DOI QR코드

DOI QR Code

RFM 기법과 연관성 규칙을 이용한 개인화된 전자상거래 추천시스템

Personalized e-Commerce Recommendation System using RFM method and Association Rules

  • 진병운 (한국전자통신연구원) ;
  • 조영성 (동양공업전문대학 전산정보학부) ;
  • 류근호 (충북대학교 전기전자컴퓨터공학부)
  • 투고 : 2010.02.03
  • 심사 : 2010.09.23
  • 발행 : 2010.12.31

초록

이 논문은 RFM 기법과 연관성 분석을 이용한 개인화된 전자상거래 추천 시스템을 제안한다. 제안된 전자상거래 추천시스템은 사용자의 평가 자료에 의존하지 않고 묵시적인(Implicity)방법을 이용하여 고객정보와 구매이력 정보를 기반으로 RFM(Recency, Frequency, Monetary) 기법을 이용한 고객 세분화와 교차판매(cross-sell)관계를 찾는 연관성 분석을 이용한 개선된 시스템이다. 또한 고객군별 구매특성 분석을 통하여 효율적인 마케팅 전략과 고객관계관리(CRM: Customer Relationship Management)방법을 제시한다. 현업에서 사용하는 데이터 셋을 구성하여 실험 및 평가를 통해서 효용성을 입증 및 평가하여 일대일 웹 마케팅을 실현하였다.

This paper proposes the recommendation system which is advanced using RFM method and Association Rules in e-Commerce. Using a implicit method which is not used user's profile for rating, it is necessary for user to keep the RFM score and Association Rules about users and items based on the whole purchased data in order to recommend the items. This proposing system is possible to advance recommendation system using RFM method and Association Rules for cross-selling, and also this system can avoid the duplicated recommendation by the cross comparison with having recommended items before. And also, it's efficient for them to build the strategy for marketing and crm(customer relationship management). It can be improved and evaluated according to the criteria of logicality through the experiment with dataset collected in a cosmetic cyber shopping mall. Finally, it is able to realize the personalized recommendation system for one to one web marketing in e-Commerce.

키워드

참고문헌

  1. 안광호, 김상용, 김주영. "인터넷마케팅원론", 법문사, 2001.
  2. 장형옥, 한창엽 "CRM의최근 연구동향 및 향후과제", 경성대학교 경연구논문지 제 21권 제1호, pp. 83-101, 2005
  3. 김재경, 안도현, 조윤호, "고객선호도 변화를 반영한 상품 추천 방법론," 경영정보학연구 춘계논문집, pp.620-625, 2003.
  4. 김종완, 오기욱, "e-CRM을 위한 개인화 마케팅 기법에 관한 연구", 한국컴퓨터정보학회 논문지 제 7권, 제 2호, 179-186쪽, 2002년. 1월.
  5. 윤종육, 윤종수, "균형적 고객세분화에 관한 사례 연구", 한국컴퓨터정보학회 논문지 제 11권, 제 2호, 303-317쪽, 2006년. 5월.
  6. 박찬욱. "데이터베이스 마케팅-고객정보의 활용을 통한 기업경쟁력의강화", 연암사, 1996.
  7. Weber, Alan., "A Simple way to use RFM, Target Marketing", Philadelphia, Mar, 1. 1997.
  8. 김기서. "고객세분화 마케팅", 고원, 1999.
  9. M. Baier, "Elements of Direct Marketing", McGraw-Hill, 1983.
  10. 김봉관. "데이터베이스 마케팅을 위한 고객관리", 남두도서, 2000.
  11. 이기욱, 성창규, "데이터마이닝 기법을 이용한 추천시스템의 구현", 한국컴퓨터정보학회 논문지 제 11권, 제 1호, 293-300쪽, 2006년. 3월
  12. 심장섭, "k-means 군집화와 순차 패턴 기법을 사용하는 VLDB 기반의 추천시스템 설계", 박사학위논문, 충북대학교 대학원 컴퓨터공학과, 2005
  13. 최중민, "에이전트의 개요와 연구방향", 정보과학회지, 7-16쪽, 제 15권, 제 3호, 1997년. 3월

피인용 문헌

  1. A Study on Encouragement Strategy of Electronic Commerce through Clothing Industry vol.15, pp.11, 2011, https://doi.org/10.6109/jkiice.2011.15.11.2359
  2. Review and Analysis of Recommender Systems vol.41, pp.2, 2015, https://doi.org/10.7232/JKIIE.2015.41.2.185
  3. 젊은 계층을 대상으로 이벤트 기획을 통한 인터넷 거래 활성화 전략 vol.16, pp.11, 2010, https://doi.org/10.9708/jksci.2011.16.11.077
  4. RFM기반 FP-tree 마이닝을 이용한 개인화 추천시스템 vol.17, pp.2, 2012, https://doi.org/10.9708/jksci.2012.17.2.197
  5. RFM기법과 k-means 기법을 이용한 개인화 추천시스템의 개발 vol.17, pp.6, 2010, https://doi.org/10.9708/jksci.2012.17.6.163
  6. 사이버 쇼핑몰 환경에서 꽃시장 상품의 마케팅 활성화를 위한 서비스 전략 vol.18, pp.8, 2010, https://doi.org/10.9708/jksci.2013.18.8.149
  7. 여성 의류 시장에서 레깅스패션 상품의 마케팅 활성화 전략방안에 대한 연구 vol.18, pp.2, 2010, https://doi.org/10.6109/jkiice.2014.18.2.345
  8. 협업 필터링 추천 시스템을 위한 데이터 신뢰도 기반 가중치를 이용한 하이브리드 선호도 예측 기법 vol.19, pp.5, 2014, https://doi.org/10.9708/jksci.2014.19.5.061
  9. 패션안경: 온라인 마케팅 강화를 위한 마케팅 서비스 전략 vol.20, pp.3, 2015, https://doi.org/10.9708/jksci.2015.20.3.139
  10. 잠재성장모형의 무조건적 모델 추정을 위한 데이터 기반 방법론 vol.16, pp.6, 2010, https://doi.org/10.14400/jdc.2018.16.6.085
  11. 연관규칙을 이용한 잠재성장모형의 개선방법론 vol.10, pp.2, 2010, https://doi.org/10.15207/jkcs.2019.10.2.217
  12. 위치기반 서비스(Location-based Service)의 프라이버시 위험 대응에 있어 사용자 감정(Affect)의 역할 vol.5, pp.2, 2010, https://doi.org/10.36498/kbigdt.2020.5.2.201