인터넷 상점의 클릭스트림 데이터를 활용한 실시간 구매 확률 예측

Abstract

본 연구에서는 인터넷 상점에서 온라인 마케팅을 지원하기 위한 연구의 일환으로 고객의 해당 세션 내에서의 구매 확률을 실시간으로 예측하는 방안을 제시하였다. 고객의 인터넷 상점 내에서의 이동 시에 발생하는 클릭스트림 데이터를 활용하여, 방문 페이지의 유형별로 구매 확률과 상태 전이 시의 구매 확률을 구하고 이를 활용하여 고객의 구매 확률을 예측할 수 있는 모델들을 제시하였다. 실제 온라인 서점의 클릭스트림 데이터를 이용한 비교 실험 결과, 상태 전이 구매 확률을 사용한 경우가 단순히 페이지 유형별 구매 확률을 사용한 경우보다 높은 성능을 보였으며, MAE(Mean Absolute Error) 기준에 의하면 통계적으로 유의한 차이를 보였다. 또한 최근에 방문한 페이지에 대해 가중치를 주는 방안은 그렇지 않은 방안에 비해서 유의한 차이가 없는 것으로 나타났다. As a part of research efforts to support online marketing in Internet storefronts, this paper proposes real-time prediction methods for purchase probabilities of customers within current sessions. Using clickstream data which are generated when customers move from a page to another within Internet storefronts, we propose purchase probability prediction models based on the purchase probabilities of web page types and the purchase probabilities of state transitions. The results of experiments using clickstream data of a real online bookstore show that the methods which use state transition probabilities are performed better than those which use purchase probabilities of web page types, which is statistically significant based on MAE (Mean Absolute Error). Also, the performance improvement of weighting methods which give weights on recently visit web pages is not significant.