온라인 의류 쇼핑몰에서의 리뷰 유용성 예측 (Predicting review helpfulness in an online clothing shopping mall)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 35권 / 6호 / 791 ~ 801페이지
· 저자명 : 왕자예, 정승아, 임성범, 이한준

초록

온라인 쇼핑몰에서는 지나치게 많은 리뷰로 인해 소비자의 구매 결정이 방해받는 문제가 흔히 발생하며 이를 해결하기 위한 다양한 연구가 최근까지도 활발히 수행되고 있다. 본 연구에서는 최근 온라인 의류 쇼핑몰에서 제공하는 리뷰어의 신체 정보와 리뷰에 담긴 정보를 활용하여 리뷰의 유용성을 예측하는 모델을 제안한다. 이를 위하여 국내 의류 쇼핑몰인 무신사에서 리뷰 78,040건을 수집하고 리뷰어의 체형 정보와 리뷰 텍스트 내 정보를 비롯한 제품 및 리뷰어 정보를 변수화하여 머신러닝 기반의 유용성 예측 모델을 구축하였다. 그 중 random forest 모델이 약 91퍼센트의 정확도로 가장 우수한 예측 성능을 보였으며 변수 중요도 및 SHAP 분석을 통해 리뷰어의 신체 정보 및 리뷰 속 정보가 리뷰 유용성 예측에 갖는 영향력을 확인할 수 있었다.

영어초록

A common problem in online shopping malls is that too many reviews interfere with consumers' purchase decisions, and various studies have been conducted to solve this problem. In this study, we propose a model to predict the helpfulness of reviews by utilizing reviewers' physical information and information in reviews provided by online clothing shopping malls. To this end, we collected 78,040 reviews from Musinsa, a Korean clothing shopping mall, and built machine learning-based review helpfulness prediction models by utilizing product and reviewer information, including reviewers' body shape information and information in the review text. Among them, the random forest model showed the best prediction performance with an accuracy of about 91 percent, and the feature importance and SHAP analysis confirmed the influence of reviewers' physical information and information in reviews on the prediction of review helpfulness.

참고자료

· 없음