  13. 이동원, "카테고리 연관 규칙 마이닝을 활용한 추천 정확도 향상 기법", 지능정보연구, 제26권, 제2호, 2020, pp. 27-42.
  14. 이승우, 강경모, 이병현, 이청용, 김재경, "사용자의 정성적 선호도와 정량적 선호도를 고려하는 추천 시스템 성능 향상에 관한 연구", 경영과학, 제39권, 제1호, 2022, pp. 15-27.
  15. 이윤재, "온라인 동영상 플랫폼에서의 추천품질이 추천시스템 만족과 충성도에 미치는 영향 연구", 마케팅논집, 제28권, 제4호, 2020, pp. 1-18.
  16. 이청용, 최일영, 김재경, "기대불일치 이론을 이용한 심층 신경망 기반 추천시스템의 정확도, 다양성 및 고객 만족도 평가", 2019년 경영정보관련 추계학술대회, 2019, pp. 501-509.
  17. 장동수, 이청용, 김재경, "딥러닝 기반 온라인 리뷰의 언어학적 특성을 활용한 추천 시스템 성능 향상에 관한 연구", 지능정보연구, 제29권, 제1호, 2023, pp. 41-63. https://doi.org/10.13088/JIIS.2023.29.1.041
  18. 정다은, "AI가 골라준 콘텐츠, 2% 부족해…'인간큐레이션' 다시 뜬다", 서울경제, 2021, Available at https://www.sedaily.com/NewsView/22RCYSY0ZU.
  19. 최재호, 상균영, 문현실, 최일영, 김재경, "스마트 전시환경에서 부스 추천시스템의 사용자 의도에 관한 조사연구", 지능정보연구, 제18권, 제3호, 2012, pp. 153-169. https://doi.org/10.13088/JIIS.2012.18.3.153
  20. 최창문, 양해술, "전자상거래의 큐레이션 특성이 소비자 구매의도에 미치는 영향: 만족도의 매개 효과를 중심으로", Journal of Digital Convergence, 제14권, 제5호, 2016, pp. 185-195.
  21. 최환석, 팽전, 이우섭, "머신러닝 기반 음식점 추천시스템 설계 및 구현", 디지털콘텐츠학회논문지, 제21권, 제2호, 2020, pp. 259-268.
  22. 한은수, 연명흠, "음악 큐레이션 서비스 활성 화를 위한 주요 사용 상황별 사용자 경험 분석", 한국디자인포럼, 제27호, 2022, pp. 71-82. https://doi.org/10.21326/KSDT.2022.27.4.007
  23. 홍태호, 홍준우, 김은미, 김민수, "영화 리뷰의 상품 속성과 고객 속성을 통합한 지능형 추천시스템", 지능정보연구, 제28권, 제2호, 2022, pp. 1-18.
  24. Chen, L., Y. Yang, N. Wang, K. Yang, and Q. Yuan, "How serendipity improves user satisfaction with recommendations? A large-scale user evaluation", In the Proceedings of The World Wide Web Conference, 2019, pp. 240-250.
  25. Ekstrand, M. D., F. M. Harper, M. C. Willemsen, and J. A. Konstan, "User perception of differences in recommender algorithms", In the Proceedings of the 8th ACM Conference on Recommender Systems, 2014, pp. 161-168.
  26. Ferwerda, B., M. Graus, A. Vall, M. Tkalcic, and M. Schedl, "The influence of users' personality traits on satisfaction and attractiveness of diversified recommendation lists", In the Proceedings of the 4th Workshop on Emotions and Personality in Personalized Systems co-located with ACM Conference on Recommender Systems (RecSys 2016), 1680, 2016, pp. 43-47.
  27. Gu, P., H. Hu, D. Wang, D. Yu, and G. Xu, "Temporal diversity-aware micro-video recommendation with long- and short-term interests modeling", Neural Processing Letters, Vol.56, No.3, 2024, p. 194.
  28. Kim, H. and J. Lee, "A study on the factors affecting user trust and satisfaction: Focusing on the online fashion curation services", Asia Pacific Journal of Information Systems, Vol.33, No.4, 2023, pp. 1156-1170. https://doi.org/10.14329/apjis.2023.33.4.1156
  29. Kotkov, D., S. Wang, and J. Veijalainen, "A survey of serendipity in recommender systems", Knowledge-Based Systems, Vol.111, No.1, 2016, pp. 180-192. https://doi.org/10.1016/j.knosys.2016.08.014
  30. Liang, T., H. Lai, and Y. Ku, "Personalized content recommendation and user satisfaction: Theoretical synthesis and empirical findings", Journal of Management Information Systems, Vol.23, No.3, 2006, pp. 45-70. https://doi.org/10.2753/MIS0742-1222230303
  31. McNee, S. M., J. Riedl, and J. A. Konstan, "Accurate is not always good: How accuracy metrics have hurt recommender systems", In the Proceedings of the ACM Conference on Human Factors in Computing Systems, 2006, pp. 1103-1108.
  32. Peng, K., M. Raghavan, E. Pierson, J. Kleinberg, and N. Garg, "Reconciling the Accuracy-Diversity Trade-off in Recommendations", In the Proceedings of the ACM on Web Conference, 2024, pp. 1318-1329.
  33. Sarwar, B., G. Karypis, J. Konstan, and J. Riedl, "Analysis of recommendation algorithms for e-commerce", In the Proceedings of the 2nd ACM Conference on Electronic Commerce, 2000.
  34. Schafer, J. B., J. A. Konstan, and J. Riedl, "E-Commerce recommendation applications", Data Mining and Knowledge Discovery, Vol.5, 2001, pp. 115-153. https://doi.org/10.1023/A:1009804230409