1. 수행배경

 - 글로벌 SPA 의류 브랜드 H&M에서 Kaggle을 통해 열린 총 상금 50,000의 대회
 - 온라인 고객 쇼핑 경험을 향상시키기 위해서 개인화된 제품 추천 시스템을 구현하기 위한 목적으로 대회 개최
 - 대회에서 제공하는 데이터들을 통해 향후 고객이 어떤 제품을 구매할지 예측하는 것이 목표

2. 수행기간

- 2022.03~2022.06
- 3월: 팀 결성 및 주제 선정 후 데이터 분석 및 방법론 탐색
- 4월: 데이터 전처리 및 모델링
- 5월: Feature Engineering을 통한 추천 시스템 개선

3. 개발작품 설명

- 대회에서 제공한 articles, customers, transactions_train 데이터를 활용하여 추천시스템 구현

1. 메모리 기반 추천 시스템
- 전체 거래기록에서 특정기간 추출
- 고객 정보를 통해 고객을 집단 분류
- 샘플에서 고객 집단 별 거래기록 추출
- 집단 별 사용자-아이템 구매 여부 행렬 생성
- 차원 축소를 이용해 사용자-아이템 선호도 행렬 생성
- 사용자 열에서 선호도 값이 가장 큰 12개 아이템 추천 진행

2. Learn-to-Rank 모델 기반 추천 시스템
- 전체 데이터 베이스에서 사용자 정보, 구매 이력 등을 활용해서 후보군 생성
- 생성된 후보군에서 사용자의 추가 정보를 활용하여 유의미한 아이템 추출 및 랭킹 진행
- 랭킹은 Light GBM Ranker를 활용하여 진행
- Feature Engineering을 사용한 경우와 사용하지 않은 경우를 진행
- 랭킹이 가장 높은 12개의 아이템 추천 진행

4. 활용방안

- 고객 명시적 피드백 없는 데이터에 대해서 고객 구매 이력만 가지고 추천을 진행하는 추천 시스템 모델로써 활용할 수 있음

- 방대한 선택지들 가운데, 고객이 제품을 고르는데 어려움이 존재하기에 추천시스템 모델을 활용해서 고객이 선호하는 제품 추천 진행, 궁극적으로 고객 만족 향상