Hyper-personalized customer prediction by machine learning

Abstract

Digital transformation is a keyword leading the current industrial transformation for optimized business decision-making. This paper proposes an integrated machine learning framework implemented on Customer Relationship Management (CRM) in order to achieve enhanced customer satisfaction by hyper-personalized targeting. We applied Gradient Boosting Machine (GBM) classification to predict customer repurchase, XGBoost(eXtreme Gradient Boosting) model to predict the personalized purchase cycle, Self-Organizing Map(SOM) and Association Rule to develop customer segments and brand recommendation marketing plans. ;최근 빅데이터, AI 등 ICT 기술 기반의 경영의사결정의 중요성이 대두되는 ‘디지털 혁신’의 흐름은 IT기업을 넘어 제조업, 유통업, 통신업, 에너지 산업으로 확장되고 있다. 본고는 기업의 고객관계관리(CRM)에 있어 머신러닝, 딥러닝 기반의 초 개인화된 고객 예측 모형을 구현하고자 한다. GBM(Gradient Boosting Machine) 분류모형을 통해 고객의 재 구매 여부를 예측했고, 심층신경망(DNN) 모형으로 개인별 구매 주기를 예측하였다. 또한, 자기조직화지도(Self-Organizing Map) 기법과 연관규칙(Association Rule) 데이터마이닝을 통해 고객 세분화와 수익을 강화하는 마케팅 전략을 제안하였다. 즉, 재 구매의 가능성이 높은 고객에게, 적절한 시기에, 적절한 정보를 제공하여 자동화된 고객 관리 시스템 구현과 관련한 분석기법을 제시함으로써 고객 만족 극대화를 실현하고자 한다.