[큰글자책] 상권 분석과 AI

상권 분석과 인공지능의 만남

01 빅데이터 기술
02 상권 분석과 데이터
03 데이터마이닝 기술
04 딥러닝 기술의 발전
05 생성형 인공지능
06 상권 분석의 관점
07 상권 분석의 목표
08 데이터와 인공지능의 한계
09 데이터 리터러시
10 상권 분석의 미래

상품의 추천을 넘어 사용자의 행동까지도 분석의 대상으로 바뀌었다. 과거에는 어느 검색엔진을 통해 접속했는지, 몇 명이나 우리 사이트에 접속했는지 보던 기초 통계 기능들이 대폭 개선되기 시작했다. 구체적으로 어느 배너를 통해, 어느 검색어를 통해 우리 사이트를 접근했는지 로그를 남기고, 각각의 사용자가 어느 페이지로 이동해 가는지 하나하나 추적 로그를 남겼다. 실제 구매까지 얼마나 걸리는지, 사용자가 일주일에 몇 번이나 방문하는지 등 남길 수 있는 모든 데이터를 남기기 시작했다. 이를 활용해 인터넷 서비스 운영 기업들은 고객들의 행동을 분석해 메뉴의 위치와 명칭, 색깔 등을 어떻게 제공해야 구매율이 높아지는지 혹은 사용자의 재방문이 많아지는지를 파악할 수 있게 되었고 빅데이터의 활용 범위는 계속 증가했다.
－01_“빅데이터 기술” 중에서

이러한 복합적인 상권 분석 구조를 설계하기 위해 딥러닝 기술을 활용하면 알고리즘이 스스로 각 변수와 관계와 영향도를 데이터에서 스스로 학습할 수 있게 된다. 신기하게도 데이터에 대한 과적합(우연히 특정 지점에만 특별히 발생한 매출 형태를 전체 매장에 반영해 발생하는 성급한 일반화의 오류 문제)도 딥러닝 알고리즘은 스스로 해결한다. 또한 전국적인 판매망을 가진 기업의 상권 분석에서는 월 단위로 변화하는 전국의 배후지 정보와 매출 정보를 결합해 분석하더라도 GPU를 통해 빠르게 학습하고 시의적절하게 결과를 활용할 있어서 유용하다.
－04_“딥러닝 기술의 발전” 중에서

기존 권역으로서 상권 분석 방법을 뛰어넘기 위해 개별 구매자의 선택 모형을 학습하고, 이를 활용해 다시 개별 입지에서 매장 매출액을 구체적인 수치로 시뮬레이션해 제시할 수 있는 모형이 필요하다. 과거에는 학계에서도 구현이 불가능에 가까운 복잡한 모형이었지만 빅데이터와 딥러닝 기술의 발달로 손쉽게 이를 학습하고 구현할 수 있게 되었다.
－06_“상권 분석의 관점” 중에서