[논문 리뷰] eBay users form stable groups of common interest

Joerg Reichardt, Stefan Bornholdt|arXiv (Cornell University)|2005. 03. 16.

Consumer Market Behavior and PricingBusiness, Management and Accounting참고 문헌 3인용 수 17

한 줄 요약

이 논문은 기사 유사도 측정 또는 분류계층 구조에 의존하지 않고, 입찰 경쟁 데이터만을 사용하여 eBay 사용자 간의 공통 관심사를 가진 안정적이고 겹치는 그룹을 식별하는 네트워크 기반 커뮤니티 탐지 방법을 제안한다. 주요 발견은 사용자 관심사 프로파일이 시간이 지나도 매우 안정적이며, 개인의 전문성과 사회적 강화에 의해 형성된 지속적인 소비 환경임을 시사한다.

ABSTRACT

Market segmentation of an online auction site is studied by analyzing the users' bidding behavior. The distribution of user activity is investigated and a network of bidders connected by common interest in individual articles is constructed. The network's cluster structure corresponds to the main user groups according to common interest, exhibiting hierarchy and overlap. Key feature of the analysis is its independence of any similarity measure between the articles offered on eBay, as such a measure would only introduce bias in the analysis. Results are compared to null models based on random networks and clusters are validated and interpreted using the taxonomic classifications of eBay categories. We find clear-cut and coherent interest profiles for the bidders in each cluster. The interest profiles of bidder groups are compared to the classification of articles actually bought by these users during the time span 6-9 months after the initial grouping. The interest profiles discovered remain stable, indicating typical interest profiles in society. Our results show how network theory can be applied successfully to problems of market segmentation and sociological milieu studies with sparse, high dimensional data.

연구 동기 및 목표

• 기사 유사도 측정 또는 분류계층 구조에 의존하지 않고, 사용자 입찰 행동을 분석하여 eBay에서의 시장 세분화를 연구한다.
• 경쟁이 발생하는 경매 데이터만을 기반으로 공통된 입찰 패턴을 보이는 안정적이고 통합된 사용자 클러스터를 탐지한다.
• 그룹화 이후의 구매 행동을 분석하여 식별된 관심사 프로파일의 시간에 따른 안정성을 검증한다.
• 네트워크 기반 커뮤니티 탐지 기법이 희박하고 고차원적인 온라인 거래 데이터에서 사회학적 환경을 어떻게 드러낼 수 있는지 보여준다.

제안 방법

• 노드는 입찰자, 간선은 적어도 한 개 이상의 경매에서의 경쟁을 나타내는 네트워크를 구축하여 기사에 대한 공통된 관심사를 포착한다.
• 유사한 입찰 패턴을 보이는 사용자 클러스터를 식별하기 위해 커뮤니티 탐지 알고리즘을 적용하며, 계층적이고 겹치는 구조를 허용한다.
• 입찰 네트워크의 비랜덤성 및 비자명한 클러스터 구조를 검증하기 위해 무작위 네트워크 노멀 모델을 사용한다.
• 데이터 감소나 유사도 계산에 사용하지 않고, eBay 공식 제품 카테고리 분류 체계를 활용해 클러스터를 해석한다.
• 클러스터를 샘플링하고 6~9개월 후의 구매 행동을 분석하여 사용자 활동을 시간에 따라 추적함으로써 프로파일 안정성을 테스트한다.
• 카테고리별 입찰 및 구매의 오즈 비율을 계산하여 클러스터 간의 관심사 프로파일을 정량화하고 비교한다.

실험 결과

연구 질문

• RQ1 기사 유사도 측정에 의존하지 않고도 온라인 경매 데이터에서 공통된 관심사를 가진 사용자 그룹을 신뢰성 있게 탐지할 수 있는가?
• RQ2 eBay에서 다양한 제품이 제공되더라도 사용자 클러스터의 관심사 프로파일은 시간이 지나도 안정적인가?
• RQ3 입찰 네트워크의 구조적 특성(예: 계층성, 겹침)은 실제 소비자 행동을 어떻게 반영하는가?
• RQ4 사용자 선호도는 eBay의 공식 제품 분류 체계와 어느 정도 일치하는가? 이 분류 체계는 잠재적 관심사 클러스터를 해석하는 데 사용될 수 있는가?

주요 결과

• eBay 사용자의 85%는 수많은 큰 클러스터로 잘 분리되어 있으며, 각 클러스터는 명확하고 통합된 주요 관심사 집합을 가진다.
• 각 클러스터의 사용자 관심사 프로파일은 6~9개월 간의 기간 동안 놀랄 만큼 안정적이었으며, 보조 관심사에서의 미세한 변화 외에는 거의 변화가 없었다.
• 클러스터 1의 사용자들은 영화 입찰에서 음악으로의 집중이 강화되었고, 기술에 친화적인 사용자들로 구성된 클러스터 9는 더 넓은 관심사 다양성을 보였다.
• 수집가(클러스터 7)와 장난감 모형 제작자(클러스터 4)는 관심사 프로파일에 거의 변화가 없었으며, 장기적이고 안정적인 선호도를 보였다.
• 관심사 프로파일의 안정성은 사용자가 사전 경험을 가진 분야의 기사에만 입찰하는 경향이 있음을 시사하며, 낯선 분야에 대한 위험을 줄인다.
• 온라인 추천 시스템은 기존의 관심사 프로파일을 강화하여 사용자 클러스터의 장기적 지속성에 기여할 수 있다.