초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

World Wide Web(WWW) 데이터가 폭발적으로 증가하고 있는 시점에서, WWW의 데이터로부터 유용한 정보를 찾아내고 분석하는 일이 필요해졌다. 또한 WWW의 데이터만으로는 얻을 수 없는 기업의 의사결정을 위한 정보를 얻기 위해, 웹 페이지 접근 기록에서 얻어진 웹 로그기록들과 기업의 판매 트랜잭션 데이터베이스, 광고 데이터베이스 그리고 고객 정보를 통합하여 데이터 웨어하우스를 구축한다. 이러한 과정은 기업활동의 결과로 축적된 데이터 자원과 WWW의 데이터를 통합하여 체계적인 정보기반을 구축하고, 이러한 자원을 전략적으로 재활용하는 것이 목적이다. 본 논문에서는 WWW의 데이터와 기업의 데이터베이스를 통합하여 웨어하우스를 설계하고 여기에 데이터마이닝, OLAP을 적용하여 CRM에 활용하는 방안을 제안하고자 한다.

World Wide Web(WWW) 데이터가 폭발적으로 증가하고 있는 시점에서, WWW의 데이터로부터 유용한 정보를 찾아내고 분석하는 일이 필요해졌다. 또한 WWW의 데이터만으로는 얻을 수 없는 기업의 의사결정을 위한 정보를 얻기 위해, 웹 페이지 접근 기록에서 얻어진 웹 로그기록들과 기업의 판매 트랜잭션 데이터베이스, 광고 데이터베이스 그리고 고객 정보를 통합하여 데이터 웨어하우스를 구축한다. 이러한 과정은 기업활동의 결과로 축적된 데이터 자원과 WWW의 데이터를 통합하여 체계적인 정보기반을 구축하고, 이러한 자원을 전략적으로 재활용하는 것이 목적이다. 본 논문에서는 WWW의 데이터와 기업의 데이터베이스를 통합하여 웨어하우스를 설계하고 여기에 데이터마이닝, OLAP을 적용하여 CRM에 활용하는 방안을 제안하고자 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• [4] CRM은 고객에 초점을 둔 접근으로서, 사업자들은 다양한 채널을 통해 고객의 데이터를 모으고, 이것을 데이터웨어하우스에 통합하고, 이렇게 축적된 데이터를 분석하고, 그 분석에 기반하여 활동하는 것이다.[3] 본 논문에서는 CRM을 위한 준비단계로서 기존 고객들의 패턴을 분석하기 위하여 웹 사이트를 방문하는 고객들의 행동 패턴과 기업의 판매 데이터베이스 그리고 광고 데이터베이스를 결합하여 스타 스키마를 가지는 데이터 웨어하우스를 구축한 후 다양한 데이터마이닝 기술과 OLAP 분석을 적용해 보고자 한다. 웹 페 이지 접근 기록들을 분석하는 일은 데이터마이닝과 WWW 기술의 발달로 가능하다.
• 본 논문에서는 판매 데이터, 웹 서버 로그 파일, 광고 데이터베이스 그리고 고객 관련 데이터들을 통합하고 OLAP, 데이터마이닝 기술을 적용하여 CRM에 사용할 것을 제안하였다. 테스트를 위하여 Travel Agency 데이터를 사용할 것이며, 현재 데이터들을 통합하기 위해 정제 및 변환 과정을 프로그램 내에서 처리해주는 작업을 진행 중이다
• 본 연구에서 연관규칙은 단일 세션의 웹 페이지들을 각각의 아이템으로 하고, 단일 세션에서의 웹 페 이지 탐색 순서를 트랜잭션으로 보았으며, 함께 참조되는 회수가 많은 페이지들을 관련이 있다고 보고 이를 찾아내는 것을 말한다. [ 그림3}과 같은 스타스 키마에서 시간차원의 각 분석요소별로 참조되는 웹 페이지들을 찾을 수 있으며, 웹 페이지의 계층구조에 따라.
• 본 연구에서는 고객 데이타를 중심으로 분석하여 고객층을 세분화하고 개인화된 서비스를 제공하고자 하는 취지보다 는 고객의 활동과 관련되어 고객과의 접점에 존재하는 데이터를 이용하여 고객에게 접근하고자 하였다. 향후 연구에서는 이를 바탕으로 실제 고객의 개인정보가 얻어질 경우 이를 분석하여 기업의 활동에 적용하는 CRM 시스템을 구축할 계획이다

제안 방법

• 본 논문에서 제시한 시스템 구축을 위해서는 여러 가지 소스의 데이터를 모아 통합적인 데이터웨어하우스 구축이 필요하다. 이를 위해 각 데이터 소스별로 스타스키마를 만들어 차원을 공유하는 방식으로 통합할 계획이다.
• 본 논문에서 제시한 시스템 구축을 위해서는 여러 가지 소스의 데이터를 모아 통합적인 데이터웨어하우스 구축이 필요하다. 이를 위해 각 데이터 소스별로 스타스키마를 만들어 차원을 공유하는 방식으로 통합할 계획이다. 우선, 판매 트랜잭션 데이터에 대 한 스타스키마와 OLAP, 마이닝 분석 결과이다.

대상 데이터

• 본 시스템의 데이터 소스는 웹 로그, 판매 트랜잭션, 고객, 광고 데이터베이스로 구성되어 있다. 전체 과정은 두 단계로 구성되는데, 데이터 소스들을 통합하기 위해 스타 스키마를 가지는 데이터 웨어하우스를 구축하는 단계와 구축된 웨어하우스를 OLAP ' 연산들과 마이닝 기법들을 적용하여 여러 가지 측면에서 분석해 보는 단계로 나누어진다.
• 우선, 판매 트랜잭션 데이터에 대 한 스타스키마와 OLAP, 마이닝 분석 결과이다. 시스템 환경은 Windows NT server 상에서 데이터베이스로는 Access2000 을 사용하였고, 큐브 생성은 Microsoft OLAP Service를 사용하고, 마이닝 툴은 DBMiner2.0을 사용하였다 사용될 데이터는 실제 Travel agency의 2000년 1월 에서 6월 판매 데 이 터, 웹 서버 로그 파일, 광고 데이터베이스 그리고 고객관 련 데이터이다.

이론/모형

• [7] 특히 고객관리의 측면에서는 고객을 세분화할 수 있으며, 신규고객과 기존고객의 행동을 예측하여 그들이 누구인지, 왜 그런 구매를 하는지, 어떤 상품이 함께 구매되는지, 어떤 상품이 촉진되기에 적절한지를 예측할 수 있다. 분석을 위해 본 논문에서 적용되는 마이닝 기법으로는 사용자들을 패턴에 따라 분류하기 위해 클러스터링 기법을 사용하고, 웹사이트 사용에서의 유사도를 알아보기 위해 연관규칙을 사용한다. OLAP 연산들로는 상품별 시간에 따른 판매량의 변화와 접근경로별 사이트별 시간별 사용자의 선호도를 알아볼 수 있다.
• 후자는 웹 로그 마이닝으로도 불리며 웹 로그에서 흥미 있는 패턴을 추출하는 과정을 말한다. 패턴을 찾기 위해 마이닝의 여러 가지 기법들이 적용되는 더LWAP[1] 은 순차 패턴과 연관규칙을 찾기 위해 WAP-tree 구조를 만들고, WAP-mine 알고리즘을 적용하였다.[1] 또한 다양한 마이닝 기법들을 포함하고 있는 웹 로그 마이닝 툴」 Getstats, Analog, Microsoft Intense Market Focus, WebTrends, Weblogminer 등이 있다.

후속연구

• WWW 사용자들의 행동은 웹 서버 로그 파일들에 저장되며, 이렇게 모아진 사용자들의 행동을 분석하고 규칙성을 찾는 일은 시스템의 성능을 높이고, 최종 사용자에게 전해지는 인터넷 정보 서비스의 질을 높일 수 있으며, 전자 상거래의 잠재적인 고객 집단을 추정할 수 있게 해준다.[2] 또한 웹 로그 기록들을 분석하는 것뿐만이 아니라 이것을 기업의 광고 활동 및 실질적인 판매량과 연관지어 보는 것이 좀 더 의미 있는 분석이 될 것이다.
• 본 연구에서는 고객 데이타를 중심으로 분석하여 고객층을 세분화하고 개인화된 서비스를 제공하고자 하는 취지보다 는 고객의 활동과 관련되어 고객과의 접점에 존재하는 데이터를 이용하여 고객에게 접근하고자 하였다. 향후 연구에서는 이를 바탕으로 실제 고객의 개인정보가 얻어질 경우 이를 분석하여 기업의 활동에 적용하는 CRM 시스템을 구축할 계획이다

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기