상품군별 소비 성향 읽는 추천 AI ‘멀티탭’

울산과학기술원(UNIST) 인공지능대학원 이연창 교수팀이 상품 분야와 세부 상품군에 따라 달라지는 소비자의 구매 성향을 반영하는 교차 도메인 추천 기술 ‘멀티탭(Multi-TAP)’을 개발했다. 아마존 구매 기록을 활용한 실험에서는 실제 구매 상품이 상위 5개 추천 목록에 포함된 비율이 기존 최고 기술보다 최대 36.3% 높았다.

멀티탭은 구매 이력과 상품 정보를 분석해 가격·평점·리뷰 수를 중시하는 정도와 이용 빈도, 같은 상품 분야에서 구매한 세부 상품군의 다양성을 각각 3단계로 구분한다. 대형언어모델(LLM)은 이 정보를 상품군별 성향 차이가 드러나는 문장으로 정리하고, 시스템은 문장을 수치 정보로 변환해 추천 알고리즘 라이트GCN이 학습한 구매 행동 정보와 결합한다.

기존 기술은 한 소비자가 컴퓨터를 고를 때 가격이 높고 평점이 좋은 제품을 선호하면서도 홈 오디오에서는 저렴하고 인기 있는 제품을 선택하는 식의 차이를 충분히 구별하지 못했다. 멀티탭은 높음·중간·낮음의 값만 나열하지 않고 어떤 상품군에서 특정 성향이 나타나는지 학습하며, 현재 추천할 분야와 다른 분야 사이의 관련성을 계산해 정보 반영 수준도 조절한다.

연구팀은 아마존의 전자제품, 홈·생활용품, 스포츠용품, 의류, 완구 구매 기록으로 성능을 검증했다. 멀티탭은 대표적인 교차 추천 과제 6개 가운데 5개에서 가장 높은 성능을 기록했다. 구매 성향을 여러 ‘멀티 페르소나’로 나눠 구매 기록이 적은 상품 분야에서도 실제 취향에 가까운 상품을 제안하고, 온라인 쇼핑몰의 개인 맞춤형 추천을 고도화할 가능성을 제시했다. 연구 성과는 데이터마이닝 분야 국제 학술대회 ACM KDD에 채택됐으며, 올해 행사는 9일부터 닷새간 제주도에서 열린다.