같은 전자제품군이라도 컴퓨터를 살 때와 홈 오디오를 살 때 소비 성향이 달라질 수 있는데, 이러한 세부 상품군별 취향 차이를 읽어 추천에 반영할 수 있는 인공지능 기술이 나왔다.

UNIST 인공지능대학원 이연창 교수팀은 세부 상품군에 따라 달라지는 소비자의 구매 성향을 제대로 읽어낼 수 있는 ‘교차 도메인 추천 기술’인 ‘멀티탭(Multi-TAP)’을 개발했다고 6일 밝혔다.

교차 도메인 추천 기술은 한 사용자가 자주 구매해 기록이 충분히 쌓인 상품 분야에서 얻은 정보를, 그 사용자에게 기록이 부족한 다른 상품 분야의 추천에 활용하는 기술이다. A라는 사람이 전자제품은 자주 샀지만 홈·생활용품은 거의 사지 않았다면, 전자제품 구매 기록을 바탕으로 홈·생활용품을 추천하는 식이다.

멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하며, 다른 상품 분야의 정보는 현재 추천과 관련 있는 만큼만 반영하는 교차 도메인 추천 기술이다. 덕분에 기존 기술 대비 소비자의 세부 취향을 더 정확하게 반영할 수 있다.

기존 기술은 사용자가 컴퓨터를 살 때는 비싸고 평점이 좋은 제품을 고르면서도 홈 오디오를 살 때는 저렴하고 인기 있는 제품을 고를 수 있는데, 이러한 차이를 제대로 반영하지 못했다.

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 뒤, 이를 대형언어모델(LLM)이 상품군별 차이가 드러나는 문장으로 정리하게 한다. 이 문장을 숫자 정보로 바꿔 기존 추천 알고리즘인 라이트GCN (LightGCN)이 학습한 구매 행동 정보와 결합한 뒤 상품을 추천하게 된다. 

LLM을 쓰면 높음·중간·낮음이라는 3단계 수치만 나열할 때보다 어느 상품군에서 어떤 성향이 나타났는지까지 추천 모델이 구분해 학습할 수 있다.

또 추천하려는 상품 분야를 기준으로 다른 분야의 정보가 얼마나 관련 있는지 계산해, 그 반영 정도를 조절하도록 했다. 

실험에서 아마존의 전자제품, 홈·생활용품, 스포츠용품, 의류, 완구 구매 기록을 이용해 성능을 검증한 결과, 대표적인 6개 교차 추천 과제 중 5개에서 가장 높은 성능을 냈다. 실제 구매 상품을 상위 5개 추천 목록에 포함한 비율은 기존 최고 기술보다 최대 36.3% 높았다.

이연창 교수는 “소비자의 취향은 상황과 세부 상품군에 따라 달라지는 만큼, 멀티탭은 구매 성향을 여러 ‘멀티 페르소나’로 나눠 이러한 차이를 추천에 반영한다”며 “구매 기록이 적은 상품 분야에서도 실제 취향에 가까운 상품을 추천해 온라인 쇼핑몰의 개인 맞춤형 추천을 고도화할 수 있을 것”이라고 말했다.

이번 연구는 강대희 연구원이 제1저자로 참여했으며, 데이터마이닝 분야 최우수 국제 학술대회 ACM KDD(ACM SIGKDD Conference on Knowledge Discovery and Data Mining)에 채택됐다. 올해 학회는 9일부터 5일간 제주도에서 열린다. 

연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 ‘인공지능대학원(울산과학기술원)’ 사업, ‘AI스타펠로우십(울산과학기술원)’ 사업, ‘지역지능화혁신인재양성 사업(울산과학기술원)’, ‘생성AI선도인재양성’ 사업 그리고 한국연구재단 지원 개인기초연구 우수신진연구사업의 지원을 통해 수행됐다.