Discovery of sequential pattern in e-commerce shopping data using SPADE algorithm

Abstract

데이터 마이닝 방법 중 하나인 시퀀스 패턴 마이닝은 시퀀스 데이터베이스에서 가장 빈번한 시퀀스를 추출하는 방법이다. 본 연구에서는 네이버 쇼핑 데이터를 사용하여 고객의 고정적인 특성인 성별과 연령을 기준으로 고객을 12개의 그룹으로 나누고, ‘반 려동물’ 카테고리를 적어도 한번 이상 구매한 이력이 있는 구매 이력을 대상으로 데 이터를 선별하여 분석을 진행하였다. 분석 환경의 한계로 인하여 SPADE 알고리즘을 사용하여 각 고객 그룹에서의 구매 빈발 시퀀스를 탐색하였다. 모든 고객의 빈발 시 퀀스를 지지도 내림차순으로 살펴본 결과 구매 패턴에 모두 차이가 있음을 확인 할 수 있었다. 또한 코로나의 시대 특성을 반영하여 대부분의 빈발 시퀀스에 먼지 차단 마스크 아이템이 탐색 되는 것을 확인할 수 있다.;Sequential pattern mining, which helps to extract most frequent sequences in the sequence database, is an important data mining method with broad applications. In this paper, we identified e-commerce customers who had been purchased at least one ‘pet’ category. We divide e-commerce customers by gender and age and apply SPADE algorithm to find most frequent patterns in each group. According to the results, the shopping pattern varies for each customer group classified by age and gender.