초록 ▼

□ 연구의 목적 및 내용
○ 최종 목표
중소 규모 온라인 유통 기업에서 시스템 구축 및 운영인력을 보유하지 않고도 적은 비용으로 이용할 수 있도록,주제별 파생변수 및 분석통계 기능을 탑재하고 분석 내용을 시스템이 해석을 하여 타겟 고객을 자동 도출 및 상품을 추천 기능을 제공하여 전략적인 마케팅 수행 및 고객관리가 가능하도록 “온라인 마켓 시장을 위한 지능형 데이터분석 및 패턴 추출, 추천 자동화 기술을 활용한 마케팅 Advisor 개발”을 개발하고자 함.

○ 전체 내용
SOM, KNN 인공지능 기술을

□ 연구의 목적 및 내용
○ 최종 목표
중소 규모 온라인 유통 기업에서 시스템 구축 및 운영인력을 보유하지 않고도 적은 비용으로 이용할 수 있도록,주제별 파생변수 및 분석통계 기능을 탑재하고 분석 내용을 시스템이 해석을 하여 타겟 고객을 자동 도출 및 상품을 추천 기능을 제공하여 전략적인 마케팅 수행 및 고객관리가 가능하도록 “온라인 마켓 시장을 위한 지능형 데이터분석 및 패턴 추출, 추천 자동화 기술을 활용한 마케팅 Advisor 개발”을 개발하고자 함.

○ 전체 내용
SOM, KNN 인공지능 기술을 이용하여 데이터분석, 고객세분화, 딥러링 학습 등의 요소기술을 개발하여 마케팅 주제별에 맞는 고객 추출 자동화 및 상품 추천 자동화 기술개발
- 데이터 수집 및 전처리 및 정제 기술
- 머신러닝의 한 기법인 SOM 알고리즘을 고객 세분화를 통한 기술
- 다양한 분석 기법을 적용한 시각화된 고객 데이터 분석 마트 구현 및 Data Insight를 도출
- KNN알고리즘을 적용한 마케팅 Advisor(고객 추출 및 상품 추천 자동화) 기술
- 마케팅 Advisor를 CRM에 연계를 위한 표준 API 기술

○ 1단계
목표
① 데이터 수집 및 전처리 및 정제 기술
② 파생변수 생성 및 머신러닝의 한 기법인 SOM 알고리즘을 고객 세분화 기술

내용
• 계획수립 및 마케팅 주제 도출
• 데이터 수집 및 전처리/정제 기술 개발
- 협약기업 데이터 수집
- DB 설계 및 개발환경 구성
- 기초 데이터 구축
- 데이터 전처리 및 정제
• 파생변수 생성 및 고객 세분화 개발
• 1차년도 개발 기술 테스트 및 개선

○ 2단계
목표
③ 다양한 분석 기법을 적용한 시각화된 고객 데이터 분석 마트 및 Data Insight 도출 기술 개발
④ KNN알고리즘 + 상품특성별 가중치를 적용한 마케팅 Advisor(고객 추출 및 상품 추천 자동화) 기술
⑤ 마케팅 Advisor를 CRM에 연계하기 위한 표준 API기술 및 재학습을 통한 추천 정확도 향상내용
• 데이터 분석 마트 구축
• 추천알고리즘 조사/설계/개발
• 시각화 보고서 구현
• 고객 추출/상품 추천 자동화 기술 개발
• CRM 연계표준 API개발
• 최종 시제품 테스트 및 완료
• 구매의향 협약업체 납품
• 데이터 제공 협약을 통한 지속적 확보

□ 연구개발성과
▪협약 기업데이터 수집
▪기초 데이터 구축 및 데이터 전처리/정제
▪고객 세분화 알고리즘 개발을 위한 다양한 머신러닝 알고리즘 테스트 수행
▪데이터 규칙 및 특성에 따른 정제 알고리즘 구현
▪이상치, 결측치에 대한 데이터 처리 알고리즘 구현
▪필터링 기술을 적용하여 불필요한 데이터 제거 알고리즘 구현
▪중복데이터 판단을 위한 기준관리 및 이를 통한 데이터 중복 제거 알고리즘 구현
▪다양한 분석 기법을 적용한 시각화된 고객 데이터 분석 마트 및 Data Insight 도출 기술 개발
▪RFM, 세분화고객현황, VIP 고객, 고객정보현황, 수집채널, 변수별 고객현황, 구매전환율, 상품별 구매금액등 분석 기법 적용
▪RFM, SOM 고객 클러스터 수행
▪고객분석, 구매분석, 온라인분석등 16가지 분석기법을 적용한 시각화된 고객 데이터 분석 마트 구축
▪가공된 데이터를 바탕으로 RFM, SOM, K_means 클러스터수행, 고객등급 및 해당 등급에 해당하는 마켓팅 파생변수 생성
▪K_means 고객 클러스터링 추가 개발
▪KNN 알고리즘과 SOM, RFM으로 생성된 고객등급 및 상품 판매량으로 가중치 적용된 추천 개발
▪사용자가 선호하는 상품과 선호하지 않은 상품, 사용자의 평점의 높낮이와 사용자의 특성 및 상품 판매량등을 반영된 예측 평점을 구하는 추천 시스템 개발
▪Wide&Deep, DeepFM 추천 알고리즘 연구 및 크롤링한 G사 데이터와 협약사 데이터에 추천 적용
▪마케팅 Advisor를 CRM에 연계하기 위한 표준 API 기술 개발
▪개발한 표준 API로 자사 HeartCRM에 적용. 타사 CRM에 적용 가능한 API 개발
▪2차년도에 추가로 협약사로부터 제공받은 데이터로 학습 수행. 추천 정확도 향상

□ 연구개발성과의 활용계획 (기대효과)
(1) 기술적 측면
◦ 중소기업 입장에서는 분석 및 추천 자동화로 인하여 CRM 기술에 대한 거부감을 해소할 수 있으며, 타겟 마케팅의 자동화로 인하여 매출 증대 및 기업 이미지 제고효과를 얻을 수 있음.
◦ 현재 국내에서는 이를 적용한 요소기술의 개발이 부족한 상황이다. 본 기술은 CRM시스템의 효과를 극대화 하기 위한 1차적 기술이다. 국내에 최적화된 기술 개발을 통해서 외국산 솔루션과의 경쟁에서 우위를 접할 수 있을 것으로 예상.
◦ 특히, 본 기술은 기존에 CRM이 구축되어 있는 기업에서도 적용할 수 있는 기반 기술로 적용될 수 있으며, 이를 활용한 기업들의 이용 패턴 및 결과를 활용하여 재 학습함으로써 높은 수준의 자동화 기술로의 발전이 가능함.
(2) 경제적, 산업적 측면
◦ 중소기업 입장에서는 마케팅 기획 및 분석에 대한 인력의 감소뿐만 아니라 초기 도입비용의 부담을 최소화 할 수 있음.
◦ 인공지능을 접목한 CRM은 본 기술은 고객 행동을 예측함으로써 기업은 침입광고 사용을 피하고 각 잠재 고객에게 실질적인 관심사를 제공하기 위해 맞춤형 마케팅을 수행하여 회사 브랜드에 대한 긍정적 인식을 유도하고 기업의 매출 향상에 실질적 도움을 줄 수 있음.
◦ 또한, 고객 분석 및 추출 자동화는 경쟁 솔루션에서도 제공하는 기능이 본 기술에 비해서 부족하기 때문에 외국산 솔루션이 독점하고 있는 시장을 대체할수 있을 것으로 판단함.
(3) 사회적 측면
◦ 고용창출 효과
- 사업화시 3년이내 45명의 신규 인력이 필요할 것으로 예상됨.

(출처 : 요약문 5p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 요약서 ... 4
• 요약문 ... 5
• 목차 ... 8
• 1. 연구개발과제의 개요 ... 9
• 1-1. 연구개발 목적 ... 9
• 1-2. 연구개발의 필요성 ... 10
• 1-3. 연구개발 범위 ... 12
• 2. 연구수행내용 및 성과 ... 14
• 2-1. 1차년도 ... 14
• 2-2. 2차년도 ... 35
• 3. 목표 달성도 및 관련 분야 기여도 ... 86
• 3-1. 목표 및 달성여부 ... 86
• 3-2. 목표의 세부 성과 달성 현황 ... 89
• 3-3. 목표 미달성 시 원인(사유) 및 차후대책(후속연구의 필요성 등) ... 97
• 3-4. 제품 인증 (시험성적) ... 97
• 4. 연구개발성과의 활용 계획 등 ... 111
• 4-1. 향후 5년간 성과활용·확산 활용방안 및 계획(활동계획) ... 111
• 4-2. 주요 성과활용 (기대)성과목표 ... 111
• 4-3. 성과활용·관리 추진체계 ... 112
• 4-4. 기타 ... 112
• 붙임1. 사업화대상기술별 기술명세서 ... 113
• 붙임2. 참고문헌 ... 122
• 붙임3. 자체 보안관리 진단표 ... 123
• 붙임4. 공개 SW 요약서 ... 124
• 붙임5. 연구데이터 관리계획 ... 125
• 끝페이지 ... 126