Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Implementation of Purchasing Pattern Classification System Using Neural Network and Association Rules

신경망과 연관규칙을 이용한 구매패턴 분류시스템의 구현

  • 이종민 (계명대학교 정보통신대학 컴퓨터공학과) ;
  • 정홍 (계명대학교 정보통신대학 컴퓨터공학과) ;
  • 김진상 (계명대학교 정보통신대학 컴퓨터공학과)
  • Published : 2003.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

Recently the needs for keeping existing customers is increasing in the field of marketing. So, the customers needs to be classified by groups and the differentiated responses to the specified customer groups are demanded. In this paper, we implemented a system that classifies the customer groups using the neural network, and classified the purchasing patterns among customer groups. Empirically examining the association rules between two groups, we could find out that similar rules exist between them. So, it is important that customers should be classified into the excellent customer group and the general group for the decision making of marketing. This paper shows that the efficiency of the differentiated marketing can be maximized by raising the correctness of the expectation in the classification of customer groups.

최근 마케팅 업계의 동향을 보면 기존 고객 유지에 대한 필요성을 중요시하면서, 타깃 마케팅의 개념에 의한 고객집단의 세분화된 분류와 각각의 세분화된 고객집단에 대한 차별적인 대응이 요구되고 있다. 본 논문에서는 신경망과 연관규칙의 Cumulate 알고리즘을 이용하여 고객집단을 분류하고 고객집단간의 구매패턴을 분류하는 시스템을 구현하였다. 실제 특정 두 집단간의 연관규칙을 조사한 결과 서로 간에 비슷한 연관규칙이 있음을 알 수 있었고, 마케팅 의사결정을 위해 우량／일반 고객집단으로 분류해야 할 필요성이 있음을 밝혔다. 따라서 고객집단의 분류에 있어 예측율의 정확성을 높임으로써 차별적인 마케팅의 효율을 극대화 할 수 있음을 보였다.

Keywords

References

  1. 김대수, 신경망 이론과 응용(I), 하이테크 정보, 1992.
  2. 박종수, 유원경, 홍기형, "연관규칙 탐사와 그 응용", 정보과학회지, pp37-43, 9월 1998.
  3. 박찬욱. 데이터베이스 마케팅, 연암사, 1996.
  4. 이동희, "Data mining을 이용한 리테일 뱅킹 관한 실증적 연구", 월간 금융('99.1), http://www.kfb.or.kr/
  5. 이상민, "DB마케팅", 금강기획 사보('98.3-4) http://www.diamond.co.kr/
  6. Rakesh Agrawal, Tomasz Imielnski, and Arun Swami. "Mining Association Rules between Sets of Items in Large Databases", Proceedings of the 1993 International Conference on Management of Data (SIGMOD 93), pp. 207-216, May 1993.
  7. R. Agrawal and R. Srikant, "Fast Algorithms for Mining Association Rules", VLDB '94, pp.487-499, September 1994.
  8. D. Fudger and H. Hamilton, "A Heuristic for Evaluating Databases for Knowledge Discovery in Database: An Overview, in G. Piatesky-Shapiro and W. J. Frawly (eds.), Knowledge Discovery in Database, AAAI/MIT Press, 1-27, 1991.
  9. Joseph P. Bigus, Data Mining with Neural network, McGraw-Hill, 1996.
  10. J. Han and Y. Fu, "Discovery of Multiple-Level Association Rules from Large Databases", Proc. of 1995 Int'l Conf. on Very Large Data Bases (VLDB'95), Zurich, Switzerland, pp.420-431, September 1995.
  11. J. Hertz, A. Korgh and Palmer, "Introduction to the Theory of Neural Computation", Addison-wesley, 1991.
  12. M. Klemettinen, H. Mannila, P. Ronkainen, H. Toivonen and A. I. Verkamo, "Finding Interesting Rules from Large Sets of Discovered Association Rules", 3st Conference on Information and knowledge Management(CIKM-94), pp. 401-407, November 1994.
  13. H. Mannila and K. J. Gaiha, "Dependency Inference", in Proc. of 3rd Intl. Conf. on VLDB, pp.155-158, 1987.
  14. A. Muller, "Fast sequential and parallel algorithms for association rule mining: a comparison", University of Maryland-College Park CS Technical Report, CS-TR-3515, 76 pages, August, 1995.
  15. H. Toivonen, M. Klemettinen, P. Ronkainen, K. Hatonen, and H. Mannila, "Pruning and Grouping Discovered Association Rules", MLnet Workshop on Statistics, Machine Learning, and Discovery in Database, 47-52, April 1995.
  16. Ramakrishnan Srikant and Rakesh Agrawal, "Mining Generalized Association Rules", Proceedings of the 21st VLDB Conference, Zurich, Swizerland, pp. 407-419, 1995.

Cited by

  1. A R&D strategies for development using structured association map vol.26, pp.3, 2016, https://doi.org/10.5391/JKIIS.2016.26.3.190