• Journal of Information Management
• /
• v.35 no.1
• /
• pp.51-69
• /
• 2004

Libraries have been made effect to satisfy customer by reflecting information need of customer on libraries. They have considered introducing the data mining techniques to analyze complicated and massive data of libraries and the Customer Relationship Management(CRM) to produce suitable services to each customer segmentation. The purpose of this study is to apply the CRM and data mining techniques to a library, ultimately intends to suggest rules for the collection management and the customer management.

• Journal of Intelligence and Information Systems
• /
• v.18 no.4
• /
• pp.19-42
• /
• 2012

Consumer consumption patterns are shifting rapidly as buyers migrate from offline markets to e-commerce routes, such as shopping channels on TV and internet shopping malls. In the offline markets consumers go shopping, see the shopping items, and choose from them. Recently consumers tend towards buying at shopping sites free from time and place. However, as e-commerce markets continue to expand, customers are complaining that it is becoming a bigger hassle to shop online. In the online shopping, shoppers have very limited information on the products. The delivered products can be different from what they have wanted. This case results to purchase cancellation. Because these things happen frequently, they are likely to refer to the consumer reviews and companies should be concerned about consumer's voice. E-commerce is a very important marketing tool for suppliers. It can recommend products to customers and connect them directly with suppliers with just a click of a button. The recommender system is being studied in various ways. Some of the more prominent ones include recommendation based on best-seller and demographics, contents filtering, and collaborative filtering. However, these systems all share two weaknesses : they cannot recommend products to consumers on a personal level, and they cannot recommend products to new consumers with no buying history. To fix these problems, we can use the information which has been collected from the questionnaires about their demographics and preference ratings. But, consumers feel these questionnaires are a burden and are unlikely to provide correct information. This study investigates combining collaborative filtering with the centrality of social network analysis. This centrality measure provides the information to infer the preference of new consumers from the shopping history of existing and previous ones. While the past researches had focused on the existing consumers with similar shopping patterns, this study tried to improve the accuracy of recommendation with all shopping information, which included not only similar shopping patterns but also dissimilar ones. Data used in this study, Movie Lens' data, was made by Group Lens research Project Team at University of Minnesota to recommend movies with a collaborative filtering technique. This data was built from the questionnaires of 943 respondents which gave the information on the preference ratings on 1,684 movies. Total data of 100,000 was organized by time, with initial data of 50,000 being existing customers and the latter 50,000 being new customers. The proposed recommender system consists of three systems : [+] group recommender system, [-] group recommender system, and integrated recommender system. [+] group recommender system looks at customers with similar buying patterns as 'neighbors', whereas [-] group recommender system looks at customers with opposite buying patterns as 'contraries'. Integrated recommender system uses both of the aforementioned recommender systems to recommend movies that both recommender systems pick. The study of three systems allows us to find the most suitable recommender system that will optimize accuracy and customer satisfaction. Our analysis showed that integrated recommender system is the best solution among the three systems studied, followed by [-] group recommended system and [+] group recommender system. This result conforms to the intuition that the accuracy of recommendation can be improved using all the relevant information. We provided contour maps and graphs to easily compare the accuracy of each recommender system. Although we saw improvement on accuracy with the integrated recommender system, we must remember that this research is based on static data with no live customers. In other words, consumers did not see the movies actually recommended from the system. Also, this recommendation system may not work well with products other than movies. Thus, it is important to note that recommendation systems need particular calibration for specific product/customer types.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.163-165
• /
• 2000

고객 DB를 통해 세분 고객별로 구매량, 주요 고객을 파악케 하며 각종 마케팅 활동이나 판촉활동이 고객의 구매/이용 패턴에 어떤 영향을 미치며, 물품을 구매하는 소비자의 다양한 구매 패턴을 분석하기 위해서 쇼핑몰 운영자가 여러 각도에서 문제 분석과 의사 결정을 빠르고 신속하게 할 수 있도록 기존 쇼핑몰의 관계형 DB을 이용하여, 다차원적 데이터 모델링을 통해서 다차원적인 분석이 가능하도록 하는 ROLAP를 이용한 인터넷 쇼핑몰의 데이터 웨어하우스 구축 방안을 제시하고자 한다.

• Journal of the Korea Safety Management & Science
• /
• v.3 no.4
• /
• pp.193-205
• /
• 2001

온라인 기업의 경우 쉽게 가질 수 있는 고객데이터는 고객이 자사의 홈페이지에 접속하여 남기고 간 흔적(Web Log)이나, 고객이 직접 제공하는 데이터 일 것이다. 현재 많은 온라인 기업이 가장 기본적인 분석으로 웹 로그 분석을 시행하고 있으나, 그 양이 너무 많아 수시로 처리하는데는 문제가 있기도 하지만, 가장 쉽고, 기본적인 분석임은 피할 수 없는 사실이다. 기존의 웹 로그 분석에 관한 연구들이 웹 로그 분석을 통하여 사용자패턴 분석에 그친대 비하여 본 논문은 무선 페이지를 위한 컨텐츠추출 및 기존의 데이터중심의 마케팅 전략에서 벗어나 동양적인 정서를 가미한 마케팅 전략도 함께 제시한 것에 그 의의가 있다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.489-503
• /
• 2000

Data mining means data analysis and model selection using various types of data in order to explore useful information and knowledge for making decisions. Examples of data mining include scoring for credit analysis of a new customer and scoring for churn management, where the customers with high scores are given special attention. In this paper, scoring is interpreted as a modeling process of the conditional probability and polyclass scoring method is described. German credit data, a PC communication company data and a mobile communication company data are used to compare the performance of polyclass scoring method with that of the scoring method based on a tree model.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.4
• /
• pp.693-697
• /
• 2023

As of 2022, dessert cafe trends are changing faster, customers' needs are becoming more demanding, and Koreans' consumption tendencies are changing rapidly, so this study investigates servicescape and customer engagement factors for dessert cafes through big data to identify servicescape and customer engagement factors.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.435-438
• /
• 2008

한전에서는 연간 전력 사용량이 높은 고압 고객에 대하여 전자식 전력량계를 설치하여 15분 단위로 전력 사용량을 수집하는 자동검침시스템을 운영하고 있다. 본 연구에서는 자동검침시스템을 통해 수집된 데이터를 이용하여 배전선로에 대한 부하를 분석하기 위해 자동검침 고객의 부하 데이터를 이용하여 클러스터링 기법을 통해 대표 부하패턴을 생성하는 방식을 제안하였다. 기존에는 계약종별 코드가 동일한 고객들의 부하패턴을 이용하여 15분 단위의 평균 사용량을 계산하여 대표 부하패턴을 생성하는 방식을 사용하였으나, 같은 계약종별 코드를 갖는 고객이라 할지라도 부하패턴이 다른 경우가 많아서 부하분석의 정확도를 떨어뜨렸다. 본 연구에서는 동일한 계약종별 코드를 갖는 고객에 대하여 15분 단위 자동검침 데이터를 이용하여 k-means 기법을 통해 고객을 분류하고 각 그룹마다 대표 부하패턴을 생성하는 방식을 제안하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.10
• /
• pp.2439-2446
• /
• 2013

Recently, SNS (Social Network Service) such as Twitter and Facebook has grown dramatically because of smart phones. Since development of IT has created massive information, social big data extremely increased. Competition between corporations is getting more intense, so they need customer feedback in order to fulfill an effective management. Because social big data plays an important role for getting customer feedback, a lot of corporations are interested in analyzing and applying of social big data. Collecting and analyzing social big data is operated by Buzz monitoring system. This paper demonstrates the research of buzz monitoring system that analyzes big data, and presents examples of customer reputation using buzz monitoring. In the paper, after all, it would analyze the result from the customer reputation, and research the implication.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.05a
• /
• pp.629-630
• /
• 2014

서비스 산업에 있어 기업 간의 경쟁이 날로 심화되어 가고 있는 가운데 효율적인 경영을 위해서는 시시각각으로 변하는 고객의 니즈를 파악하기 위해 그 어느 때 보다도 고객피드백이 필요한 시대이다. 최근 기업에서는 다양한 고객의 목소리가 담겨 있는 소셜 미디어상의 빅 데이터를 이용하여 고객의 피드백을 파악하려는 노력을 하고 있다. 따라서 모바일 스마트 혁명의 핵심 자원인 빅 데이터를 어떻게 분석, 활용 할 것인지 많은 기업들의 관심이 집중되고 있다. 본 연구에서는 이러한 소셜 빅 데이터를 분석하는 기술로서 최근 이슈를 감지하고 예측하는 방법을 제안하다. 이것은 기관이나 기업 등 분석대상과 관련된 소셜 데이터 자체를 분석하거나 그 외 관련 데이터와 연관 관계 분석 등 여러 가지 방법을 조합하여 부정적 이슈 등의 탐지가 가능하다.

• Proceedings of the ESK Conference
• /
• 1996.04a
• /
• pp.129-135
• /
• 1996

본 논문은 제품을 설계하는데 있어서 고객의 감성을 구체적인 디자인 요소로 변환하는 감성공학적 디자인 요소변환 지원 시스템을 설계하는데 목적이 있다. 감성공학적 디자인 요소변환 지원 시스템은 감성 데이터 처리 서브시스템, 디자인 요소변환 서브시스템, 형상 데이터 처리 서브시스템 등 크게 세 가지의 서브시스템으로구성된다. 감성 데이터 처리 서브시스템은 고객의 제품에 대한 정성적 감성을 분석하여 디지인 요소와 상관성을 나타내기 위한 시스템으로서, 제품을 표현하는 감성어휘를 추출하고 이를 분석하여 디자인 요소로 변환할 수 있게 해주는 데이터베이스를 구축하는 것이다. 디자인 요소변 환 서브시스템은 고객이 원하는 제품의 이미지를 구체적인 디자인 요소와 연결하는 추론 시스템으로서 감성 데이터베이스에 저장되어 있는 어휘 중에서 고객이 선택한 감성어휘에 대해 퍼지 추론을 이용하 여 디자인 요소와의 연결관계를 형성하게 된다. 형상 데이터 처리 서브시스템은 제품의 아이템/카테고 리에 대한 형상을 데이터베이스로 가지고 있으며, 디자인 요소변환 서브시스템에의해선정된 제품정보와 데이터베이스를 연결하여고객이 원하는 제품이 구체적으로 어떠한 형상을 가지게 되는가를 보여주게 된다.