전자상거래에서 추천 모델은 고객들에게 편의를 제공하고 구매를 유도하므로 가장 유용하게 사용되는 방법이다. 기존의 협업필터링 추천 모델은 평점 정보를 이용하여 고객의 선호도와 유사한 다른 고객이 선호하는 상품을 추천하는 방식이며, 추천에 대표적으로 활용되는 기법이다. 이와 더불어, 최근 딥러닝 기반의 추천 모델의 성능향상이 입증되는 연구가 활발히 진행되고 있다. 하지만 앞서 언급한 평점 기반 추천 모델은 데이터 수집에 많은 시간과 비용이 들고, 객관성을 보장하지 못하여 기회비용이 크다. 그리하여 본 연구에서는 온라인 행동 로그를 이용하여 기존 평점 기반 추천 모델의 문제점을 해결한다. 또한, 추천 모델의 성능향상을 위하여 Variational Autoencoders (VAE) 알고리즘을 적용해 새로운 추천 모델을 제시한다. 제안 모델의 성능평가를 위해 기존 Feature Distance (FD)와 비교 분석을 시행하였으며 제안 모델이 기본적인 VAE 추천 모델보다 우수한 성능을 보여 향상된 모델임을 증명하였다.