$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

화장품 고객 정보를 이용한 마이크로 마케팅
Micro marketing using a cosmetic transaction data 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.21 no.3, 2010년, pp.535 - 546  

석경하 (인제대학교 데이터정보학과) ,  조대현 (인제대학교 데이터정보학과) ,  김병수 (인제대학교 데이터정보학과) ,  이종언 (미켄즈 (주)) ,  백승훈 (인제대학교 데이터정보학과) ,  전유중 (인제대학교 데이터정보학과) ,  이영배 (인제대학교 데이터정보학과) ,  김재길 (인제대학교 데이터정보학과)

초록
AI-Helper 아이콘AI-Helper

고객 정보를 활용하는 방법에는 고객의 구매액을 활용한 마일리지 방법과 구매 횟수에 따라 등급을 나누어 활용하는 방법 등이 있다. 본 연구에서는 회사 매출에 직결되는 고객의 재구매 여부에 초점을 맞추어 고객정보와 구매정보를 이용하여 로지스틱 회귀분석을 통한 재구매 예측 모형을 만들었다. 예측 모형 평가 측도로는 하이드게 점수를 사용하였으며 하이드게 점수를 최대로 하는 점수를 기준으로 분계점을 선택하였다. 재구매 예측모형을 이용하여 재구매 지수를 만들어 고객을 등급화하여 보다 효율적인 고객 관리가 가능하게 하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

There are two methods in grouping customers for micro marketing promotion. The one is based on how much they paid and the other is based on how many times they purchased. In this study we are interested in the repurchase probability of customers. By analysing the customer's transaction data and demo...

주제어

#로지스틱 회귀분석   #분계점   #재구매 모형   #재구매지수   #하이드게 점수  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 두 번째 질문에 대해서는 선택된 변수를 통하여 이상적인 고객들의 특성을 파악할 것이다. 마지막 질문에 대하여는 효율적인 마케팅에 도움을 줄 수 있도록 이상적인 표적고객을 위하여 앞에서 구한 확률을 바탕으로 재구매 지수를 개발하고자 한다.
  • 이익을 높이기 위해서는 고객의 구매 행태를 파악하여 고객의 재구매가 일어날 수 있도록 해야 한다. 본 연구 목적은 로지스틱회귀 분석을 이용하여 고객의 향후 재구매 여부와 재구매 시점을 파악하여 고객의 정보를 제공함으로써 마케팅 프로모션 시점을 찾아 보다 효율적인 마케팅을 통하여 매출을 극대화 하는데 많은 도움을 주고자 하는 데 있다.
  • 본 연구에서는 이러한 전략적 마케팅과 전략적 경영을 위한 세 가지를 통계적 방법론을 적용하여 점검하는 법을 제공하고자한다. 첫 번째 질문에 대하여 고객들의 과거 구매기록을 탐색적으로 분석하여 재구매에 영향을 주는 변수를 중심으로 로지스틱 회귀분석을 이용하여 재구매 확률을 예측하고 이를 통해 기업에 수익을 내는 재구매 고객들을 분류해낼 것이다.
  • 본 연구에서는 하이드게 점수가 최대인 분계점을 선택하여 재구매 여부에 대한 예측성을 평가하였다.

가설 설정

  • 셋째, “현재 고객의 특성이 이상적인 표적 고객의 특성에 적합/일치/부합 되는가?
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
고객 정보를 활용하는 방법에는 무엇이 있는가? 고객 정보를 활용하는 방법에는 고객의 구매액을 활용한 마일리지 방법과 구매 횟수에 따라 등급을 나누어 활용하는 방법 등이 있다. 본 연구에서는 회사 매출에 직결되는 고객의 재구매 여부에 초점을 맞추어 고객정보와 구매정보를 이용하여 로지스틱 회귀분석을 통한 재구매 예측 모형을 만들었다.
본 논문에서 활용하는 원자료는 무엇인가? 원자료는 우리나라의 SKII 화장품에 대한 2005년 1월부터 2008년 12월 까지 총 48개월간의 구매고객들의 구매 정보이다. 원자료는 Essence를 포함하여 10가지 제품으로 구성되어 있고 총고객의 수는 498,748명이고 전체 거래 수는 1,557,054건으로 고객 1인당 평균거래 수는 3.
대량마케팅이란 무엇인가? 과거에는 전체 시장의 구성원들이 원하는 바가 군집화 패턴을 보이지 않거나 시장세분화가 불가능 할 때 전체 시장에 대하여 한 가지 마케팅 믹스를 제공하는 전략을 사용하였다. 이를 대량마케팅 (Mass Marketing)이라고 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. 김이태 (2005). , 대경출판사. 

  2. 배화수, 조대현, 석경하, 최국렬, 김병수 (2004). , 교우사. 

  3. 성웅현 (2001). , 탐진. 

  4. Cho, D., Kim, B., Seok, K.H., Lee, J., Kim, J. and Kim, S. (2009). A study on the behavior of cosmetic customers. Journal of the Korean Data & Information Science Society, 20, 615-627. 

    원문보기 상세보기

  5. Cho, K. and Park, H. (2007). A study of association rule mining by clustering through data fusion. Journal of the Korean Data & Information Science Society, 18, 927-935. 

    원문보기 상세보기

  6. Heidke, P. (1926). Berechnung des Erfolges und der Gute der Windstar kevorhersagen im Sturmwarnungsdienst. Geografiska Annaler, 8, 301-349. 

    상세보기 crossref

  7. Ji, H. and Cho, W. (2009). Predictive model plan of customer using purchasing items in internet shopping mall. Journal of the Korean Data & Information Science Society, 20, 25-37. 

    원문보기 상세보기

  8. Kang, H., Han, S. and Shin, H. (2003). On the development of customer lifetime value evaluation model by using mining technique. Journal of the Korean DataAnalysis Society, 5, 927-936 

  9. Koh, B., Lee, S. and Heo, J. (2009). An empirical study on telemarketing efficiency at life insurance. Journal of the Korean Data & Information Science Society, 20, 673-684. 

    원문보기 상세보기

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로