목적 본 연구는 소비자가 패션 아이템 구매 의사결정에 영향을 미치는 심리특성(psychographic), 인구통계(demographic), 신체적 특성(physical characteristics)을 특징으로 하는 자기보고형 소비자 프로필에서 수집된 소량의 제로파티 데이터(zero-party data)를 활용하는 패션 추천 시스템(FRS)을 제안한다. 다양한 선행 변수(antecedent variables)들이 패션 구매 의사결정에 미치는 영향을 통합적 관점에서 FRS에 적용할 수 있는지를 확인하는 것을 목적으로 한다. 얻어진 결과는 소비자 제로파티 데이터 기반 의사결정나무(decision trees)를 통해 FRS를 개발하는 것이 가능함을 검증한다. 연구설계/방법/접근 의사결정나무 모델을 구성하여 패션 양말에 대한 소비자의 디자인 선호를 예측하였다. 응답자들의 자기보고 데이터(즉, 소비자 제로파티 데이터)를 Classification and Regression Trees(CART) 모델에 기반하여 이 정보가 패션 아이템 구매 의사결정에서 갖는 관련성을 추정하는 데 사용하였다. 결과 소비자 제로파티 데이터의 활용이 FRS를 개선하는 효과적인 방법임이 나타났다. 특히 본 연구는 예측에 결정적인 역할을 하는 상위 20개 특징(features)을 도출하고, 높은 CART 모델 정확도를 입증하였다. 독창성/가치 본 연구는 소비자의 심리특성, 인구통계 및 신체적 특징으로 구성된 소량의 데이터로 패션 추천 시스템을 구축하는 가능성을 검토하였다. 이러한 학제간(interdisciplinary) 연구는 추천 시스템 연구의 범위와 깊이를 확장한다. 또한 본 새로운 접근법은 패션 기업(특히 중소기업)이 자체적인 추천 시스템을 구축하는 데에도 도움이 될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.