수익 극대화를 위한 추천 시스템 설계

초록

전통적인 추천 시스템은 고객의 과거 구매·평가·인구통계 정보만을 활용하지만, 이 논문은 아이템의 이익률을 직접 반영하여 기대 수익을 높이는 방법을 제안한다. 기존 추천 결과를 기반으로 이익 가중치를 조정하는 파라미터화된 프레임워크를 도입하고, 두 가지 설정에서 실험을 수행해 전통 방식 대비 평균 22% 이상의 수익 향상을 입증한다.

상세 분석

본 논문은 “이익 기반 추천(profit‑aware recommendation)”이라는 새로운 목표 함수를 정의하고, 이를 기존 협업 필터링·콘텐츠 기반 모델의 출력에 후처리 방식으로 적용한다는 점에서 독창적이다. 핵심 아이디어는 전통적인 추천 점수 (r_i)와 아이템 이익 (p_i)를 선형 결합하거나 비선형 변환을 통해 새로운 점수 (s_i = (1-\lambda) r_i + \lambda f(p_i)) 로 변환하는 것이다. 여기서 (\lambda\in