지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김형수
- 발행연도
- 2021
- 저작권
- 한성대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
서비스 업종뿐만 아니라 일반 소비재 산업에서도 빅 데이터 분석 기술을 활용한 개인화 추천 서비스와 같은 CRM 전략의 중요성이 높아지고 있다. 그러나, 상품 추천 모형에 대한 기존 연구는 대부분 추천 적중률을 높이기 위한 머신러닝 모형 개발과 개선에 집중되어 왔기 때문에 추천 활동 이후 고객과의 중장기적인 관계는 고려되지 못했다. 본 연구에서는 이러한 한계를 극복하기 위하여 소셜네트워크분석(Social Network Analysis) 분석기법을 상품 네트워크 분석 영역에 응용한 PNA (Product Network Analysis) 기법을 협업필터링 모형에 연계하여 단순한 추천 적중률뿐만 아니라 중장기적인 고객의 충성도를 개선할 수 있는 추천 시스템을 제안하고자 한다. CF/PNA (Collaborative Filtering based on Product Network Analysis) 개인화 추천 시스템은 거래 데이터를 기반으로 상품 네트워크를 구성한 후, 다양한 후보 추천상품 중에 PNA 분석 결과를 토대로 중장기적으로 고객 충성도가 향상될 수 있는 상품을 선정하여 최우선적으로 추천하는 시스템이다. 국내 대형 아웃도어 기업과의 협력으로 실제 고객 데이터를 기반으로 모델링과 검증을 수행한 결과, 모형의 추천 적중률뿐만 아니라, 거래빈도, 재구매율, 교차구매지수 등 거래의 질적수준을 평가하는 고객로열티 지수도 함께 증가함을 확인하였다. 본 연구는 추천 적중률이 좋아도 상품 간의 연계성이 부족하여 지속적인 고객관계를 유지하기 어려운 경우 CRM 관점에서는 오히려 추천을 유보하는 것이 바람직할 수 있다는 전략적인 통찰력을 얻을 수 있다.
목차
I. 서 론 11.1 연구의 배경 1II. 문헌 연구 42.1 추천 시스템과 협업필터링 42.1.1 기술 중심 연구 112.1.2 이용자 중심 연구 122.2 소셜네트워크분석 142.2.1 소셜네트워크분석의 분석수준 152.2.2 중심성 분석 162.2.3 고객 네트워크와 상품 네트워크 192.3 고객로열티 222.3.1 태도적 접근관점 242.3.2 행동적 접근관점 252.3.3 통합적 접근관점 25III. PNA 기반 협업필터링 개인화 추천 시스템 273.1 추천 시스템 개요 273.1.1 아이템 유사도 분석 283.1.2 상품 네트워크 구성 303.1.3 중심성 분석 313.1.4 중심성 가중치 적용 323.1.5 추천 리스트 생성 32IV. 실험 및 평가 344.1 데이터 수집 및 전처리 344.2 추천 시스템 검증방법 354.3 검증결과 및 비교 36V. 결 론 395.1 연구요약 및 의의 395.2 연구의 한계 및 향후 연구방향 40참 고 문 헌 41ABSTRACT 50
최근 본 자료
댓글(0)
0