• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.386-394
• /
• 2011

최근의 고객만족도 조사에서는 만족응답으로의 쏠림현상이 발생함으로써 만족고객의 비율이 높아져 고객만족 개선안 도출이 어려워지고 있다. 게다가 이로 인한 데이터 분석의 구조적 한계로 인해 고객만족도 조사의 실제 적용을 효과성이 감소하고 있다. 이러한 문제점을 해결하기 위해서는 만족고객을 재분류하여 보다 전략적인 의미를 도출하고 만족 고객의 불만족 요인을 찾아내기 위한 연구가 필요하다. 본 연구에서 는 Latent Class Analysis(LCA)를 이용하여 만족 고객의 세분화에 초점을 두어 수행되었다. 초고속인터넷 서비스의 만족고객만을 대상으로 LCA를 적용한 결과 3개의 집단으로 세분화된 결과를 얻었으며 각 집단별 만족요인과 불만족 요인을 분석하여 궁극적으로 고객만족경영을 달성할 수 있는 시사점을 도출하였다. 연구결과는 고객만족도 조사가 다양하고 입체적으로 분석되어 고객만족조사의 활성화는 물론, 고객 만족경영 향상을 위한 유용한 방법으로 활용되리라 기대한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.187-189
• /
• 2005

인터넷 및 분산 환경에서 XML은 애플리케이션 간의 자료 저장 및 자료 교환을 위한 표준으로써, XML 문에 대한 연구가 활발히 진행되고 있다. 따라서 이기종 관계형 데이터베이스 시스템들 간의 메타데이터 및 데이터 교환을 위해 W3C에서 제안한 XML Schema를 사용한다. XML Schema는 평면적 구조인 관계형 데이터베이스 시스템의 메타데이터 및 데이터를 계층적 구조인 XML 문서형식으로 나타낼 수 있는 메커니즘을 가지고 있으며, 다양한 원시 데이터 형식을 지원하여 관계형 데이터베이스 시스템이 제공하는 데이터형식을 충분히 반영할 수 있는 구조를 가지고 있다. 또한 기존의 이질적인 전자상거래 플랫폼을 사용하므로 인해 발생하는 시스템간의 상호 호환 및 운영의 어려움이 있다. 그러나 분산 환경에서 이질적인 특성을 해결하기 위해서 XML을 기반으로 하는 쇼핑몰들의 통합된 정보를 검색할 수 있는 사이트가 등장하고 있어 고객들이 구매하고자 하는 상품에 대한 정보를 보다 쉽게 검색할 수 있도록 각종 쇼핑몰 사이트를 연결하여 통합하는 과정이 진행 중이다. 따라서 상품을 검색할 때 메타데이터를 이용하여 선택에 필요한 정보를 고객에게 제공함으로서 상품을 효율적으로 검색할 수 있다. 따라서 XML기반으로 분산된 이 기증의 시스템들을 온톨로지(Ontology)기반의 메타데이터를 이용하여 상품을 검색할 수 있는 시스템을 제안하고, 온톨로지 기반의 메타데이터 XMDR(eXtended MetaData Registry)을 이용한 상품 검색 시스템을 효율적으로 검색하기 위한 온톨로지 서버 구축에 관한 방법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.53-62
• /
• 2020

최근 연구된 상품 추천 서비스들은 고객들의 구매 이력을 통해서만 추천이 이루어졌다. 본 논문에서는 구매 이력을 통해 추천뿐만 아니라 고객이 상품을 고를 때 취하는 행동 패턴을 분석하여 관심도가 높은 광고를 노출하는 행동 패턴 분석 기반 디지털 사이니지 서비스를 제안한다. 이 서비스는 고객행동 패턴을 분석하여 실질적으로 관심을 가지는 상품에 대해 관심도를 추출한다. 추출된 관심도와 고객들의 구매 이력을 Wide & Deep 모델을 통해 학습하고, 이를 바탕으로 MF(Matrix Factorization) 모델을 통해 다른 상품들의 희소 벡터를 예측한다. 예측된 상품 관심도에 대한 순위를 도출하고, 적합한 광고를 노출하기 위해 고객과 상호 작용할 수 있는 인도어 사이니지를 활용한다. 본 논문의 서비스를 통해 온라인뿐만이 아닌 오프라인 환경에서도 고객의 관심 정보를 파악하고 단순히 무작위로 노출하는 광고가 아닌 고객에게 적합한 광고를 제공하여 만족도 높은 구매 환경이 조성될 것이다.

• 디지털콘텐츠학회 논문지
• /
• 제13권3호
• /
• pp.385-392
• /
• 2012

공급자 관점의 상품시장 정의는 공정, 원자재, 상품기능의 유사성 등으로 세분시장을 정의함으로써 특정상황이 배제되고 불연속성에 대한 고려가 결여되어 있어 기업의 시장 활동에 여러 가지 문제를 발생시킬 수 있다. 이러한 정의는 다분히 정적이고 일반적이어서 시장의 여러 상황과 시간의 추이에 따른 시장변화를 표현, 예측하는 것이 매우 어렵다. 반면 고객지향의 시장 세분화는 특정 혜택이 추구되는 상황에서 대체 가능한 상품과 관련 고객들의 집합을 정의함으로써 획득 가능하다. 이러한 상품시장 정의는 시장에서 부상하는 위협과 기회를 발견하고 효과적인 실적평가와 효율적인 자원배분을 가능케 한다. 그러나 고객관점의 시장정의가 실제로 구현되기 위해서는 많은 전제조건이 있다. 즉, 고객의 행위와 판단에 관련된 충분한 자료의 확보가 가능해야 하며 이들 자료의 분석을 통해 의미 있는 정보를 제공할 수 있는 정보처리기법이 필요하다. 본 연구의 목표는 고객관점 상품시장 정의가 귀납적 방법에 상당히 근거한다는 데 착안하여 데이터 마이닝 기술을 활용하여 실제적 적용에 어려움이 많은 고객관점의 시장 세분화를 지원할 수 있는 방안을 제시하는 데 있다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.625-632
• /
• 2001

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정보 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 상품에도 기존의 시간을 고려하지 않은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용한 협력적 여과추천(EWCFR) 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로, XML기반의 MMDB를 활용한 전자상거래 시스템과 알고리즘을 제안한다.

• 지능정보연구
• /
• 제13권2호
• /
• pp.69-80
• /
• 2007

고객의 선호도는 시간에 따라 변화하지만 기존 협업필터링기법(Collaborative Filtering : CF)은 정적인 데이터만을 다룬다. 이는 기존 CF 기법이 특정 기간 동안 고객의 구매 여부만 고려할 뿐 고객의 구매순서를 사용하지 않기 때문이다. 따라서 기존 CF 기법은 고객의 동적인 데이터인 구매순서를 고려함으로써 추천의 품질을 높일 가능성이 있다. 본 연구에서는 고객의 구매순서를 활용함으로써 CF 기법의 추천 품질을 향상시키는 새로운 상품추천 방법론을 제안한다. 즉, 군집분석기법인 자기조직화지도(Self-Organizing Map : SOM)를 활용하여 고객의 구매순서를 파악한 후 연관규칙탐사(Association Rule Mining : ARM)를 사용하여 고객들의 구매순서 중 일정 정도의 통계적인 타당성을 갖는 구매순서 패턴을 찾아내어 이를 추천 시에 활용한다. 대형 백화점의 구매자료에 적용하여 제안한 방법론의 효과성을 실험한 결과 제안한 방법론이 기존 CF 기법보다 우수한 추천품질을 가지고 있음이 실증적으로 확인되었다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.1-18
• /
• 2022

디지털 기술이 산업 전반의 전자상거래 시장에 융합되면서 온라인 거래의 활성화와 이용률을 증가시켰으며, 이러한 시장의 흐름은 최근 코로나와 같은 감염병이 확산함에 따라 더욱 가속화되어 다양한 상품 정보를 온라인을 통해 고객들에게 제공할 수 있게 되었다. 다양한 정보의 제공은 고객들에게 다양한 선택의 기회를 제공하지만 의사결정에 어려움을 주기도 한다. 추천시스템은 고객의 의사결정에 도움을 줄 수 있으나 기존 추천시스템 연구는 정량적 데이터만에 국한되어 있으며, 상품 및 고객의 세부적인 요인을 반영하지 못하였다. 이에 본 연구에서는 온라인 리뷰를 기반으로 정성적 데이터를 텍스트 마이닝 기법을 적용하여 상품 및 고객의 속성을 정량화하고 기존의 객관적 지표인 총평점과 감성 및 감정을 통합한 지능형 추천시스템을 제안한다. 제안된 지능형 추천모형은 총평점 위주의 추천 모형보다 우수한 추천성과를 보여주었으며, 상품 및 고객의 세부적 요소를 반영한 추천결과를 통해 새로운 비즈니스 가치를 창출할 것으로 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권6호
• /
• pp.237-244
• /
• 2022

본 논문은 고객의 온라인 행동 정보와 구매 기록을 활용하여 기존의 추천 시스템이 갖는 데이터 희소성의 문제와 콜드 스타트 문제를 해결하고자 VAE 기반 추천 시스템을 제시하였다. 고객의 구매 기록을 임베딩하고 차원 축소하여 단일 변수로 생성하였으며, 온라인 행동 정보를 활용하여 학습을 통해 고객의 잠재 요인을 추출하는데 Variational Autoencoders를 적용하였다. VAE 기반 추천 시스템은 총 12개의 고객의 특성 변수에 VAE를 적용하여 저차원의 벡터를 생성한 뒤 이를 통해 유사 사용자를 찾은 다음, 유사 사용자들이 구매했던 상품들을 고객에게 추천한다. 이렇게 추천한 상품들의 점수를 매겨 nDCG로 성능을 평가하였다. 실험 결과 구매 기록 변수 그리고 온라인 행동 로그 변수를 활용한 VAE 기반의 추천시스템이 SVD 기반의 추천 시스템보다 성능이 좋다는 것을 알 수 있었다. 따라서 고객의 온라인 행동 로그 및 구매 기록을 사용하여 상품을 추천하면 정보 수집에 발생하는 비용과 시간을 줄일 수 있을 뿐만이 아니라 기존 추천 시스템보다 더욱 효율적으로 상품을 추천할 수 있다는 것을 보여주었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.195-197
• /
• 2012

최근 고객관리 서비스는 사용자의 환경 및 특성까지 분석하여 개인에게 가장 적합한 서비스를 제공하는 형태로 변화하고 있다. 하지만 기존 고객관리시스템은 회원 가입 시 작성하는 정보 이외에 추가적으로 고객에 관한 정보를 얻기 위한 방법이 한정적이다. 이러한 기존의 고객관리 시스템은 고객의 성향에 따른 다양한 형태의 서비스를 제공하지 못하고 있다. 본 연구에서는 무선 통신 방법인 NFC(Near Field Communication)를 이용하여 고객의 성향을 신속하게 파악하며 분석할 수 있는 고객관리 시스템을 개발 제안한다. 제안된 시스템의 특징은 데이터의 처리 및 전송 경로가 사용자정보를 직접 서버로 전송하게 되며, 정보를 관리 서버에서 범주별로 분류하여 속성 단위로 가중치를 적용하여 분해하는 기능을 제공한다. 개발된 서버에서는 범주별로 규정되어 있는 속성정보에 대해 가중치와 저장된 사용자 정보를 제공된 알고리즘에 따라 상황인식기반으로 내용을 분석하게 되고, 분석된 사용자 정보들의 결과 값이 가장 높은 값을 가진 범주를 사용자의 특성으로 제공한다. 본 시스템으로부터 추출된 예측된 값은 사용정보를 수신할 때마다 갱신이 가능함으로 개발된 시스템은 사용자의 동향을 이용한 서비스를 온라인으로 제공할 수 있게 된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1651-1654
• /
• 2015

비 프렌차이즈의 소상공인 뷰티샵 에서는 고객관리와 마케팅이 중요한 이슈지만 고객관리 프로그램을 사용하기에 어려움을 호소하며, 고객관리를 고객카드로 수기로 작성하면서 일일이 관리하고 있는 실정이다. 이를 개선해 기존에 존재하는 CRM 프로그램을 구매, 설치하여 사용하기엔 고가의 설치비와, PC가 종료된 동안에는 활용하지 못하는 현 시대의 상황을 개선하기 위하여, 최대한 쉽게 이용이 가능하며, PC의 종료와 상관이 없도록 웹과 모바일에서 동시에 작업이 가능한 웹앱 형태의 CRM을 만들어 제공한다. 또한, 권한별 데이터를 분류해 뷰티샵 매니저들은 고객의 구매내역과 상세 정보사항을, 고객들은 이와 연동한 자신의 모바일 어플리케이션에서 자신에게 맞는 정보만 볼 수 있도록 구현 하였고, 마케팅적인 내용으로 고객의 성향을 아이템 구매와 밀접도를 계산하여, 아이템 기반 성향 추천 알고리즘을 사용해 고객이 가장 마음에 들어할 만한 아이템을 우선적으로 정렬하여 보여주게 하였다. 상세한 개발 내용은 본문에서 기술한다.