데이터 마이닝을 이용한 eCRM 시스템의 피드백 시기 결정

Abstract

고객 관리를 위한 CRM 시스템이 인터넷 환경에서 eCRM 시스템으로 발전하게 됨에 따라 보다 효과적이고 인터넷 환경에 맞는 eCRM 시스템을 개발하는 것에 대한 관심이 높아지고 있다. 기존의 CRM 시스템은 고객을 분석하고 분석한 결과를 일괄적으로 캠페인에 적용하고 또한 한꺼번에 캠페인 결과를 피드백하여 분석함으로써 다음 캠페인에 이용할 수 있도록 하고 있다. 그러나 eCRM 시스템은 24시간 캠페인을 가능하게 하였고 그때 그때 수집되는 데이터를 모아 일정한 시간을 주기로 하여 피드백하여 결과에 반영하고 있다. eCRM 시스템이 발전하면서 같이 그 중요성이 대두되고 있는 개인화(personalization)는 인터넷을 통해 더욱 쉽고 다양하게 이루어질 수 있게 되었으며 eCRM의 캠페인 효과를 극도로 높일 수 있는 방법이 되었다. 따라서 보다 개인화 효과를 높일 수 있는 eCRM 시스템을 설계하고 이를 효과적으로 이용하기 위해서는 좀더 지능적인 피드백과 분석이 필요하다. 이에 본 연구에서는 단순히 일정 시간 주기로 이루어지고 있는 피드백을 데이터 마이닝을 이용하여 의미있는 데이터 양을 정함으로써 그 데이터량이 되었을 때 피드백을 수행하도록 하고 있다. 우선 데이터 베이스를 군집화하고 피드백하고자 하는 데이터의 일정양을 데이터 베이스에 피드백하고 이것을 다시 군집화한다. 이것을 앞서 데이터 베이스만을 군집화한 결과와 비교하여 변화한 레코드의 수를 기록하여 그 변화 추이를 살피고 그 변화가 최대로 나타나는 지점을 찾아 의미있는 데이터 양으로 정하였다. 이렇게 함으로써 개인화를 수행하는데 있어서 좀더 적시에 정확한 정보를 추천할 수 있도록 제안하고자 하였다. 따라서 제안하고 있는 의미있는 데이터 양은 실험에서 사용된 2001년 1월부터 2002년 8월까지 데이터의 경우에 시간주기로 하였을 때는 8번의 피드백이 수행되어져야 하고, 의미있는 데이터 양을 이용하였을 때는 2번의 피드백이 수행되면 되었다. 이것은 1달 동안 모아지는 데이터의 양에 따라 약간의 차이가 생기는데 이 데이터의 경우 1달 동안 모아지는 데이터의 양이 그리 많지 않았기 때문에 시간주기와 데이터 양을 이용한 피드백의 횟수에 많은 차이가 생기는 결과가 나왔다. 따라서 구매 건수가 얼마 되지 않거나 군집의 변화가 그리 많이 일어나지 않는 달에 대해서 1달을 시간주기로 할 때는 피드백이 이루어지지만 의미있는 데이터 양을 기준으로 했을 때는 피드백이 이루어지지 않아 시스템 오버헤드를 줄일 수 있다는 장점이 있으며, 한번의 피드백에 의해 업 데이트 되는 데이터 양이 시간을 주기로 했을 때보다 많으므로 보다 정확한 고객 분석을 가능하게 할 수 다는 장점이 있다. 또한 보다 고객에게 맞는 상품 추천을 할 수 있게 되므로 24시간 운영되는 쇼핑몰의 효과적인 운영을 가능하게 할 수 있을 것이다. ; While CRM system is developed to eCRM system that is internet added CRM system, Interest of developing more appropriate eCRM system in internet environment is increased. Prior CRM system analyze customer data, apply analysis result to campaign in bulk, feedback campaign result in bulk, analyze campaign result and apply analysis result to campaign again. But eCRM system is available 24 hours campaign and gather campaign result and analyze in some time period(ex, one month or one week). This create system overhead because of frequent analysis or inaccurate recommendation because of long time term analysis. My research determine meaningful feedback data amount in eCRM system using data mining. First process is clustering customer data in database (Customer data is demographic data and sales data.), add more gathered data to database, clustering customer data again, find customer data that is changed cluster. This process is executed repeatedly. Finally determine feedback data amount that change is greatest. This research can reduce system overhead that is caused when frequent data mining analysis and timely recommend items to customer more accurately.