[논문 리뷰] When relevance is not Enough: Promoting Visual Attractiveness for Fashion E-commerce

Di Wei, Anurag Bhardwaj외 3명|arXiv (Cornell University)|2014. 06. 13.

Consumer Behavior in Brand Consumption and Identification참고 문헌 26인용 수 9

한 줄 요약

이 논문은 패션 전자상거래에서 유저 참여도를 관련성 초월해 향상시키기 위해 시각적 매력도 기반 재순서 정렬 모델을 제안한다. 이미지 제시 방식(사람, 매니큐린, 평면)을 활용하여, 피셔 비중앙 초기지수 분포 기반 사용자 선택 모델과 PMF 기반 매력도 평가를 통해 기존의 rankSVM 및 무작위 재순서 정렬 대비 뚜렷한 nDCG 향상을 달성한다. 이는 인간 모델 제시 방식이 사용자 주의와 구매 의도를 가장 효과적으로 이끌어낸다는 것을 입증한다.

ABSTRACT

Fashion, and especially apparel, is the fastest-growing category in online shopping. As consumers requires sensory experience especially for apparel goods for which their appearance matters most, images play a key role not only in conveying crucial information that is hard to express in text, but also in affecting consumer's attitude and emotion towards the product. However, research related to e-commerce product image has mostly focused on quality at perceptual level, but not the quality of content, and the way of presenting. This study aims to address the effectiveness of types of image in showcasing fashion apparel in terms of its attractiveness, i.e. the ability to draw consumer's attention, interest, and in return their engagement. We apply advanced vision technique to quantize attractiveness using three common display types in fashion filed, i.e. human model, mannequin, and flat. We perform two-stage study by starting with large scale behavior data from real online market, then moving to well designed user experiment to further deepen our understandings on consumer's reasoning logic behind the action. We propose a Fisher noncentral hypergeometric distribution based user choice model to quantitatively evaluate user's preference. Further, we investigate the potentials to leverage visual impact for a better search that caters to user's preference. A visual attractiveness based re-ranking model that incorporates both presentation efficacy and user preference is proposed. We show quantitative improvement by promoting visual attractiveness into search on top of relevance.

연구 동기 및 목표

• 다양한 이미지 제시 방식(사람, 매니큐린, 평면)이 패션 전자상거래에서 사용자 주의와 참여도에 미치는 영향을 조사하는 것.
• 관련성과는 별개로 시각적 매력도가 사용자 선호도와 구매 의도의 주요 동력임을 정량화하는 것.
• 관련성과 시각적 매력도를 통합하여 검색 성능을 향상시키는 재순서 정렬 모델을 개발하는 것.
• 온라인 패션 쇼핑에서 사용자 선택의 심리적 및 행동적 동기를 이해하는 것.
• 전자상거래 업체가 제품 제시 방식을 향상시키고 전환율을 높이기 위한 실질적인 통찰을 제공하는 것.

제안 방법

• 본 연구는 두 단계적 접근을 사용한다: 먼저 온라인 마켓플레이스의 대규모 행동 데이터(클릭, 시청, 구매)를 분석하고, 그 다음 제어된 사용자 실험을 통해 선호도 이유를 확보한다.
• 시각적 매력도는 3단계 척도로 정량화되며, 사람(인간 모델), 매니큐린, 평면(모델 없음)으로 나뉘며, 고급 시각 기술을 통해 이미지 특징을 추출한다.
• 사용자 선호도를 제시 방식 간에 정량적으로 평가하기 위해 피셔 비중앙 초기지수 분포 기반 사용자 선택 모델을 제안한다.
• PMF(확률적 행렬 분해) 분류기가 각 이미지 유형의 매력도 점수를 추정하기 위해 훈련되며, 레이블 정보와 의사결정 점수를 모두 사용한다.
• 매력도 점수와 관련성을 결합하는 새로운 비지도 재순서 정렬 모델을 개발하였으며, 제시 효과를 가중하기 위해 학습된 순서 함수와 감마(Γ) 파rameter를 사용한다.
• 최종 모델은 rankSVM을 사용해 훈련되며, 레이블 데이터, 분류기 점수, 시그모이드 변환(g(x) = 1/(1+e^x))을 통해 출력값을 정규화하는 특징 벡터를 조합한다.

실험 결과

연구 질문

• RQ1 패션 전자상거래에서 사용자 주의를 가장 효과적으로 끌고 참여도를 높이는 이미지 제시 방식은 사람, 매니큐린, 평면 중 어느 것인가?
• RQ2 시각적 매력도는 가격과 브랜드와 같은 전통적 요인에 비해 사용자 선호도에 얼마나 큰 영향을 미치는가?
• RQ3 행동 데이터와 설문 조사 데이터를 활용해 사용자 선호도를 시각적 제시 방식으로 모델링하고 정량화할 수 있는가?
• RQ4 시각적 매력도를 통합한 재순서 정렬 모델이 관련성만 고려한 경우보다 검색 성능을 향상시킬 수 있는가?
• RQ5 온라인 패션 쇼핑에서 제시 효과가 사용자 참여도와 구매 의도에 미치는 영향은 어떠한가?

주요 결과

• 인간 모델 제시 방식(사람)이 사용자 주의를 가장 효과적으로 끌어내고 참여도를 높였으며, 매니큐린 및 평면 제시 방식보다 뚜렷이 뛰어났다.
• 시각적 매력도는 사용자 결정에 측정 가능하고 상당한 영향을 미쳤으며, 일부 경우에서는 가격과 브랜드의 영향력을 초월하기도 하였다.
• 제안된 비지도 재순서 정렬 모델은 기준 rankSVM 및 무작위 할당보다 높은 nDCG 성능을 달성하였으며, 통계적으로 유의미한 향상이 있었다.
• PMF 기반 매력도 평가 모델은 사용자 선호도를 효과적으로 포착하였으며, 레이블과 분류기 의사결정 점수를 조합한 특징 벡터를 사용할 때 최고의 성능을 보였다.
• nDCG@K 평가에서는 모든 테스트된 상위-k 위치에서 일관된 향상이 나타나, 재순서 정렬 접근의 강건성을 확인하였다.
• 이 프레임워크는 이미지 제시 방식이 사용자 행동에 상당한 영향을 미치는 다른 시각 중심 제품 카테고리로도 일반화 가능하다.