SimPersona: Learning Discrete Buyer Personas from Raw Clickstreams for Grounded E-Commerce Agents

작성자

Haebom

카테고리

Empty

저자

Zahra Zanjani Foumani, Alberto Castelo, Shuang Xie, Ted Chaiwachirasak, Han Li, Lingyun Wang

💡 개요

기존 LLM 기반 웹 에이전트가 실제 쇼핑객의 다양한 행동 패턴을 포착하지 못하고 평균적인 구매자 정책에 머무르는 문제를 해결하기 위해, 본 논문은 SimPersona라는 새로운 프레임워크를 제안합니다. SimPersona는 원시 클릭스트림 데이터로부터 행동 패턴을 반영하는 이산적인 구매자 유형(persona)을 학습하고, 이를 LLM 에이전트가 활용할 수 있는 간결한 토큰으로 제공합니다. 이를 통해 실제 쇼핑객의 구매 전환율과 유사한 78%의 전환율 일치율을 달성하며, 해석 가능한 행동 다양성을 보여줍니다.

🔑 시사점 및 한계

•

다양한 구매자 행동 포착: SimPersona는 이산적인 구매자 유형 학습을 통해 실제 쇼핑객의 이질적인 행동 패턴을 효과적으로 모델링하고 LLM 에이전트에게 제공할 수 있습니다.

•

확장 가능하고 효율적인 개인화: 수동으로 제작된 프롬프트 기반 페르소나의 한계를 극복하고, 학습된 토큰을 통해 새로운 상점이나 에이전트에 쉽게 적용 및 확장 가능합니다.

•

실제 쇼핑객 행동과의 높은 일치도: 대규모 실제 데이터셋에서의 평가를 통해 SimPersona가 실제 구매 전환율과 높은 수준의 일치도를 보임을 입증했습니다.

•

한계점: 학습된 구매자 유형의 해석 가능성이 높다고는 하지만, 특정 유형이 실제 어떤 심리적 요인에 기반하는지에 대한 깊이 있는 분석은 추가 연구가 필요할 수 있습니다. 또한, 매우 희귀하거나 극단적인 쇼핑 행동 패턴의 포착에는 어려움이 있을 수 있습니다.

PDF 보기

Made with Slashpage