Earticle

초록

한국어

기업 경쟁력 강화의 중요한 이슈인 대량 개별화(mass-customization)의 실행을 위하여 통합 고객관계
관리 프로세스로서의 CRM(customer relationship management)에 대한 관심과 활용에 대한 필요성은
점점 더 높아지고 있다. 특히, 기존 고객들의 구매 정보를 기반으로 고객의 구매 패턴을 파악하고 의도를 예측하는 것은 오늘날 실질적인 판매 전략을 수립하는 마케팅 분야에서 상당히 큰 비중을 차지하고 있다.
고객의 구매의도 예측에는 대량의 데이터로부터 과거에 인지하지 못했던 의미 있고, 근거 있는 정보를 추출하는 데이터마이닝(datamining)이 주로 사용되고 있다. 기존의 구매의도 예측에 사용된 데이터마이닝 기법들은 주로 신경망(neural networks)과 로지스틱 회귀분석(logistic regression analysis)이었
는데, 예측 정확성 및 모형 구축의 어려움으로 인한 다양한 문제점들이 제기되고 있는 실정이다. 따라
서, 본 논문에서는 기존의 기법들이 가지고 있는 단점들을 개선하기 위하여 신경망과 로지스틱 회귀분
석 외에 연관규칙(association rule), 연관성 매트릭스(association matrix), 의사결정 나무(decision tree), 베이지안 망(bayesian network), SVM(support vector machine) 기법들을 추가로 제안하였다.
본 연구의 목적은 고객의 특정 상품에 대한 구매의도 예측을 위하여 새로운 알고리즘을 제시하기보다는 기존의 다양한 데이터마이닝 기법들을 적용시켜 봄으로써, 가장 우수한 예측 성과를 나타내는 기법을 발견하는 것이다. 연구에 사용된 자료는 기존의 연구에서는 적용되지 않았던 편의점의 영수증 데이터이다. 예측 목표상품은 카테고리화 된 ‘우유'와 ‘냉동식품'이며, 제안된 기법들의 신뢰성을 위하여 전체 데이터를 10개의 training과 test 셋으로 중복되지 않게 구분함과 동시에 10번의 교차 검증(cross validation)을 실시하였다.
실험 결과 SVM이 영수증 데이터를 이용한 고객의 특정 상품에 대한 구매의도 예측에서 가장 우수한
성과를 나타내는 것을 확인하였다

목차

요약
 Ⅰ. 서론
  1.1 연구 동기
  1.2 연구 범위와 방법
 Ⅱ. 이론적 배경
  2.1 CRM과 데이터마이닝
  2.2 구매 의도 예측 및 추천 시스템
  2.3 SVM(support vector machine)
  2.4 연관성 규칙(association rule)
  2.5 의사결정나무 (decision tree)
  2.6 신경망(neural networks)
  2.7 베이지안 망(bayesian network)
  2.8 로지스틱 회귀분석(logistic regressionanalysis)
 Ⅲ. 연구 설계
  3.1 자료 수집과 변수 선정
  3.2 실험 설계 및 실행
  3.3 실험 결과 비교 및 분석
 Ⅳ. 결론
  4.1 연구 결과 및 시사점
  4.2 연구의 한계점 및 향후 연구 방향
 참고문헌
 Abstract

저자

• 김진화 [ Jin Hwa Kim | 서강대학교 경영대학 경영학과 부교수 ] 교신저자
• 남기찬 [ Ki Chan Nam | 서강대학교 경영대학 경영학과 교수 ]
• 이상종 [ Sang Jong Lee | 서강대학교 경영전문대학원 박사과정 ]

참고문헌