Category Archives: AI Business Model

AMPER(Aim-Measure-Predict-Evaluate-Recommend):The Paradigm of Digital Me

Kyoung Jun Lee., Baek Jeong., Yujeong Hwangbo., Youngchan Kim., Sungwon Bae., & Taehoon Baek. (2022). AMPER(Aim-Measure-Predict-Evaluate-Recommend): The Paradigm of Digital Me. 23rd International Center for Electronic Commerce.

Abstract
AI services can help people live healthier and richer lives, and such services can be
collectively referred to as Digital Me. The purpose of this paper is to research Digital
Me service and suggests AMPER (Aim-Measure-Predict-Evaluate-Recommend)
approach to implement a general Digital Me algorithm for providing actual services.
Digital Me is defined as an AI-based product service system (PSS) that makes it
possible to manage the individual’s state (health, beauty, memory, knowledge, finance,
and happiness, etc.) in real- time. We studied cases of Digital Me service of edutech
and healthcare. In order to enable a Digital Me service, it is necessary to measure,
predict and evaluate the user’s future states, and recommend actions to improve the
states. We developed a structure of a purely data-based algorithm that set a usercentric
aim (A), measures the user’s states (M), predicts the user’s future states (P),
evaluates and compares the user’s performance (E), and recommends desirable action
(R). As a result of experimenting with the proposed algorithm structure with EdNet
dataset, we verified the AMPER structure for the user-centric aim of improving the
user’s English score that measures the correct answer to the question solved by the
user, predicts the correct answer to the next question using Transformer model,
evaluates the user’s English ability, and recommends the question that will improve
English scores the fastest.

다중 상점 환경을 위한 사용자 중심 초개인화 추천 시스템의 쌍대로서의 타겟 마케팅 방법론

이경전, 정백, 황보유정, 김수현, & 양문호. (2022). 다중 상점 환경을 위한 사용자 중심 초개인화 추천 시스템의 쌍대로서의 타겟 마케팅 방법론. In KMIS International Conference (pp. 29-29).

Abstract

한 상점의 관점에서 어떤 상품을 구매할 가능성이 높은 사용자를 추출하는 타겟 마케팅은 주로 사용자의 인구통계학적 정보를 기준으로 진행되어 왔다. 예를 들어, 20대 여성을 위한 의류 상품 추천, 40-50대 남성을 위한 건강식품 추천 등 나이와 성별을 중심으로 구매할 만한 상품을 추천하는 마케팅이 이루어지고 있다. 그러나 사용자의 인구통계학적 정보에 기반한 타겟 마케팅 방법은 엉뚱한 추천을 하는 등 성과에 있어 여러 문제가 있다. 예를 들어, 아이가 없는 사람에게 아기 기저귀를 추천하는 문제가 발생하는 것이다. 이에 본 연구에서는 사용자 중심 초개인화 추천 시스템의 결과를 그대로 활용하여, 타겟 마케팅을 하는 방법론을 제안하고자 한다. 본 논문은 사용자 중심 초개인화 추천 시스템을 통해 고객이 구매할 가능성이 높은 상품 리스트를 도출한 후 해당 리스트를 상품을 기준으로 교차하여, 상품을 구매할 사용자에게 타겟 마케팅 방법을 소개한다. 울산 지역 배달 및 주문서비스를 제공하고 있는 울산페달의 데이터로 제안된 방법론을 실험하였다. 예를 들어, 사용자 중심 추천 시스템을 통해 추천 상품 리스트를 확인했을 때, 20627번 사용자에게는 A스시집에서 판매하는 생연어초밥을, 27119번 사용자에게는 B카페에서 판매하는 크림카스테라가 추천되고, 이를 상품 기준으로 교차하면, A스시집에서는 생연어초밥을 구매할 가능성이 높은 20627번를 타겟으로 마케팅을 할 수 있고, B카페에서는 크림카스테라 상품을 27119번 사용자로 타겟하여 마케팅할 수 있는 것이다. 이러한 사용자 중심 초개인화 추천 시스템의 쌍대시스템으로서의 타겟 마케팅은 따로 시스템을 개발할 필요가 없다는 점에서 유용하다. 이러한 추천 시스템이 내놓은 정보를 활용하는 것은 사용자가 구매할 만한 상품을 추천하기 때문에, 사용자와 상점 모두에게 이득이 될 수 있는 구조가 있음을 확인하였고, 실제 데이터를 통해 그 구현 가능성을 확인하였다.

ECF 방법론을 활용한 Hybrid Filtering 추천 알고리듬 연구

배성원, 정백, 황보유정, 이경전(2021). ECF 방법론을 활용한 Hybrid Filtering 추천 알고리듬 연구. 한국지능정보시스템학회 학술대회, 238-239.

Abstract

다양한 컨텐트 서비스들의 등장으로, 사용자들이 많은 컨텐트에 노출되고 있는 반면, 각 사이트들이 제공하는 컨텐트의 종류가 달라, 사용자의 성향이 각 사이트에 파편화되어 있다. 본 연구에서는 자연어 처리 방식 중 하나인 Word2Vec기반 ECF 방법론과 Doc2Vec을 활용한 내용 기반 필터링을 결합하여 하이브리드 필터링 방법론을 제안하였다. 그 결과, 본 연구에서 제안한 모델은 모든 사이트에서 Single 사이트 관점의 추천 성능 보다 Multi 사이트 관점의 추천 성능이 향상됨을 확인하였다.

Extrapolative Collaborative Filtering 실험 : 컨텐트 서비스간 협력 환경 적용

배성원, 조은별, 정백, 황보유정, 이경전 (2021). Extrapolative Collaborative Filtering 실험 : 컨텐트 서비스간 협력 환경 적용. 한국경영정보학회 학술대회, 568-571.

Abstract

본 논문은 Extrapolative Collaborative Filtering 방법론의 유용성을 컨텐트 추천 분야에서 확인하고자 한다. 컨텐트 서비스들은 개별적으로 운영되고, 그들간의 정보 공유가 이루어지지 않아, 타 서비스를 이용할 경우 다른 서비스에서의 자신의 성향이 반영되지 않는 한계가 있다. 이에 본 연구에서는 다양한 컨텐트 사이트를 이용하는 사용자의 편의를 위해 타 사이트간의 최소한의 협력이 있는 환경에서, 상호적 추천을 하는 Extrapolative Collaborative Filtering (ECF) 방법론이 유용한지를 검증하였다. 이를 위해 공개된 4개의 컨텐트 사이트 데이터셋을 확보하여 실험하였다. 그 결과, 적절한 협력을 하는 경우가 독자적으로 하는 것보다 추천의 성과가 향상될 수 있음을 확인하였다.

Extrapolative Collaborative Filtering Recommendation System with Word2Vec for Purchased Product for SMEs

Kyoung Jun Lee, YuJeong Hwangbo, Baek Jeong, Jiwoong Yoo, & Kyung Yang Park. (2021). Extrapolative Collaborative Filtering Recommendation System with Word2Vec for Purchased Product for SMEs. Sustainability, 13(13), 7156. (Pdf)

Abstract

Many small and medium enterprises (SMEs) want to introduce recommendation services to boost sales, but they need to have sufficient amounts of data to introduce these recommendation services. This study proposes an extrapolative collaborative filtering (ECF) system that does not directly share data among SMEs but improves recommendation performance for small and medium-sized companies that lack data through the extrapolation of data, which can provide a magical experience to users. Previously, recommendations were made utilizing only data generated by the merchant itself, so it was impossible to recommend goods to new users. However, our ECF system provides appropriate recommendations to new users as well as existing users based on privacy-preserved payment transaction data. To accomplish this, PP2Vec using Word2Vec was developed by utilizing purchase information only, excluding personal information from payment company data. We then compared the performances of single-merchant models and multi-merchant models. For the merchants with more data than SMEs, the performance of the single-merchant model was higher, while for the SME merchants with fewer data, the multi-merchant model’s performance was higher. The ECF System proposed in this study is more suitable for the real-world business environment because it does not directly share data among companies. Our study shows that AI (artificial intelligence) technology can contribute to the sustainability and viability of economic systems by providing high-performance recommendation capability, especially for small and medium-sized enterprises and start-ups.

인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화

이경전, 손동성, 인공지능 기업의 핵심 의사결정 요소 도출을 위한 Value Engine 모형화, 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

Stabell & Fjeldstad(1998)의 가치배열(Value Configuration) 이론은 기업의 비즈니스 모델을 이해하고 분석하는데 유용한 세 가지 유형을 제시한다. 가치 상점(Value shop)은 고객의 특수한 문제를 해결하는 서비스를 제공하는 기업을 분석하는데 유용하고, 가치 사슬(Value chain)은 대량 생산 체제를 갖춘 기업 분석에 사용되며, 가치 네트워크(Value network)는 두 종류 이상의 고객을 매개함으로써 가치를 창출하는 기업에 적용된다. 가치 상점은 1차 산업 혁명 시기에 탄생한 소규모 상점, 가치 사슬은 2차 산업 혁명시기에 나타난 제조업, 가치 네트워크는 3차 산업 혁명 시기에 탄생한 플랫폼 기업으로 구분한다고 할 때, 본 연구에서는 4차 산업 혁명을 대표하는 인공지능 기업의 비즈니스 모델에 적절한 새로운 가치배열로서, 가치 엔진(Value engine)을 제안한다. 엔진이란 다른 에너지를 기계에너지로 변환하는 기계로, 엔진의 한 유형인 내연 기관(Combustion Engine)은 연료를 연소하여 운동에너지로 변환한다. 한편, Boisot & Canals(2004)은 지능을 가진 자연의 또는 인공 에이전트의 정보 처리 및 행동 메커니즘을, “세계로부터 자극을 입력받아, 감지 필터를 통해 데이터로 변환하고, 개념 필터를 통해 정보로 변환하며, 이를 내면의 가치 체계를 반영하여, 행동으로 의사결정하는 시스템”으로 모형화하였는데, 본 연구는 엔진 메타포에 Boisot & Canals(2004) 모델을 결합하여 AI 엔진을 모형을 제시하였다.
AI 엔진은 데이터를 연료로 활용하여, 가치를 고려한 의사결정을 통해 행동을 도출하는데, AI엔진에 기반하여 사업을 수행하는 기업을 가치 엔진으로 모델링한다. 가치 엔진 모델을 정립하기 위한 대표적인 기업 사례로 뤼이드(Riiid)를 활용하였는데, 뤼이드는 하나의 AI 엔진으로 특정 언어와 시험 영역에 관계없이 다양한 분야에 적용할 수 있다. AI 엔진을 가진 기업은 사용자가 늘어남에 따라 데이터가 축적되고 AI 엔진의 성능이 최적화되고 이에 따라 서비스, 비즈니스 모델, 제품 등의 경쟁력과 가치가 커지는 이른바 데이터 효과(Data effect)를 나타낸다. 본 연구에서는 뤼이드 뿐만 아니라, 뷰노, 비프로컴파니, 웨이모, 테슬라, OpenAI의 GPT-3, 수퍼빈, 플리토 등 여러 인공지능 기업의 비즈니스 모델을 가치 엔진에 따라 분석하였고, 분석 과정을 통해 가치 엔진의 5대 핵심 의사 결정 요소를 다음과 같이 도출하였다: 1) 데이터와 지식의 획득 전략, 2) 가치있는 목표의 설정과 확대 전략, 3) 추론 및 최적화 전략, 4) 인간-AI 협업 전략, 5) 시스템 유지 및 운영 전략.

다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구

이경전, 손동성, 황보유정, 다분야 서비스 가능 기계학습 엔진 비즈니스 모델 사례 연구, 2020 한국지능정보시스템학회 춘계 학술대회, 2020.

Abstract

인터넷 기술의 발전이 플랫폼 비즈니스 모델을 발전시킨 것과 같이, 인공지능 기술, 특히 기계학습 기술이 과연 프로젝트형, 솔루션 모델을 넘어서 플랫폼 비즈니스 모델과 같은 새로운 비즈니스 모델을 발전시킬 것인가에 대한 산업과 학계의 관심이 늘어나고 있다. 본 논문에서는 에듀테크 기업 뤼이드(Riiid)사례를 통해 기계학습 엔진에 기반한 다분야 서비스 비즈니스 모델의 가능성을 탐색적으로 연구한다. 이 모델은 네트워크 효과에 기반하지 않는다는 면에서 인터넷 기반의 플랫폼 비즈니스 모델과 차별성을 가지며, 데이터 효과가 발생한다는 점에서 인공지능 기반의 비즈니스 모델의 중요한 특성 하나를 도출하며, 일반인공지능(AGI: Artificial General Intelligence)이 추구하는 것이 너무 이상적이고 기술중심적인 상황에 놓여 있는 것에 비해, 기계학습 엔진에 기반하여 다분야에 서비스를 가능하게 하면서 수익을 추구하고 있다는 면에서, 세계적으로 더 유명한 인공지능 기업들 보다 더 우월한 비즈니스 모델을 보여주고 있다.

스마트 커넥티드 제품 기업의 인공지능 기반 Data to Money 비즈니스 모델 개발 : 가전회사 사례

권준우, 김진호, 황보유정, 이경전, 스마트 커넥티드 제품 기업의 인공지능 기반 Data to Money 비즈니스 모델 개발: 가전회사 사례, 2018 한국경영정보학회 추계학술대회, 2018. (Pdf)

Abstract

스마트 커넥티드 제품에서는 고객이 제품을 사용함 에 따라 발생한 데이터를 Edge Computing으로 구축 된 AI가 처리한다. 앞단에서 발생한 데이터는 기업 의 어플리케이션을 통해 사용자의 동의하에 기업의 데이터센터에 축적된다. 제품들을 통해 각 기업에서 는 센서 데이터 등 다양한 제품 데이터들이 수집 가 능하게 되었지만, 기업에서는 수집된 데이터를 통해 제품의 성능 업그레이드 등 내부 개선에만 사용되고 있다. 본 연구에서는 스마트 커넥티드 제품에서 획 득한 데이터를 기반으로 Data to Money 모델 (D2M) 을 정의하고 데이터 사업 모델의 유형을 6가지로 분 류하였다. D2M은 Card(1983)의 이론을 근거로 하여, Perceptual 모듈, Cognitive 모듈, Action 모듈로 구성하 였다. Perceptual 모듈은 데이터 분석을 통해 상황을 인지하는 모듈이다. Cognitive 모듈은 Perceptual 모듈 에서 인지한 상황을 통해 대응 방법을 결정하는 모 듈로, 고객의 컨텍스트를 유추한다. 마지막으로 Action 모듈은 Perceptual 모듈 또는 Cognitive 모듈의 결과를 기반으로 상황에 근거한 행동을 수행하는 모 듈이다. 본 연구에서는 다양한 비즈니스 문제를 정 의하고, 각 문제에 맞게 D2M을 적용하였고, B2B/B2C 기업, 공공기관 등에 판매하는 비즈니스 모델을 제 시하였으며, 스마트 커넥티드 기업이 AI 기반 O2O 플랫폼 회사로 나아가야 함을 제시하였다.