컴퓨터 살 때, 오디오 살 때 달라지는 마음까지 읽는 AI
TV 홈쇼핑이나 인터넷을 이용해 물건을 구입할 때 같은 전자제품이라도 컴퓨터 살 때, 오디오를 살 때, 생활가전을 살 때 모두 기준이 달라진다. 컴퓨터를 살 때는 비싸고 평점이 좋은 제품을 고르면서도 오디오나 생활가전은 저렴하고 인기 있는 제품을 고르는 식으로 한 사람의 구매 스타일은 제품에 따라 달라진다. 기존 상품 추천 기술은 이런 차이를 제대로 반영하지 못한다는 단점이 있다.
울산과학기술원(UNIST) 인공지능대학원 연구팀은 세부 상품군에 따라 달라지는 소비자의 구매 성향을 제대로 분석해 추천에 반영할 수 있는 교차 도메인 추천 인공지능(AI) 기술인 ‘멀티탭’을 개발했다고 6일 밝혔다. 이 기술은 오는 9일부터 제주도에서 열리는 데이터마이닝 분야 국제 학술대회 ‘ACM KDD’에서 발표된다.
멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하고 다른 상품 분야 정보는 현재 추천과 관련 있는 만큼 반영하는 교차 도메인 추천 기술로 기존 기술 대비 소비자의 세부 취향을 더 정확하게 반영할 수 있다. 교차 도메인 추천 기술은 한 소비자가 자주 구매해 기록이 충분히 쌓인 상품 분야에서 얻은 정보를 기록이 부족한 다른 상품 분야 추천에 활용하는 기술이다. 전자제품은 자주 구매하지만 생활용품을 구매하지 않은 사람에게 전자제품 구매 기록을 근거로 생활용품을 추천하는 방식이다.
멀티탭은 구매 이력과 상품 정보를 분석해 사용자가 가격, 평점, 리뷰 수를 제품 구매 시 얼마나 따지는지와 이용 빈도, 동일 상품 분야에서 얼마나 다양한 세부 상품군을 구매했는지를 3단계로 나눈 다음 대형언어모델(LLM)이 상품군별 차이가 드러나는 문장으로 정리한다. 이 문장을 숫자 정보로 바꿔 기존 추천 알고리즘인 라이트GCN이 학습한 구매 행동 정보와 결합한 뒤 상품을 추천하는 것이다. LLM을 사용하면 높음, 중간, 낮음이라는 3단계 수치만 나열할 때보다 어느 상품군에서 어떤 성향이 나타났는지까지 추천 모델이 구분해 학습할 수 있다. 또 추천 상품 분야를 기준으로 다른 분야 정보가 얼마나 관련 있는지 계산해 반영 정도를 조절할 수도 있다.
연구팀은 아마존의 전자제품, 홈·생활용품, 스포츠용품, 의류, 가구, 장난감 구매 기록을 이용해 성능을 검증한 결과 6개의 교차 추천 과제 중 5개에서 기존 기술보다 높은 성능을 보였다. 실제 구매 상품을 상위 5개 추천 목록에 포함한 비율은 기존 최고 수준의 기술보다 최대 36.3% 높았다.
연구를 이끈 이연창 교수는 “소비자의 취향은 상황과 세부 상품군에 따라 달라지는 만큼 멀티탭 기술은 구매 성향을 여러 페르소나로 나눠 추천에 반영하는 방식”이라며 “구매 기록이 적은 상품 분야에서도 실제 취향에 가까운 상품을 추천해 온라인 쇼핑몰의 개인 맞춤형 추천을 고도화할 수 있을 것”이라고 말했다.