• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제46차 하계학술발표논문집 20권2호
• /
• pp.135-137
• /
• 2012

기존의 연관규칙을 이용한 추천시스템은 점진적으로 증가하는 트랜잭션 데이터를 처리하기 위해서 기존에 처리한 데이터를 재처리하는 비효율성의 문제가 있다. 본 논문에서는 전자상거래에서 RFM(Recency, Frequency, Monetary)기반의 점진적 빈발 패턴 마이닝을 이용한 추천기법을 제안한다. 제안 방법은 새로운 트랜잭션 데이터가 추가 되었을 때 보다 빠른 시간 내에 연관규칙을 추출이 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제15권12호
• /
• pp.227-235
• /
• 2010

이 논문은 RFM 기법과 연관성 분석을 이용한 개인화된 전자상거래 추천 시스템을 제안한다. 제안된 전자상거래 추천시스템은 사용자의 평가 자료에 의존하지 않고 묵시적인(Implicity)방법을 이용하여 고객정보와 구매이력 정보를 기반으로 RFM(Recency, Frequency, Monetary) 기법을 이용한 고객 세분화와 교차판매(cross-sell)관계를 찾는 연관성 분석을 이용한 개선된 시스템이다. 또한 고객군별 구매특성 분석을 통하여 효율적인 마케팅 전략과 고객관계관리(CRM: Customer Relationship Management)방법을 제시한다. 현업에서 사용하는 데이터 셋을 구성하여 실험 및 평가를 통해서 효용성을 입증 및 평가하여 일대일 웹 마케팅을 실현하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.803-806
• /
• 2017

고객의 행동을 분석하기 위한 RFM(Recency, Frequency, Monetary)은 마케팅 분양에서 널리 쓰이고 있는 시작분석기법이다. 최근 축적되는 데이터가 많아지면서 이를 활용하기 위해 기계학습에 대한 관심이 증가하였다. 따라서 RFM 기법과 다양한 알고리즘을 결합하여 데이터를 분석하고자 하는 시도가 이루어지고 있다. 본 논문에서는 RFM 기법과 대표적인 클러스터링 알고리즘인 k-means를 통하여 고객을 등급화 하는 방법에 대해 실험하였다. 기존의 실험에서는 k값을 8 혹은 9로 지정하는 사례가 많았다. 그러나 본 실험에서는 내부평가방법을 통해 데이터 셋에 대한 최적의 k값을 구해보았고, 실험 결과 사용한 4개의 데이터 셋에서 3이라는 동일한 결과가 나왔다.

• 한국컴퓨터정보학회논문지
• /
• 제17권6호
• /
• pp.163-172
• /
• 2012

기존 추천시스템의 명시적((Explicit) 협력 필터링 방법은 실용화 되었으나 정확한 아이템의 속성이 반영되지 않는 문제와 희박성과 확장성 문제가 여전히 남아 있다. 본 논문에서는 실시간성과 민첩성이 요구되는 유비쿼터스 상거래에서 고객에게 번거로운 질의 응답 과정이 없이 묵시적인(Implicit) 방법을 이용하여 RFM(Recency, Frequency, Monetary)기법과 k-means 기법을 이용한 개인화 추천시스템을 제안한다. 구매 가능성이 높은 아이템을 추출하기 위해서 고객데이터와 구매이력 데이터를 기반으로 아이템의 속성 반영이 가능한 RFM기법과 k-means 클러스터링을 이용한다. 제안 방법으로 추천의 효율성이 높은 아이템 추천이 가능하도록 고객정보의 속성 변수의 특징 벡터가 적용된 클러스터링 작업과 군집내의 아이템 카테고리 선호도 계산 작업의 전처리를 수행한다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 아이템 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존 시스템과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권2호
• /
• pp.197-206
• /
• 2012

기존의 연관규칙을 이용한 추천시스템은 매번 계속적으로 대량의 데이터를 스캔해야 하므로 속도가 느릴 뿐 아니라 확장성 문제와 정확도 문제가 있다. 본 논문에서는 사용자의 평가 자료에 의존하지 않고 묵시적인(Implicit)방법을 이용하여 RFM(Recency, Frequency, Monetary)기반 FP-tree 마이닝을 이용한 개인화 추천시스템을 제안한다. 구매 가능성이 높은 아이템을 찾기 위해서 고객정보와 구매이력정보를 기반으로 고객과 아이템의 속성 반영이 가능한 RFM기법과 FP-tree 마이닝을 이용한다. 제안 방법으로 RFM기반의 FP-tree 마이닝을 이용하여 후보집합의 발생없이 빈발항목을 구성하고 연관규칙을 생성한다. 생성된 연관규칙의 지지도, 신뢰도, 향상도를 사용하여 추천 효율성이 높은 아이템 추천이 가능하다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 아이템 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존의 시스템과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제13권2호
• /
• pp.41-50
• /
• 2008

모바일 환경하에의 RFM 기법을 이용한 개인화 된 추천 시스템을 제안한다. 사용자의 평가 자료에 의존하지 않고 사용자에게 번거로운 질의 응답 과정이 없이 묵시적인(Implicity) 방법을 이용하여 고객정보와 구매이력정보를 기반으로 RFM 기법을 이용하여 고객 세분화와 아이템 세분화 통해서 대상 사용자에게 구매 가능성이 높은 아이템을 추천한다. 또한 기존의 추천시스템의 문제점의 해결 방안으로 신규 고객이나 신규 아이템 추천을 고려하여 적용한다. 추천 아이템과 사용자가 구매한 아이템 이력 데이터를 비교하여 추천된 아이템이 중복 추천을 제거하였고 현업에서 사용하는 데이터 셋을 구성하여 실험을 통해서 효용성과 타당성을 입증 및 평가하여 개인화된 일대일 웹 마케팅을 실현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
• /
• pp.185-187
• /
• 2013

유비쿼터스 컴퓨팅이 생활의 일부가 되어가면서 정보의 양도 급속도로 늘어나고 있으며, 이로 인해 많은 데이터 속에서 정보를 찾아내는 기술이 부각되고 있다. 고객 기반의 협력적 필터링을 이용한 고객 선호도 예측 방법에서는 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법을 사용하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하고 있다. 그리고 비슷한 선호도를 가진 일부 아이템의 정보를 바탕으로 하기 때문에 아이템의 속성은 무시하는 경향이 있다. 본 논문에서는 유비쿼터스 상거래에서 RFM(Recency, Frequency, Monetary) 분석 기반의 SOM을 이용한 군집방법을 제안한다. 제안 방법은 고객의 구매 데이터 기반의 유사한 속성의 데이터끼리의 클러스터링을 통해 보다 빠른 시간 내에 고객 성향에 맞는 추천이 가능한 구매 패턴 추출이 가능하다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.145-153
• /
• 2023

군에서 군인들의 체력 관리와 전투력 향상을 위한 필수적인 요소로서, 군인들의 운동 능력, 체력, 건강 수준을 효과적으로 측정하고 모니터링하는 중요성을 강조한다. 체력의 효과적인 측정이 관리의 핵심이며, 이는 현대경영학의 원칙과 일치하고 있다. 특히, 전장의 동적인 변화에 대비하기 위해서는 강인한 체력을 가진 군인을 양성하는 것이 중요하다. 이 연구에서는 RFM(Recency, Frequency, Monetary) 고객 분석 및 클러스터링 방법을 전자상거래에서 검증된 방법으로 소개하며, 이를 기반으로 머신러닝 알고리즘이 적용된 AI 고객 분석 방법을 군인 체력 평가에 적용하기 위해, RSC(Reveal, Sustainable, Control) 분석 모형을 도입하여 군인 체력을 효과적으로 분류하고 모니터링하는 방법을 검토하였다. RFM 기법을 적용한 RSC 분석 모형을 통해 군인 체력을 계량화하고 모델링함으로써 지속적인 발전을 도모하고 체력 관리의 효과를 높일 수 있는 전략을 모색하였다. 이러한 방법을 통해 군인의 체력을 향상하고 유지하는데 있어서 AI 고객 분석 기법을 응용한 RSC 클러스터링 분석방법을 도출하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권3호
• /
• pp.515-523
• /
• 2012

대부분의 기업들은 고객관계관리를 통하여 기존의 고객에 대한 충성도를 향상시켜 기업의 수익성을 극대화하기 위한 노력을 실시하고 있다. 고객관계관리란 고객에 대한 정보를 바탕으로 개인에게 적합한 맞춤형 서비스를 제공함으로서 고객과의 관계를 지속적으로 강화해 나가는 기법을 의미한다. 본 논문에서는 고객관계관리의 여러 가지 기법 중 고객을 세분화할 수 있는 RFM (recency, frequency, monetary) 방법을 적용하고자 하며, 기존의 RFM 모형에서 부동산 광고 구매 기간을 추가한 RFMP 모형을 이용하여 고객 세분화를 실시하고자 한다. 본 연구의 결과로 기존의 최근성, 최빈성, 총구매액 외에 광고 상품의 구매 기간을 고려하여 회원을 세분화함으로서 기존의 RFM 모형보다 더 나은 고객세분화를 이룰 수 있으며, 이를 바탕으로 회원에 대한 차별화된 마케팅 전략을 수립할 수 있을 것이다.

• 대한토목학회논문집
• /
• 제32권1D호
• /
• pp.89-94
• /
• 2012

범용센서모델의 한 종류인 비례다항식 모델(RFM: Rational Function Model)은 광학영상의 센서모델링분야에서 활발히 활용되고 있으나 SAR영상에 대한 적용은 미진한 실정이다. 본 연구에서는 스테레오 TerraSAR-X영상을 대상으로 RF 모델링을 적용하여 적용방법의 타당성과 효율성에 대해 분석하였다. 또한 본 연구성과의 DSM(Digital Surface Model)과 기존 상용 소프트웨어에서 생성된 DSM을 다양한 측면에서 비교 분석하였다. 그 결과 RF 모델링 기법이 SAR영상의 적용 시에도 매우 효과적이며 실용적으로 적용 가능함을 알 수 있었다.