연세소식

[사진. (왼쪽부터) 정보대학원 김성범 연구원, 김희웅 교수, 신우식 연구원]

 

정보대학원 김희웅 교수 연구팀이 이커머스(E-commerce) 플랫폼 내 고객의 과거 구매 특성과 실시간 웹사이트 탐색 패턴을 통합 분석해 온라인 구매 행동을 정밀하게 예측할 수 있는 새로운 분석 프레임워크를 개발했다. 이번 연구는 온라인 고객의 복잡한 의사결정 과정을 데이터 기반으로 분석해, 개인화 마케팅과 구매 전환율 향상에 활용할 수 있는 새로운 접근법을 제시했다는 점에서 주목받고 있다.

 

이번 연구에는 김성범 연구원이 제1저자로, 신우식 연구원이 공저자로, 김희웅 교수가 교신저자로 참여했다. 연구 결과는 정보시스템(Information Systems) 분야의 세계적 학술지인 ‘Decision Support Systems(IF 6.7)’에 2024년 2월 게재됐다.

 

최근 온라인 쇼핑 시장은 빠르게 성장하고 있지만, 오프라인 대비 낮은 구매 전환율은 여전히 이커머스 플랫폼의 주요 과제로 지적돼 왔다. 기존 연구들은 고객의 인구통계학적 특성이나 과거 구매 이력(RFM: 최신성·빈도·구매금액)을 중심으로 구매 행동을 예측해왔으나, 고객이 실시간으로 어떤 목적과 의도로 웹사이트를 탐색하는지는 충분히 반영하지 못한다는 한계가 있었다.

[그림1. 연구의 배경 및 차별점]
 

연구팀은 이러한 문제를 해결하기 위해 고객의 웹사이트 이동 경로를 의미하는 ‘클릭스트림(Clickstream)’ 데이터에 주목했다. 특히 고객의 웹사이트 탐색 행동을 정교하게 분석하기 위해 그래프 이론(Graph Theory)을 도입하고, 고객의 이동 경로를 수치화한 13개의 그래프 지표를 새롭게 추출했다.

 

예를 들어 상품 간 연결 복잡도를 의미하는 ‘밀도(Density)’나 탐색 중심성을 나타내는 ‘고유벡터(Eigenvector)’ 등의 지표를 활용해 고객이 다양한 상품을 비교·탐색하는 행동 패턴을 분석했다. 이를 통해 단순 클릭 수나 체류 시간 중심의 기존 분석을 넘어, 고객의 실제 구매 의도와 탐색 전략을 보다 정밀하게 파악할 수 있도록 했다.

[그림2. 연구 수행 절차 및 프레임워크]

 

연구팀은 국내 대형 이커머스 플랫폼에서 수집된 109,904명의 고객 데이터와 총 1,191,203건의 세션 데이터를 분석에 활용했다. 연구에는 로지스틱 회귀(LR), 랜덤 포레스트(RF) 등 전통적인 머신러닝 기법뿐 아니라, 구글이 개발한 딥러닝 기반 모델 ‘TabNet’도 함께 적용됐다.

 

분석 결과, 고객의 과거 구매 특성 데이터에 실시간 탐색 패턴 데이터를 결합했을 때 구매 예측 성능(F1-score 기준)이 최대 13% 향상되는 것으로 나타났다. 특히 TabNet 모델은 기존 머신러닝 모델 대비 약 9% 높은 예측 성능을 보이며, 실시간 구매 의도를 파악하는 데 효과적인 것으로 확인됐다. 이는 고객의 웹사이트 내 미세한 탐색 행동 변화가 실제 구매 결정과 밀접하게 연결될 수 있음을 시사한다.

 

연구팀은 이어 K-평균 군집 분석(K-means clustering)을 활용해 고객을 네 가지 유형으로 세분화했다.

 

‘프로모션 탐색형(Promotion Seeker)’은 짧은 시간 동안 이벤트와 할인 정보를 중심으로 탐색하는 특징을 보였고, ‘프리미엄 탐색형(Premium Seeker)’은 높은 구매 빈도와 구매 금액을 보이며 상품 비교와 구매를 빠르게 수행하는 충성 고객층으로 나타났다. 또한 특정 상품을 중심으로 신중하게 탐색하고 높은 구매 전환율을 보이는 ‘관심 집중형(Attention Seeker)’, 다양한 상품 정보를 폭넓게 탐색하는 ‘정보 탐색형(Information Seeker)’ 고객군도 확인됐다.

 

김희웅 교수는 “이번 연구는 고객의 과거 구매 이력과 현재 탐색 행동을 통합적으로 분석해 온라인 고객의 구매 가능성을 보다 정밀하게 예측할 수 있음을 보여준 사례”라며 “실시간 구매 가능성이 높은 고객에게 맞춤형 혜택을 제공하거나, 탐색 단계의 고객에게 적절한 정보를 추천하는 등 정교한 개인화 마케팅 전략 수립에 기여할 수 있을 것으로 기대한다”라고 밝혔다.

 

이번 연구는 한국연구재단(NRF) 이공분야 기초연구사업과 BK21 사업의 지원을 받아 수행됐다.

 

 

기사 작성: 연세소식단 이건오(경영학 25) 학생