• Journal of Global Scholars of Marketing Science
• /
• v.14
• /
• pp.125-144
• /
• 2004

The purpose of this study is to classify customer bye-mailing responsiveness on time-series analysis and RFM module and testify the effectiveness of grouping by ROI analysis. RFM (Recency, Frequency, Monetary Value) analysis are used for customer classification that is fundamental process of e-CRM application. ROI analysis were consisted of open, click-through, duration time, conversion rate, personalization and e-mail loyalty index. Major findings are as follows; Customer segmentation were loyal customer, odds customer, dormant customer, secession customer and observation customer by Activity email module. And Loyal, dormant and secession customer are segregated by RFM module. Loyal customer group have higher point of all ROI index than other groups. These results indicated that customer responsiveness of e-mailing and RFM analysis were appropriate methods to grouping the customer. Mid-small Internet Biz adapted marketing strategy by optimization of consumer information.

• Journal of Korea Multimedia Society
• /
• v.9 no.9
• /
• pp.1173-1183
• /
• 2006

Matrix-star, Pancake, and RFM graphs have such a good property of Star graph and a lower network cost than Hypercube. Matrix-star graph has Star graph as a basic module and the node symmetry, the maximum fault tolerance, and the hierarchical decomposition property. Also it is an interconnection network that improves the network cost against Star graph. In this paper, we propose a method to embed among Matrix-star Pancake, and RFM graphs using the edge definition of graphs. We prove that Matrix-star $MS_{2,n}$ can be embedded into Pancake $P_{2n}$ with dilation 4, expansion 1, and $RFM_{n}$ graphs can be embedded into Pancake $P_{n}$ with dilation 2. Also, we show that Matrix-star $MS_{2,n}$ can be embedded into the $RFM_{2n}$ with average dilation 3.

• Aerospace Engineering and Technology
• /
• v.4 no.1
• /
• pp.229-238
• /
• 2005

The main objective of this study is to develop RPC geometric correction module for the pre-processing systems of the satellite image. For this purpose, the Terrain-Independent Ⅰ, Terrain-Independent Ⅱ and Terrain-Dependent Ⅲ have been applied in tests with KOMPSAT-1 EOC and SPOT PAN images.

• Knowledge Management Research
• /
• v.23 no.2
• /
• pp.277-299
• /
• 2022

The massive card transaction data generated in the tourism industry has become an important resource that implies tourist consumption behaviors and patterns. Based on the transaction data, developing a smart service system becomes one of major goals in both tourism businesses and knowledge management system developer communities. However, the lack of rating scores, which is the basis of traditional recommendation techniques, makes it hard for system designers to evaluate a learning process. In addition, other auxiliary factors such as temporal, spatial, and demographic information are needed to increase the performance of a recommendation system; but, gathering those are not easy in the card transaction context. In this paper, we introduce CTDDTR, a novel approach using card transaction data to recommend tourism services. It consists of two main components: i) Temporal preference Embedding (TE) represents tourist groups and services into vectors through Doc2Vec. And ii) Deep tourism Recommendation (DR) integrates the vectors and the auxiliary factors from a tourism RDF (resource description framework) through MLP (multi-layer perceptron) to provide services to tourist groups. In addition, we adopt RFM analysis from the field of knowledge management to generate explicit feedback (i.e., rating scores) used in the DR part. To evaluate CTDDTR, the card transactions data that happened over eight years on Jeju island is used. Experimental results demonstrate that the proposed method is more positive in effectiveness and efficacies.

• 한국지형공간정보학회:학술대회논문집
• /
• 2002.03a
• /
• pp.145-149
• /
• 2002

CORONA는 미국이 1960년에서 1972년까지 냉전시대 관심지역에 대한 첩보영상을 취득하기 위하여 운영한 영상취득시스템으로 1995년 일반에 자료가 공개됨에 따라 과거의 고해상도 영상자료를 이용할 수 있는 길이 열리게 되었다. 그러나 현재까지 CORONA 영상처리를 위한 모듈을 제공하는 원격탐측 소프트웨어가 개발되어 있지 않기 때문에 CORONA 영상을 이용하여 수치표고모형이나 정사영상을 제작하기 위해서는 적절한 모델링 방법이 필요하다. CORONA 영상은 파노라마 영상으로 필름 가장자리로 갈수록 왜곡이 많이 생기며 사진기 지표가 없고 위성의 궤도와 위치, 자세, 속도, IMC(Image Motion Compensation)에 대한 자세한 자료를 제공하지 않는 문제점이 있다. 따라서 본 논문에서는 지형복원을 위하여 지상기준점을 이용하는 2가지 모델링 방법을 이용하였다. 첫 번째는 파노라마 왜곡과 촬영 비행체 이동에 의한 왜곡, IMC에 의한 왜곡을 보정하는 모형식을 구성하여 이용하였으며, 두 번째는 위성과 센서에 대한 정보를 필요로 하지 않는 다항식비례모형(RFM; Rational Function Model)을 이용하였다. 대상지역은 서울지역의 입체영상으로 대략 $33km{\times}26km$ 지역이다. 영상은 지상해상도 약 2.7m로 스캐닝하였고 1:1000 수치지도를 통해 20개의 기준점과 36개의 검사점을 관측하였다. 검사점의 위치정확도를 평가해 본 결과 첫 번째 방법은 수평방향으로 평균 3.9m(X), 2.8m(Y)의 오차를 보였으며 표고의 경우 4.2m의 오차를 보여주었다. 두 번째 방법은 수평방향으로 평균 3.2m(X), 2.8m(Y)의 오차를 보였으며 표고의 경우 5.5m의 오차를 보여주었다. 지형복원 정확도를 검증하기 위하여 첫 번째 방법을 이용하여 대상지역 중 일부인 서울 남산지역에 대해 정사영상과 10m간격의 DEM을 제작하였으며 1:1000 수치지도를 통해 제작된 DEM과 비교한 결과 총 43990개 격자점의 표고 차이는 평균 5.98m였다.