최근 화장품 시장에서는 소비자들이 피부 특성에 적합한 제품을 직접 비교ㆍ분석하여 선택하는 스마트 소비 경향이 두드러지고 있다. 그러나 소비자들은 화장품 성분에 대한 정보가 부족하고 이를 해석하는데 어려움이 있으므로, 구매 의사결정 과정에서 신뢰할 수 있는 맞춤형 제품 추천과 이에 대한 설명이 필수적으로 요구된다. 본 연구에서는 사용자의 구매 이력과 평점 패턴, 제품 리뷰 및 성분 정보를 활용하여, 아이템 기반 협업 필터링과 콘텐츠기반 필터링을 결합한 하이브리드 AI 추천 시스템을 설계 및 구현하였다. 특히, 생성형 AI를 결합하여 성분 정보 기반의 추천 사유, 리뷰 정보 기반의 주요 키워드, 그리고 제품 광고 이미지를 함께 생성함으로써, 추천 결과에 대한 설명 가능성과 사용자 만족도를 확보하였다. 성능 평가 결과, 본 논문에서 제안한 하이브리드 추천 시스템은 기존 단일 필터링 모델 대비 약 19% 향상된 MAP@8(0.5199)의 성능을 보였으며, 추천의 정밀도와 설명 가능성 측면에서 우수한 결과를 보였다. 본 연구는 향후 소비자 맞춤형 서비스 확대와 플랫폼 경쟁력 강화, 그리고 구매 전환율 제고에 기여할 수 있을 것으로 기대된다.

Recently, in the cosmetics market, there is a remarkable trend of smart consumption in which consumers directly compare and analyze products suitable for their skin characteristics. However, due to the difficulty of interpreting ingredients and the limitations of information, consumers need reliable customized product recommendations and intuitive descriptions of products in the purchasing decision-making process. Therefore, this study designed and implemented a hybrid AI recommendation system that combines item-based collaborative filtering and content-based filtering by utilizing the user’s purchase history, rating pattern, product review, and ingredient information. In addition, by combining Generative AI, the system generates ingredient-based reason for recommendations, review-based keywords, and product advertisement images, thereby enhancing the explainability of recommendation results and ensuring user satisfaction. Our results showed that the proposed hybrid recommendation system achieved about 19% improvement in MAP@8(0.5199) over the conventional single filtering model and exhibiting notable advantages in both precision and explainability of recommendation. This study is expected to contribute to advancement of personalized services, the strengthening of platform competitiveness, and the improvement of purchase conversion rates in future digital commerce environments.