• Digital Contents
• /
• no.4 s.59
• /
• pp.90-94
• /
• 1998

이번 호에서는 여러 적용 분야 중에서 데이터마이닝 기법이 가장 잘 이용되고 있는 분야이고 또 최근 관심이 고조되고 있는 데이터베이스(DB) 마케팅에 초점을 두어 설명하고자 한다. 흔히 사람들은 데이터마이닝과 데이터베이스 마케팅을 따로 생각하는 경향이 있는데, 이 둘은 서로 밀접한 관계를 가지고 있다.

• 베이커리
• /
• no.6 s.347
• /
• pp.100-103
• /
• 1997

• Digital Contents
• /
• no.3 s.82
• /
• pp.68-70
• /
• 2000

마케팅을 통해 새로운 기술이나 제품을 알리는 대상이 있는데 이들은 대중이라고 할 수 있다. 폭발적인 마케팅 기술의 발전은 새로운 통합형 직접 마케팅 해결방안이 마케팅 캠페인에서 보다 나은 시장분할과 대중 표적화의 전망과 제안을 제공하게 될 것이라 예측하게 한다.

• The Journal of Information Technology and Database
• /
• v.6 no.1
• /
• pp.115-122
• /
• 1999

현재 국내 유통업계, 신용카드업계 및 금융계 등을 중심으로 데이터베이스 마케팅 활동이 전개되고 있다. 이러한 추세는 정보 기술의 발전, 홈쇼핑 및 통신판매업계의 급신장, 인터넷으로 대표되는 새로운 광고 매체의 발전, 이를 이용한 전자 상거래의 도입 등으로 더욱 가속화되리라 예상된다. 본 고에서는 이러한 추세에 부응하여, 선진국 유통업계의 데이터베이스 마케팅 사례를 소개한다. 하나는 캐나다의 Eaton 백화점의 고객 관리 사례이며, 다른 하나는 영국의 Tesco 수퍼체인의 데이터베이스 마케팅 사례이다.

• Digital Contents
• /
• no.11 s.66
• /
• pp.50-55
• /
• 1998

데이터베이스를 어떤 형태로 구축해야 하는가에 대해서 획일적으로 적용되는 정답은 없다. 단 한가지 공통으로 적용되는 점은 귀사의 마케팅 목적을 상세히 살펴보면 귀사에 필요한 고객정보 항목을 찾을 수 있다는 것이다. 어떤 정보 항목들을 데이터베이스로 구축할 것인가? 얼마나 많은 수의 고객(테이블에서의 Record)을 축적할 것인가?등의 정보의 규모 및 심도의 문제는 전적으로 마케팅 목적에 달려 있다. 목적을 확정하지 않고 무조건 데이터를 축적하여 둔다든가 무작정 많은 고객 데이터를 축적하는 것은 흔히 범하는 실수이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.757-759
• /
• 2005

데이터마이닝을 이용한 데이터베이스 마케팅 전락 수립에 대한 않은 연구가 있었고 현재 의료업계에서도 관련 연구가 활발히 이루어지고 있다. 그러나 이는 규모가 큰 병원에만 국한되어 있고 산재해 있는 중소병원 및 본 연구의 대상인 한방분야의 경우 매우 미비한 실정이다. 이에 본 논문에서는 한방분야에서의 효과적인 데이터베이스 마케팅을 위하여 실제 한방병원의 데이터를 이용하여, 실증적으로 문제해결을 할 수 있는 방안을 제시한다. 즉 데이터의 특성 파악 및 전처리 과정 등을 통한 데이터마이닝 기법을 통하여 재검진을 결정하는 요인을 찾아내고, 군집별 특성을 분석하여 이를 데이터베이스 마케팅에 적용함으로써 데이터베이스를 효과적으로 마케팅에 활용할 수 있는 방안을 제시한다.

• Digital Contents
• /
• no.3 s.70
• /
• pp.56-63
• /
• 1999

국경도 없는 무한 경쟁의 상황하에서 경쟁을 위한 전략적 무기로서 정보기술은 결정적인 경쟁의 관건으로 인식되고 있다. 특히 최근에 부각되고 있는 이슈들 중에 CTI(Computer Telephony Integration), 인터넷 마케팅, 데이터베이스 마케팅(Database Marketing:DBM)등이 있다. 이들 요소들의 개념, 연계성, 구축방법에 대해 살펴본다.

• Asia Marketing Journal
• /
• v.7 no.3
• /
• pp.121-141
• /
• 2005

Most of the people in marketing area know that database marketing has been one of the most powerful marketing tools and thus database marketing industry grows bigger and bigger. For both effective database marketing and database marketing industry, personal data are the very essential resources. Unfortunately, in Korea, both database marketing and database marketing industry stays far behind compared to other countries because it is practically very hard to legally trade personal data for database marketing purpose. Instead Korea has a illegal spam problem which might be a natural consequency of strong restriction on personal data in the situation of huge demand for personal data. KT SODiS can be called the frontier of Korea's database marketing industry since it is the first legal business in this area. In the first 5 months, SODiS obtained 2 millions of legal customer consents which can be the strong base to help database marketing activities of other companies. This case shows marketing strategies of KT SODiS to establish infrastructure for Korea's database marketing industry and suggests some future tasks to further develop the industry.

• Digital Contents
• /
• no.5 s.96
• /
• pp.60-64
• /
• 2001

과거의 마케팅은 기업이 상품을 만들어 특별한 고객 정보분석이 없이 상품에 대한 홍보 및 광고가 주류를 이루는 것과 달리 현대에는 이러한 마케팅 활동에 의한 기업의 수익을 향상시키는데 한계를 느끼고 이러한 상황에서 고객에 대한 이해를 바탕으로 한 마케팅 활동이 등장하게 됐다. 이러한 고객에 대한 이해를 바탕으로 영업, 마케팅, 고객서비스 프로세스를 재구성하는 일련의 활동을 고객관계관리, 즉 CRM이라한다.

• Asia Marketing Journal
• /
• v.1 no.2
• /
• pp.19-35
• /
• 1999

데이터베이스 마케팅 전략을 수립하고 집행함에 있어서 고객에게 접근하기 위한 촉진 매체로써 직접우편(Direct Mail)과 텔레 마케팅 등의 직접반응매체를 주요 수단으로 하는 경우 이를 다이렉트 마케팅이라고 한다. 다른 마케팅 전략들과 마찬가지로 다이렉트 마케팅에서도 마케팅 자원이 효과적으로 사용될 수 있도록 고객 데이터베이스를 세분화하는 작업을 수행한다. 리스펀스 모델링(Response Modeling)은 다이렉트 마케팅분야에서 고객리스트를 세분화하고 각 세그멘트별로 고객의 반응(구매행위)을 예측하는 기법을 말하며 RFM(Recency, Frequency, Monetary), 로지스틱, 신경망은 리스펀스 모델링을 위해서 가장 널리 사용되고 있는 기법이다. 과거에 이들 방법은 고객 데이터베이스 전체에 단독 모델로 적용되어 왔으나 이러한 단독 모델을 고객 데이터베이스에 적용하는 것이 정당화 되려면 고객들이 동일한 방식으로 반응한다는 전제가 필요하다. 그러나 일반적으로 고객의 반응방식에는 상당한 이질성이 존재한다. 예컨대 직업, 나이, 소득, 성별 등이 같다고 해서 같은 구매패턴을 보이지는 않는다는 것이다. 즉 고객A의 구매행위는 회귀선에 의해서 잘 설명되는 반면에 고객B는 신경망이나 RFM으로 잘 설명될 수 있는 경우가 존재하는 것이다. 이러한 구매행위의 이질성을 반영하기 위해서 최근에는 두개 이상의 방법을 결합하여 사용하는 결합 리스펀스 모델링 방법도 시도 되어 왔다. 그러나 결합 리스펀스 모델링에 관한 기존 연구들은 상관관계가 낮은 모델들을 결합함으로써 세분화의 효과를 단독 모델을 사용할 때 보다 개선할 수 있다고는 하였으나 구체적으로 어떤 모델들이 서로 낮은 상관관계를 갖는지는 보여주지 못하였다. 본 논문에서는 RFM 방법을 모델 내에서 사용하는 변수와 이를 이용한 모델링 방법상의 차이로 인하여 다른 두 방법(로지스틱, 신경망)과 매우 낮은 상관관계를 갖는 방법으로 제시하고 RFM과 다른 두 방법간의 낮은 상관관계를 이용하여 결합하는 경우 모델의 예측효과를 상당히 개선할 수 있음을 사례분석을 통해서 보이고자 한다.