$\require{mediawiki-texvc}$

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.

데이터마이닝을 이용한 세분화된 고객집단의 프로모션 고객반응 예측
Predicting the Response of Segmented Customers for the Promotion Using Data Mining 원문보기

Information Systems Review, v.12 no.2, 2010년, pp.75 - 88  

홍태호 (부산대학교 경영학부) ,  김은미 (부산대학교 경영학과)

초록
AI-Helper 아이콘AI-Helper

정보기술의 발전과 더불어 기업과 고객간의 대부분의 정보가 축적되면서 기업은 거래고객의 자세한 정보를 활용하여 차별화된 마케팅을 제공할 수 있다. 본 연구는 기업이 제공하는 마케팅 전략을 보다 효과적으로 실행하기 위해 고객을 세분화하고, 세분화된 고객집단별 마케팅 프로모션에 대한 반응을 예측하는 모형을 제시하였다. 고객세분화에는 데이터마이닝 기법 중 SOM(Self-organizing Map)을 적용하였으며, 세분화된 집단별 프로모션 반응예측에는 로짓모형, 신경망 등의 단일모형과 k-최근접이웃법을 이용한 단일모형들의 통합모형을 적용하였다. 제시된 방법론으로 기업은 프로모션에 대한 고객반응을 예측할 뿐만 아니라 프로모션에 대한 반응을 쉽게 예측할 수 있는 고객집단과 반응예측이 어려운 고객집단으로 구분하여 프로모션의 효과를 극대화하고 각 집단에 맞는 프로모션 전략을 수립할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposed a method that segmented customers utilizing SOM(Self-organizing Map) and predicted the customers' response of a marketing promotion for each customer's segments. Our proposed method focused on predicting the response of customers dividing into customers' segment whereas most stud...

주제어

#캠페인 관리   #고객반응   #고객세분화   #데이터마이닝  

참고문헌 (25)

  1. 고용식, "세일즈 프로모션전략으로서의 VMD에 관한 연구", 한국마케팅과학회 2005 춘계학술대회 발표논문집, 2005. 

  2. 김진화, 남기찬, 이상종, "Support Vector Machine 기법을 이용한 고객의 구매의도 예측", Information Systems Review, 제10권, 제2호, 2008, pp. 137-158. 

    원문보기 상세보기

  3. 안현철, 김경재, 한인구, "Support Vector Machine을 이용한 고객구매 예측모형", 한국지능정보시스템학회논문지, 제11권, 제3호, 2005, pp. 69-81. 

  4. 이민수, 최영찬, 유병준, "의사결정나무법을 이용한 귀납적 학습방법에 의한 정보시스템 수용자 세분화", Information Systems Review, 제9권, 제1호, 2007, pp. 67-84 

    원문보기 상세보기

  5. 장남식, "사전 세분화를 통한 고객 분류모형의 효과성 제고에 관한 연구", Information Systems Review, 제7권, 제2호, 2005, pp. 23-40. 

    원문보기 상세보기

  6. 홍태호, 박지영, "사례기반추론을 이용한 다이렉트 마케팅의 고객반응 예측모형의 통합", 정보시스템연구, 제18권, 제3호, 2009, pp. 375-399. 

    원문보기 상세보기

  7. 홍태호, 서보밀, "인터넷 뱅킹에서 고객의 신념을 이용한 개인화모형을 위한 데이터마이닝", 인터넷전자상거래연구, 제4권, 제2호, 2004, pp. 101-115. 

    상세보기

  8. Ahn, H. and K. Kim, "Using genetic algorithms to optimize nearest neighbors for data mining", Annals of Operations Research, Vol.163, No.1, 2008, pp. 5-18. 

    상세보기 crossref

  9. Baesens, B., S. Viaene, Van den D. Poel, J. Vanthienen, and G. Dedene, "Bayesian neural network learning for repeat purchase modelling in direct marketing", European Journal of Operational Research, Vol.138, No.1, 2002, pp. 191- 211. 

    상세보기 crossref

  10. Carvalho, D. R. and A. A. Freitas, "Hybrid Decision Tree/Genetic Algorithm Method for Data Mining", Information Sciences, Vol.163, 2004, pp. 13-35. 

    상세보기 crossref

  11. Chen, Y., G. Zhang, D. Hu, and C. Fu, "Customer Segmentation based on Survival Character", Journal of Intelligent Manufacturing, Vol.18, No.4, 2007, pp. 513-517. 

    상세보기 crossref

  12. Cheng, C. H. and Y. S. Chen, "Classifying the segmentation of customer value via RFM model and RS theory", Expert Systems with Applications, Vol.36, No.3, 2009, pp. 4176-4184. 

    상세보기 crossref

  13. Conul, F. F., B. D. Kim, and M. Shi, "Mailing smarter to catalog customer", Journal of Interactive Marketing, Vol.14, No.2, 2000, pp. 2- 16. 

    상세보기 crossref

  14. Cullinan, G. J., "Picking them by their batting averages' recency-frequency-monetary method of controlling circulation", Manual release 2103, Direct Mail/Marketing Association, NY, 1977. 

  15. Kim, H. and Shin, "A Hybrid Approach Using Cased-Based Reasoning and Fuzzy Logic for Corporate Bond Rating", Korea Intelligent Information System Society, Vol.10, No.2, 2004, pp. 91-109. 

  16. Kim, Y. S. and W. N. Street, "An intelligent system for customer targeting a data mining approach", Decision Support Systems, Vol.37, No.2, 2004, pp. 215-228. 

    상세보기 crossref

  17. Kuo, R. J., Y. L. An, H. S. Wang, and W. J. Chung, "Integration of Self-organizing Feature Maps Neural Network and Genetic k-means Algorithm for Market Segmentation", Expert Systems with Applications, Vol.30, 2006, pp. 313-324. 

    상세보기 crossref

  18. Lin, F. Y. and S. McClean, "A Data Mining Approach to the Prediction of Corporate Failure", Knowledge-Based Systems, Vol.14, 2001, pp. 189-195. 

    상세보기 crossref

  19. Rigby, Darrell K., Frederick F. Reichheld, and Phil Schefter, "Avoid the Four Perils of CRM", Harvard Business Review, 2002, pp. 101-109. 

  20. Rumelhart, D. E. and J. I. McClelland, "Parallel Distributing Processing: Exploration in the Microstructure of Cognition", Cambridge, MA: MIT Press, Vol.1, 1986. 

  21. Serrano-Cinca, C., "Self Organizing Neural Networks for Financial Diagnosis", Decision Support System, Vol.17, 1996, pp. 227-238. 

    상세보기 crossref

  22. Shmueli, G., N. R. Patel, and P. C. Bruce, Data Mining for Business Intelligence, Wiley, 2007, pp. 258-261. 

  23. Sub, E. H., K. C. Noh, and C. K. Sub, "Customer list segmentation using the combined response model", Expert Systems with Applications, Vol. 17, 1999, pp. 89-97. 

    상세보기 crossref

  24. Vapnik, V., The Nature of Statistical Learning Theory, Springer, 1995. 

  25. Tay, F. E. H. and L. Cao, "Application of support vector machines in financial time series forecasting", Omega, Vol.29, 2001, pp. 309-317. 

    상세보기 crossref

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