[The content of this article has been produced by our advertising partner.]
전자상거래에 있어서 중국은 상대가 되지 않습니다. Alibaba, JD.com, Pinduoduo 등 국내 온라인 소매업체가 국내외에서 경쟁하고 있는 상황에서, 시장에서 성공의 열쇠는 사용자에게 원활하고 개인화된 경험을 제공하는 데 있을 수 있습니다.
이전에 구매한 청바지와 어울리는 셔츠를 보여주는 것부터 다음 주의 식료품 목록을 예측하는 것까지 창의적인 전략은 훌륭한 쇼핑 경험을 만드는 데 매우 중요합니다. NBR(다음 바구니 추천)이라는 알고리즘으로 인해 이 추천이 더 어려워졌지만 사용자가 화면에서 원치 않는 콘텐츠를 보는 것은 흔한 일입니다.
소비자들은 물건을 낱개로 구매하는 것을 좋아하지 않지만 배송비와 시간을 절약하기 위해, 최소 구매 가격에 도달하기 위해 묶음으로 구매하거나, 습관 때문에 바구니나 장바구니에 담아두는 습관이 있기 때문입니다. 지금까지의 기존 디자인 방식은 구매 행동과 제품에 대한 사용자의 프로필 및 순차적 행동을 결합하여 제품 수준 및 장바구니 수준의 제품 선택만을 고려했습니다.
홍콩 중국대학교(CUHK) 경영대학원의 경영학 수석 강사인 Francisco Cisternas는 “종종 간과되는 중요한 요소 중 하나는 비용입니다.”라고 말합니다. “가격은 소비자의 의사결정에 있어서 가장 중요한 요소이지만, 소비자와 제품군에 따라 가격이 다르기 때문에 가격을 법률 시스템에 통합하는 것은 어렵습니다.”
라는 최근 연구에서는 비용 효율성 이론을 위한 바구니 강화 이종 하이퍼그래프Cisternas 박사와 그의 공동 저자는 BDHH(바스켓 증강 동적 이종 하이퍼그래프)라는 트리의 민감도를 통합하는 새로운 방법을 도입했습니다. “우리는 가격 민감도를 결합하고 사용자, 제품 및 장바구니 간의 연결을 확장하여 글로벌 제품에 더 잘 부합함으로써 이러한 격차를 해소하고 싶었습니다.”라고 그는 말합니다.
사용자에게 도움이 되는 팁
모델 개발 과정에서 Cisternas 박사와 같은 부서의 연구 조교 Zhou Yuening은 Dalian University of Technology의 Wang Yulin, 중국 최대 영화 티켓 프로그램의 Cui Qian Maoyan 및 Tencent of Chinese technology의 Guan Xinyu와 함께 특히 가치를 고려하여 사용자, 제품 및 장바구니의 과거 관심이 모두 연결되는 네트워크를 구축합니다.
팀은 다양한 벤치마크에서 모델을 테스트하고 이를 기존 시스템과 비교했습니다. 거의 모든 경우에 BDHH는 특히 가격 민감도가 중요한 역할을 하는 영역에서 구형 모델보다 성능이 뛰어났습니다. 즉, 누군가가 다음에 무엇을 구매할지 예측하는 데 유용할 뿐만 아니라 구매 이유를 이해하는 데에도 유용하다는 의미입니다.
실제로 기계는 사용자가 특정 유형의 치약을 세일할 때 자주 구매한다는 사실이나 특정 소비자가 가격 변동에 따라 액체 세제 브랜드를 바꾸는 경향이 있다는 사실을 이해할 수 있습니다. 심층적인 구매 패턴을 이해하는 능력은 개인의 예산과 선호도에 맞는 현명한 거래를 예측하는 데 도움이 되며 이는 사용자에게 구매 기회로 이어질 수 있습니다.
“온라인 쇼핑 플랫폼은 개인화된 경험을 제공하는 것을 목표로 하며 BDHH 모델을 통합하면 사용자 선호도를 고려하여 이를 달성하는 데 도움이 될 수 있습니다”라고 Cisternas 박사는 말합니다.
“실증적 결과에 따르면 가격 민감도를 포함하면 벤치마크 모델에 비해 예측 정확도가 향상되는 것으로 나타났으며 이는 그 가치를 보여줍니다. 그러나 향후 업데이트에서는 데이터 가용성, 확장성 및 실시간 모델 성능 유지와 같은 주요 과제를 고려해야 합니다.”
전자상거래의 장점
소비자에게 스마트 번들을 제공하는 것 외에도 BDHH의 이점은 특히 인터넷을 가장 많이 사용하는 시장과 관련하여 기업에도 확장될 수 있습니다.
예를 들어, 재고 조합에 대한 정확한 예측은 재고 관리 및 제어를 개선하여 자주 구매하는 품목을 함께 보관하고 품절 품목 및 과잉 재고를 줄이는 데 도움이 될 수 있습니다. BDHH 브랜드의 통찰력은 특정 고객 부문에 공감하는 조합에 초점을 맞춰 타겟 프로모션 및 할인에 대한 정보를 제공할 수도 있습니다.
전자상거래가 계속 발전함에 따라 고객 만족도를 높이는 강력한 판촉 전략을 통합하면 브랜드 충성도와 마케팅 프로그램이 향상될 수도 있습니다.
소비자 행동을 이해하는 데 한 걸음 더 다가가다
자체 적용 외에도 이 사이트의 결과는 소비자 심리학 및 행동 행동에 대한 추가 연구의 문을 열어줍니다. 이는 가격 고려 사항, 무결성과 같은 요소나 인플레이션이나 무역 문제와 같은 외부 요인이 미래에 어떻게 보다 역동적인 시스템에 통합될 수 있는지에 대한 의문을 제기합니다. 판매에 영향을 미치는 이러한 요소를 갖기 위해서는 기계 학습 시스템이 지속 가능한 방식으로 개발되고 실시간으로 학습되어야 한다고 Cisternas 박사는 제안합니다.
“소비자 행동은 역동적이며 기존 모델은 빠르게 사라질 수 있습니다. 온라인 학습이나 시간 기반 학습과 같은 기술은 시간이 지나도 모델의 관련성을 유지하는 데 도움이 될 수 있습니다.”라고 그는 덧붙입니다.
Cisternas 박사는 또한 이 연구가 소비자 의사 결정의 다른 측면에 대한 정보를 제공할 수 있다고 말했습니다. “여행, 예약 서비스 및 의료 부문에도 비용 효율적인 결정이 포함됩니다. 우리 시스템은 현재 추세와 선호도를 고려하여 이러한 영역에서 개인화된 아이디어와 가격 책정을 지원할 수 있습니다.”
앞으로 연구팀은 프레젠테이션 방법을 바꿀 수 있는 다른 측면을 탐구하려고 합니다. “미래를 내다보면서 우리는 생산 과정에서 광고 관심도, 브랜드 충성도 또는 단기 구매 전략과 같은 다른 측면도 살펴보고 싶습니다.”라고 그는 덧붙입니다.
프란시스코 시스터나스 박사 소개
Francisco Cisternas 박사는 CUHK 경영대학원의 경영학 선임 강사입니다. 그는 카네기멜론대학교에서 경영학(마케팅) 박사학위를 취득하고, 칠레대학교에서 산업공학 학사, 경영학 석사학위를 취득했습니다. 그의 연구는 빅데이터를 사용하여 디지털 프로세스와 물리적 프로세스 간의 상호작용을 생성하는 데 중점을 두고 있습니다. 그의 연구 관심 분야는 금융, 스포츠, 소매 산업입니다. Cisternas 박사의 작업은 PNC 금융 서비스 및 혁신 센터로부터 두 개의 연구 보조금을 받았으며 비즈니스 연구에 대한 공헌으로 Dipankar 및 Sharmila Chakravarti 펠로우십을 받았습니다.
