• Proceedings of the Korea Association of Information Systems Conference
• /
• 2000.05a
• /
• pp.41-51
• /
• 2000

전자상거래 기업의 장점이 고객 데이터를 이용한 원활한 데이터베이스 마케팅의 구현임에도 불구하고 아직 많은 사이버쇼핑몰들은 고객의 개별 특성이나 구매성향에 관계없이 누구에게나 동일하게 제공되는 쇼핑몰을 구축하고 있다. 본 논문에서는 갈수록 치열해지는 경쟁 환경에서 고객의 욕구를 좀 더 빠르게, 좀 더 정확하게 만족시킴으로써 고객이 다시 방문할 수 있도록 하는 방안으로 일대일 마케팅의 이론적 고찰을 통하여 맞춤형 쇼핑몰의 개념을 제시하고, NT, SQL 환경에서 ASP를 이용하여 개인화 된 맞춤형 쇼핑몰을 구축하였다. 우선 개인화 된 쇼핑몰의 구축에는 우선 개인의 프로파일, 쇼핑몰에서의 항해 기록, 실제 구매기록 등의 다양한 데이터가 이용될 수 있지만 고객의 프로파일은 항시 일정한 것이 아니라 변화하기 때문에 프로파일과 같은 정적인 정보는 다소 적절치 못할 수도 있다. 또한 고객의 욕구가 빨리 변화한다는 것을 고려한다면 고객의 정적인 정보인 프로파일을 고려하기 보다 고객의 동적인 정보를 파악, 이에 따른 개인화 된 쇼핑몰을 제공함으로써 고객의 만족도를 증진시키고 나아가 지속적인 방문을 유도하는 것이 필요하다는 것을 인식할 수 있다. 따라서 본 연구에서는 NT 환경 하에서 고객의 동적인 정보들을 분석하여 이를 바탕으로 고객의 만족을 이끌어 낼 수 있는 개인형 사이버 쇼핑몰을 시험적으로 개발하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.11a
• /
• pp.387-392
• /
• 2000

전자 상거래에서 고객의 성향을 이해하기 위해서는 일반적으로 판매 실무에서의 경험과 전문적인 지식을 필요로 하게 된다. 데이터 마이닝은 고객들에 대한 데이터의 분석을 통해서 이러한 성향들을 알아내는 것을 목표로 한다. 베이지안 네트워크는 DAG(Directed Acyclic Graph)를 이용하여 데이터의 구조를 시각적으로 표현하여 주는 확률모형으로 변수사이의 종속관계를 밝히고 데이터 마이닝의 기법으로 이용할 수 있다. 본 논문에서는 베이지안 네트워크를 사용하여 전자 상거래 고객들의 성향을 분석하기 위한 방법을 제시한다. 또한 고객성향에 대한 주요 요인을 분석하기 위해 Descriminant 모형을 이용하고 그 유용성을 다른 방법들과 비교하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.16-21
• /
• 2001

전자 상거래에서 고객의 성향을 이해하기 위해서는 일반적으로 판매 실무에서의 경험과 전문적인 지식을 필요로 하게 된다. 데이터 마이닝은 고객들에 대한 데이터의 분석을 통해서 이러한 성향들을 알아내는 것을 목표로 한다. 베이지안 네트워크는 DAG(Directed Acyclic Graph)를 이용하여 데이터의 구조를 시각적으로 표현하여 주는 확률모형으로 변수사이의 종속관계를 밝히고 데이터 마이닝의 기법으로 이용할 수 있다. 본 논문에서는 베이지안 네트워크를 사용하여 전자 상거래 고객들의 성향을 분석하기 위한 방법을 제시한다. 또한 고객성향에 대한 주요 요인을 분석하기 위해 Discriminant 모형을 이용하고 그 유용성을 다른 방법들과 비교하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.781-784
• /
• 2019

최근 AI를 산업 서비스에 적용하기 위해 많은 회사들이 활발히 연구를 하고 있다. 아마존과 넷플릭스 같은 거대 기업들은 이미 빅데이터와 AI 머신러닝을 이용한 추천 시스템을 구현하였고 아마존은 매출의 35%가 추천에 의해 발생하고 넷플릭스 75%의 사용자가 추천을 통해 영화를 선택한다고 보고되었다. 이러한 두 기업의 높은 추천 효율성의 이유는 협업 필터링(Collaborative filtering)과 같은 다양한 추천 알고리즘과 방대한 상품 및 고객 행동(구매, 시청 등) 데이터 등이 존재하고 있기 때문이다. 기계학습에서 알고리즘 학습을 위한 데이터의 양이 많지 않을 경우 알고리즘의 성능을 보장할 수 없다는 것이 일반적인 의견이다. 방대한 데이터를 가진 기업에서 추천 알고리즘을 적극적으로 활용 및 연구하고 있는 것도 이러한 이유 때문이다. 반면, 오프라인 및 여행사 기반에서 온라인 기반으로 영역을 차츰 확대하고 있는 항공 서비스 고객 데이터의 경우, 산업의 특성상 많은 회원에 비해 고객 1명당 온라인에서 활동하는 이력이 많지 않은 것이 특징이다. 이는, 추천 알고리즘을 통한 서비스 제공에서 큰 제약사항으로 작용한다. 본 연구에서는, 이러한 희박한 고객 활동 데이터에서 최신성 기반의 추천 시스템을 통하여 제약사항을 극복하고 추천 효율을 높이는 방법을 제안한다. 고객의 최근 접속 이력 로그를 시간 기준으로 데이터 셋을 분할하여 추천 알고리즘에 반영하였을 때, 추천된 노선에 대한 고객의 반응을 추천 성능 지표인 CTR(Click-Through Rate)로 측정하여 성능을 확인해 보았다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.179-180
• /
• 2008

배전선로의 효과적인 운영을 위해 최근 들어 자동검침 데이터를 활용한 부하분석에 대한 연구가 진행되고 있다. 일반적인 부하분석 방식은 자동검침 고객의 데이터를 이용하여 대표 부하패턴을 생성하고 이를 이용하여 미 검침 고객의 부하패턴을 생성하여, 전체 배전선로의 회선 및 구간에 대한 15분/시간/일/주/월 단위의 최대부하 및 부하패턴 등을 분석하는 방법이다. 기존에는 고객을 분류하기 위해 계약종별 코드만을 사용하였으나, 같은 계약종별 코드를 갖는 고객이라 하더라도 부하패턴이 다른 경우가 많아서 부하분석의 정확도를 떨어뜨렸다. 본 연구에서는 고객의 계약종별 코드뿐 아니라 다양한 고객속성 정보와 15분 단위 자동검침 데이터를 이용하여 k-means 기법을 통해 고객을 분류하는 방식을 제안하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.10a
• /
• pp.643-644
• /
• 2014

정보기술의 발달과 인터넷의 확산 등의 사회적인 변화에 따라 고객을 효과적으로 만족시킬 수 있도록 기업은 고객과의 장기적인 관계를 구축하는 고객관계관리(CRM: Customer Relationship Management)을 사용하고 있다. 최근에는 블로그나 SNS등에 기업이 상품이나 서비스를 팔고자 하는 소비자들이 가득 모여 있기 때문에 실시간으로 소비자의 니즈를 파악할 수 있는 방법으로 트위터, 블로그, 카페 등 SNS 상의 빅 데이터를 분석하는 시스템을 이용한다. 본 논문에서는 고객의 보다 효율적인 피드백 수집분석을 위해 기존의 기업/기관에서 운영 및 관리하는 내부 CRM 데이터와 SNS 상의 외부 데이터를 연동하여 분석할 수 있는 이기종 데이터의 통합 분석엔진 시스템을 제안한다. 이를 의료서비스에 적용하여 내부 데이터인 매출, 방문자 수, 진료과 정보, 환자 정보, 고객 불만 유형 등을 분석하고 소셜데이터를 통해 해당 의료기관에 대한 소비자 경험 (진료, 시설 등) 정보를 수집한다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2003.10a
• /
• pp.107-113
• /
• 2003

최근 활발히 행하여지고 있는 금융 CRM(customer relationship management)의 주요 목적은 고객의 이해도 증진을 통하여 은행의 수익성을 높이는데 있으며 또한 그 과정에서 높은 수익과 낮은 수익을 주는 고객을 여러 가지 유형으로 나누어 관리에 효율성을 도모한다. 일반적으로 고객 세분화의 중요변수로 고객수익성을 고려하고 이러한 고객 세분화 결과에 의해 마케팅 시사점을 도출하게 된다. 본 연구에서는 고객 세분화 그룹에 따른 수익성 변동과정을 모형화하여 보다 효율적인 고객관계 관리를 가능하게 하는데 있다. 수익성 변동의 모형화 과정은 수익금액에 따라 고객을 몇 개의 범주로 분류하여 여러 기간에 걸쳐 나타내는 고객별 범주의 변화 추이를 전이행렬(transition matrix)로 나타내고 마코프 모형을 이용한 전이 확률의 추정을 통하여 다음 시점에서의 각 범주별 고객의 수를 예측 가능함을 보인다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2008.10a
• /
• pp.324-328
• /
• 2008

금융산업에서 고객의 이탈비율은 기대수익에 영향을 미친다는 점에서 예측이 필요한 부분이며 최근 들어 정확한 예측을 통한 비용관리가 이루어지면서 고객 이탈을 예측하는 것이 중요한 문제로 떠오르고 있다. 그러나 보험 고객 데이터가 대용량이고 불균형한 출력 값을 갖는 특성으로 인해 기존의 방법으로 예측 모델을 만드는 것이 적합하지 않다. 본 연구에서는 대용량 데이터를 처리하는 데 효과적으로 알려져 있는 Trust-region Newton method를 적용한 로지스틱 회귀분석을 통해 이탈고객을 예측하는 것을 주된 연구로 하며, 불균형한 데이터에서의 예측정확도를 높이기 위해 Oversampling, Clustering, Boosting 등을 이용하여 고객 데이터에 적합한 이탈 고객 예측 모형을 제시하고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.6 no.3
• /
• pp.29-34
• /
• 2001

Competition is increasing in telecommunication service market. Effective customer retention strategies are based on a clear understanding of customer defection. Data mining offers service providers great opportunities to get closer to customer. In this paper, we propose an efficient data mining algorithm using neural network. Especially Analysis of CRM Using Neural Networks in Telecommunication service Market and a practical application of neural network is described telco, churn management This paper builds model of customer defection management and analyzes customer defection with data mining

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2004.11a
• /
• pp.11-14
• /
• 2004

CRM은 고객을 이해하고 고객과 대화하며 고객에게 최고의 서비스를 제공하는 기업의 경영전략이라고 할 수 있다. 이러한 고객경영전략은 정보기숙의 변화에 따른 시장의 변화, 고객의 변화가 반영되어 CRM의 변화를 가져왔다. 특히 앞으로 전개될 디지털 양방향 데이터 방송을 기반으로 하는 t-Commerce 산업에서 CRM은 더욱 중요한 경영전략이 될 것이다. 본 연구에서는 양방향 데이터 방송을 기반으로 t-CRM의 정의와 특징을 분석하고 기존 CRM의 구성요소와 분류를 확장된 CRM을 적용하여 제시하였다.