기존 반사실적 설명(CE)의 두 한계 — 목표 출력값과 거리 함수를 외부에서 임의로 지정해야 하고, 예측값 변경에만 집중해 실제 의사결정 목표를 최적화하지 못하는 문제 — 를 해결하는 이익 기반 반사실적 설명(PBCE) 프레임워크를 제안한 논문이다. CE를 경영·마케팅 맥락의 이익 극대화 문제로 재정식화해 목표값 지정 없이 이익을 직접 최적화하고, 거리 항을 제품 속성 변경 비용으로 재해석해 경제학적으로 명확한 의미를 부여했다. 일본 만화 판매 데이터를 사례로 제품 개선 방향 도출에 적용했다. 설명가능 AI(XAI)를 해석 도구에서 수익 중심 의사결정 도구로 확장한다는 점에서 실무 활용 가치가 있다.

• •기존 CE는 목표 출력값과 거리 함수를 외부에서 지정해야 하고 회귀 설정에서 그 타당성이 불분명하다는 문제 지적
• •PBCE는 이익 극대화를 직접 목적함수로 삼아 외부 목표값 지정 불필요
• •거리 항을 제품 속성 변경 비용으로 재해석해 경제학적 근거 부여
• •일본 만화 판매 데이터 사례 연구로 제품 개선 의사결정 지원 시연
• •예측 해석 도구였던 CE를 명시적 목표 최적화 기반 의사결정 도구로 확장