[논문 리뷰] Portrait of an Online Shopper: Understanding and Predicting Consumer Behavior

Farshad Kooti, Kristina Lerman외 4명|arXiv (Cornell University)|2015. 12. 15.

Digital Marketing and Social Media인용 수 10

한 줄 요약

이 연구는 이메일 확인 데이터로부터 1,210만 건의 온라인 구매 내역을 분석하여 소비자 행동을 모델링하고 예측한다. 분석 결과 남성은 여성보다 더 자주 구매하고 더 많은 금액을 지출하며, 구매 금액은 30대 후반에 최고조에 이르며, 소득과는 강한 상관관계를 보인다. 시간적 패턴과 사회적 네트워크가 예측 정확도를 크게 향상시키며, 시간적 특징이 기초 모델보다 다음 구매 시점과 금액 예측 정확도를 36.4% 향상시킨다.

ABSTRACT

Consumer spending accounts for a large fraction of the US economic activity. Increasingly, consumer activity is moving to the web, where digital traces of shopping and purchases provide valuable data about consumer behavior. We analyze these data extracted from emails and combine them with demographic information to characterize, model, and predict consumer behavior. Breaking down purchasing by age and gender, we find that the amount of money spent on online purchases grows sharply with age, peaking in late 30s. Men are more frequent online purchasers and spend more money when compared to women. Linking online shopping to income, we find that shoppers from more affluent areas purchase more expensive items and buy them more frequently, resulting in significantly more money spent on online purchases. We also look at dynamics of purchasing behavior and observe daily and weekly cycles in purchasing behavior, similarly to other online activities. More specifically, we observe temporal patterns in purchasing behavior suggesting shoppers have finite budgets: the more expensive an item, the longer the shopper waits since the last purchase to buy it. We also observe that shoppers who email each other purchase more similar items than socially unconnected shoppers, and this effect is particularly evident among women. Finally, we build a model to predict when shoppers will make a purchase and how much will spend on it. We find that temporal features improve prediction accuracy over competitive baselines. A better understanding of consumer behavior can help improve marketing efforts and make online shopping more pleasant and efficient.

연구 동기 및 목표

• 구매 확인 이메일에서 확보한 대규모 실생활 데이터를 활용해 온라인 소비자 행동의 주요 요인을 이해하기 위해.
• 연령, 성별, 소득과 같은 인구통계적 요인이 구매 패턴과 지출 행동에 미치는 영향을 분석하기 위해.
• 일일 및 주간 주기, 예산 제약 조건을 포함한 온라인 쇼핑의 시간적 동역학을 모델링하기 위해.
• 사회적 네트워크가 연결된 사용자 간의 구매 유사성에 미치는 영향을 조사하기 위해.
• 사용자의 다음 온라인 구매 시점과 금액을 예측하는 모델을 구축하고 평가하기 위해.

제안 방법

• Yahoo 메일 사용자에게 발송된 상점 확인 이메일에서 제품명, 가격, 타임스탬프 등의 구매 데이터를 추출하였다.
• 이메일 사용자 프로필을 통해 사용자 인구통계 정보(연령, 성별, 우편번호)와 구매 데이터를 연결하였다.
• 시간적 패턴 분석을 통해 일일 및 주간 주기와 고가 상품에 대한 예산 기반 대기 시간을 규명하였다.
• 이메일 통신 네트워크를 구축하여 사용자 간의 사회적 영향력이 구매 유사성에 미치는 영향을 평가하였다.
• 시간적, 인구통계적, 네트워크 특징을 활용해 다음 구매 시점과 금액을 예측하는 기계학습 분류기 모델을 구축하였다.
• 예측 정확도 향상도를 평가하기 위해 무작위 기준 모델과 비교하여 상대적 향상도 지표를 사용하였다.

실험 결과

연구 질문

• RQ1 연령과 성별은 온라인 구매 빈도와 지출 수준에 어떻게 영향을 미치는가?
• RQ2 우편번호를 통해 유추된 소득 수준은 구매 빈도와 평균 상품 가격과 얼마나 상관관계가 있는가?
• RQ3 온라인 쇼핑 행동을 특징짓는 시간적 패턴(일일, 주간, 대기 시간)은 무엇이며, 이는 예산 제약 조건을 어떻게 反영하는가?
• RQ4 이메일로 연결된 사용자 간의 구매 행동 유사도는 연결되지 않은 사용자보다 높은가? 이는 성별에 따라 달라지는가?
• RQ5 시간적 특징이 인구통계적 또는 기초 모델 대비 사용자 다음 구매 시점과 금액 예측 정확도를 상당히 향상시킬 수 있는가?

주요 결과

• 남성은 여성보다 더 자주 구매하고 더 많은 금액을 지출하며, 평균 지출은 30대 후반에 최고조에 이른다.
• 온라인 지출은 연령이 증가함에 따라 증가하여 30대 후반에 최고조에 이르며, 60세 이후에는 감소하며, 소득 수준과 총 지출 간 강한 상관관계를 보인다.
• 더 높은 소득 수준의 지역에서 온 소비자는 더 비싼 상품을 더 자주 구매하여 총 지출이 상당히 높아진다.
• 구매 행동은 명확한 일일 및 주간 주기 패턴을 보이며, 평일 및 근무 시간대에 활동이 높고 주말에는 활동이 낮아진다.
• 구매 간격은 상품 가격이 높을수록 길어지며, 대부분의 소비자가 유한한 예산 제약 조건을 가진다는 것을 시사한다.
• 사회적 연결망이 있는 사용자(이메일 통신자)는 연결되지 않은 사용자보다 더 유사한 상품을 구매하며, 특히 동성 쌍(특히 여성)에서 가장 높은 유사도를 보였다.