온라인 세션 기반 소매 시스템에서 조기 구매 의도 예측을 향하여

초록 구매 예측은 소비자 경험을 개선하고 개인화된 추천을 제공하며 수익을 증가시키기 위해 전자 상거래의 의사 결정을 위한 중요한 역할을 합니다. 많은 연구가 세션 로그에 대한 구매 예측을 조사하여 세션이 종료된 후 구매 의도를 예측하기 위해 사용자의 행동을 분석했습니다. 대부분의 경우, 전자 쇼핑객은 웹사이트를 탐색할 때 익명성을 선호하며, 세션이 종료된 후에는 사용자를 식별하고 할인 혜택을 제공하는 것이 어려울 수 있습니다. 따라서 세션이 끝난 후 구매 의도를 예측하는 것은 전자 상거래 전략가에게 유용하지 않을 수 있습니다. 본 연구에서는 진행 중인 세션에서 조기 구매 의도를 어떻게 예측할 수 있는지를 조사하기 위해 고급 기계 학습 모델을 사용하여 조기 구매 예측 프레임워크를 제안하고 개발합니다. 사용자가 익명일 수 있기 때문에 이는 세션이 종료되기 전에 실시간으로 제안 및 할인을 제공하는 데 도움이 될 수 있습니다. 우리는 세션 내 각 상호작용 후에 동적으로 생성된 세션 기능을 사용하고, 기계 학습 모델이 구매 의도의 확률을 얼마나 조기에 예측할 수 있는지를 평가하기 위해 유틸리티 점수 방법을 제안합니다. 제안된 프레임워크는 실제 데이터 세트로 검증되었습니다. 컴퓨팅 실험은 기계 학습 모델이 조기 구매 예측의 성공률을 보여주는 AUC(곡선 아래 면적) 점수 측면에서 좋은 성능을 발휘하며 구매 의도를 조기에 식별할 수 있음을 보여줍니다.