• 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.

• The Korean Journal of Applied Statistics
• /
• v.32 no.3
• /
• pp.391-404
• /
• 2019

Customers' fixed characteristics have often been used to predict customer behavior. It has recently become possible to track customer web logs as customer activities move from offline to online. It has become possible to collect large amounts of web log data; however, the researchers only focused on organizing the log data or describing the technical characteristics. In this study, we predict the decision-making time until each customer makes the first reservation, using Airbnb customer data provided by the Kaggle website. This data set includes basic customer information such as gender, age, and web logs. We use various methodologies to find the optimal model and compare prediction errors for cases with web log data and without it. We consider six models such as Lasso, SVM, Random Forest, and XGBoost to explore the effectiveness of the web log data. As a result, we choose Random Forest as our optimal model with a misclassification rate of about 20%. In addition, we confirm that using web log data in our study doubles the prediction accuracy in predicting customer behavior compared to not using it.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.45-48
• /
• 2016

오늘날의 고객은 다양한 정보를 통해 넓은 선택의 기회를 가진다. 이러한 상황에서 기업들은 고객과의 지속적인 관계를 유지하기 어려워짐에 따라 고객 유지와 신규 고객 유치를 위한 마케팅 비용을 천문학적으로 지출하고 있다. 기업들이 이탈하는 고객의 속성을 분석하고 이탈 시점을 예측할 수 있다면 마케팅에 사용되는 비용과 노력을 최소화할 수 있을 것으로 예측된다. 이를 위해 본 논문에서는 효과적인 고객 이탈 예측을 위한 딥러닝 기반의 이탈 예측 모델을 제안한다. 이 모델은 모바일 RPG 게임 고객의 시계열적인 행동 패턴을 이용하여 이탈을 예측하는 모델로, 예측을 위한 학습을 할 때 모델링된 고객 데이터를 분석하여 이탈 고객의 특성을 파악할 수 있게 한다. 실험을 통해 이탈 고객과 미 이탈 고객의 모델링된 값이 각각 특정 속성에 치중되어 있는 것을 확인하였고, 제안 모델이 합리적으로 고객의 이탈을 예측하는 것을 보였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.1
• /
• pp.486-496
• /
• 2018

Customer incivility is an important stress factor employees performing service tasks, and this is equally true for employees who perform civil affairs services. The purpose of this study is to investigate the negative effects of adverse customer behavior and ways to reduce it. This study adopts the Conservation of Resource (COR) theory in order to examine customer incivility. This study predicts that customer incivility will negative emotions and eventually lead to emotional exhaustion in employees. We also predict that social support (organizational support, supervisor support, coworker support) perceived by employees would moderate the relationship between customer incivility and negative emotions. This study is based on 481 questionnaires collected from public officials. The results are as follows: First, customer incivility causes negative emotions. Second, negative emotions mediate the relationship between customer incivility and emotional exhaustion. Third, the relationship between customer incivility and negative emotions showed moderating effects on the perception of organizational support which is one of three types of social support. Based on the results of this study, implications, limitations, and future direction of research are suggested.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.277-286
• /
• 2002

전통적인 고객관계관리 연구는 특정 시점에서 고객관계관리에 중점을 두어 연구되었다. 정적인 고객관계관리와 고객 행동에 관한 지식은 마케팅 관리자가 제한된 마케팅 자원을 이익의 극대화를 위해 사용할 수 있게 해주었다. 그러나 시간이 경과하게 되면 이러한 정적인 지식은 쓸모가 없어지게 된다. 그러므로 고객관계관리는 고객의 동적 특성을 반영해야 한다. 과거 고객의 구매 행위를 관찰하여 현재 또는 미래 시장의 고객을 세분화하여 구분된 고객 군집에 대해 서로 다른 마케팅 전략을 사용할 수 있다. 고객의 구매행동을 근간으로 한 고객관계관리는 수십 년 전부터 연구되어왔지만 동적인 고객관계관리에 대한 연구는 최근에 들어 활발하게 진행되고 있다. 본 논문은 인터넷 상점의 고객 데이터로부터 추출된 지식과 시간 경과에 따른 고객 행동 패턴의 분석을 위해 데이터마이닝과 모니터링 에이전트 시스템(MAS)을 이용하며, 이를 통해 동적인 고객관계관리 모델을 제시한다. 이 모델은 고객 이력 경로에 대한 예측과 고객에게 나타나는 집단 이력경로의, 분석, 그리고 시간 경과에 따른 고객 군집의 변화에 대한 분석, 그에 따른 마케팅 전략 도출을 포함한다. 이 모델의 제안은 많은 온라인 소매상이 직면할 수 있는 경영상의 문제를 해결하는데 유용할 것이다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2003.05a
• /
• pp.586-590
• /
• 2003

고객 분류는 고객관계관리(CRM)의 한 부분으로서 기업에게 이익을 주는 고객의 속성과 구매패턴을 분석함으로써 목표 고객을 결정하는 것을 의미한다. 현재까지 고객 분류에 관한 연구는 특정한 시점에서 고객의 속성과 구매 패턴을 분석함으로써 이루어졌다. 그러나 인터넷 쇼핑몰과 같은 동적인 환경에 있어서 기존의 정적인 분석방법은 시간에 따라 지속적으로 변하는 고객의 행동 변화를 찾아내고, 예측하는데 적합하지 않다. 본 논문에서는 Decision Tree, ANOVA 분석, ARIMA 모형을 사용하여, 특정한 시점에서의 고객 분류뿐만 아니라 미래 시점에서의 고객 분류를 예측하고 패턴을 분석하는 동적인 고객 분류 방법을 제안한다. 동적인 고객 분류를 통해 인터넷 쇼핑몰 기업은 효율적인 마케팅 전략을 작성하여 기업의 이익을 증진시킬 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.25 no.9
• /
• pp.53-62
• /
• 2020

Product recommendation services that have been researched recently are only recommended through the customer's product purchase history. In this paper, we propose the digital signage service through customers' behavior pattern analysis that is recommending through not only purchase history, but also behavior pattern that customers take when choosing products. This service analyzes customer behavior patterns and extracts interests about products that are of practical interest. The service is learning extracted interest rate and customers' purchase history through the Wide & Deep model. Based on this learning method, the sparse vector of other products is predicted through the MF(Matrix Factorization). After derive the ranking of predicted product interest rate, this service uses the indoor signage that can interact with customers to expose the suitable advertisements. Through this proposed service, not only online, but also in an offline environment, it would be possible to grasp customers' interest information. Also, it will create a satisfactory purchasing environment by providing suitable advertisements to customers, not advertisements that advertisers randomly expose.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.322-324
• /
• 2008

패션 시장은 항상 경쟁이 치열하고 고객의 변화 및 이탈이 심한 시장이다. 경쟁의 요소가 품질 등의 가격적인 요소에서 디자인 및 서비스 등 비 가격 적인 요소의 중요성이 부각되고 있다. 이에 따라 고객 정보에 대한 분석을 기반으로 한 마케팅 및 판매 전략이 중요한 것은 두말할 필요가 없다. 정보 기술과 다양한 분석 기법은 다양한 방법으로 고객의 행동을 분석하여 고객의 구매 형태를 분석 및 예측하여 고객별로 차별화된 마케팅과 서비스를 제공할 수 있도록 한다.

• Asia Marketing Journal
• /
• v.10 no.2
• /
• pp.99-123
• /
• 2008

Consumer satisfaction/dissatisfaction is key determinant of brand loyalty and store patronage behavior. But the results of many customer satisfaction surveys implemented by department stores show that consumer satisfactions do not predict the actual patronage behaviors well. The main reason of these surprising results would be that the consumer satisfaction indexes do not include some important determinants of consumer satisfaction. Many customer satisfaction surveys mainly focus on the evaluation of functional benefits including product assortments, merchandise prices and locational convenience. Recent studies indicate that emotional/hedonic benefits strongly influence the consumer satisfaction, intention to repurchase and intention to revisit. Our study suggests that both functional values and hedonic values should be included in developing the index of consumer satisfactions. The purpose of our study is to investigate the relationship between shopping value and consumer satisfaction, and actual patronage behavior. Shopping values is defined as the difference between total benefits and total shopping costs. Total benefits include the dimensions of product quality, service quality, and hedonic benefits. Total costs are classified as the monetary costs and non-monetary cost. The conceptual framework developed for this empirical study is as follows.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.1 s.39
• /
• pp.293-300
• /
• 2006

The Recommender systems help users to find and evaluate items of interest. Such systems have become powerful tools in the domains from electronic commerce to digital libraries and knowledge management. Sellers can recommend products to customers with the prediction of future buying behavior on the basis of the consumer's population statistics and past selling behavior. In this paper, we are describing the design and the development of personalization recommender system which increases satisfaction level of customers by searching products to reflect the pattern and propensity of customers properly. The suggested system supplies the real-time analysis service to predict the customers purchase situation by applying the association rule of the data mining.