[논문 리뷰] A Data Mining Framework for Optimal Product Selection in Retail Supermarket Data: The Generalized PROFSET Model

Tom Brijs, Bart Goethals외 3명|ArXiv.org|2001. 12. 11.

Data Mining Algorithms and Applications참고 문헌 12인용 수 11

한 줄 요약

이 논문은 빈번한 제품 조합 분석을 통해 교차 판매 수익성을 극대화함으로써 슈퍼마켓 소매의 제품 선택을 최적화하는 일반화된 PROFSET 모델을 제안한다. 카테고리 제약 조건과 실제 데이터를 통합하여, 기존의 개별 수익성 순위보다 최대 588% 높은 교차 판매 수익을 달성한다. 특히 초콜릿 바와 같은 핵심 카테고리에서 뚜렷한 성과를 보였다.

ABSTRACT

In recent years, data mining researchers have developed efficient association rule algorithms for retail market basket analysis. Still, retailers often complain about how to adopt association rules to optimize concrete retail marketing-mix decisions. It is in this context that, in a previous paper, the authors have introduced a product selection model called PROFSET. This model selects the most interesting products from a product assortment based on their cross-selling potential given some retailer defined constraints. However this model suffered from an important deficiency: it could not deal effectively with supermarket data, and no provisions were taken to include retail category management principles. Therefore, in this paper, the authors present an important generalization of the existing model in order to make it suitable for supermarket data as well, and to enable retailers to add category restrictions to the model. Experiments on real world data obtained from a Belgian supermarket chain produce very promising results and demonstrate the effectiveness of the generalized PROFSET model.

연구 동기 및 목표

• 원래의 PROFSET 모델이 빈번한 동시 구매가 일어나는 대규모 슈퍼마켓 카트를 처리하는 데에 한계가 있다는 점을 해결하기 위해.
• 소매업체가 설정한 카테고리 관리 원칙을 제품 선택에 통합하여 실용적 적용성을 높이기 위해.
• 개별 수익성 기반이 아니라 교차 판매 효과를 포함한 총 수익성을 최적화하기 위해.
• 벨기에 슈퍼마켓 체인의 실제 거래 데이터를 활용하여 모델의 실증적 검증을 수행하기 위해.
• 개별 수익성 순위와 비교할 때 교차 판매 잠재력이 최적의 제품 선택에 상당한 영향을 미칠 수 있음을 입증하기 위해.

제안 방법

• 원래의 PROFSET 모델을 슈퍼마켓 데이터에서 흔히 나타나는 대규모 마켓 카트를 처리할 수 있도록 확장한다.
• 각 카테고리에 대해 하나의 제품만 선택하도록 카테고리 제약 조건을 도입하여 진열 공간 제약을 반영한다.
• 빈번한 세트당 수익성을 계산하여 개별 수익성과 교차 판매 수익성을 통합한다.
• 특히 눈에 띄는 제품들 간의 동시 발생 패턴을 식별하기 위해 연관 규칙 마이닝을 적용한다.
• 총 수익성(교차 판매 기여도 포함) 기반으로 제품 세트를 순위 매기는 수익 극대화 프레임워크를 적용한다.
• 실제 거래 데이터를 활용하여 빈번한 아이템세트를 추출하고 모델 출력 결과를 검증한다.

실험 결과

연구 질문

• RQ1 데이터 마이닝 프레임워크는 어떻게 대규모 슈퍼마켓 카트와 빈번한 동시 구매 패턴을 처리할 수 있는가?
• RQ2 카테고리 제약 조건은 교차 판매 상황에서 최적의 제품 선택에 얼마나 큰 영향을 미치는가?
• RQ3 교차 판매 수익성은 개별 제품 수익성보다 최적의 제품 선택을 결정하는 데서 뚜렷한 승리를 거둘 수 있는가?
• RQ4 연관 규칙은 선택된 제품의 수익성과 동시 구매 패턴을 어떻게 검증하는가?
• RQ5 낮은 개별 수익성일지라도 높은 교차 판매 잠재력을 지닌 제품의 순위에 교차 판매 효과가 어떤 영향을 미치는가?

주요 결과

• 218개 카테고리 중 54개(24.7%)에서는 일반화된 PROFSET 모델이 가장 높은 개별 수익성을 가진 제품과 다른 제품을 선택하여 교차 판매 영향력이 뚜렷하게 나타났다.
• 초콜릿 바 카테고리에서 모델은 가장 높은 개별 수익성을 가진 제품을 선택하는 것보다 교차 판매 수익을 최대 588% 높였다.
• 'Leo 10-pack 10+2' 제품은 가장 낮은 개별 수익성(BEF 12,028)을 가졌지만, 교차 판매 수익은 BEF 264,228에 달하여 총 수익 기준으로 최고의 선택이 되었다.
• 연관 규칙은 강력한 동시 구매 패턴을 확인하였으며, 예를 들어 'Leo 10-pack'과 치즈 제품 간의 연관성(confidence 55%)과 'Milky Way Mini'와 과일/채소 간의 연관성(confidence 50.82%)이 확인되었다.
• 빈번한 제품이 없는 카테고리에 대해서는 모델이 총 세트 수익성을 극대화하기 위해 가장 높은 개별 수익성을 가진 제품을 기본 선택한다.
• 낮은 개별 수익성에도 불구하고 교차 판매를 이끄는 눈에 띄는 제품을 모델이 성공적으로 식별하여, 소매 마케팅 믹스 결정에 효과적임을 입증했다.