Core Concepts
상품 메타데이터와 구매자 리뷰를 활용하여 고객에게 유용하고 답변 가능한 다양한 상품 질문을 자동으로 생성하여 제안함으로써 고객과 쇼핑 어시스턴트 간의 대화를 더욱 자연스럽고 효율적으로 만들 수 있다.
Abstract
본 연구에서는 대화형 쇼핑 어시스턴트의 사용성과 고객 경험을 향상시키기 위해 상품 메타데이터와 구매자 리뷰를 활용하여 고객에게 유용하고 답변 가능한 다양한 상품 질문을 자동으로 생성하는 방법을 제안한다.
구체적으로 다음과 같은 접근법을 사용한다:
상품 질문 생성을 위한 품질 기준 정의: 관련성, 유용성, 답변 가능성, 유창성, 스타일, 다양성 등
대규모 언어 모델(LLM)을 활용한 두 가지 질문 생성 기법 제안:
문맥 학습(in-context learning)을 통한 제로샷 및 소수 샘플 학습
감독 학습(supervised fine-tuning)을 통한 고품질 질문-상품 맥락 쌍 생성
오프라인 자동 및 인간 평가를 통해 제안한 접근법의 성능 검증
실제 쇼핑 어시스턴트에 적용했을 때의 잠재적 영향 및 실용적 고려사항 논의
제안한 접근법은 고객이 쇼핑 어시스턴트와 더 자연스럽고 효율적으로 대화할 수 있도록 하여 전반적인 쇼핑 경험을 향상시킬 수 있다. 또한 생성된 질문-상품 맥락 쌍은 FAQ 생성, 질의응답 모델 학습 등 다양한 응용 분야에 활용될 수 있다.
Stats
상품 메타데이터와 구매자 리뷰로부터 생성된 질문의 평균 다양성은 75% 이상이다.
자동 평가 결과, 제안한 접근법은 관련성과 유창성 측면에서 우수한 성능을 보였다.
인간 평가 결과, 관련성, 유창성, 답변 가능성 측면에서 80% 이상의 높은 일치도를 보였다.
Quotes
"상품 질문 제안 기능을 쇼핑 어시스턴트에 적용하면 고객 참여 시간과 클릭 수가 증가할 수 있다."
"고객에게 다양한 유형의 질문을 제안하면 구매 결정에 도움이 되는 새로운 정보를 제공할 수 있어 고객 만족도가 향상될 것이다."