• 지능정보연구
• /
• 제8권2호
• /
• pp.15-35
• /
• 2002

최근 데이터 마이닝 기법이 주목받고 있는 이유 중의 가장 큰 이유는 자사가 보유하고 있는 고객의 특성을 파악함으로써 기존의 고객을 효과적으로 유지ㆍ관리할 수 있도록 지원하기 때문이다. 특히 고객 보유율 5%신장이 수익률 120% 증대를 가져오는 것으로 보고되고 있는 신용카드 업계에서는 신규고객을 확보하는 것만큼 기존 고객을 유지ㆍ관리하는 것이 중요하다. 특히, 신용카드를 발급 받고 거의 사용하지 않은 고객이나 쉽게 이탈하는 고객을 판별하는 것은 신용카드사의 입장에서는 비용절감 차원에서 매우 중요하다. 그러나 아직까지 어떠한 속성을 보유하고 있는 고객이 쉽게 이탈하는지를 판별할 수 있는 연구는 거의 진행되지 않았다. 이에 본 연구에서는 데이터 마이닝 기법 중 널리 알려진 인공신경망, 로지스틱 회귀분석, C5.0방법을 이용하여 신용카드 시장에서의 고객현황에 대하여 분석하고자 한다. 이를 위하여 본 연구에서는 모 신용카드사의 최근 4년간(97년 3월 이후) 가입고객 및 이탈고객을 대상으로 실증분석을 실시하였다 분석결과 신용카드 시장에서 카드를 지속적으로 보유하고 있는 고객과 이탈하는 고객을 구분하는 속성이 존재함을 발견하였고, 이를 바탕으로 신용카드사가 수립해야 할 마케팅 전략을 제시하였다.

• 한국멀티미디어학회논문지
• /
• 제20권1호
• /
• pp.1-9
• /
• 2017

Explosive deployment of smart mobile devices such as smart phones, and tablets along with expansion of wireless internet bandwidth have enabled the deployment of mobile video streaming such that video traffic becomes the most important service in wireless networks. Recently, for more efficient video streaming services, the ISO MPEG group standardized a protocol called DASH (Dynamic Adaptive Streaming over HTTP) and the standard has been quickly adopted by many service providers such as YouTube and Netflix. Despite of the convenience of mobile streaming services, users also suffer from low QoE(Quality of Experience) due to dynamic channel fluctuations and unnecessary downloading due to high churning rates. This paper proposes a noble efficient video rate selection algorithm considering user buffer level, channel condition and churning rate. Computer simulation based performance study showed that the proposed algorithm improved the QoE significantly compared to a method that determines the video rate based on current channel conditions. Especially, the proposed method reduced the rebuffering rate, one of the most important performance factors of the QoE, to a nonnegligible level.

• 지능정보연구
• /
• 제7권1호
• /
• pp.17-25
• /
• 2001

의사결정 나무라고 불리우기도 하는 나무모형은 결과 해석의 용이성으로 데이터마이닝의 분류예측 모형으로서 큰 각광을 받고 있다. 현재 나무모형으로 가장 많이 사용되는 CART(Breiman et al., 1984)나 C4.5(Quinlan, 1993) 모두 생성된 노드들의 자료 구성이 목표변수(target variable)를 기준으로 각 수준 구성비 측면에서 순수해지도록 진행된다. 그러나 CRM(Customer Relationship Management)에 있어 가장 흔한 주제인 해지예측을 위한 모델링을 실시하는 경우 관심의 대상인 해지자가 전체 자료에 극히 일부를 차지하여, 기존의 분할 방법에서와 같이 분할되어 생성되는 모든 노드의 순수성을 동시에 고려하기란 불가능하다 Buja와 Lee(1999)는 목표변수 중 소수의 관심에 대상이 되는 부류를 찾아내기 위한 나무모형 생성방법을 소개하였다. 즉, 해지자 관리가 중요한 경우 해지자와 비해지자 구분을 진행하는 기존의 방법과는 달리 전체 자료 중 해지자를 집중적으로 찾아가는 탐색적 분할 기준인 단측 순수성(one-sided purity)을 제안하였다. 본 연구에서는 단측 순수성에 의한 나무모형을 모 PC통신 회사의 해지자 자료에 적용하여 기존의 방법과 비교하였고 몇 가지 시뮬레이션 자료를 통해 단측 순수성의 문제점과 앞으로 해결하여야 할 과제에 대하여 살펴보았다.

• Asia Marketing Journal
• /
• 제7권1호
• /
• pp.21-42
• /
• 2005

고객관계관리(customer relationship management: 이하 CRM)는 고객에 대한 정보를 수집하고 수집된 정보를 효과적으로 활용하여 신규고객획득, 우수고객 유지, 고객가치 증진, 잠재고객 활성화, 평생 고객화의 순환을 통하여 고객을 적극적으로 관리하고 유지하며 고객의 가치를 극대화시키기 위한 기업 마케팅 전략의 일환이다. 특히 경쟁 환경이 급변하고 치열해 짐에 따라 기업의 수익 극대화를 위한 고객가치 증대 및 고객과의 관계 형성을 위한 CRM활동 중 고객의 이탈방지를 통한 유지관리의 중요성이 점차 커지고 있으며, 이러한 움직임은 고객 세분화를 통한 이탈고객 관리분석으로 주로 금융시장에서 다루어져왔다. 한편, 금융시장뿐만 아니라 모든 사업 분야에서 고객 유지 및 이탈방지를 위한 분석의 필요성은 높아지고 있다. 그 이유는 자사가 보유하고 있는 고객의 특성을 파악함으로써 기존의 고객을 효과적으로 유지·관리하여 고객이탈을 막는 것이 고객관리에서 점차 그 중요성을 더하기 때문이다. 그러나 아직까지 필요성만 대두될 뿐 어떠한 속성을 보유하고 있는 고객이 쉽게 이탈하는지를 판별할 수 있는 이탈고객에 대한 체계적인 연구가 진행되지 않았다는데 한계점이 있다. 이에 본 연구에서는 TV 홈쇼핑사의 실제 고객자료를 통하여 고객의 유지 및 이탈방지를 위한 CRM전개방안, 이탈고객과 유지고객간의 인구통계적 속성 및 거래 행동의 특성 차이를 분석, 이탈에 미치는 영향력이 높은 변수를 밝혀내고 이탈고객예측 모형을 통하여 개별고객의 이탈확률을 예측하고자 했다. 더 나아가 실증 분석 결과를 바탕으로 이탈예측고객을 대상으로 고객 이탈을 방지하고 거래유지 및 활성화를 위한 CRM전개 방안을 도출, 이를 바탕으로 TV 홈쇼핑사가 수립해야할 마케팅 전략을 제시한다.

• Industrial Engineering and Management Systems
• /
• 제13권4호
• /
• pp.454-462
• /
• 2014

Retention of possible churning customer is one of the most important issues in customer relationship management, so companies try to predict churn customers using their large-scale high-dimensional data. This study focuses on dealing with large data sets by reducing the dimensionality. By using six different dimension reduction methods-Principal Component Analysis (PCA), factor analysis (FA), locally linear embedding (LLE), local tangent space alignment (LTSA), locally preserving projections (LPP), and deep auto-encoder-our experiments apply each dimension reduction method to the training data, build a classification model using the mapped data and then measure the performance using hit rate to compare the dimension reduction methods. In the result, PCA shows good performance despite its simplicity, and the deep auto-encoder gives the best overall performance. These results can be explained by the characteristics of the churn prediction data that is highly correlated and overlapped over the classes. We also proposed a simple out-of-sample extension method for the nonlinear dimension reduction methods, LLE and LTSA, utilizing the characteristic of the data.