[캐글 필사] H&M Personalized Fashion Recommendations

1. 문제 & Metric 파악

1) 대회 배경, 설명에 대한 이해

H&M이 제안하는 대회로

거래 데이터 + 고객 데이터 + 제품 데이터(텍스트·이미지 포함)를 활용해 추천 시스템을 만드는 과제이며, 단순한 판매 증대뿐 아니라 지속가능성(반품·탄소 배출 감소)까지 고려하는 것이 핵심이다.

 

2) 데이터에 대한 기본적인 이해

 

• images/
  • 각 article_id에 해당하는 이미지 폴더
  • article_id의 앞 3자리 숫자를 기준으로 하위 폴더에 배치됨
  • 모든 상품(article_id)에 이미지가 있는 것은 아님
• articles.csv
  • 각 article_id별 상세 메타데이터 (예: 상품 속성, 카테고리 등)
• customers.csv
  • 각 customer_id별 메타데이터 (예: 고객 속성, 나이, 지역 등)
• sample_submission.csv
  • 정답 제출 시 따라야 할 예시 제출 파일 (형식 확인용)
• transactions_train.csv
  • 훈련 데이터
  • 고객별 구매 이력(날짜, 상품, 기타 부가 정보 포함)
  • 동일한 상품을 여러 번 구매한 경우 중복 행으로 나타남

 

 

3) 평가 Metric에 대한 이해

Mean Average Precision @ 12 (MAP@12)

추천 시스템이나 검색 시스템에서 자주 쓰이는 정밀도 기반 평가 지표이다. H&M 대회에서 이 지표를 쓰는 이유는, "고객별로 최대 12개의 추천"을 했을 때 얼마나 실제 구매와 잘 맞는지를 평가하기 위함이다.

---

1. 기본 개념

• Precision(정밀도): 내가 추천한 것 중 실제로 맞은 비율.
• Average Precision (AP): 고객별로 추천한 리스트 안에서, 정답이 나온 순간까지의 precision을 누적 평균한 값.
• Mean Average Precision (MAP): 모든 고객에 대해 AP를 계산한 뒤, 그걸 평균낸 값.
• MAP@12: 고객당 최대 12개의 추천만 본다. 즉, 고객별 예측 TOP-12까지만 평가에 반영된다.

---

2. 수식 설명

여기서

• U: 고객 수
• AP@12(u): 고객 U에 대한 평균 정밀도 (최대 12개 추천 기준) 

 

• m: 고객 u의 실제 구매 수 (ground truth 개수)
• P@k(u): 순위 kkk까지의 precision
• rel(k): 순위 kkk의 추천 아이템이 실제 구매에 포함되면 1, 아니면 0

---

3. 예시로 이해하기

👉 어떤 고객의 실제 구매: {A, B, C}
👉 모델 추천(12개 중 앞 5개만 예로): [A, D, B, E, C]

• 순위 1 (A) → 맞음 → Precision@1 = 1/1 = 1.0
• 순위 2 (D) → 틀림 → Precision@2 = 1/2 = 0.5 (맞은 건 여전히 1개뿐)
• 순위 3 (B) → 맞음 → Precision@3 = 2/3 = 0.667
• 순위 4 (E) → 틀림 → Precision@4 = 2/4 = 0.5
• 순위 5 (C) → 맞음 → Precision@5 = 3/5 = 0.6

Average Precision(AP@12) = (1.0 + 0.667 + 0.6) / 3 = 0.756
(정답 3개(A,B,C)에 해당하는 precision만 평균)

다른 고객도 같은 방식으로 계산 → 전체 고객에 대해 평균 → MAP@12 완성.

---

4. 핵심 요약

• 고객당 최대 12개 추천만 평가.
• 추천한 순서가 중요하다(정답을 앞에 두면 더 높은 점수).
• 모든 고객의 평균 성능을 본다.

 

2. EDA

'index_name'별 상품의 개수

 

 

 

고객의 나이 분포 시각화

 

 

평균가격이 높은 제품 5가지의 평균 가격 변화

 

👥 고객 특성

• 연령대: 20~30대가 주요 고객층으로 확인되었습니다. 젊은 층이 핵심 소비층을 형성하고 있으며, 이는 브랜드가 트렌디하면서도 실용적인 제품을 제공해야 한다는 점을 시사한다.
• 멤버십: ACTIVE 멤버의 비중이 높아 충성도 있는 고객이 많음을 알 수 있습니다. 이는 브랜드 차원에서 멤버십 혜택을 적극 활용하면 장기 고객 유지에 효과적일 수 있다는 의미.
• 뉴스레터 구독: 뉴스레터 미구독자가 다수를 차지하고 있으나, 정기 구독자 역시 무시할 수 없는 규모이다. 즉, 아직 구독하지 않은 고객을 유입시키는 동시에, 이미 구독 중인 고객에게는 개인화된 콘텐츠를 제공하여 브랜드 경험을 강화할 필요가 있다.

---

👗 상품 특성

• 제품군: Trousers, Dress와 같은 베이직 아이템의 인기가 높습니다. 고객들은 유행에 민감하기보다 일상적으로 착용할 수 있는 실용적인 제품을 선호한다고 볼 수 있다.
• 색상: Black, Dark Blue 등 무난한 색상이 주로 선택되고 있습니다. 이는 고객들이 튀는 색상보다는 활용도 높고 쉽게 매치 가능한 톤을 찾고 있음을 보여준다.

---

📊 거래 패턴

• 기간별 집중도: 거래량은 6월과 10월, 특히 월초와 월말에 집중되는 경향을 보였습니다. 이는 시즌별 수요 변화나 프로모션, 세일 이벤트가 고객 구매에 큰 영향을 미치고 있음을 시사한다.
• 따라서 특정 시즌이나 이벤트 시점에 맞춘 마케팅 캠페인 및 재고 운영 전략이 중요하다.

---

💰 가격대

• 저가 제품 위주로 소비가 몰려 있습니다. 대다수 고객은 합리적인 가격대에서 쇼핑을 즐기며, 고가 제품은 일부 소비자층에서만 선택되고 있다.
• 이는 브랜드가 대중성을 유지하면서도 프리미엄 라인업을 보완하는 전략을 병행할 수 있음을 보여준다.

---

🏬 구매 채널

• 오프라인 매장에서의 거래가 압도적으로 많습니다. 이는 해당 브랜드가 여전히 매장 경험 중심의 성향을 강하게 가지고 있음을 의미한다.
• 온라인 쇼핑의 성장세에도 불구하고, 오프라인 채널은 고객 신뢰와 브랜드 경험 제공 측면에서 핵심적인 역할을 하고 있다.

 

 

3. Notebook 필사

가장 많은 수의 vote를 받은 Notebook을 선정했다.

선정한 Notebook의 링크

https://www.kaggle.com/code/vanguarde/h-m-eda-first-look

H&M EDA FIRST LOOK

 

1️⃣ 모델 접근 방식

두 가지 전략을 조합했다:

1. 고객별 최근 구매 상품 기반 추천
   • 각 고객이 최근에 구매한 상품을 바탕으로 다시 추천한다.
   • 패션 산업에서는 재구매나 유사 상품 구매가 빈번히 발생하기 때문에, 고객의 최신 구매 패턴은 강력한 힌트가 된다.
2. 전체 고객 공통 인기 상품 기반 보완 추천
   • 모든 고객의 구매 이력을 합산해 가장 인기 있는 상품을 산출한다.
   • 고객 개인의 구매 이력이 충분하지 않거나, 최근 구매 기록이 부족할 때 이를 보완해준다.

👉 즉, 개인화 추천 + 글로벌 인기 상품 추천을 혼합해 안정적인 결과를 도출하도록 설계했다.

---

2️⃣ 데이터 분할 전략

머신러닝 모델 학습이 없기 때문에 명시적인 train/test 분할은 적용하지 않았다. 대신, 시간 기반 분할(Time-aware split) 구조를 채택했다.

• week_number = 104: 테스트 기준 주차로 설정
• 104주차 이전 데이터: 피처 생성 및 통계 계산에 활용

즉, 미래 데이터를 참조하지 않도록 시간 축을 고려한 평가 방식을 도입하여 실제 상황과 유사하게 시뮬레이션했다.

---

3️⃣ 하이퍼파라미터와 암묵적 설정값

규칙 기반 모델에는 일반적인 의미의 하이퍼파라미터 튜닝 과정이 존재하지 않습니다. 그러나 몇 가지 암묵적인 파라미터 설정이 있었다:

• recent_customer_articles: 고객별 최근 구매 이력을 추천에 반영할지 여부
• Top-N 인기 상품 개수: 보완 추천으로 활용할 인기 상품 개수 (실험에서는 Top-12)
• 추천 리스트 길이: 최종적으로 고객별 12개의 상품을 추천 (대회 평가 지표 MAP@12에 맞춰 12개 고정)

이러한 요소들은 명시적 튜닝은 아니지만, 결과적으로 추천 품질에 직접적인 영향을 미쳤다.

---

 

4. Lesson Learned

 

1️⃣ 데이터와 시간 축의 중요성

• 데이터를 단순히 섞어서 평가하면 실제 상황과 맞지 않을 수 있다.
• 이번 프로젝트에서는 시간 기반 분할(Time-aware split)을 적용하여, 과거 데이터를 기반으로 미래를 예측하는 구조를 만들었다.
• 이를 통해 현실적인 시뮬레이션이 가능했고, 추천 시스템 평가에서 시간 축을 고려하는 것이 얼마나 중요한지 다시 확인할 수 있었다.

---

2️⃣ 최근 구매 이력의 강력함

• 고객별 최근 구매 상품은 추천 성능에 있어 매우 강력한 신호로 작용했다.
• 패션 리테일에서는 재구매나 유사한 스타일 구매가 자주 발생하기 때문에, 최근 구매 이력을 활용하는 전략이 효과적이었다.
• 이는 추천 시스템 설계 시 개인화 요소(personalization)가 핵심임을 보여줍니다.

---

3️⃣ 인기 상품의 보완적 역할

• 모든 고객이 충분한 구매 이력을 가지고 있는 것은 아니다.
• 따라서 전체 고객 공통 인기 상품을 활용해 보완하는 전략이 필요했다.
• 인기 상품은 개인화가 부족한 경우에 안정적인 추천 품질을 제공해주는 fallback 역할을 해주었다.

---

4️⃣ 다음 단계로의 확장 가능성

• 룰 기반 시스템은 출발점일 뿐이며, 더 나은 성능을 위해 다양한 확장이 가능합니다.
  • 머신러닝 기반 모델: LightGBM, XGBoost 등을 활용한 예측
  • 텍스트 데이터 활용: 상품 설명 기반 임베딩을 통한 NLP 적용
  • 이미지 데이터 활용: CNN 등을 활용한 상품 이미지 특징 추출
  • 하이브리드 추천 시스템: 여러 소스를 결합한 종합적인 모델