오늘날 추천 시스템의 쓰임은 매우 중요한 역할을 한다. 패션업계에는 다양한 스타일, 트렌드, 브랜드 등이 존재하며, 소비자들은 자신에게 맞는 제품을 찾기 위해 수많은 선택지를 직면하게 된다. 이 때문에 소비자들은 선택에 어려움을 겪을 수 있고, 판매자들은 고객의 취향과 요구에 부합하는 제품을 제시하는 데 어려움을 겪을 수 있다. 추천 시스템은 이러한 문제를 해결하기 위해 유용한 도구이다. 하지만 기존 추천 시스템에는 몇 가지 문제점이 거론 되어왔다. 먼저 새로 가입한 사용자나 새로운 항목에 대해서는 충분한 사용자 또는 항목 데이터가 없어 정확한 추천을 제공하기 어려운 문제점으로 콜드 스타트 문제를 꼽을 수 있다. 초기에는 사용자의 기호를 파악하기 어려우므로 제한된 정보에 기반한 추천이 대부분이다. 기존 추천 시스템은 종종 사용자의 개별 세션에서 제공되는 정보에만 의존한다. 하지만 사용자의 선호도는 상황에 따라 달라질 수 있다. 따라서 사용자의 콘텍스트(위치, 시간, 기기 등)를 고려하지 않으면 정확한 추천을 제공하기 어렵다는 문제가 제시되어 왔다. 이런 문제점들 보완해줄수 있는 요인들 중 하나가 바로 개인 구매 이력 데이터이다. 개인 구매 이력 데이터를 활용한 추천 시스템은 사용자의 이전 구매 기록을 분석하여 개인 맞춤형 추천을 제공하는 시스템으로 사용자가 관심을 가질만한 제품이나 서비스를 추천하여 구매 확률을 높이고 사용자 만족도를 향상시키는데 그 목적이 있다. 과정에서 연관분석기법을 응용하여 모델을 설계했으며 기존 획일화되어 수직적인 구조의 방대한 정보에서 벗어나 사용자 중심적의 유의미한 데이터를 찾고자함에 그 목적이 있다.