연관분석을 이용한 데이터마이닝 기법에 관한 사례연구

• 영문명: A Case Study on Data Mining Techniques
• 발행기관: 한국자료분석학회
• 저자명: 류귀열(Gui-Yeol Ryu) 문영수(Young Soo Moon)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.8 No.3, 1021~1033쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2006.06.30

국문 초록

본 연구에서는 RFM 분석을 통하여 전체 고객들을 점수화(scoring)하고 이를 다시 5개의 그룹(최우수그룹, 우수그룹, 일반그룹, 하위그룹, 최하위그룹)으로 세분화하고, 세분그룹별 유의성을 검정한다. 이렇게 분류된 5개의 세분화그룹들은 연관분석과 의사결정나무 등을 통하여 고객들의 인구학적 변수와 각 그룹별 유의한 변수들의 패턴을 찾아냄으로써 우수 고객들을 유지하기 위해서는 어떻게 해야 하며, 경쟁업체로 떠날 가능성이 높은 고객은 누구이며, 이러한 이유가 무엇인지에 대하여 효과적인 분석을 할 수 있는 기반이 조성된다. 본 연구의 목적은 통하여 연관규칙(association rules)과 의사결정나무(decision tree)를 비교 분석을 함으로써, 이론적으로 설명할 수 없는 복잡한 세분그룹의 특성들에 대해 효과적으로 파악하는 방법을 제시하는 것이다.

영문 초록

Huge information has been made due to the current computing environment and could not be acceptable. People want the information which they can understand and accept easily. They may want not only simple information but also knowledge. That is why data mining becomes a center of information. We use RFM analysis in order to create customer score. Customers are classified into five groups(mostexcellent/excellent/common/lower/lowest) for a various marketing activities.We can found the significant patterns in each group, and classify customers from loyal customers to leaving customers in the near future by the indirect data mining(e.g. association analysis) and the direct data mining(e.g. decision tree, logistic regression analysis, etc.), which are named in this study. Our research focuses on the advanced models by applying the association rules in data mining. Our results indicate that the indirect data mining and the direct data mining seem to have same outputs, but the former shows more clear pattern then the latter one.

목차

1. 서론

2. 실험 분석

3. 결론

참고문헌

키워드

데이터마이닝 연관분석 의사결정나무 Datamining RFM Association analysis Decision tree