• 전기전자학회논문지
• /
• 제8권2호
• /
• pp.216-223
• /
• 2004

최근 전자 상거래에서 사용하고 있는 게시판은 고객의 능동적인 참여로 운영되며, 게시물은 고객의 직접적인 의사를 들을 수 있는 인 바운드(Inbound)정보로서 다른 eCRM을 위한 고객 접점 채널 과는 성격이 다른 도구이다. 또한 게시판의 효과적인 운영은 게시판 자체의 신뢰도를 향상 시키고 나아가 전자 상거래 전체의 신뢰도를 높여 줄 수 있는 중요한 eCRM 도구이다. 그러나 현재 대부분의 전자상거래에서 운영하는 게시판은 기 분류된 카테고리를 고객이 직접 수동으로 선정하도록 되어 있고, 이렇게 임의로 분류되는 게시물에 대하여 체계적인 처리 과정 없이 답변이 이루어지기 때문에 답변을 하는데 많은 시간이 소요 되고 있으며, 정확한 답변이 이루어지지 않고 있는 실정이다. 따라서, 본 논문에서는 여러 가지 종류의 게시물에 대하여 나이브 베이지안 분류기를 이용하여 게시판의 기존 문제점의 해결과 효과적인 운영 그리고 게시물의 체계적인 분류 관리를 할 수 있는 게시물 자동 분류기를 설계하고 구현하였다. 아울러 문서 분류 학습 기법 중 대표적인 TFIDF. k-NN, 나이브 베이지안 기법들의 게시물 분류 성능을 측정하여 채택한 나이브 베이지안 분류기의 우수성을 확인 하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 춘계 학술대회 학술발표 논문집
• /
• pp.265-268
• /
• 2003

본 논문은 고객의 관리 및 서비스의 중요성이 강조되고 기존의 마케팅 방법들이 온라인을 기반으로 한 고객 마케팅으로 바뀌는 경향에 따라 고객의 만족도를 반영한 고객지원시스템을 제안한다. 고객의 제품사용 능력을 향상시키기 위하여 고객을 수준에 따라 분류하여 수준별 학습에 따른 정보서비스를 제공함으로써 비즈니스 퍼포먼스를 향상시키는 방법을 제안하였다. 또한 전문가에 의해 검증된 지식을 각 항목의 제품평가 기준으로 설정하고 삼각퍼지 수에 의한 컨텐츠만족도 평가를 통해 고객 의사의 반영비율을 알 수 있다. 따라서 본 논문에서 제안한 고객중심의 지원시스템은 고객관리 및 서비스지원부문에 활용 쥘 수 있을 것이다.

• 한국정보통신학회논문지
• /
• 제22권9호
• /
• pp.1153-1158
• /
• 2018

다양한 온라인 고객 평가 및 소셜 미디어 정보는 고객의 의사결정에 영향을 미치기 때문에 기업에게 매우 중요한 정보 출처라고 할 수 있다. 설문 조사를 통해 고객의 다양한 요구와 불만 사항을 파악하는 데는 많은 비용과 시간적인 제약이 발생하고 있다. 온라인 쇼핑몰의 고객 후기 데이터는 제품에 대한 고객들의 감성을 분석할 수 있는 이상적인 자료를 제공하고 있다. 본 연구에서는 삼성과 애플 스마폰에 대한 감성분석을 위해 아마존 쇼핑몰로부터 고객 리뷰 데이터를 수집하였다. 선행 연구에서 대표적인 감성분석 기법으로 사용된 5가지 분류 알고리즘을 적용하였다. 5가지 분류알고리즘은 support vector machines, bagging, random forest, classification or regression tree, maximum entropy 등이다. 본 연구에서는 분류 알고리즘의 수행도를 종합적으로 평가할 수 있는 entropy score를 제안하였다. Entropy score를 이용하여 5가지 알고리즘을 평가한 결과에 따르면 support vector machines 알고리즘의 entropy score가 가장 높은 것으로 분석되었다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2003년도 춘계공동학술대회
• /
• pp.169-173
• /
• 2003

고객만족도는 고객의 충성도, 이탈률, 재구매율, 신규고객창출 등과 밀접한 관계를 맺고 있으며, 기업성과측정모형인 BSC(Balanced Scorecard)의 4가지 평가관점 중에도 고객관점이 포함되어있다. 이처럼 중요한 의미를 갖는 고객만족도의 기존 모형들은 일반적인 평가모형으로 업종별 차별성인 없고, 새롭게 등장한 모바일 서비스의 특성을 반영한 고객만족도 평가를 수행하기에 한계가 있다. 본 연구는 기존의 모바일 서비스 관련 연구와 고객만족도 평가 관련 연구들을 고찰하고, 이를 바탕으로 모바일 서비스 분류체계와 모바일 서비스에 특화된 고객만족도 평가체계를 제시한다.

• 한국콘텐츠학회논문지
• /
• 제6권1호
• /
• pp.179-189
• /
• 2006

최근 데이터 수집 및 저장기술의 발달, 데이터베이스 관리시스템과 데이터웨어하우스 기술의 광범위한 사용은 기업내부의 대량의 데이터를 축적할 수 있도록 하고 있으며, 축적된 데이터는 의사결정에 필요한 새롭고 가치 있는 정보와 지식을 획득할 수 있는 잠재적인 원천으로 인정되고 있다. 본 논문에서는 이동통신업체의 데이터를 가지고 데이터 마이닝 방법론을 이용하여 기존고객을 세분화하기 위한 예측모델을 설계한다. 이를 통해 고객 개개인의 특성에 맞는 마케팅 프로모션을 하게 하고 신규고객을 획득할 때는 신규 고객의 특성을 미리 예측하여 세분화함으로써 고객의 평생가치를 촉진하여 기업과 고객과의 관계성을 높여서 기업은 안정된 고객층으로부터 수익을 창출하고 고객들은 해당 기업으로부터 더 많은 혜택을 받게 하는데 목적이 있다.

• 경영정보학연구
• /
• 제17권1호
• /
• pp.49-64
• /
• 2015

SNS의 확산으로 온라인 상점에서는 상품에 대한 주관적인 의견이 내포되어 있는 고객리뷰 정보가 빠르게 생성되고 확산되어 다른 고객들에게 큰 영향을 미치고 있다. 이와 더불어, 고객들의 긍정적 또는 부정적 의견을 분석하여 개선방안을 모색하려는 오피니언마이닝(opinion mining)이 주목 받고 있다. 고객리뷰에 내포된 감성정보를 가진 용어들은 감성분류를 하는데 가장 중요한 역할을 하기 때문에 영향력이 높은 용어를 선별하는 것이 가장 중요하다. 본 연구에서는 품사태깅을 이용하여 최적의 용어들을 선별하고 용어정보에 기반한 문서수준에서의 감성분류모형을 제안하고자 한다. 고객리뷰의 감성분류모형에 대표적인 기계학습기법인 SVM을 적용하고, SVM의 입력변수 선정과정에 품사태깅 방식과 용어추출기법을 다르게 조합하고 사용하여 긍정적/부정적 문서를 분류하였다. 본 연구에서 제안한 감성분류모형의 성과를 검증하기 위해 아마존(Amazon.com)의 영화와 도서에 대한 고객리뷰 80,000개를 수집하여 불필요한 용어들을 제거한 후 품사태깅을 통해 용어를 추출하였다. 추출된 용어는 문서빈도, TF-IDF, 정보획득량, 카이제곱 통계량의 값을 산출하여 값을 통해 용어들을 순위화하고, 각 상위 20개에 해당하는 최적의 용어를 선정한 후 SVM을 이용하였다. 제안된 감성분류모형을 통해 기존 연구에서 언급한 형용사만을 사용한 예측변수와 4품사를 사용한 예측변수에서의 실험결과를 통해 비교 분석하였다. 카이제곱 통계량 기반의 감성분류모형이 다른 모형보다 예측성과가 가장 우수하게 나타나는 것을 확인할 수 있었다. 본 연구에서 제안된 문서수준에서의 용어기반 감성분류모형을 이용함으로써 온라인 상점에서의 서비스 개선과 경쟁력 확보에 많은 도움이 될 것으로 기대된다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.75-92
• /
• 2020

인구 및 세대 구조가 변화면서 점차 대면 관계를 꺼리는 고객의 태도 변화가 정보기술의 발달과 스마트폰의 확산으로 더욱 커지고 있다. 이는 정보기술에 익숙해진 현대 고객들의 소비패턴인 효율성 및 신속성과도 부합되는 것으로, 오프라인 망 중심의 유통회사들이 판매 및 서비스 방식을 언택트로 전환하려는 움직임이 활발해지고 있다. 최근 다양한 분야에서 언택트 서비스가 활성화되고 있지만, 뷰티 제품의 경우 고객의 피부타입 및 상태에 따라 제품 선택이 쉽지 않으므로 비대면을 통해 제품을 추천하기가 쉽지 않다. 이와 관련하여 온라인 뷰티 분야에서 제품 추천을 위한 추천시스템 개발 및 추천 관련 연구들이 수행되었지만, 대부분이 설문조사 방법이나 소셜 데이터를 이용하여 추천 알고리즘을 개발한 연구들이었다. 즉, 고객의 피부타입이나 제품 선호도 등의 실제 사용자 정보를 기반으로 세그먼트를 분류한 연구는 부족하였다. 그리하여, 본 연구에서는 뷰티 분야에서의 언택트 서비스 중의 하나인 모바일 애플리케이션의 고객 정보와 검색 로그 데이터를 기반으로 머신러닝 기법의 K-prototypes 알고리즘을 이용하여 고객 세그먼트를 새롭게 분류하고, 이를 기반으로 언택트 마케팅 전략 방안을 제안한다. 본 연구는 머신러닝 기법을 이용하여 새롭게 고객 세그먼트를 분류함으로써 관련 기존 문헌의 범위를 확장하였다. 더불어, 언택트 서비스라는 새로운 소비 트렌드를 반영하여 고객 세그먼트를 분류하고, 이를 기반으로 뷰티 분야의 언택트 서비스에 활용할 수 있는 구체적인 방안을 제시했다는 실무적 의의가 있다.

• 한국벤처창업학회:학술대회논문집
• /
• 한국벤처창업학회 2022년도 춘계학술대회
• /
• pp.153-155
• /
• 2022

고객을 세분화하여 맞춤화된 서비스를 제공하는 것은 고객 관계 관리에 있어 중요하다. 빅데이터 분석 기법과 기계 학습 등을 활용한 분석 기법의 발전은 더욱 세밀한 고객 세분화를 가능케 했다. 하지만 새로운 분석 기법을 기업에서 효과적으로 적용하는 것은 여러 어려움이 존재한다. 본 연구는 특히 국내 보험 산업에서 데이터 분석 기법을 활용해 더욱 향상된 고객 세분화를 수행할 수 있는 방법에 대해 논의한다. 이를 위하여 실제 보험 설계사와의 심층 인터뷰를 통해 국내 보험 회사의 현상을 파악하고, 이를 기반으로 보험 산업에서 활용할 수 있는 가이드라인을 제시하고자 한다.

• 한국콘텐츠학회논문지
• /
• 제20권6호
• /
• pp.342-353
• /
• 2020

본 연구는 Kano 모델의 이원적 품질분류와 잠재적 고객만족 개선 지수(PCSI Index)를 기반으로 드럭스토어와 백화점 내 화장품 매장의 서비스 품질을 비교, 분석하여 서비스 품질 개선 우선순위 요소들을 파악하고, 제시함으로써 화장품 매장의 서비스 품질 개선을 위한 기초자료 제공을 목적으로 하였다. Kano 모델 분석의 평가이원 표에 대입하여 품질 특성을 분류하고, 고객만족 계수(CSC)와 PCSI 지수를 이용해 화장품 서비스 품질 요소들의 개선 우선순위를 진행하였다. 그 결과, Kano 모델을 활용한 분석에서 드럭스토어와 백화점 화장품 매장 서비스 품질 요소에 대한 대부분의 항목이 매력적 품질 요소로 평가되었다. PCSI 지수 비교 결과, 드럭스토어 화장품 매장의 경우 '신뢰성', '반응성', '공감성' 항목이, 백화점 내 화장품 매장의 경우 '공감성', '신뢰성' 항목의 품질 요소들이 개선 우선순위가 높은 것으로 나타나, 해당 요소가 개선될 경우 고객 만족도가 향상될 잠재력이 높은 것으로 나타났다. 본 연구를 통해 드럭스토어와 백화점 화장품 매장의 서비스 품질 분류 및 고객 만족도 향상을 위한 개선 우선순위가 파악됨으로써 실무적인 시사점이 제공되어, 향후 고객 만족도 향상을 위한 지침 수립에 기여할 것으로 사료된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권10호
• /
• pp.59-66
• /
• 2022

본 논문에서는 음성 데이터에서 특징벡터를 추출한 후 이를 분석하여 화자의 성별을 분류하는 연구를 진행하였다. 본 연구는 고객이 전화 등 음성을 통해 서비스를 요청할 시 요청한 고객의 성별을 자동으로 인식함으로써 직접 듣고 분류하지 않아도 되는 편의성을 제공한다. 학습된 모델을 활용하여 성별을 분류한 후 성별마다 요청 빈도가 높은 서비스를 분석하여 고객 맞춤형 추천 서비스를 제공하는 데에 유용하게 활용할 수 있다. 본 연구는 공백을 제거한 남성 및 여성의 음성 데이터를 기반으로 각각의 데이터에서 MFCC를 통해 특징벡터를 추출한 후 SVM 모델을 활용하여 기계학습을 진행하였다. 학습한 모델을 활용하여 음성 데이터의 성별을 분류한 결과 94%의 성별인식률이 도출되었다.