Earticle

Support vector machines (SVMs) were originally designed for binary classification problems. However, some real-world multiclass problems including corporate bond rating can’t be solved by the binary classifier. For this reason, many researchers have tried to extend original SVM to multiclass classification. However, their studies have only focused on classifying samples into nominal categories. But, their approaches also have a limitation because there are multiclass classification problems whose classes are ordinal in real world. In this study, we propose ordinal multiclass SVMs which apply ordinal pairwise partitioning (OPP) to conventional SVMs in order to handle ordinal multiple classes efficiently and effectively. Our suggested model may use less classifier but predict more accurately because it utilizes characteristics of the order of the classes. We apply it to the real-world customer classification case for validating the proposed model. The result shows that the proposed multiclass SVM models improve classification performance.

시장에서의 경쟁이 점차 심화되고 서비스나 상품에 대한 고객들의 요구와 기대치가 증가함에 따라 기업들에 있어 과학적인 데이터 분석에 근거한 경영전략 수립 및 실행의 필요성이 어느 때보다 크게 강조되고 있다. 그러나 인적자원과 및 자금 등을 포함한 가용자원은 한정적이기 때문에 이들 자원을 얼마나 효율적으로 사용하여 효과적인 결과를 획득하는가가 기업 성패를 좌우하는 주요 지표가 되고있다. 본 연구에서는 선택과 집중적 자원 배분이라는 이슈에 초점을 맞춰 사전 세분화를 통해 선정된 고객 군만을 대상으로 고객의 특성을 파악하고 관리하는 방안이 전체 고객을 대상으로 하는 것보다 보다 의미가 있다는 것을 실제 현업데이터를 통해 검증하고자 하였다. 이를 위해 카드사, 이동통신사, 보험사의 고객 인적데이터 및 거래데이터를 수집하였고, 통계분석과 현업전문가의 의견을 수렴해 고객 세분화를 수행하였으며, 각 세분 군별로 데이터마이닝의 의사결정나무 기법을 이용해 해지모형을 구축하여 전체 고객을 대상으로 한 모형과 정분류율과 규칙의 간결성 측면에서 비교 평가하였다. 결과적으로 세분 군별 해지모형이 전체 고객대상 모형에 비해 정분류율은 높거나 비슷한 수준을 유지하면서 보다 간결하고 의미있는 규칙을 제공하였다.

Discovering customers' behavioral patterns from large data set and providing them with corresponding services or products are critical components in managing a current business. However, the diversity of customer needs coupled with the limited resources suggests that companies should make more efforts on understanding and managing specific groups of customers, not the whole customers. The key issue of this paper is based on the fact that the behavioral patterns extracted from the specific groups of customers shall be different from those from the whole customers. This paper proposes the idea of pre-segmentation before developing customer classification models. We collected three customers' demographic and transactional data sets from a credit card, a tele-communication, and an insurance company in Korea, and then segmented customers by major variables. Different churn prediction models were developed from each segments and the whole data set, respectively, using the decision tree induction approach, and compared in terms of the hit ratio and the simplicity of generated rules.

This study demonstrates how online hotel reviews can classify customer loyalty by analyzing textual features such as sentiment, rating, and loyalty keywords. Using a review dataset from TripAdvisor, the research applies sentiment analysis tools (VADER, TextBlob, SenticNet) and topic modeling techniques to classify loyalty. Results show that loyalty keywords imply a significant difference in their presence between loyal and non-loyal customers. At the same time, a considerable difference in their presence between loyal and non-loyal customers, while sentiment scores present significantly moderate results. However, Rao-Striling diversity and review length do not exhibit a significant difference. The study contributes a framework for using review content to identify loyal customers, offering practical methods for businesses to enhance customer retention and improve CRM strategies. Limitations include reliance on sentiment scores for loyalty classification and the exclusion of behavioral data, suggesting future research could incorporate more comprehensive customer data for validation.

Conventional Support Vector Machines (SVMs) have been utilized as classifiers for binary classification problems. However, certain real world problems, including corporate bond rating, cannot be addressed by binary classifiers because these are multi-class problems. For this reason, numerous studies have attempted to transform the original SVM into a multiclass classifier. These studies, however, have only considered nominal classification problems. Thus, these approaches have been limited by the existence of multiclass classification problems where classes are not nominal but ordinal in real world, such as corporate bond rating and multiclass customer classification. In this study, we adopt a novel multiclass SVM which can address ordinal classification problems using ordinal pairwise partitioning (OPP). The proposed model in our study may use fewer classifiers, but it classifies more accurately because it considers the characteristics of the order of the classes. Although it can be applied to all kinds of ordinal multiclass classification problems, most prior studies have applied it to finance area like bond rating. Thus, this study applies it to a real world customer level classification case for implementing customer relationship management. The result shows that the ordinal multiclass SVM model may also be effective for customer level classification.

최근 온라인 자동차보험에 대한 고객의 관심이 급증하고 있다. 그 이유는 경제성 측면에서 온라인 자동차보험이 소비자들에게 유용성을 제공해주기 때문이다. 오프라인에서 판매하는 자동차보험은 서비스 상품으로 온라인에서 판매하는 자동차보험 상품에 비해 상대적으로 높은 가격을 형성하고 있다. 이러한 특징에 힘입어 가격이 저렴한 온라인 자동차보험은 소비자들에게 큰 인기를 얻고 있다. 그렇기 때문에 소비자들은 온라인 자동차보험 상품 가격에 많은 관심을 가지고 있고, 자동차보험 상품 구입에 신중한 선택을 하고 있다. 본 연구에서는 소비자들이 온라인 자동차보험에 대해 느끼는 인지된 이익과 가격 수용성을 중심으로 2X2 매트릭스로 구성해 온라인 자동차보험 고객군을 온라인 수용형, 경제성 추구형, 편리 추구형, 신중 접근형으로 구분하였다. 이에 따라 본 연구에서는 온라인 자동차보험 웹사이트의 인지된 이용 용이성, 유용성, 태도, 구매의도에 사이의 관계를 분석하였다. 본 연구결과는 온라인에서 자동차보험 상품을 판매하는 기업들에게 소비자의 온라인 자동차보험 구매의도를 강화하기 위한 고객관계관리 전략 수립에 있어 유용한 시사점을 제공해 줄 것이다.

Recently, the interesting of customers in online auto insurance is rapidly increasing. The one of major reasons is economical benefit. offline auto insurance products as a service formed high price. However, online auto insurance relatively formed low price. Thanks to these characteristics of online auto insurance has gained great popularity. Therefore, in purchasing online auto insurance, consumers carefully buy products of auto insurance. In this study, we classified the 2x2 matrix (online preference group, economic pursuit group, convenience oriented group, and carefulness approach group) in online auto insurance consumers focusing on the perceived benefits and price acceptance. From an economic point of view of consumers around the perceived benefits and price acceptance, we analyzed the relationships among easy of use, usefulness, attitude, and purchase intention in automobile e-shopping mall. The results of this study will provide the useful implications for the planing CRM(customer relationship management) strategy for improving purchase intention of customers to online insurance companies.

인구 및 세대 구조가 변화면서 점차 대면 관계를 꺼리는 고객의 태도 변화가 정보기술의 발달과 스마트폰의 확산으로 더욱 커지고 있다. 이는 정보기술에 익숙해진 현대 고객들의 소비패턴인 효율성 및 신속성과도 부합되는 것으로, 오프라인 망 중심의 유통회사들이 판매 및 서비스 방식을 언택트로 전환하려는 움직임이 활발해지고 있다. 최근 다양한 분야에서 언택트 서비스가 활성화되고 있지만, 뷰티 제품의 경우 고객의 피부타입 및 상태에 따라 제품 선택이 쉽지 않으므로 비대면을 통해 제품을 추천하기가 쉽지 않다. 이와 관련하여 온라인 뷰티 분야에서 제품 추천을 위한 추천시스템 개발 및 추천 관련 연구들이 수행되었지만, 대부분이 설문조사 방법이나 소셜 데이터를 이용하여 추천 알고리즘을 개발한 연구들이었다. 즉, 고객의 피부타입이나 제품 선호도 등의 실제 사용자 정보를 기반으로 세그먼트를 분류한 연구는 부족하였다. 그리하여, 본 연구에서는 뷰티 분야에서의 언택트 서비스 중의 하나인 모바일 애플리케이션의 고객 정보와 검색 로그 데이터를 기반으로 머신러닝 기법의 K-prototypes 알고리즘을 이용하여 고객 세그먼트를 새롭게 분류하고, 이를 기반으로 언택트 마케팅 전략 방안을 제안한다. 본 연구는 머신러닝 기법을 이용하여 새롭게 고객 세그먼트를 분류함으로써 관련 기존 문헌의 범위를 확장하였다. 더불어, 언택트 서비스라는 새로운 소비 트렌드를 반영하여 고객 세그먼트를 분류하고, 이를 기반으로 뷰티 분야의 언택트 서비스에 활용할 수 있는 구체적인 방안을 제시했다는 실무적 의의가 있다.

As population and generation structures change, more and more customers tend to avoid facing relation due to the development of information technology and spread of smart phones. This phenomenon consists with efficiency and immediacy, which are the consumption patterns of modern customers who are used to information technology, so offline network-oriented distribution companies actively try to switch their sales and services to untact patterns. Recently, untact services are boosted in various fields, but beauty products are not easy to be recommended through untact services due to many options depending on skin types and conditions. There have been many studies on recommendations and development of recommendation systems in the online beauty field, but most of them are the ones that develop recommendation algorithm using survey or social data. In other words, there were not enough studies that classify segments based on user information such as skin types and product preference. Therefore, this study classifies customer segments using machine learning technique K-prototypesalgorithm based on customer information and search log data of mobile application, which is one of untact services in the beauty field, based on which, untact marketing strategy is suggested. This study expands the scope of the previous literature by classifying customer segments using the machine learning technique. This study is practically meaningful in that it classifies customer segments by reflecting new consumption trend of untact service, and based on this, it suggests a specific plan that can be used in untact services of the beauty field.

Recently, service quality must reflect several demands of customers who show rapid and various changes so as to be compared with the past. So, objective and rapid methods for them are necessary more. For them, first of all, service company must calculate their standard of service quality accurately by measuring service quality exactly. To measure service quality accurately, this researcher collected and analyzed data by survey for customers who are customers of logistics services, grasped potential satisfaction standard(P) by 5 point Likert scale and one survey for accurate classification of quality attributes through weighted customer satisfaction coefficient changing quality attributes by developing the study on Kano model and Timko's customer satisfaction coefficient, and suggested Potential Customer Satisfaction Improvement index(PCSI) for examining the improvement of customer satisfaction so as to utilize them as an index of differentiated and concrete measurement of service quality.

[목적] 본 연구는 골프대회 갤러리의 전반적 만족도에 영향을 미치는 관람만족도를 고객만족 세요인(기본, 실행, 감동요인) 모델을 이용하여 분류하였다. [방법] 연구문제 검증을 위해 PGA 대회가 개최된 제주도 클럽나인브릿지 를 방문한 갤러리를 대상으로 2017년 10월 19일부터 10월 22일까지 설문조사를 실시하였고 회수된 설문지 총 155 부의 응답을 분석하였다. [결과] 분석결과 기본요인은 건강 관련 만족도(스트레스 해소에 도움, 기분전환에 도움, 신체적 건강에 도움, 자연과 동화되는데 도움), 실행요인은 시설⋅서비스만족도(경기 운영 요원의 친절, 운영 팀의 효율적 시합 진행, 골프 경기장 편의시설, 골프 경기장 분위기와 환경)와 본원적만족도(골프 경기 내용, 선수 간 치열한 경쟁, 골프 경기의 박진감), 감동요인은 교육만족도 요인(스윙 기술 습득에 도움, 퍼팅 기술 습득에 도움, 골프 매너 습득에 도움, 골프 규칙 습득에 도움)이 해당되었다. [결론] 본 연구의 결과는 골프대회 마케터나 기획 가에게 어떤 관람만족도가 전반적 만족도를 증가시키는지 또는 감소시키는지를 파악하는데 중요한 근거자료가 될 수 있고 골프대회 갤러리 행동특성 연구에 중요한 시사점을 제공한다.

[Purpose] The purpose of this study is to classify viewing satisfaction of golf gallery(visitor) by applying the three-factor model of customer satisfaction. [Method] To verify the research problem, a questionnaire survey was conducted from 19 October to 22 October 2017 for a gallery visited the Jeju Club Nine Bridge where the PGA competition was held. A total of 155 replies were analyzed. [Result] According to the results, “Health related Satisfaction(Relieve Stress, Relaxation, Physical Health, Be Assimilated with Nature)” is identified as basic factors; “Facilities and Service Satisfaction(Kindness of Operator, Effective Match of the Operation Team, Golf Course Facilities, Golf Course Atmosphere and Environment)” and “Primary Satisfaction(Contents, Competition between Players, Excitement of a Golf Tournament)” are performance factors; “Educational Satisfaction(Swing Skills, Putting Skills, Golf Manners, Golf Rules)” is performance factors. [Conclusion] This study not only makes theoretical contributions to the study of golf gallery but also offers practical suggestions for a golf tournament operator.

후발카드사들의 시장 확대 전략, 은행계 카드사의 약진 등 점차 치열해지는 경쟁 구도에 대비하기 위해 S카드사는 과거와 같이 단순 신용카드 상품이나 ‘고수익 고위험’의 대출서비스에 주력하는 수익 모델로는 향후 생존하기 어렵다는 현실을 인식하고 신용판매 활동의 내실 강화를 통해 지속적으로 수익을 창출할 수 있는 방안을 강구하였는데 이것이 바로 가맹점 업종분류체계 정비를 통한 고객세분화이다. 즉, 기존의 수수료율 책정기준으로 만들어진 가맹점 업종분류체계를 마케팅 목적으로 재편하고 새로운 업종분류체계에 맞춰 고객의 정확한 카드 사용실적을 파악한 후 고객을 세분화하는 개념으로, 가맹점과 고객의 다양한 니즈를 연계 관리함으로써 고객에게는맞춤 정보 및 오퍼를 제공하고, 가맹점과의 긴밀한 협력관계를 통해 가맹점 매출을 증대하며, 이로 인해 자사의 신용판매를 확대하고 수익을 극대화하는 고객, 가맹점, 자사 상호간의 Win-Win-Win 관계 형성을 목표로 하였다. 본 연구에서는 S카드사가 어떠한 방식으로 기존의 업종분류체계를 정비하여 고객세분화를 수행하였으며, 어떻게 활용하고 있는가를 살펴봄으로써 효과적인 고객세분화에 기반한 마케팅 전략수립의방향을 제시하고자 한다.

Korean card firms suffered harsh setbacks due to high credit defaults in 2002 and 2003, after issu-ing cards recklessly. Their key principle is changed to grow without damaging profitability and finan-cial soundness. However, competition in the credit card market is heating up rapidly. Bank-affiliated card firms, having stronger sales networks and more capital than independent issuers, have increased their investments in card affiliates in a bid to develop new cash cows. Moreover, newly emerging in-dependent card firms have waged fiercer campaigns to raise their credit card market share. In order to overcome these business conditions, S-card has settled on a strategy that focuses on stepping up marketing aimed at increasing charge card spending rather than credit card loans or cash lending services. Accordingly, S-card reformed the current business classification system of merchants, which was out-of-dated and originally built for the purpose of deciding merchant service fees only. They also drove customer segmentation planning to deliver the right customers to the right merchants. In this pa-per, we emphasize the problems of business classification systems of merchants with which most cred-it card firms have faced, and the need for reforming them not only to provide customer-tailored serv-ices but also to raise their business promotion excellence by reviewing S-card’s process of customer segmentation.1

To participate in the increasing environmental issue, the hotel industry makes an effort to develop and implement eco-friendly marketing strategies. This study aims to investigate the influence of hotel’s green marketing activities on customer satisfaction and revisit intention. Additionally, it try to verify whether the hotel classification moderates the effect of green marketing activities on customer satisfaction and intention to revisit the hotel. To achieve these purposes, the green marketing activities are divided into three components: energy saving, recycling and reusing, and eco-friendly program. The survey method was employed to collect data targeting to customers who visited luxury or middle class hotels within last 6 months. The finding demonstrates that energy saving and eco-friendly program impact customer satisfaction positively, while intention to revisit is significantly associated with energy saving and recycling and reusing hotel products programs. This study also reveals that customer satisfaction significantly relates with the intention to revisit the hotel. But, there is no evidence of moderating effect of hotel classification. It means green marketing activities should not be evaluated differently depending upon hotel classification by consumers. These results provides valuable implications for hotel managers to understand customers and develop more effective green marketing strategy.

본 연구는 온라인 쇼핑 환경에서 고객의 구매 의도를 예측하는 인공지능 기반의 분류 모델을 탐색하고 평가 하는 것을 목표로 한다. 전통적인 상점 고객과 달리, 온라인 쇼핑 고객은 다양한 매체를 통해 정보를 수집하고 상품 리뷰나 구매 패턴을 참고하여 구매 결정을 내린다. 본 연구에서는 고객의 행동 데이터를 기반으로 성별, 연령, 직업과 같은 개인 기본 특성을 배제하고, 검색, 장바구니 담기, 페이지뷰 등의 고객 행동 데이터를 수집하 여 구매 가능성을 예측하였다. 이는 개인 정보 보호에 대한 우려로 인해 기본 특성 데이터의 수집이 어려운 현 실을 감안한 접근법이다. 따라서 행동 데이터만을 활용한 분석 방법의 중요성이 더욱 부각된다. 연구에서는 가 우시안 나이브 베이즈, 랜덤 포레스트, 의사 결정 트리, 로지스틱 회귀 등의 기계학습 모델을 사용하여 행동 데 이터로부터 구매 고객을 예측하였다. 각 모델의 성능을 평가하여 가장 효과적인 모델을 식별하고, 이를 통해 기 업이 구매 예측 모델을 선택할 때 참고할 수 있는 근거를 제공하고자 한다. 또한, 식별된 잠재 구매 고객에게 마케팅 자원을 집중하는 경우와 모든 고객에게 동일하게 마케팅 자원을 배분하는 경우의 구매액을 비교하여 타 겟 마케팅의 비용 효율성을 분석하였다. 본 연구는 온라인 농축수산물 리테일러들이 고객의 구매 행동을 더 정 확히 이해하고, 마케팅 자원을 효율적으로 배분하여 매출을 극대화하는 방안을 제시한다. 이를 통해 고객 행동 데이터 기반의 예측을 통한 효과적인 경영 전략 수립 방법론을 제공하고, 예측 모델을 제안하는 데 본 연구의 의의를 둔다. 고객 행동 데이터의 분석을 통해 기업은 더욱 정교한 타겟 마케팅 전략을 수립할 수 있으며, 이는 결국 매출 증대와 비용 절감으로 이어질 것이다.

This study aims to explore and evaluate AI-based classification models to predict customer purchase intentions in an online shopping environment. Unlike traditional store customers, online shoppers gather information through various media and make purchase decisions based on product reviews and purchase patterns. This study excludes personal basic characteristics such as gender, age, and occupation and instead collects and utilizes customer behavior data such as searches, cart additions, and page views to predict purchase likelihood. Given the difficulties in collecting basic characteristic data due to privacy concerns, the analysis method using only behavior data becomes even more important. This study used machine learning models such as Gaussian Naive Bayes, Random Forest, Decision Tree, and Logistic Regression to predict purchasing customers from behavior data. The performance of each model was evaluated to identify the most effective one, providing a reference for companies in selecting purchase prediction models. Additionally, we compared the purchase amounts between focusing marketing resources on identified potential buyers and distributing marketing resources equally to all customers to analyze the cost efficiency of targeted marketing. This study presents ways for online agricultural and fisheries retailers to better understand customer purchase behavior and efficiently allocate marketing resources to maximize sales. By providing a research framework and proposing prediction models, this study aims to offer methodologies for effective management strategies based on predictions from customer behavior data. Through analyzing customer behavior data, companies can develop more sophisticated targeted marketing strategies, ultimately leading to increased sales and cost savings.

기업간의 경쟁이 심화되고 정보의 중요성에 대한 인식이 확대되어 가는 상황에서 다량의 데이터로부터 가치 있는 데이터를 추출하는 CRM 데이터 마이닝은 중대한 관심사가 아닐 수 없다. 본 연구는 데이터마이닝의 여러 활용 분야 중 고객세분화를 위해 최근 많이 사용되고 있는 데이터마이닝 기법인 로지스틱 회귀분석, 의사결정나무, 신경망 알고리즘 기법들을 비교하며, 이를 실제 아파트 고객의 데이터를 이용하여 검증하고자 한다. 따라서, 아파트 고객 세분화를 위한 데이터마이닝 수행시 기법 선택의 기준과 비교 평가의 기준을 제시하는 데 연구목적 있다.

기업간의 경쟁이 심화되고 정보의 중요성에 대한 인식이 확대되어 가는 상황에서 다량의 데이터로부터 가치 있는 데이터를 추출하는 CRM 데이터 마이닝은 중대한 관심사가 아닐 수 없다. 본 연구는 데이터마이닝의 여러 활용 분야 중 고객세분화를 위해 최근 많이 사용되고 있는 데이터마이닝 기법인 로지스틱 회귀분석, 의사결정나무, 신경망 알고리즘 기법들을 비교하며, 이를 실제 아파트 고객의 데이터를 이용하여 검증하고자 한다. 따라서, 아파트 고객 세분화를 위한 데이터마이닝 수행시 기법 선택의 기준과 비교 평가의 기준을 제시하는 데 연구목적 있다.

With the arrival of the big data era, customer data and data mining analysis have gradually dominated the process of Customer Relationship Management (CRM). This phenomenon indicates that customer data along with the use of information techniques (IT) have become the basis for building a successful CRM strategy. However, some companies can not discover valuable information through a large amount of customer data, which leads to the failure of making appropriate business strategy. Without suitable strategies, the companies may lose the competitive advantage or probably go bankrupt. The purpose of this study is to propose CRM strategies by segmenting customers into VIPs and Non-VIPs and identifying purchase patterns using the the VIPs' transaction data and data mining techniques (K-means clustering and association rules) of online shopping mall in Korea. The results of this paper indicate that 227 customers were segmented into VIPs among 1866 customers. And according to 51,080 transactions data of VIPs, home product and women wear are frequently associated with food, which means that the purchase of home product or women wears mainly affect the purchase of food. Therefore, marketing managers of shopping mall should consider these shopping patterns when they build CRM strategy

This study proposes hybrid case-based reasoning and genetic algorithms model for customer classification. In this study, vertical and horizontal dimensions of the research data are reduced through integrated feature and instance selection process using genetic algorithms. We applied the proposed model to customer classification model which utilizes customers' demographic characteristics as inputs to predict their buying behavior for the specific product. Experimental results show that the proposed model may improve the classification accuracy and outperform various optimization models of typical CBR system.

This study proposes a case based reasoning system with two dimensional reduction techniques. In this study, vertical and horizontal dimensions of the research data are reduced through hybrid feature and instance selection process using genetic algorithms. We applied the proposed model to customer classification model which utilizes customers' demographic characteristics as inputs to predict their buying behavior for the specific product. Experimental results show that the proposed technique may improve the classification accuracy and outperform various optimized models of typical CBR system.

This study proposes a case based reasoning system with two dimensional reduction techniques. In this study, vertical and horizontal dimensions of the research data are reduced through hybrid feature and instance selection process using genetic algorithms. We applied the proposed model to customer classification model which utilizes customers' demographic characteristics as inputs to predict their buying behavior for the specific product. Experimental results show that the proposed technique may improve the classification accuracy and outperform various optimized models of typical CBR system.

기업들의 고객중심 마케팅 기법중 하나인 고객관계관리(CRM ： Customer Relationship Management)가 인터넷의 발전으로 온라인화 되고 있으며 다양하게 발전되어 왔다. 가장 대두되고 있는 문제는 고객 분류를 객관적인 방법으로 어떻게 자동화할 수 있는가 이다. 본 논문은 최적화 모형을 이용하여 고객 분류를 더욱 세밀하게 할 수 있음을 제안하였고 고객 집단 편성 최적화를 반영함으로써 고객을 최적으로 분류할 수 있는 시스템을 설계 및 구축하였다.

소비자의 신용 대출 규모가 점차 증가하면서 기업에서 고객의 신용 등급에 의한 정확한 고객 분류를 필요로 하고 있다 이를 위해 판별 분석과 신경망의 역전파(BP: Back Propagation)를 이용한 고객 분류 시스템이 연구되었다. 그러나, 판별 분석을 사용한 방법은 불규칙한 신용 거래의 성향을 보이는 비정규 분포의 고객 데이터의 영향으로 여러 개의 판별 함수와 판별점이 존재하여 분류 정확도가 떨어지는 단점이 있다. 신경망을 이용한 방법은 불규칙한 신용 거래의 성향을 보이는 고객 데이터에 의해서, 지역 최소점(Local Minima)에 빠져 최대의 분류 정확률을 보이는 분류자를 얻지 못하는 경우가 발생할 수 있다. 본 논문에서는 이러한 기존 연구의 분류 정확률을 저하시키는 단점을 해결하기 위해 SVM(Support Vector Machine)을 사용하여 고객의 신용 등급을 분류하는 방법을 제안한다. SVM은 SV(Support Vector)의 수에 의해서 학습 성능이 좌우되므로, 불규칙한 거래 성향을 보이는 고객에 대해서도 높은 차원으로의 매핑을 통하여, 효과적으로 학습시킬 수 있어 분류의 정확도를 높일 수 있다 하지만, SVM은 근사화 알고리즘(Approximation Algorithms)을 이용하므로 분류 정확도가 이론적인 성능에 미치지 못한다. 따라서, 본 논문은 점진적 앙상블 SVM을 사용하여, 기존의 고객 분류 시스템의 문제점을 해결하고 실제적으로 SVM의 분류 정확률을 높인다. 실험 결과는 점진적 앙상블 SVM을 이용한 방법의 정확성이 기존의 방법보다 높다는 것을 보여준다.

In this paper, we analyze customers' working electric energy (kWh) which is served pole-transformer in order to reduce peak load current error which is generated in application load correlation equation. The characteristic of electric load which customers are using is classified by customer's working electric energy (kWh) and ratio of cooling equipment possession. For the input data of fuzzy model, we used to kWh on April which represents basic load and kWh which is increased from April to August. The April kWh is used to classify into large, medium, small customer. Also, the increased kWh is used to know information of cooling equipment possession. For the output value of fuzzy model, we can determined peak load current limit in application load correlation equation.