• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.12 no.3
• /
• pp.43-49
• /
• 2012

Personalized message syndication is an important process for maximizing the effect of mobile marketing. This paper proposes an algorithm for determining clients satisfying target conditions in real-time. The proxy server as an intermediate node stores client profiles (gender, age, location, etc) and their respective summaries into a database. When a company syndicates messages at run time, the proxy server maps target conditions expressed by boolean expressions to integer value and determines target clients by comparing target value with profile summary. Thus, this approach provides efficient personalized message syndication in very large systems with millions of clients because it can determine target clients in real-time and work with a traditional database easily.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.2
• /
• pp.164-171
• /
• 2006

Recently Digital multimedia broadcasting (DMB) has been available as a commercial service. The users sometimes have difficulty in finding their preferred multimedia contents and need to spend a lot of searching time finding them. They are even very likely to miss their preferred contents while searching for them. In order to solve the problem, we need a method for recommendation users preferred only minimum information. We propose an algorithm and a system for recommending users' preferred contents using preference transition probability from user's usage history. The system includes four agents: a client manager agent, a monitoring agent, a learning agent, and a recommendation agent. The client manager agent interacts and coordinates with the other modules, the monitoring agent gathers usage data for analyzing the user's preference of the contents, the learning agent cleans the gathered usage data and modeling with state transition matrix over time, and the recommendation agent recommends the user's preferred contents by analyzing the cleaned usage data. In the recommendation agent, we developed the recommendation algorithm using a user's preference transition probability for the contents. The prototype of the proposed system is designed and implemented on the WIPI(Wireless Internet Platform for Interoperability). The experimental results show that the recommendation algorithm using a user's preference transition probability can provide better performances than a conventional method.

• Journal of Digital Convergence
• /
• v.15 no.6
• /
• pp.189-196
• /
• 2017

This study investigates customer satisfaction with full service carriers (FSC) and low cost carriers (LCC) using social media sentiment evaluation. From 2008 to 2016, a total of 77,591 tweets about two FSC and six LCC were aggregated and classified as per airline choice factors. Sentiment evaluation was employed to assess customer satisfaction by three appraisers. The results showed that customer satisfaction with LCC was significantly higher (p<0.001) compared to FSC. Furthermore, overall customer satisfaction with both FSC and LCC has been facing a consistent downward trend since the last seven years. The results also highlighted low customer satisfaction with respect to booking and flight operation factors, and a steep decline in customer satisfaction across booking, onboard services, and marketing factors for FSC. The results of this study have practical implications for the airline industry, which can use this quantitative data to improve customer satisfaction with FSC and LCC.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.1
• /
• pp.109-115
• /
• 2009

Many internet companies are holding marketing activity through customer relationship management to satisfy complicated and diversified consumer demands. Use of customer lifetime value as a marketing metric tends to place greater emphasis on customer service and long-term customer satisfaction, rather than on maximizing short term sales. And so many internet companies have been interested in customer lifetime value, which is a primary key for discovery customer values to promote the competitive power in their business fields. In this paper, we apply a life table technique to lifetime analysis of internet site customers by membership pattern and provide the opportunity using revised life tables in several kinds of internet companies.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.387-390
• /
• 2021

최근 전자 상거래 시장이 급격한 성장을 이루면서 고객들의 급변하는 니즈를 파악하는 것이 기업들의 수익에 직결되는 요소로 인식되고 있다. 이에 기업들은 고객들의 니즈를 신속하고 정확하게 파악하기 위해, 기축적된 고객 관련 각종 데이터를 활용하려는 시도를 강화하고 있다. 기존 시도들은 주로 구매 행동 예측에 중점을 두었으나 고객 행동의 전후 과정을 해석하는데 있어 어려움이 존재했다. 본 연구에서는 고객이 구매한 상품을 확정 또는 환불하는 행동을 취할 때 해당 행동이 발생하는데 있어 어떤 요소들이 작용하였는지를 파악하고, 어떤 고객이 환불할 지를 예측하는 예측 모형을 새롭게 제시한다. 예측 모형 구현에는 트리 기반 앙상블 방법을 사용해 예측력을 높인 XGBoost 기법을 적용하였으며, 고객 의도에 영향을 미치는 요소들을 파악하기 위하여 대표적인 설명가능한 인공지능(XAI) 기법 중 하나인 SHAP 기법을 적용하였다. 이를 통해 특정 고객 행동에 대한 각 요인들의 전반적인 영향 뿐만 아니라, 각 개별 고객에 대해서도 어떤 요소가 환불결정에 영향을 미쳤는지 파악할 수 있었다. 이를 통해 기업은 고객 개개인의 의사 결정에 영향을 미치는 요소를 파악하여 개인화 마케팅에 사용할 수 있을 것으로 기대된다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.10
• /
• pp.59-66
• /
• 2022

This research conducted a study classifying gender of speakers by analyzing feature vectors extracted from the voice data. The study provides convenience in automatically recognizing gender of customers without manual classification process when they request any service via voice such as phone call. Furthermore, it is significant that this study can analyze frequently requested services for each gender after gender classification using a learning model and offer customized recommendation services according to the analysis. Based on the voice data of males and females excluding blank spaces, the study extracts feature vectors from each data using MFCC(Mel Frequency Cepstral Coefficient) and utilizes SVM(Support Vector Machine) models to conduct machine learning. As a result of gender classification of voice data using a learning model, the gender recognition rate was 94%.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.235-237
• /
• 2004

최근 인터넷 기술의 발전으로 인해 정보량이 급증함으로써 이들 정보자원을 효과적으로 검색하기 위한 방법으로 메타데이터를 이용하여 필요한 정보 자원에 정확하게 접근하는 방법이 다양한 분야에서 제안되고 있다. 메타데이터는 정보자원을 효과적으로 검색하고 데이터를 재가공하여 다양한 각종 정보자원에 대한 정보 및 기록 관리를 할 수 있다. 이 논문에서는 정보를 효율적으로 검색하기 위하여 XML을 이용한 온톨로지 기반의 메타데이터를 이용한다. 홈쇼핑 사이트의 고객인 소비자를 대상으로 효율적인 정보 추천 및 검색을 위해, 상품 토픽맵 온톨로지를 구축하고 소비자에게 알맞은 쇼핑 정보를 전달하기 위한 정보검색 시스템을 설계 구축한다. 온톨로지의 자동적 구축은 데이터 마이닝 기법인 COBWEB의 개념 계층적 클러스터링 알고리즘을 이용하였다. 기존의 전문가에 의한 수동적인 온톨로지 구축을 자동화 시키므로써, 대량의 온톤로지를 구축하여 정보검색에 효율을 기할 수 있다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2006.04a
• /
• pp.99-108
• /
• 2006

대형 할인점 매출 데이터는 G-CRM, 에어기어 마케팅(Area Marketing)에 활용하기 위해 고객의 구매정보와 위치정보를 포함한다. TM중부좌표로 이루어진 고객 위치정보를 이용하여 지점간의 거리를 구할 수 있다. 서로 다른 위치에서 통시에 측정된 자료들이 공간적인 변인에 의하여 영향을 받는다면, 공간적인 변인의 함수식에 의한 예측모형을 설정하는 것이 타당하다. 본 연구에서는 공간적인 변인으로 거리가 주어졌을 때, 대형 할인점 매출 자료에 대한 세미베리오그램(Semi-Variogram)의 모형을 추정하고, 관측되지 않은 지역에 대한 할인점 이용권을 공간예측기법으로 예측하였다. 그리고 공간예측 기법을 통해 예측된 할인점 이용권을 토대로 할인점 이용권 지도를 작성하였다. 또한 매출 데이터의 공간이상치 탐지를 위한 방법을 제시하고 실례로 알아보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.355-357
• /
• 2002

고객 관리를 위한 CRM시스템이 인터넷 환경에서 eCRM시스템으로 발전하게 됨에 따라 보다 효과적이고 인터넷 환경에 맞는 eCRM시스템을 개발하는 것에 대한 관심이 높아지고 있다. 기존의 CRM시스템은 고객을 분석하고 분석한 결과를 일괄적으로 캠페인에 적용하고 또한 한꺼번에 캠페인 결과를 피드백하여 분석함으로써 다음 캠페인에 이용할 수 있도록 하고 있다. 그러나 eCRM 시스템은 24시간 캠페인을 가능하게 하였고 그때 그때 수집되는 데이터를 모아 일정한 시간을 주기로 하여 피드백하여 결과에 반영하고 있다. 보다 개인화(personalization)된 eCRM을 설계하고 이를 효과적으로 이용하기 위해서는 좀더 지능적인 피드백과 분석이 필요하다. 이에 본 연구에서는 데이터 마이닝을 이용하여 단순히 일정 시간주기가 아닌 의미있는 데이터량을 정함으로써 그 데이터량이 되었을 때 피드백을 수행하도록 하고 있다. 그럼으로써 개인화를 수행하는데 있어서 좀더 적시에 정확한 정보를 추천할 수 있도록 제안하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.52-54
• /
• 2002

추천 시스템은 방문 고객 개개인의 취향이나 구매이력 등을 분석하여 고객이 필요로 하는 상품 또는 컨텐츠 정보의 서비스를 제공한다. 기존의 추천 시스템은 온라인에 초점을 맞추어 설계되었는데 본 논문에서는 무선 인터넷 서비스를 기반으로 무선 단말기(e.g. PDA, Cell Phone 등)를 통해 오프라인에서도 추천정보를 제공하는 시스템을 제안한다. 사용자에게 제공이 되는 추천 정보는 상품이나, 컨텐츠 또는 이벤트 정보이며 제안된 시스템에서는 데이터 마이닝 기법을 통해 데이터를 분류, 측정 및 예측하고 지식 기반방법과 collaborative filtering 방법을 혼합하여 양쪽의 장점만을 취하여 기존의 한정된 상품에 대한 정보와 침상에서만 제공이 되는 서비스를 오프라인까지 통합한 추천 시스템을 제안한다.