오늘날 인터넷의 발전은 통신·방송기술의 발전에 따라 유비쿼터스(Ubiquitous) 네트워크 환경의 조성과 고성능·초소형 지능형 단말기의 등장으로 본격적인 Digital Life 시대가 도래 하고 있다. 이러한 환경은 기업에 있어 수익의 원천인 고객들이 언제(anytime), 어디서나(anywhere) 인터넷을 통하여 그들의 욕구에 대한 해결 방법을 더욱 다양하게 변화시키고 있으며 이러한 결과는 고객들의 탈 대중화와 상향평준화를 급속하게 진행시키고 있다. 이러한 환경의 변화에 따라 기업들에 있어서 최대의 관심사는 신규고객의 창출 보다는 기존 우수 고객들을 유지하기 위한 다양한 활동에 이르게 하였으며, 이러한 활동의 초점은 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 이탈 가능성이 높은 고객은 누구이며, 이러한 원인에 대한 ...
오늘날 인터넷의 발전은 통신·방송기술의 발전에 따라 유비쿼터스(Ubiquitous) 네트워크 환경의 조성과 고성능·초소형 지능형 단말기의 등장으로 본격적인 Digital Life 시대가 도래 하고 있다. 이러한 환경은 기업에 있어 수익의 원천인 고객들이 언제(anytime), 어디서나(anywhere) 인터넷을 통하여 그들의 욕구에 대한 해결 방법을 더욱 다양하게 변화시키고 있으며 이러한 결과는 고객들의 탈 대중화와 상향평준화를 급속하게 진행시키고 있다. 이러한 환경의 변화에 따라 기업들에 있어서 최대의 관심사는 신규고객의 창출 보다는 기존 우수 고객들을 유지하기 위한 다양한 활동에 이르게 하였으며, 이러한 활동의 초점은 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 이탈 가능성이 높은 고객은 누구이며, 이러한 원인에 대한 인과 관계를 밝혀내려는데 많은 노력을 기울이고 있으며 이를 통한 우수고객 만족을 위한 경쟁력 제고에 힘쓰고 있다. 그러나 현재의 컴퓨팅 환경은 우리가 따라잡기 힘들 정도로 엄청난 정보를 쏟아내고 있으며, 이제는 단순한 사실이나 자료가 아닌 인간이 이해할 수 있는 형태의 정보와 지식이 더 중요한 시대가 되었다. 그리고 그 변화의 한가운데 데이터마이닝이 있다고 해도 과언이 아니다. 그러므로 본 연구에서는 먼저, 기존의 데이터베이스마케팅에서의 파레토(Pareto)법칙을 통하여 전체 매출에 있어서 매출이 많은 상위 20%의 고객층이 전체매출의 80%를 차지한다는 마케팅 법칙을 살펴봄으로써 상위 20%의 중요성을 살펴본다. 또한, 20%의 매출을 차지하고 있는 하위 80%의 고객들에 대해서도 적극적인 프로모션을 통한 고객 가치를 창출할 수 있도록 RFM 분석을 통하여 전체 고객들을 점수화(scoring)하고 이를 다시 5개의 그룹(최우수그룹, 우수그룹, 일반그룹, 하위그룹, 최하위그룹)으로 정의하여 다양한 마케팅 활동의 기초를 제공함과 동시에 각 그룹에 대한 통계학적 검정을 통하여 각 그룹들의 유의성을 검정한다. 이렇게 분류된 5개의 세분화그룹들은 고객들의 인구학적 변수들과의 비교를 통하여 각 그룹별 유의한 변수들의 패턴을 찾아냄으로써 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 가능성이 높은 고객은 누구이며, 이러한 이유가 무엇인지에 대하여 간접적인 데이터마이닝 기법인 연관분석과 직접적인 데이터마이닝 기법인 의사결정나무, 로지스틱 회귀분석 등을 통하여 알아본다. 이러한 연구의 목적은 연관규칙(Association Rules)과 의사결정나무(Decision Tree) 분석을 통하여 복잡하고 예측이 불가하고, 이론적으로 설명할 수 없는 항목들을 도출하기 용이한 기술과 직관적이고 분석이 용이한 기술을 함께 활용함으로써 보다 개선된 모형을 도출하기 위함이다.
오늘날 인터넷의 발전은 통신·방송기술의 발전에 따라 유비쿼터스(Ubiquitous) 네트워크 환경의 조성과 고성능·초소형 지능형 단말기의 등장으로 본격적인 Digital Life 시대가 도래 하고 있다. 이러한 환경은 기업에 있어 수익의 원천인 고객들이 언제(anytime), 어디서나(anywhere) 인터넷을 통하여 그들의 욕구에 대한 해결 방법을 더욱 다양하게 변화시키고 있으며 이러한 결과는 고객들의 탈 대중화와 상향평준화를 급속하게 진행시키고 있다. 이러한 환경의 변화에 따라 기업들에 있어서 최대의 관심사는 신규고객의 창출 보다는 기존 우수 고객들을 유지하기 위한 다양한 활동에 이르게 하였으며, 이러한 활동의 초점은 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 이탈 가능성이 높은 고객은 누구이며, 이러한 원인에 대한 인과 관계를 밝혀내려는데 많은 노력을 기울이고 있으며 이를 통한 우수고객 만족을 위한 경쟁력 제고에 힘쓰고 있다. 그러나 현재의 컴퓨팅 환경은 우리가 따라잡기 힘들 정도로 엄청난 정보를 쏟아내고 있으며, 이제는 단순한 사실이나 자료가 아닌 인간이 이해할 수 있는 형태의 정보와 지식이 더 중요한 시대가 되었다. 그리고 그 변화의 한가운데 데이터마이닝이 있다고 해도 과언이 아니다. 그러므로 본 연구에서는 먼저, 기존의 데이터베이스마케팅에서의 파레토(Pareto)법칙을 통하여 전체 매출에 있어서 매출이 많은 상위 20%의 고객층이 전체매출의 80%를 차지한다는 마케팅 법칙을 살펴봄으로써 상위 20%의 중요성을 살펴본다. 또한, 20%의 매출을 차지하고 있는 하위 80%의 고객들에 대해서도 적극적인 프로모션을 통한 고객 가치를 창출할 수 있도록 RFM 분석을 통하여 전체 고객들을 점수화(scoring)하고 이를 다시 5개의 그룹(최우수그룹, 우수그룹, 일반그룹, 하위그룹, 최하위그룹)으로 정의하여 다양한 마케팅 활동의 기초를 제공함과 동시에 각 그룹에 대한 통계학적 검정을 통하여 각 그룹들의 유의성을 검정한다. 이렇게 분류된 5개의 세분화그룹들은 고객들의 인구학적 변수들과의 비교를 통하여 각 그룹별 유의한 변수들의 패턴을 찾아냄으로써 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 가능성이 높은 고객은 누구이며, 이러한 이유가 무엇인지에 대하여 간접적인 데이터마이닝 기법인 연관분석과 직접적인 데이터마이닝 기법인 의사결정나무, 로지스틱 회귀분석 등을 통하여 알아본다. 이러한 연구의 목적은 연관규칙(Association Rules)과 의사결정나무(Decision Tree) 분석을 통하여 복잡하고 예측이 불가하고, 이론적으로 설명할 수 없는 항목들을 도출하기 용이한 기술과 직관적이고 분석이 용이한 기술을 함께 활용함으로써 보다 개선된 모형을 도출하기 위함이다.
The era of full-scale digital life has emerge due to the advanced internet, emerging ubiquitous network, and the high-powered and supercompact terminal. Therefore, these environments make customers choose more diversified solutions to meet their own needs via Internet anytime and anywhere. As a resu...
The era of full-scale digital life has emerge due to the advanced internet, emerging ubiquitous network, and the high-powered and supercompact terminal. Therefore, these environments make customers choose more diversified solutions to meet their own needs via Internet anytime and anywhere. As a result, there are some trends which are de-popularization and high level equalization at more rapid speed than before. Under these environments, the biggest concern of companies would be various activities to keep up with loyal customers, rather than create new ones. Many companies have much interest in examining what/how to do for keeping loyal customers, and protecting their own customers from competitors. They have researched causality in leaved customers and made efforts to satisfy customers for high competitiveness. Huge information has been made due to the current computing environment and could not be acceptable. People want the information which they can understand and accept easily. They may want not simple information but knowledge. That is why data mining becomes a center of information. Our study firstly investigates the importance of upper 20% customers from the marketing principle, called 'Pareto Law'. That means upper 20% customers account for 80% of total sales amount in real data which we use from now on. Second, we use RFM analysis in order to create customer score. Customers are classified into five groups(most excellent/excellent/common/lower/lowest) for a various marketing activities, and verified the differences among groups using the significance of statistical tests. Finally, we can found the significant patterns in each group, and classify customers from loyal customers to leaving customers in the near future by the indirect data mining(e.g. association analysis) and the direct data mining(e.g. decision tree, logistic regression analysis, etc.) which are named in this study. Our research focuses on the advanced models by applying the association rules in data mining. Our result indicates that the indirect data mining and the direct data mining have almost the same output, but the former shows more clear pattern then the latter one. As a result, we can say that the indirect data mining techniques can be a good complement to the direct data mining techniques for the advanced models.
The era of full-scale digital life has emerge due to the advanced internet, emerging ubiquitous network, and the high-powered and supercompact terminal. Therefore, these environments make customers choose more diversified solutions to meet their own needs via Internet anytime and anywhere. As a result, there are some trends which are de-popularization and high level equalization at more rapid speed than before. Under these environments, the biggest concern of companies would be various activities to keep up with loyal customers, rather than create new ones. Many companies have much interest in examining what/how to do for keeping loyal customers, and protecting their own customers from competitors. They have researched causality in leaved customers and made efforts to satisfy customers for high competitiveness. Huge information has been made due to the current computing environment and could not be acceptable. People want the information which they can understand and accept easily. They may want not simple information but knowledge. That is why data mining becomes a center of information. Our study firstly investigates the importance of upper 20% customers from the marketing principle, called 'Pareto Law'. That means upper 20% customers account for 80% of total sales amount in real data which we use from now on. Second, we use RFM analysis in order to create customer score. Customers are classified into five groups(most excellent/excellent/common/lower/lowest) for a various marketing activities, and verified the differences among groups using the significance of statistical tests. Finally, we can found the significant patterns in each group, and classify customers from loyal customers to leaving customers in the near future by the indirect data mining(e.g. association analysis) and the direct data mining(e.g. decision tree, logistic regression analysis, etc.) which are named in this study. Our research focuses on the advanced models by applying the association rules in data mining. Our result indicates that the indirect data mining and the direct data mining have almost the same output, but the former shows more clear pattern then the latter one. As a result, we can say that the indirect data mining techniques can be a good complement to the direct data mining techniques for the advanced models.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.