8. 아이템 기반 협업필터링
More items to Consider
- 지난 방문 때 알아보던 제품들
Related to items You’ve Viewed
- 위의 제품과 관련 있는 제품들
Inspired By Your Shoping Trends
- 쇼핑 패턴을 바탕으로 한 추천제품들
Customer Who Bought This item Also Bought
- 이 제품을 사려던 사람이 구입한 제품들
사용자기반 협업필터링
22. 기술의 미래
: FIT, CONTEXT
풍부한 기초 데이터와 우수한 추천 알고리즘
센서 DATA : GPS, Camera 등
사회적 DATA : 가치관, 라이프스타일 등
23. 기술의 미래
: FIT, CONTEXT
추천 상황의 확대
기반 기술의 진화 : 증강현실, QR코드
Ex) 마이너리티 리포트
24.
25. 결론
• 협업필터링을 비롯한 추천시스템은 앞으로도 계
속 진화할 것이다
• DB 요소 역시 늘어나고 있다
• 이것을 적절히 배합하여 의미 있는 정보를 도출해
낼 수 있어야 한다
• 패턴 찾기가 아닌, 물건을 사는 소비자의 마음을
이해해야 한다
• 보안의 강조 : 고객-기업간의 신뢰관계 위해
26. REFEREN
CE
[1] 신종민, 이상현, 이혜인 “아마존닷컴의 성공사례 및 성장전략”, 2005, 5~6쪽
[2] 심슨 가핀켈, “데이터베이스 제국” 한빛미디어, 2001, 397-398쪽
[3] 안신현, “Issues of Contents Recommendation Systems” 2009, 11-18쪽
[4] 유미정, “새로운 소비자그룹 트윈수머가 뜬다”, MBC ADCOM, 2005, 47쪽
[5] 이은세 “EICG on Strategy, 혁신이란” 2011.4
[6] 이희정, 홍태호 “클러스터링 기반 사례기반추론을 이용한 추천시스템 개발” 2004
[7] 지원철 “상품 추천시스템” 5~14쪽
[8] Amazon Web Services Blog (http://aws.typepad.com/)
[9] BusinessWeek "How Amazon Opens Up and Cleans Up" 2003
[10] Chris Anderson “The Long Tail Wired” 2004
[11] Google Finance “Amazon.com”
[12] MIT Technology Review "Amazon: Giving Away the Store" 2005
[13] MT 권성희 “’데이터 자산’이 기업 브랜드보다 더 중요해진다” 2011.5.30
[14] Naver Blog “멋진신세계, labortainment” 2010
[15] Naver Blog “세상을 바꿀 수 있는 단 하나의 진실” 온라인 마케팅 2007
[16] Rebecca Saunders “Business the amazon.com Way” 2000
[17] Volume 55, Number 5 “Management Science” May 2009
[18] Wikipedia “아마존닷컴”, “개인 정보 문제” http://ko.wikipedia.org/wiki/아마존_닷_컴 2011
[19] ZD Net 이재구 “오프라인이 아마존과 경쟁한다” 2010.1.13