SVM과 PLS를 활용한 세분화 예측모형 개발 및 비교연구

국문 초록 (Abstract)

기업 간의 경쟁이 심화된 오늘날 기업의 성공에 가장 중요한 요인은 고객가치의 파악과 서비스의 차별화에 있다. 시간이 지날수록 고객의 수준과 개성이 다양해지는 가운데 자사고객으로의 유치를 위해서는 그 고객의 니즈를 파악하고 충족시켜 줄 수 있어야 한다. 또한 기업은 개별 소비자에 대하여 일대일 관계를 맺고, 고객의 입장에서 그 고객을 이해하고 개별 고객에 대한 차별적인 대응을 통하여 고객과의 신뢰를 형성할 수 있게 된다. 즉, 기업경영에 있어 고객세분화와 타겟마케팅의 필요성이 점점 커지고 있는 것이다.
이를 위해서는 고객의 니즈를 파악할 수 있는 예측모형의 개발이 필수적인데 종래 기업에서 일반적으로 적용되고 있는 하나의 예측모형으로 다양한 니즈를 가진 고객집단을 설명하는 데는 한계가 따른다.
따라서 본 논문에서는 반응/미반응 목표변수를 갖는 모집단에 대해 군집분석을 통하여 세분화 과정을 거친 후, 세분화 마트별로 예측모형을 각각 개발함으로써 다양한 고객층을 세분화된 예측모형으로 설명하고자 한다.
또한 본 논문에서는 교차타당성(cross validation)을 이용한 반복실험을 통해 분석결과의 신뢰도 향상뿐만 아니라 일반화까지도 고려한다. 그리고 예측모형은 의사결정나무와 로지스틱회귀분석과 나아가 서포트벡터머신과 부분최소제곱법모형을 적용함으로써 최적의 세분화 모형 제시를 시도한다.
교차타당성을 이용한 10회의 반복실험을 한 결과 동일기준하의 단일모형과 세분화모형의 비교실험에서는 4가지의 모든 모형에서 세분화모형이 오분류율, 민감도, 특이도 측면에서 대부분 우수하였다. 그리고 동일기준이 아닌 각 모형별로 분류기준값과 모형방법을 적절하게 적용하여 개발한 최적의 모형에서는 단일모형에 비해 모든 세분화모형에서 높게 나타남을 확인하였다.
결과적으로 예측모형 개발 시 고객정보를 바탕으로 고객을 세분화하여 모형을 개발한다면 예측력 향상뿐만 아니라 모형의 효과적인 활용까지 기대할 수 있음을 알게 되었다.

목차 (Table of Contents)

• 제1장 서 론 1
• 제2장 예측모형에 대한 이해 3
• 2.1 군집분석과 k-평균 군집화 3
• 2.2 서포트벡터머신 8
• 2.3 부분최소제곱법 10
• 2.3.1 부분최소제곱모형 11
• 2.3.2 부분최소제곱법의 종류 13
• 제3장 모형평가방법 15
• 3.1 모형평가의 개념 15
• 3.2 분리표본 타당성 16
• 3.2 교차타당성 16
• 제4장 실증분석 1 : 모형개발을 위한 자료 준비 17
• 4.1 분석자료 17
• 4.2 데이터마트 구성 17
• 4.2.1 결측값 처리 18
• 4.2.2 군집분석을 위한 변수변환 19
• 4.2.3 데이터 정제 후 마트 구성 21
• 4.2.4 교차타당성 검토를 위한 데이터분할 22
• 4.2.5 세분화 과정 24
• 4.3 변수선택 25
• 4.4 모형 구축 28
• 4.5 모형 성능 비교 실험 29
• 제5장 실증분석 2 : 단일모형과 세분화모형 비교 30
• 5.1 부분최소제곱법 모형개발 30
• 5.2 서포트벡터머신 모형개발 30
• 5.3 단일모형과 세분화모형 비교(동일 기준) 30
• 5.3.1 로지스틱회귀분석 31
• 5.3.2 의사결정나무 33
• 5.3.3 서포트벡터머신 34
• 5.3.4 부분최소제곱법 37
• 5.3.5 동일 기준의 모형비교 결과 39
• 5.4 최적 모형선정 후 비교 40
• 5.4.1 최적 단일모형 선정 40
• 5.4.2 최적 세분화모형 선정 41
• 5.4.3 최종 모형비교 결과 43
• 제6장 결론 및 토의 45
• 참고문헌 47