DOI QR코드

DOI QR Code

데이터마이닝에 의한 고객세분화 개발

A Development of Customer Segmentation by Using Data Mining Technique

  • 진서훈 (국민은행 카드마케팅팀)
  • 발행 : 2005.11.01

초록

고객세분화는 기업이 관계하고 있는 고객을 이해하고 그 이해를 바탕으로 효과적인 고객관리를 수행하기 위해 필수적인 요소인데 데이터마이닝이 기업의 정보관리영역에 적극적으로 활용되면서 보다 과학적이고 최적화된 형태로 개발되고 있다. 본 연구에서는 신용카드고객 의 카드사용행태에 근거하여 각 고객을 서로 유사한 사용행태를 보이는 고객군으로 세분화하는 과정을 소개하였다. 고객이 실제로 신용카드를 사용하면서 발생시킨 거래정보에만 의존하여 고객세분화를 개발하였으며 이는 마케팅의 관점에서 상당히 의미있는 내용이 될 수 있다. 고객세분화의 개발을 위하여 데이터마이닝기법인 k-평균 군집방법과 최장연결법에 의한 계보적 군집방법을 단계적으로 활용하는 이단계 군집방법을 이용하였다.

To Know customers is very important for the company to survive in its cut-throat competition among coimpetitors. Companies need to manage the relationship with each ana every customer, ant make each of customers as profitable as possible. CRM (Customer relationship management) has emerged as a key solution for managing the profitable relationship. In order to achieve successful CRM customer segmentation is a essential component. Clustering as a data mining technique is very useful to build data-driven segmentation. This paper is concerned with building proper customer segmentation with introducing a credit card company case. Customer segmentation was built based only on transaction data which cattle from customer's activities. Two-step clustering approach which consists of k-means clustering and agglomerative clustering was applied for building a customer segmentation.

키워드

참고문헌

  1. 강현철, 한상태, 최종후, 김은석, 김미경 (2001). SAS Enterprise Miner를 이용한 데이터마이닝 - 방법론 및 활용 -, 서울 : 자유아카데미
  2. 이재창, 전명식, 방윤식 (1997). 인구주택총조사자료에 근거한 군집화와 응용가능성, <한국분류학회논문집>, 1, 1-13
  3. 진서훈 (1999) A Study On The Partitioning Method FOT Cluster- Analysis, 박사학위논문, 고려대학교
  4. Anderberg, Michael R.. (1973). Cluster Analysis For Applications, Academic press
  5. Bazzi, I. and Glass, J. (2002). A multi-class approach for modeling out-of-vocabulary words, Proceedings of the 7th International Conference on Spoken Language Processing, 1613-1616
  6. EI-Yaniv, R. and Souroujon, O. (2001). Iterative double clustering for unsupervised and semi-supervised learning, Advances in Neural Information Processing Systems, 14, 1025-1032
  7. Xiong, X., Rosenstiel, W. and Barros, E. (1994). A method for partitioning UNITY language in hardware and software, Proceedings of the conference on European design automation, 220 - 225
  8. http://www.sas.com/technologies/analytics/datamining/miner/semma.htm
  9. http://www.crisp-dm.org/Process/index.html