---
title: 비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드
description: 인공지능(AI) 모델은 사람보다 빠르게 의사결정 및 예측을 수행할 수 있다. 사람보다 빨리 의사결정을 내리고 예측을 수행하려면 먼저 데이터로부터 학습을 해야 하고, 이 데이터 학습을 수행하는 두 가지 주요 방식이 지도 학습(supervised learning)과 비지도 학습(u
---

[블로그｜Appier ](https://www.appier.com/ko-kr/blog)

# [비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드](https://www.appier.com/ko-kr/blog/a-simple-guide-to-unsupervised-learning)

 작성자: [Admin](https://www.appier.com/ko-kr/blog/author/admin) | Aug 31, 2021 4:00:00 PM

인공지능(AI) 모델은 사람보다 빠르게 의사결정 및 예측을 수행할 수 있다. 사람보다 빨리 의사결정을 내리고 예측을 수행하려면 먼저 데이터로부터 학습을 해야 하고, 이 데이터 학습을 수행하는 두 가지 주요 방식이 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)이다.  

**비지도 ** **학습이란 ** **무엇인가? ** 비지도 학습은 학습 알고리즘에 결과물이라고 할 수 있는 출력을 미리 제공하지 않고 인공지능(AI)이 입력 세트에서 패턴과 상관관계를 찾아내야 하는 머신러닝 알고리즘이다. 예를 들면, 새로 출시할 상품 유형에 맞는 타겟 시장을 정의하려고 할 때 필요한 기술이다. 비지도 학습은 데이터 자체가 부족하거나 훈련 데이터를 수집하기에는 비용이 너무 높은 등의 이유로 출력에 대해 알 수 없거나 활용할 수 없을 때 주로 사용된다. AI를 어린 아이라고 가정할 때, 지도 학습은 색깔, 숫자 또는 어휘와 같이 인간이 이미 알고 있는 것을 아이에게 가르치는 것과 같다. 비지도 학습은 아이가 스스로 문제를 풀고 추론할 수 있도록 내버려두는 방식이라고 할 수 있다. 보통 아이가 상상을 통한 놀이 또는 글쓰기와 그림 그리기 등의 창의적인 활동을 하면서 스스로 배우도록 한다. 지도 학습과 비교했을 때 비지도 학습은 다음과 같은 특징이 있다:

- 레이블이 지정되지 않은 데이터를 처리한다
- 사용자가 보다 복잡한 처리 작업을 수행할 수 있도록 한다
- 더 예측이 어렵다
- 데이터의 근본 구조를 발견하는 데 사용할 수 있다
- 실시간으로 발생한다

**비지도 ** **학습 ** **알고리즘의 ** **일반 ** **유형 ** **클러스터링 ** **알고리즘(Clustering algorithms) ** 클러스터링 알고리즘(clustering algorithms), 즉 군집화 알고리즘은 분류되지 않은 데이터에서 구조나 패턴을 찾는 데 도움을 준다. 어린이들이 좋아하는 볼풀을 미가공 데이터라고 한다면, 클러스터링 알고리즘은 모든 파란색 공을 하나의 클러스터 또는 그룹으로, 빨간색 공을 그와 다른 클러스터로 정렬하는 것과 같은 작업을 수행할 수 있다. 운영자인 사람이 알고리즘이 식별해야 할 클러스터 수를 지정 또는 수정할 수 있으며, 이를 통해 그룹들을 어디까지 세분화할 것인지 보다 쉽게 제어할 수 있다. 하지만 클러스터링 알고리즘에는 단점이 있다. 그룹 간의 유사성을 과대평가할 수 있고 각 데이터 포인트를 개별적으로 다루지 못한다. 예를 들어, 볼풀에 있는 빨간색 공들의 크기 차이가 굉장히 크더라도 알고리즘은 모두 같은 그룹으로 분류한다. 따라서 각 데이터 포인트의 개별성에 초점을 맞춰야 하는 고객 세분화 및 타겟팅과 같은 애플리케이션에 클러스터링 알고리즘을 사용할 경우 주의해야 한다.

**변칙 ** **또는 ** **이상 ** **감지 ** **모델(Anomaly detection)** 변칙 감지(anomaly detection) 알고리즘은 데이터 세트에서 변칙적인 것이나 이례적인 것을 자동으로 감지하고 알려준다. 사기성 거래, 하드웨어 결함 또는 사람의 실수로 인한 잘못된 데이터 포인트를 발견하는 데 유용하다.

**잠재 ** **변수 ** **모델(Latent variable models) ** 데이터가 엄청나게 복잡한 경우에는 데이터를 통한 학습이 어려울 수 있다. 우선, '불량(noisy)' 데이터를 제거하여 단순화함으로써 학습을 용이하게 하고, 데이터에서 의미 있는 인사이트를 찾을 수 있다. 잠재 변수 모델(latent variable model)은 전처리 단계에서 큰 도움이 된다. 차원 축소(dimensionality reduction)로 알려진 기법을 통해 데이터 세트에서 그 특징의 수를 줄이거나 데이터 세트를 여러 구성요소로 분할함으로써 데이터를 단순화시키는 데 기여한다.

**마케팅에서 ** **비지도 ** **학습 ** **활용** **1. 고객 ** **행동 ** **예측** 사람의 행동은 대체로 예측이 어렵다. 불완전한 데이터를 가지고 효과적인 마케팅 전략을 수립해야 하는 어려운 게임이다. 이처럼 불완전한 데이터 세트만 있을 때 비지도 학습은 공백을 채워 줌으로써 큰 ​​도움이 될 수 있다. 예를 들어, 어떤 웹사이트 페이지의 이탈률과 전환율이 모두 높게 나타난다고 하자. 비지도 학습은 알고리즘이 찾아내도록 훈련시킨 하나의 정답에 의존하지 않고, 데이터를 분석하고 그 안에 숨겨진 통계와 정보를 발견함으로써 이 페이지가 고객들로부터 그렇게 극단적인 반응을 이끌어내는 이유를 파악하는 데 도움을 준다. 비지도 학습은 데이터 내에서 무엇이 고객들의 특이한 행동을 유발하는지 밝혀줄 특정 추세를 파악할 수 있다.

**2. 고객 ** **세분화 ** 비지도 학습은 타겟 고객 세분화에도 유용하다. 잠재고객을 여러 세그먼트로 나누어 더 가치 있는 그룹에 우선순위를 둘 수 있도록 한다. 크게 네 가지 유형의 요소를 기반으로 고객을 분류할 수 있다:

- 인구통계 특성(나이, 성별)
- 지리적 특성(위치)
- 심리적 특성(태도, 열망)
- 행동 특성(사이트 내에서 수행하는 작업 및 외부 관심사)
- 실시간으로 발생한다

비지도 모델을 활용하면 고객의 평생가치(LTV) 또는 전환 확률과 같은 지표를 토대로 고객 기반을 세분화하는 데 도움된다. 이런 지표를 토대로 세그먼트를 분류한 다음에는 달성하고자 하는 비즈니스 목표에 따라 우선순위를 정하여 그 그룹에 마케팅 노력을 집중할 수 있다.

**3. 닮은꼴 ** **고객 ** **찾기** 비지도 AI 모델은 기업이 이미 보유하고 있는 고가치 고객과 매우 유사한 특징을 보이는 잠재고객을 찾는 데에도 사용할 수 있다. 예를 들면, 스킨케어 브랜드는 세럼을 구매했거나 샘플을 받기 위해 등록한 모든 고객들로부터 수집된 데이터를 활용할 수 있다. 비지도 모델을 사용하여 이미 파악하고 있는 기존 고객들과 유사한 특징을 보이는 다른 고객 그룹을 찾아내어 관련성 있는 마케팅 자료로 공략할 수 있다. AI가 고객의 습관, 행동 및 성향에 대해 이 정도로 깊이 있는 인사이트를 생성해주기 때문에 고도로 개인화되고 타겟 맞춤화된 마케팅 활동으로 해당 고객 그룹의 참여율을 크게 높일 수 있다.  

** * *비지도 * *학습 AI * *알고리즘이 * *정확한 * *예측과 * *마케팅 * *의사결정을 * *내리는 * *원리와 * *이를 * *광고에 * *적용하는 * *방법을 * *더 * *자세히 * *알아보고자 * *하시면, * *관련 * *백서 ‘* [***지도*** ***학습에서*** ***비지도*** ***학습으로: AI******가*** ***재구성하는*** ***광고***](https://www.appier.com/ko/white-papers/from-supervised-to-unsupervised-learning-how-ai-is-reshaping-advertising/?hsLang=ko-kr) *’* *를 * *참고하시기 * *바랍니다. * *구체적인 * *설명이나 * *컨설팅이 * *필요하시면 * [*문의*](https://www.appier.com/ko/contact-us/?hsLang=ko-kr) *를 * *남겨주세요! * * * * *

[전체 게시물 보기](https://www.appier.com/ko-kr/blog/a-simple-guide-to-unsupervised-learning)

```json
{
  "@context" : "http://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "Admin"
  },
  "dateModified" : "2022-04-11T08:01:41.241Z",
  "datePublished" : "2021-08-31T16:00:00Z",
  "headline" : "비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드",
  "image" : {
    "@type" : "ImageObject",
    "height" : 1080,
    "url" : "https://fs.hubspotusercontent00.net/hubfs/9057203/Imported_Blog_Media/A-Simple-Guide-to-Unsupervised-Learning.jpg",
    "width" : 1620
  },
  "mainEntityOfPage" : "https://www.appier.com/ko-kr/blog/a-simple-guide-to-unsupervised-learning",
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "height" : 60,
      "url" : "/hs/hsstatic/content_shared_assets/static-1.4092/img/default-amp-logo.png",
      "width" : 60
    },
    "name" : "Blog"
  }
}
```