소비자의 구매패턴을 분석하기 위해서는 문화적 요인, 사회적 요인, 개인적 요인, 심리적 요인 등을 고려해야 한다. 소비자의 구매에 이르는 심리나 내부 상태까지 깊이 고려하여 분석하게 되면 소비자의 구매행동을 정확하게 예측하거나 구매요인을 추측할 수가 있기 때문에 기업에서는 소비자의 기호에 맞는 상품개발에 효과적으로 이용할 수가 있다. 이러한 요인들은 직접적인 정보처리로 분석하기 어렵기 때문에 불확실한 정보를 취급하는 기술이 필요하다. 베이지안 네트워크는 불완전한 자료나 관측이 불가능한 자료에도 대응이 가능하며 구매자의 구매에 이르는 심리나 내적상태등과 같은 관측이 곤란한 요소도 다룰 수 있다. 따라서 본 논문에서는 상품구매에 따르는 소비자의 구매행동 패턴을 분석하기 위해 판매자의 노하우와 소비자의 구매의식을 조사하여 이 데이터를 바탕으로 베이지안 네트워크를 구성하고 구매패턴을 예측하는 방법을 제안하였다. 베이지안 네트워크를 이용하여 불필요한 속성을 가진 데이터를 제거하고 코호넨의 SOM을 이용하여 소비자의 구매패턴을 분석하였다.
소비자의 구매패턴을 분석하기 위해서는 문화적 요인, 사회적 요인, 개인적 요인, 심리적 요인 등을 고려해야 한다. 소비자의 구매에 이르는 심리나 내부 상태까지 깊이 고려하여 분석하게 되면 소비자의 구매행동을 정확하게 예측하거나 구매요인을 추측할 수가 있기 때문에 기업에서는 소비자의 기호에 맞는 상품개발에 효과적으로 이용할 수가 있다. 이러한 요인들은 직접적인 정보처리로 분석하기 어렵기 때문에 불확실한 정보를 취급하는 기술이 필요하다. 베이지안 네트워크는 불완전한 자료나 관측이 불가능한 자료에도 대응이 가능하며 구매자의 구매에 이르는 심리나 내적상태등과 같은 관측이 곤란한 요소도 다룰 수 있다. 따라서 본 논문에서는 상품구매에 따르는 소비자의 구매행동 패턴을 분석하기 위해 판매자의 노하우와 소비자의 구매의식을 조사하여 이 데이터를 바탕으로 베이지안 네트워크를 구성하고 구매패턴을 예측하는 방법을 제안하였다. 베이지안 네트워크를 이용하여 불필요한 속성을 가진 데이터를 제거하고 코호넨의 SOM을 이용하여 소비자의 구매패턴을 분석하였다.
To analyze the consumer's purchase pattern, we must consider a factor which is a cultural, social, individual, psychological and so on. If we consider the internal state by the consumer's purchase, Both the consumer's purchase action and the purchase factor can be predicted, so the corporation can u...
To analyze the consumer's purchase pattern, we must consider a factor which is a cultural, social, individual, psychological and so on. If we consider the internal state by the consumer's purchase, Both the consumer's purchase action and the purchase factor can be predicted, so the corporation can use effectively in suitable goods development in a consumer's preference. These factors need a technology that treat uncertain information, because it is difficult to analyze by directly information processing. Therefore, bayesian network manages elements those the observation of inner state such as consumer's purchase is difficult. In addition, it is interpretable about data that the observation is impossible. In this paper, we examine the seller's know-how and the way of consumer's purchase to analyze consumer's purchase action pattern through goods purchase. Also, we compose the bayesian network based on the examined data, and propose the method that predicts purchase patterns. Finally, we remove the data including unnecessary attribute using the bayesian network, and analyze the consumer's Purchase pattern using Kohonen's SOM method.
To analyze the consumer's purchase pattern, we must consider a factor which is a cultural, social, individual, psychological and so on. If we consider the internal state by the consumer's purchase, Both the consumer's purchase action and the purchase factor can be predicted, so the corporation can use effectively in suitable goods development in a consumer's preference. These factors need a technology that treat uncertain information, because it is difficult to analyze by directly information processing. Therefore, bayesian network manages elements those the observation of inner state such as consumer's purchase is difficult. In addition, it is interpretable about data that the observation is impossible. In this paper, we examine the seller's know-how and the way of consumer's purchase to analyze consumer's purchase action pattern through goods purchase. Also, we compose the bayesian network based on the examined data, and propose the method that predicts purchase patterns. Finally, we remove the data including unnecessary attribute using the bayesian network, and analyze the consumer's Purchase pattern using Kohonen's SOM method.
Neal, R. M., Bayesian Learning for Neural Networks, Springer-Verlag Berlin Heidelberg New York,
Remoco R. Bouckaert, "Conditional Dependence in Probabilistic Networks", RUU-CS-92-34, 1992
Fabio Gagliardi Cozman, "Generalizing Variable Elimination in Bayesian Networks", Workshop on probabilistic Reasoning in Artificial Intelligence, Atibaia, Brazil, 2000
Gelman, A., Carlin, J.B., Stern, H.S., and Rubin, D.b. Bayesian Data Analysis, Chapman & Hall, 1995
Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, 2001
Stuart Russell, Peter Norvig, Artificial Intelligence A Mordern approach, Prentice Hall, 2003
K.P. Murphy, Y. Weiss, M.I. Jordan, "Loopy belief propagation for approximate inference: An empirical study", Proceddings of the Fifteenth conference on Uncertainty in Artificial Intelligence, 1999
Gregory F. Cooper, "The Computational Complexity of Probabilistic Inference Using Bayesian Belief Networks", Artificial Intelligence v.42 no.2 pp393-405, 1990
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.