선호도 편집하기

[[알고리즘]]은 문제 해결을 위한 순서화된 절차나 방법을 의미하며 입력 자료를 미리 정해둔 규칙, 일련의 절차, 명령에 따라 처리하고 결과를 출력해내는 것을 의미한다. 알고리즘은 거래비용 절감, 정보공유 활성화 등에 기여하며, 공급자와 소비자의 후생을 증진시키는 방향으로 발전하고 있다. 기업의 경우, 반복적 업무나 중요한 의사결정을 내리는 데 알고리즘을 활용하면서 거래비용을 줄이고 활발한 정보 유통을 하며 고객에게 더욱 양질의 상품을 제공할 수 있다. 이를 통해 사용자의 행동 패턴, 사용자 간 관계, 상품 유사도를 바탕으로 고객의 취향과 선호를 예측할 수 있으며, 이에 맞는 상품을 추천해주며 마케팅 효과를 높일 수 있는 알고리즘을 활용한 추천시스템이 있다. 다양한 형태의 알고리즘을 통해 더 많은 정보를 손쉽게 찾을 수 있게 되었다. 그리고 기업들은 정교하게 설계된 인공지능 알고리즘을 통해 자사의 경쟁력을 강화하려 노력하고 있다. 기업 자체적으로 알고리즘을 개발하는 방법도 있지만, 최근 다른 테크놀로지 기업이 출시한 인공지능엔진과 솔루션을 활용해 미래의 수요, 가격 변화, 소비자의 행동 패턴, 선호의 변화 등을 예측하는 기업도 적지 않다. 즉, 기업은 알고리즘을 통해 최적의 가격을 설정할 수 있게 된 것이다. 고객 개인에 맞춤화된 추천시스템을 통해 타깃 고객을 대상으로 마케팅을 할 때, 더 효과적인 의사결정과 높은 [[경영]]성과를 달성할 수 있다. 그리고 소비자 역시 온라인상에서 제품의 가격을 비교를 할 수 있는 알고리즘을 통해 더욱 합리적인 소비를 할 수 있게 되었고 탐색비용을 줄일 수 있게 된다.<ref name="삼정">삼정KPMG 경제연구원, 〈[https://home.kpmg/kr/ko/home.html 비즈니스 기회 창출을 위한 AI알고리즘의 활용]〉, 《삼정케이피엠지》, 2018-06</ref>

콘텐츠 기반 필터링 추천시스템은 사용자의 과거 이력과 프로파일 정보로부터 선호하는 아이템을 파악한 후, 미리 선정한 기준에 따라 아이템 간 유사도를 측정하여 유사도가 가장 높게 나타난 아이템을 추천해주는 시스템이다. 아이템의 자체의 내용과 속성을 파악하여 유사 아이템을 추천해주는 기법으로, 문서에서 특정 단어의 중요도에 따라 가중치를 부여하는 [[텍스트마이닝]] 기법인 티에프-아이디에프(Term Frequency-Inverse Document Frequency), 자연어처리, [[인공신경망]] 기술 등이 활용되고 있다. 협력 필터링 추천시스템은 우수한 성능을 나타내는 기법으로, 사용자와 아이템에 대한 정보를 기반으로 프로파일을 생성하고 이를 바탕으로 목표 고객과 유사한 구매 선호도를 가진 다른 사용자에게 아이템을 추천해주는 방법이다. 특정 아이템에 대해 선호도가 유사한 고객들은 다른 아이템에 대해서도 비슷한 선호도를 보일 것이라는 기본 가정을 바탕으로 사용자 간 혹은 아이템 간 유사도를 기반으로 선호도를 예측하는 방법이다. 콘텐츠 기반 필터링 추천시스템에서는 아이템만을 대상으로 했다면 협력 필터링에서는 사용자와 아이템을 모두 고려한 모델이란 점에서 다양한 범위의 추천이 가능하다는 장점을 지닌다. 결론적으로, 알고리즘의 비즈니스 활용 방안으로 알고리즘에 기반한 추천시스템을 활용해 시장과 고객으로부터 확보한 데이터를 기반으로 고객의 숨겨진 니즈를 선재적으로 파악하여 고객별로 맞춤화된 제품을 추천해주면, 비용 효율적으로 자사의 상품을 마케팅을 할 수 있을 것이다.<ref name="삼정"></ref>