- 사용자가 과거에 관심을 보였거나 선호했던 상품과 유사한 상품을 추천하는 방식
- 상품의 고유한 특징(스타일, 색상, 소재 등)과 사용자 선호도를 연결해 개인화된 추천 제공
- 프로세스는 상품 속성 추출 → 사용자 프로파일 생성 → 유사도 계산 및 추천 순으로 이어짐
상품 속성 추출 : 기본 속성(스타일, 색상, 사이즈, 소재, 카테고리 등 메타데이터)과 사용자 정의 속성(인기도, 시즌, 친환경, 용도 등 운영 목적 데이터)으로 구분. 사용자 정의 속성은 기획자가 수작업으로 태깅하는 대신 Hugging Face Transformers(GPT 계열)로 자동 생성 가능. 판매량 증가율, 재고 수량, 평점 데이터를 기반으로 마케팅 태그를 자동 부여. Apache Airflow로 데이터 파이프라인을 구축해 전체 과정을 자동화
사용자 프로파일 생성 : 명시적 데이터(회원 정보, 선호 스타일 , 평점/리뷰 등)와 암시적 데이터(검색 로그, 조회 이력, 구매 이력 등)를 통합해 사용자 선호도를 수치화
유사도 계산 및 추천 : 상품과 사용자 프로파일을 원-핫/멀티-핫 인코딩, Word2Vec 등으로 벡터화. 코사인 유사도로 유사도 계산. 점수가 높은 순서대로 추천 목록 구성.