1990년대에 접어들면서 기업들은 경쟁적 우위를 확보하기 위한 관계 마케팅에 관심을 가졌으며 CRM 형성은 관계 마케팅에 기초를 두고 있다. CRM을 수행하기 위한 분석기법은 전통적인 통계분석기법 뿐만 아니라 인공신경망, ...
1990년대에 접어들면서 기업들은 경쟁적 우위를 확보하기 위한 관계 마케팅에 관심을 가졌으며 CRM 형성은 관계 마케팅에 기초를 두고 있다. CRM을 수행하기 위한 분석기법은 전통적인 통계분석기법 뿐만 아니라 인공신경망, 클러스터링, 유전자 알고리즘 등을 포함한 다양한 데이터마이닝 분석기법으로 통합ㆍ활용하고 있다. 데이터마이닝은 데이터에 포함되어 있는 유용한 정보나 변수들간의 관계를 정교한 분석모형을 통하여 찾아내는 작업이다. 즉, 데이터마이닝은 데이터로부터 다양한 형태의 유용한 정보를 추출하기 위하여 모델링 방법을 적용하거나, 관측된 패턴의 유용성을 판단하는 일련의 과정이며 수많은 데이터 속에 포함되어 있는 데이터간의 의미 있는 상관관계, 패턴, 경향, 그리고 규칙 등을 찾아내어 모형화함으로써 유용한 지식을 추구하는 일련의 과정으로 정의할 수 있다. 여기에는 통계와 인공지능알고리즘을 비롯한 다양한 데이터마이닝 분석기법이 사용된다. 본 논문에서는 최근 금융기관에서 부각되고 있는 CRM과 데이터마이닝에 대한 기본적인 개요에 대하여 설명하고 생명보험회사의 고객이탈 모형분석에 대한 방법의 사례를 보이고 평가를 통하여 모형의 검증을 시도하고자 한다. 고객을 분석하고 해지확률을 예측하여 고객을 응대하는 방법은 고객 전체를 대상으로 마케팅을 펼치는 것보다 저비용이고, 고객이탈 방어의 효과가 높으며, 고객 관리 및 내부 인적관리에 크게 공헌할 수 있는 방법론이라고 할 수 있을 것이다. 그러나 성공적인 CRM의 구현을 위해서는 고객정보의 증가, 다양한 분석을 위한 마케팅 이론, 그리고 정보기술의 접목이 필요하다.
1990년대에 접어들면서 기업들은 경쟁적 우위를 확보하기 위한 관계 마케팅에 관심을 가졌으며 CRM 형성은 관계 마케팅에 기초를 두고 있다. CRM을 수행하기 위한 분석기법은 전통적인 통계분석기법 뿐만 아니라 인공신경망, 클러스터링, 유전자 알고리즘 등을 포함한 다양한 데이터마이닝 분석기법으로 통합ㆍ활용하고 있다. 데이터마이닝은 데이터에 포함되어 있는 유용한 정보나 변수들간의 관계를 정교한 분석모형을 통하여 찾아내는 작업이다. 즉, 데이터마이닝은 데이터로부터 다양한 형태의 유용한 정보를 추출하기 위하여 모델링 방법을 적용하거나, 관측된 패턴의 유용성을 판단하는 일련의 과정이며 수많은 데이터 속에 포함되어 있는 데이터간의 의미 있는 상관관계, 패턴, 경향, 그리고 규칙 등을 찾아내어 모형화함으로써 유용한 지식을 추구하는 일련의 과정으로 정의할 수 있다. 여기에는 통계와 인공지능 알고리즘을 비롯한 다양한 데이터마이닝 분석기법이 사용된다. 본 논문에서는 최근 금융기관에서 부각되고 있는 CRM과 데이터마이닝에 대한 기본적인 개요에 대하여 설명하고 생명보험회사의 고객이탈 모형분석에 대한 방법의 사례를 보이고 평가를 통하여 모형의 검증을 시도하고자 한다. 고객을 분석하고 해지확률을 예측하여 고객을 응대하는 방법은 고객 전체를 대상으로 마케팅을 펼치는 것보다 저비용이고, 고객이탈 방어의 효과가 높으며, 고객 관리 및 내부 인적관리에 크게 공헌할 수 있는 방법론이라고 할 수 있을 것이다. 그러나 성공적인 CRM의 구현을 위해서는 고객정보의 증가, 다양한 분석을 위한 마케팅 이론, 그리고 정보기술의 접목이 필요하다.
In early 1990s, corporations began to turn their attention to relationship marketing as a way to sharpen their competitive edge, which helped bring about the concept of customer relationship management or CRM. Analysis methods for operating CRM are universally applicable to not only traditional stat...
In early 1990s, corporations began to turn their attention to relationship marketing as a way to sharpen their competitive edge, which helped bring about the concept of customer relationship management or CRM. Analysis methods for operating CRM are universally applicable to not only traditional statistic analysis, but various data-mining analysis methods including neural network, clustering and genetic algorithm. Data-mining is a process to sort out useful information in meta data and identify relationships between variables by using an elaborate analysis model. Data-mining can be defined as a process of finding useful information of various types by applying a modeling method, estimating value of a pattern that is observed, and establishing a model by identifying statistically-significant correlation, patterns, trends, or rules in meta data. In this thesis, statistics and data-mining analysis methods such as neural network are used. This thesis examines the basic concept of CRM and data-mining and introduces a case of a life-insurance company to analyze and verify a secession customer model. By analyzing customers and estimating the probability of secession, companies can reduce costs and customer secession rate, compared to marketing for all customers, and thereby manage both customers and their human resources more effectively. For successful CRM, corporations need to build up a large database of customer information, develop various marketing theories and practices which are to be combined with information technology.
In early 1990s, corporations began to turn their attention to relationship marketing as a way to sharpen their competitive edge, which helped bring about the concept of customer relationship management or CRM. Analysis methods for operating CRM are universally applicable to not only traditional statistic analysis, but various data-mining analysis methods including neural network, clustering and genetic algorithm. Data-mining is a process to sort out useful information in meta data and identify relationships between variables by using an elaborate analysis model. Data-mining can be defined as a process of finding useful information of various types by applying a modeling method, estimating value of a pattern that is observed, and establishing a model by identifying statistically-significant correlation, patterns, trends, or rules in meta data. In this thesis, statistics and data-mining analysis methods such as neural network are used. This thesis examines the basic concept of CRM and data-mining and introduces a case of a life-insurance company to analyze and verify a secession customer model. By analyzing customers and estimating the probability of secession, companies can reduce costs and customer secession rate, compared to marketing for all customers, and thereby manage both customers and their human resources more effectively. For successful CRM, corporations need to build up a large database of customer information, develop various marketing theories and practices which are to be combined with information technology.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.