도시 연관 규칙으로 파악하는 쇼핑 연계 이동

초록

본 논문은 대규모 은행 카드 거래 데이터를 활용해 Apriori 알고리즘 기반의 도시 연관 규칙(urban association rules)을 제시한다. 이를 통해 특정 상점을 방문한 고객이 다음에 방문할 가능성이 높은 다른 상점들을 예측하고, 도시 전역의 상점 간 연계 이동(Linked Trips)과 그 가중치를 도출한다. 결과는 도시 계획·관광·소매 전략 등에 활용될 수 있다.

상세 분석

본 연구는 전통적인 마켓‑바스켓 분석을 도시 규모로 확장한 ‘도시 연관 규칙’이라는 새로운 프레임워크를 제안한다. 핵심 알고리즘은 Apriori이며, 거래 데이터에서 빈발 아이템셋을 추출한 뒤 신뢰도(confidence)와 향상도(lift)를 기준으로 규칙을 생성한다. 기존 연구가 주로 개별 매장 또는 특정 쇼핑몰 내부의 연관성을 분석한 데 반해, 이 논문은 전체 도시를 하나의 거대한 ‘거래 바스켓’으로 간주한다. 따라서 상점 간 물리적 거리, 행정구역(구·동)별 가중치, 그리고 시간대별 방문 패턴을 동시에 고려할 수 있다.

데이터 전처리 단계에서는 익명화된 카드 결제 기록을 고객‑상점‑시간 삼중 구조로 변환하고, 동일 고객의 연속 방문을 하나의 트랜잭션으로 묶어 ‘연계 이동’ 시퀀스를 만든다. 이때 일정 시간(예: 30분) 이내에 발생한 연속 결제를 하나의 세션으로 정의함으로써 실제 이동 행동을 보다 정확히 포착한다. 또한, 상점 위치 정보를 GIS와 연계해 각 규칙에 공간적 메타데이터를 부여한다.

규칙 추출 후에는 신뢰도와 향상도를 임계값으로 필터링하고, 구별·동별로 규칙을 집계해 ‘연계 이동 네트워크’를 구축한다. 네트워크의 엣지 가중치는 해당 규칙의 발생 빈도와 향상도를 복합적으로 반영하며, 이를 통해 특정 구역 내에서 강하게 연결된 상점 군집을 식별한다. 예를 들어, ‘A마트 → B카페’ 규칙이 높은 lift와 confidence을 보이면, A마트를 방문한 고객이 B카페를 방문할 확률이 일반적인 기대치보다 크게 상승한다는 의미이다.

이러한 분석은 두 가지 실용적 가치를 제공한다. 첫째, 도시 관리자는 상점 간 연계 이동 패턴을 기반으로 교통 인프라(보행자 전용 도로, 주차 시설)와 상업 구역 배치를 최적화할 수 있다. 둘째, 개별 소매업체는 연관 규칙을 활용해 교차 프로모션이나 입점 전략을 설계한다. 예를 들어, ‘패션 매장 → 스포츠 용품점’ 규칙이 강하면, 두 업종이 인접해 있거나 공동 쿠폰을 제공함으로써 매출 상승 효과를 기대할 수 있다.

한계점으로는 카드 데이터가 현금 결제나 온라인 쇼핑을 포착하지 못한다는 점, 그리고 고객의 실제 이동 경로를 GPS와 같은 정밀 위치 데이터와 비교 검증하지 않았다는 점을 들 수 있다. 향후 연구에서는 멀티모달 데이터(모바일 위치, SNS 체크인 등)를 결합해 규칙의 정확성을 높이고, 시간‑공간 다이내믹스를 모델링하는 시계열 연관 규칙을 개발할 필요가 있다.