통계학 고객분석 보고서 - 인터넷 쇼핑몰 CEO로 성공하기 위해 데이터 마이닝 기법을 이용한 분류모델과 마케팅 전략

통계학 고객분석 보고서 - 인터넷 쇼핑몰 CEO로 성공하기 위해 데이터 마이닝 기법을 이용한 분류모델과 마케팅 전략

통계학 고객분석 보고서 - 인터넷 쇼핑몰 CEO로 성공하기 위해 데이터 마이닝 기법을 이용한 분류모델과 마케팅 전략.hwp

본문 I. 서론 1. 분석 동기와 보고서의 목적 우리 주위에 상업 활동을 하는 대부분은 자영업을 하는 40~50대 서민계층이 대다수인데 기업들과 같은 단체와 비교했을 때 개개인이 소자본(小資本)을 가지고 작은 금액을 유통하는 큰 흐름이라고 할 수 있다. 이러한 서민들은 경제활동(economic activity)의 결과들을 가계부와 같은 아날로그(analog)적인 방법으로 기록한다. 또는 경제활동의 결과를 문서화하지만 단지 보관용으로 사용한다. 이것은 적어도 40~50대층은 경제활동에 따른 여러 수치(figure)들을 활용하지 않는다는 것을 말하며, 오랜 경험을 축적해서 직관적으로 근 미래를 예측하며 경제활동을 이어가고 있다고 할 수 있다. 이때 가계부는 수입, 지출, 총수익 정도의 항목을 제공하는데 이는 전체 경제활동에서 얻게 되는 많은 종류의 데이터(data)가 가계부 정리 과정에서 합해지면서 거의 대부분 유실된다고 할 수 있다. 따라서 가계부를 활용한 직관적인 예측(forecast)은 오류(error)를 자주 발생시킨다. 하지만 소자본을 다루는 서민들은 예측오류에 따른 리스크(risk)가 기업에 비해 작기 때문에 리스크를 체감 할 수 없어 오류를 간과하곤 한다. 그러나 현대에 이르러 경제활동에서 얻어지는 수치들의 통계분석(statistical analysis)이 예측오류를 줄여주고 더 효율적인 상업전략(commercial strategy)을 제시해 준다는 것을 알게 되었고 기업들은 예측오류가 가져오는 큰 리스크 때문에 무한경쟁 사회에서의 생존을 위해 발 빠르게 행동하여 정보를 계량화하고 통계분석에 의한 의사결정(decision making)보조기구를 활용하게 되었다. 이러한 통계적 의사결정은 경험적인 의사결정에 대해 확신을 주는 결과를 제공하기도 하고 잘못된 판단을 바로잡아 수정 할 수 있게 해주기도 한다. 앞서 말한 대로 서민들의 경제활동에서 발생하는 예측오류에 의한 리스크는 기업의 수준 보다는 작지만, 경제활동이 10~20년 이상 지속되는 경우 리스크가 중복되면서 쌓이게되는 누적손해(cumulative damage)는 결코 작다고 할 수 없기 때문에 우리는 서민들에게 통계분석이 리스크를 줄이고 논리적인 상업전략 도출이 가능하다는 것을 증명해보고자, 통계적 의사결정에의한 상업전략의 가능성을 검증 하려고 한다. 이를 위해 한 가지 상업분야에 통계분석 방법을 접목시키기로 하였고 '2010년 SAS championship'에서 경연대회 자료로 주어졌던 인터넷쇼핑몰 데이터를 이용해 인터넷쇼핑몰 마케팅전략(marketing strategy)을 제시하여 통계분석 작업의 가능성을 증명하기로 하였다. 참고문헌 경영통계 강현곤 et al. 2009 43p-44p 김정권, 인터넷쇼핑몰에서의 고객충성도 제고 전략, 목포대학교 연구논문, 36p-41p 김형택 민옥길, "효과적인 인터넷 마케팅을 위한 웹로그분석", 비비컴, 2001. 류창수 서용무, "통계 및 데이터마이닝 기법을 이용한 웹 사이트 분석", 한국데이타베이스학회 춘계 학술대회, 2001, 6. pp. 369-379. 안현철 한인구, "데이터 마이닝을 활용한 인터넷 쇼핑몰의 상품 추천 시스템 개발.", 한국경영정보학회 춘게학술대회, 2002, 6., pp. 739-748. 오재인 최재화 김홍기 권순범 손승희, "인터넷 비즈니스-전략, 모델, 마케팅, 백오피스, 기술", 박영사, 2001. 이화영, "표준 로그파일을 이용한 웹 마이닝에 관한 연구", 한국과학기술원 석사학위논문, 2000, 2. 임현성 이영재, "웹 로그 분석을 통해 연관성 규칙을 활용한 개인화 상품 추천의 효과성 연구", 한국경영정보학회 춘계학술대회, 2002, 6, pp. 749-759. 최기준 최재영 박은미, "전자상거래에서 상품 유형에 관한 연구", 한국경영정보학회 추계국제학술대회, 2000, 11, pp. 318-347. 한국경제. 1999. 8. 11. 행정학사전 이종수 2009.1.15., 대영문화사, 432p-485p 황현숙 어윤양, "연관 마이닝과 고객 선호도 기반의 인터넷 상품 검색 시스템 설계 및 구현", 경영정보학연구, 2002, 3, 제12권 제1호 pp. 1-16. Azevedo, A. and Santos, M. F. KDD, SEMMA and CRISP-DM: a parallel overview. In Proceedings of the IADIS European Conference on Data Mining , 2008, pp 182-185. Berry, J. and G. Linoff, Data Mining Techniques: For Marketing, Sales, and Customer Support , John Wiley & sons, 1997. Cooley, R., Tan, P.N., Srivasata, J., Discovery of Interesting Usage Patterns form Web Data, Technical Report TR 99-022, University of Minnesota, 1999. Kalacota, R. and M. Robinson, e-business: Roadmap for success , Addison-Wesley, 1999. Meta Group, The Customer Relationship Management Esosystem , 2000. SAS Enterprise Miner website Rohanizadeh, S. S. and Moghadam, M. B. A Proposed Data Mining Methodology and its Application to Industrial Procedures Journal of Industrial Engineering 4 (2009) pp 37-50. Zaiane, O.R., Xin, M. and Han, J., Discovering Web Access Patterns and Trends by Applying OLAP and Data Mining Technology on Web Logs , IEEE ADL Proceedings, 1998, pp. 19-29. 하고 싶은 말 열심히 작성하고 좋은 평을 받은 리포트 입니다. 키워드 고객, 분석, 고객분석, 마이닝, 기법, 마케팅