유비쿼터스 상거래에서 회사가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 고객 관계 마케팅이 등장하였으며, 더 나아가 고객이 원하는 제품을 예측하고 추천...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A76352167
2008
Korean
310
KCI등재
학술저널
26-33(8쪽)
3
0
상세조회0
다운로드국문 초록 (Abstract)
유비쿼터스 상거래에서 회사가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 고객 관계 마케팅이 등장하였으며, 더 나아가 고객이 원하는 제품을 예측하고 추천...
유비쿼터스 상거래에서 회사가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 고객 관계 마케팅이 등장하였으며, 더 나아가 고객이 원하는 제품을 예측하고 추천해주고 있으며 이를 위해 데이터 마이닝 기술을 적용하고 있다. 본 논문에서는 연관 마이닝을 이용한 고객 관계 관리 적용 사례 연구를 제안하였다. 제안된 방법으로는 연관 마이닝을 이용하여 후보 고객 집합으로 빈발 고객을 구성하고 연관 고객 규칙을 생성한다. 생성된 연관 규칙의 향상도에 따라서 하이퍼 그래프 분할을 이용하여 효율적인 구매고객들의 특성을 분석한다. 그러므로 기존 고객에 대한 교차 판매와 격상 판매의 전략들을 도출하게 된다. 성능평가를 위해 설문조사 데이터 집합에서 기존의 방법과 비교 평가하였다. 실험 결과 제안한 방법이 기존의 다른 방법들보다 정확도면에서 우수함을 확인하였다.
다국어 초록 (Multilingual Abstract)
The customer relation marketing in which companies can utilize to control and to get the filtered information efficiently has appeared in ubiquitous commerce. It is applying data mining technique to build the management that can even predict and recom...
The customer relation marketing in which companies can utilize to control and to get the filtered information efficiently has appeared in ubiquitous commerce. It is applying data mining technique to build the management that can even predict and recommend products to customers. In this paper, we proposed the case of customer relation management application using the associative mining. The proposed method uses the associative mining composes frequent customers with occurrence of candidate customer-set creates the association rules. We analyzed the efficient the feature of purchase customers using the hypergraph partition according to the lift of creative association rules. Therefore, we discovered strategies of the cross-selling and the up-selling. To estimate the performance, the suggested method is compared with the existing methods in the questionnaire dataset. The results have shown that the proposed method significantly outperforms the accuracy than the previous methods.
목차 (Table of Contents)
참고문헌 (Reference)
1 이준규, "인터넷 개인화 아이템 추천 알고리듬에 대한 연구" 연세대학교 2000
2 조동주, "연관관계 군집 분할 방법을 이용한 아이템 필터링 시스템" 한국콘텐츠학회 7 (7): 1-8, 2007
3 한기태, "연관 규칙을 이용한 적응적 고객 관계 관리 전략" 84-86, 2008
4 이장희, "기업 대 기업 환경하의 지능적 CRM 활용" 1 : 226-229, 2003
5 백순근, "교육연구 및 통계분석" 교육과학사 2007
6 K. Y. Jung, "Optimal Associative Neighbor Mining using Attributes for Ubiquitous Recommendation Systems" Springer-Verlag 4027 : 458-469, 2006
7 조남재, "OLAP기반의 CRM 개발 전략 및 효과에 관한 연구: 유통산업의 사례를 중심으로" 251-260, 2001
8 H. Jiwei, "Data Mining: Concepts and Techniques" Morgan Kaufmann Publishers 2000
9 E. H. Han, "Clustering based on Association Rule Hypergraphs" 9-13, 1997
10 M. O. Connor, "Clustering Items for Collaborative Filtering" 1999
1 이준규, "인터넷 개인화 아이템 추천 알고리듬에 대한 연구" 연세대학교 2000
2 조동주, "연관관계 군집 분할 방법을 이용한 아이템 필터링 시스템" 한국콘텐츠학회 7 (7): 1-8, 2007
3 한기태, "연관 규칙을 이용한 적응적 고객 관계 관리 전략" 84-86, 2008
4 이장희, "기업 대 기업 환경하의 지능적 CRM 활용" 1 : 226-229, 2003
5 백순근, "교육연구 및 통계분석" 교육과학사 2007
6 K. Y. Jung, "Optimal Associative Neighbor Mining using Attributes for Ubiquitous Recommendation Systems" Springer-Verlag 4027 : 458-469, 2006
7 조남재, "OLAP기반의 CRM 개발 전략 및 효과에 관한 연구: 유통산업의 사례를 중심으로" 251-260, 2001
8 H. Jiwei, "Data Mining: Concepts and Techniques" Morgan Kaufmann Publishers 2000
9 E. H. Han, "Clustering based on Association Rule Hypergraphs" 9-13, 1997
10 M. O. Connor, "Clustering Items for Collaborative Filtering" 1999
영아-어머니의 상호작용을 위한 노동요의 활용 방안 탐색
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2007-05-04 | 학회명변경 | 영문명 : The Korea Contents Society -> The Korea Contents Association | |
2007-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2006-01-01 | 평가 | 등재후보학술지 유지 (등재후보1차) | |
2004-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.21 | 1.21 | 1.26 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.29 | 1.25 | 1.573 | 0.33 |