KR100408322B1 - 지식 탐사 방법을 이용한 대 고객 마케팅 방법 - Google Patents

지식 탐사 방법을 이용한 대 고객 마케팅 방법 Download PDF

Info

Publication number
KR100408322B1
KR100408322B1 KR10-1999-0025137A KR19990025137A KR100408322B1 KR 100408322 B1 KR100408322 B1 KR 100408322B1 KR 19990025137 A KR19990025137 A KR 19990025137A KR 100408322 B1 KR100408322 B1 KR 100408322B1
Authority
KR
South Korea
Prior art keywords
numeric
item
customer
rule
column
Prior art date
Application number
KR10-1999-0025137A
Other languages
English (en)
Other versions
KR20010004460A (ko
Inventor
김중배
김성훈
장철수
함호상
박상봉
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR10-1999-0025137A priority Critical patent/KR100408322B1/ko
Publication of KR20010004460A publication Critical patent/KR20010004460A/ko
Application granted granted Critical
Publication of KR100408322B1 publication Critical patent/KR100408322B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 지식 탐사 방법을 이용한 대 고객 마케팅 방법에 관한 것으로, 인터넷 상점에서 고객의 구매정보를 기반으로 각 고객별로 비즈니스 규칙을 적용하는 시스템에서, 고객의 구매정보를 지식 탐사를 위한 데이터 형태로 변환하기 위한 전처리 과정과, 상기 전처리 과정에서 얻어진 데이터에서 구매된 제품간의 연관성을 추출하기 위한 데이터 마이닝 과정과, 후보 마케팅 룰 테이블, 룰 테이블 및 룰 백업 테이블을 이용하여 상기 데이터 마이닝 과정에서 연관규칙 탐사 후 얻어진 데이터를 마케팅 서버의 데이터 형식으로 변환하는 후처리 과정으로 이루어지는 지식 탐사 방법을 이용한 대 고객 마케팅 방법이 개시된다.

Description

지식 탐사 방법을 이용한 대 고객 마케팅 방법{Method of personalized marketing using knowledge discovery method}
본 발명은 지식 탐사 방법을 이용한 대 고객 마케팅 방법에 관한 것으로, 특히 인터넷 상점에서 고객들이 남긴 구매정보를 지식 탐사 방법 중의 하나인 연관규칙 탐사 방법을 이용하여 구매패턴을 분석한 후, 인터넷 상점 관리자가 개별 고객에 대한 비즈니스 규칙을 수립할 때 의사 결정을 위한 상세 정보를 제공하기 위한 지식 탐사 방법을 이용한 대 고객 마케팅 방법에 관한 것이다.
지식 탐사 분야는 다양한 지식 패턴을 데이터 베이스에서 추출하고 응용하는 기술로써, 대표적으로 연관규칙 추출, 클러스터링 정보, 클래스의 특성 추출, 순차패턴 추출 등이 있다.
인터넷 상점을 운영할 때 마케팅 전략은 실물 경제에서와 마찬가지로 상점의 매출에 지대한 영향을 미칠 수 있다. 인터넷 상점을 운영하면서 획득되는 고객들의 성향과 구매 패턴 정보는 마케팅 전략 수립 시에 중요한 의사 결정의 자료로 활용될 수 있다. 구매정보 데이터베이스에 저장된 각 항목들에 대하여 연관규칙을 적용시키면 어떤 항목은 어떤 항목과 잘 나타난다는 정보를 얻을 수 있다. 즉, 연관규칙을 적용하여 고객이 구매한 데이터를 탐색했다면 "70%의 확률로 '가' 상품을 구매한 고객들은 '나' 상품을 구매한다"와 같은 정보를 얻을 수 있다. 이것은 연관규칙 탐사 방법으로 '가'와 '나'의 상품목록에 대한 구매 패턴을 분석할 수 있다는 뜻이다. 따라서 연관규칙의 탐사는 상품과 상품간의 상호 연관성 정보를 얻을 수 있으며 이러한 정보는 웹 카타로그를 작성하거나 상품 진열 등을 설계작업을 할 때 중요한 역할을 한다.
연관규칙 탐사방법을 이용하여 인터넷 전자상거래에 응용하는 기술에는 고객의 HTTP(HyperText Transfer Protocol) 로그 정보를 기반으로 고객들에게 동적으로 개인화 된 홈페이지 서비스를 제공하는 방법이 있다. 연관규칙 탐사방법에는 파일 시스템의 캐쉬를 이용하는 방법, 데이터마이닝 알고리즘을 데이터베이스의 스토어드 프로시저에 내장하여 실행하는 방법, 데이터베이스 사용자 정의 함수로써 수행하는 방법, 데이터베이스 상에서 SQL커서로 구현하는 방법 등이 있다.
그러나 이러한 방법은 각 고객별로 Cross Selling과 같은 비즈니스 규칙을 생성할 수 있는 상품 구매정보를 제공할 수 없기 때문에 인터넷 상점의 마케팅 정책수립에 적용하기에는 적합하지 않다. 또한, 연관규칙 알고리즘의 구현 방법에 있어서 단점이 되는 프로그램 수행시간 면에서도 성능을 고려하지 않고 있다. 프로그램 수행 성능은 마케팅 정책을 적용하는 시점에 고객의 데이터가 얼마나 빨리 적용되는가를 나타내는 중요한 척도가 된다.
따라서, 본 발명은 인터넷 상점 관리자가 마케팅 전략을 수립하기 위한 의사결정 자료를 GUI(Graphical User Interface) 형태로 제공하고, 이를 위해 인터넷 상점에 접근하여 상품을 구매한 고객들의 구매정보로부터 구매 패턴 정보를 추출하는 방법을 스토어드 프로시저 형태로 제공하며 프로그램 수행시간 측면에서 성능을 향상시킬 수 있는 지식 탐사 방법을 이용한 대 고객 마케팅 방법을 제공하는데 그 목적이 있다.
상술한 목적을 달성하기 위한 본 발명에 따른 지식 탐사 방법을 이용한 대 고객 마케팅 방법은 인터넷 상점에서 고객의 구매정보를 기반으로 각 고객별로 비즈니스 규칙을 적용하는 시스템에서, 고객의 구매정보를 지식 탐사를 위한 데이터 형태로 변환하기 위한 전처리 과정과, 상기 전처리 과정에서 얻어진 데이터에서 구매된 제품간의 연관성을 추출하기 위한 데이터 마이닝 과정과, 후보 마케팅 룰 테이블, 룰 테이블 및 룰 백업 테이블을 이용하여 상기 데이터 마이닝 과정에서 연관규칙 탐사 후 얻어진 데이터를 마케팅 서버의 데이터 형식으로 변환하는 후처리 과정를 포함하여 이루어지는 것을 특징으로 한다.
도 1은 본 발명에 따른 고객 마케팅 방법을 설명하기 위한 흐름도.
도 2는 고객 마케팅 방법 중 데이터 마이닝 과정을 설명하기 위한 흐름도.
이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명에 따른 고객 마케팅 방법을 설명하기 위한 흐름도이다.
본 발명에 따른 고객 마케팅 과정은 크게, 인터넷 상점에서 고객의 구매정보를 기반으로 각 고객별로 비즈니스 규칙을 적용하는 시스템에서 고객의 구매정보를 지식 탐사를 위한 데이터 형태로 변환하기 위한 전처리 과정(11), 전처리 과정(11)에서 얻어진 데이터에서 구매된 제품간의 연관성을 추출하기 위한 데이터 마이닝 과정(12) 및 연관규칙 탐사 후 얻어진 데이터를 마케팅 서버의 데이터 형식으로 변환하는 후처리 과정(13)으로 이루어진다.
전처리 과정(11)에서는 인터넷 상점에서 고객이 주문한 정보와 고객이 주문한 상품 리스트 정보를 이용하여 데이터 마이닝을 위한 기본 자료를 추출하며, 이 정보들은 RDBMS 테이블화되어 있다. 이 전처리 과정(11)은 기존의 머천트 시스템과 연동을 위한 부분이다.
데이터 마이닝 과정(12)에서는 각각 RDBMS 테이블화되어 있는 후보 항목 집합, 주요 항목 집합, 항목들의 지지도를 위한 트랜잭션 리스트를 나타내는 테이블을 이용하여 구매된 제품간의 연관성을 추출한다. 데이터 마이닝 과정(12)의 결과는 주요 항목 집합을 나타내는 RDBMS 테이블에 저장된다.
후처리 과정(13)에서는 주요 항목 집합의 데이터로부터 후보 룰을 생성한 후, 각 후보 룰로부터 최소 신뢰도를 만족하는 충분 항목 집합만을 추출하여 룰 백업(rule backup) 테이블에 저장한다. 룰 백업 테이블은 마케팅 서버에서 고객들에게 적용할 마케팅 룰을 생성할 때 사용하는 RDBMS 데이터 테이블이다.
도 2는 고객 마케팅 방법 중 데이터 마이닝 과정을 설명하기 위한 흐름도이다.
먼저, 고객의 구매정보로부터 연관규칙을 탐사하는 트랜잭션 테이블로부터 후보 항목 집합들을 추출하여 결합한 후(21), 후보 항목 집합으로부터 불필요하게 추출된 여분의 항목을 제거한다(22). 다음에, 제거단계(22)에서 생성된 후보 항목 집합으로부터 각 항목의 트랜잭션 리스트 테이블 즉, 지지도 테이블을 생성(23)하며, 후보 항목 집합과 항목의 지지도를 위한 트랜잭션 리스트 테이블을 조인하여 주요(충분) 항목 집합을 생성한 후(24), 주요 항목 집합으로부터 최소 지지도를 만족하는 충분 항목 집합 만을 추출하는 단계(25)로 구성된다.
후보 항목 집합 테이블은 [표 1]과 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(item1) Numeric(6)
항목 2(item2) Numeric(6)
항목 3(item3) Numeric(6)
항목 4(item4) Numeric(6)
항목 5(item5) Numeric(6)
항목 6(item6) Numeric(6)
항목 7(item7) Numeric(6)
항목 8(item8) Numeric(6)
항목 9(item9) Numeric(6)
항목 10(item10) Numeric(6)
길이(len) Numeric(6)
트랜잭션 아이디 리스트(tidlistlen) Numeric(6)
주요 항목 집합 테이블은 [표 2]와 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(item1) Numeric(6)
항목 2(item2) Numeric(6)
항목 3(item3) Numeric(6)
항목 4(item4) Numeric(6)
항목 5(item5) Numeric(6)
항목 6(item6) Numeric(6)
항목 7(item7) Numeric(6)
항목 8(item8) Numeric(6)
항목 9(item9) Numeric(6)
항목 10(item10) Numeric(6)
길이(len) Numeric(6)
지지도(Support) Numeric(6,2)
트랜잭션 테이블은 [표 3]과 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
트랜잭션 아이디(tid) Numeric(13)
상품아이디(pid) Numeric(6)
상품번호(productno) Varchar(30)
이 과정은 최대 반복 회수(K)에 도달하거나 더 이상의 후보 항목 집합이 생성되지 않을 때까지 반복된다. 또한 2번째 반복 과정부터는 연관규칙을 탐사하는 트랜잭션 테이블의 데이터를 사용하지 않는다.
도 2를 참조하면, 후보 항목 집합을 추출하여 결합하는 단계(21)는 [수학식 1]과 같이 SQL-92문장으로 구성된다.
여기에서, Ck는 후보 항목 집합을 나타내고 Fk는 주요 항목 집합을 나타내며, k는 각 반복 횟수를 나타낸다. 불필요한 후보 항목을 제거하는 단계(22)는 Ck에 포함된 모든 항목들의 부분 집합들에 대해 Fk-1에 포함되지 않는 항목을 지닌 항목을 제거하는 과정이다.
주요(충분) 항목 집합을 생성한 후(24), 주요 항목 집합으로부터 최소 지지도를 만족하는 충분 항목 집합만을 추출하는 과정(25)은 후보 항목 집합을 나타내는 RDBMS 테이블 및 트랜잭션 아이디 테이블로부터 최소 지지도를 만족하는 충분 항목 집합만을 추출하는 과정이다. 이 과정은 [수학식 2]와 같이 SQL-92문장으로 정의된다.
여기에서, 트랜잭션 리스트 테이블(TidTable)은 도 2의 지지도 처리 과정(25)에서 생성된다. 또한, 트랜젝션 리스트(tid-list)는 지지도 처리 과정(25)의 데이터 중에서 k번째 데이터를 나타낸다. Intersect는 사용자 정의함수로써, 지지도 처리 과정(25)에서 원하는 항목의 중복 데이터 만을 추출하는 함수이고, 트랜잭션 리스트 테이블은 [표 4]와 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(item1) Numeric(6)
항목 2(item2) Numeric(6)
항목 3(item3) Numeric(6)
항목 4(item4) Numeric(6)
항목 5(item5) Numeric(6)
항목 6(item6) Numeric(6)
항목 7(item7) Numeric(6)
항목 8(item8) Numeric(6)
항목 9(item9) Numeric(6)
항목 10(item10) Numeric(6)
트랜잭션 리스트(tidlist) VarChar(255)
트랜잭션리스트길이번호(tidlistnum) Numeric(6)
룰 아이디(ruleid) Numeric(6)
도 1을 참조하면, 후보 연관 규칙을 탐색하는 후처리 과정(13)은 [수학식 3]과 같이 SQL-92문장으로 정의된다.
여기에서, R은 후보 마케팅 룰 테이블을 나타내고, minconf는 정의된 최소 신뢰도를 말한다. GenRule은 사용자 정의 함수로서, 룰 백업 테이블, 룰 테이블 및 후보 마케팅 룰 테이블의 데이터를 생성하는 함수이다. 또한, K는 최대 반복 회수이다.
룰 백업 테이블은 [표 5]와 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(item1) Numeric(6)
항목 2(item2) Numeric(6)
항목 3(item3) Numeric(6)
항목 4(item4) Numeric(6)
항목 5(item5) Numeric(6)
항목 6(item6) Numeric(6)
항목 7(item7) Numeric(6)
항목 8(item8) Numeric(6)
항목 9(item9) Numeric(6)
항목 10(item10) Numeric(6)
길이(len) Numeric(6)
룰 길이(rulelen) Numeric(6)
신뢰도(confidence) Numeric(6,2)
지지도(Support) Numeric(6,2)
룰 아이디(ruleid) Numeric(6)
룰 번호(ruleno) Numeric(6)
룰 테이블은 [표 6]와 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(item1) Numeric(6)
항목 2(item2) Numeric(6)
항목 3(item3) Numeric(6)
항목 4(item4) Numeric(6)
항목 5(item5) Numeric(6)
항목 6(item6) Numeric(6)
항목 7(item7) Numeric(6)
항목 8(item8) Numeric(6)
항목 9(item9) Numeric(6)
항목 10(item10) Numeric(6)
길이(len) Numeric(6)
룰 길이(rulelen) Numeric(6)
신뢰도(confidence) Numeric(6,2)
지지도(Support) Numeric(6,2)
룰 아이디(ruleid) Numeric(6)
후보 마케팅 룰 테이블은 [표 7]와 같다.
필드(컬럼) 명칭 필드(컬럼) 사양
항목 1(T_item1) Numeric(6)
항목 2(T_item2) Numeric(6)
항목 3(T_item3) Numeric(6)
항목 4(T_item4) Numeric(6)
항목 5(T_item5) Numeric(6)
항목 6(T_item6) Numeric(6)
항목 7(T_item7) Numeric(6)
항목 8(T_item8) Numeric(6)
항목 9(T_item9) Numeric(6)
항목 10(T_item10) Numeric(6)
지지도(T_Support) Numeric(6,2)
길이(T_len) Numeric(6)
룰 길이(T_ruleien) Numeric(6)
이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시 예 및 첨부된 도면에 한정되는 것이 아니다.
상술한 바와 같이, 본 발명은 인터넷 상점 관리자가 각 고객별로 비즈니스 규칙을 수립하고자 할 때 의사결정을 위한 정보를 제공함으로써 매출 증대에 기여할 수 있는 마케팅 전략을 수립할 수 있도록 한다. 또한, 본 발명에서 제시하는 방법은 고객의 취향과 상점 접근 데이터 정보의 분석 방법과 접목시킬 경우 지능형 대 고객 마케팅 지원시스템을 개발할 수 있는 기반이 될 수 있다.

Claims (5)

  1. 인터넷 상점에서 고객의 구매 정보를 기반으로 각 고객에 대한 비즈니스 규칙을 수립하기 위한 지식 탐사 방법을 이용한 대 고객 마케팅 방법에 있어서,
    고객이 주문한 정보와 고객이 주문한 상품 리스트 정보를 이용하여 RDBMS테이블 형식의 트랜젝션 테이블을 작성하는 전처리 과정;
    상기 트랜젝션 테이블로부터 지식 탐사를 원하는 후보 항목 집합들을 추출하여 결합하고, 상기 후보 항목 집합들로부터 각 항목의 지지도에 대한 트랜잭션 리스트 테이블을 생성하며, 상기 후보 항목 집합과 상기 지지도 테이블을 조인하여 주요 집합 항목을 생성한 다음, 상기 주요항목 집합으로부터 기설정된 최소 지지도를 만족하는 충분 집합 항목 만을 추출하는 단계를 포함하는 데이터 마이닝 과정; 및
    상기 주요 항목 집합의 데이터로부터 후보 룰을 생성한 후 각 후보 룰로부터 기정의된 최소 신뢰도를 만족하는 충분항목 집합만을 추출하여 룰 백업 테이블에 저장하는 단계를 포함하는 후처리 과정을 포함하는 지식 탐사 방법을 이용한 대 고객 마케팅 방법.
  2. 제 1 항에 있어서,
    상기 룰 백업 테이블은 다음의 표와 같이 정의되는 것을 특징으로 하는 지식 탐사 방법을 이용한 대 고객 마케팅 방법.
    필드(컬럼) 명칭 필드(컬럼) 사양 항목 1(item1) Numeric(6) 항목 2(item2) Numeric(6) 항목 3(item3) Numeric(6) 항목 4(item4) Numeric(6) 항목 5(item5) Numeric(6) 항목 6(item6) Numeric(6) 항목 7(item7) Numeric(6) 항목 8(item8) Numeric(6) 항목 9(item9) Numeric(6) 항목 10(item10) Numeric(6) 길이(len) Numeric(6) 룰 길이(rulelen) Numeric(6) 신뢰도(confidence) Numeric(6,2) 지지도(Support) Numeric(6,2) 룰 아이디(ruleid) Numeric(6) 룰 번호(ruleno) Numeric(6)
  3. 제 1 항에 있어서,
    상기 후보 항목 집합 테이블은 다음 표 1과 같이 정의되고, 상기 주요 항목 집합 테이블은 다음 표 2와 같이 정의되는 지식 탐사 방법을 이용한 대 고객 마케팅 방법.
    표 1
    필드(컬럼) 명칭 필드(컬럼) 사양 항목 1(item1) Numeric(6) 항목 2(item2) Numeric(6) 항목 3(item3) Numeric(6) 항목 4(item4) Numeric(6) 항목 5(item5) Numeric(6) 항목 6(item6) Numeric(6) 항목 7(item7) Numeric(6) 항목 8(item8) Numeric(6) 항목 9(item9) Numeric(6) 항목 10(item10) Numeric(6) 길이(len) Numeric(6) 트랜잭션 아이디 리스트(tidlistlen) Numeric(6)
    표 2
    필드(컬럼) 명칭 필드(컬럼) 사양 항목 1(item1) Numeric(6) 항목 2(item2) Numeric(6) 항목 3(item3) Numeric(6) 항목 4(item4) Numeric(6) 항목 5(item5) Numeric(6) 항목 6(item6) Numeric(6) 항목 7(item7) Numeric(6) 항목 8(item8) Numeric(6) 항목 9(item9) Numeric(6) 항목 10(item10) Numeric(6) 길이(len) Numeric(6) 지지도(Support) Numeric(6,2)
  4. 제 1 항에 있어서,
    상기 트랜잭션 테이블은 다음의 표와 같이 정의되는 것을 특징으로 하는 지식 탐사 방법을 이용한 대 고객 마케팅 방법.
    필드(컬럼) 명칭 필드(컬럼) 사양 트랜잭션 아이디(tid) Numeric(13) 상품아이디(pid) Numeric(6) 상품번호(productno) Varchar(30)
  5. 제 1 항에 있어서,
    상기 트랜잭션 리스트 테이블은 다음 표와 같이 정의되는 것을 특징으로 하는 지식 탐사 방법을 이용한 대 고객 마케팅 방법.
    필드(컬럼) 명칭 필드(컬럼) 사양 항목 1(item1) Numeric(6) 항목 2(item2) Numeric(6) 항목 3(item3) Numeric(6) 항목 4(item4) Numeric(6) 항목 5(item5) Numeric(6) 항목 6(item6) Numeric(6) 항목 7(item7) Numeric(6) 항목 8(item8) Numeric(6) 항목 9(item9) Numeric(6) 항목 10(item10) Numeric(6) 트랜잭션 리스트(tidlist) VarChar(255) 트랜잭션리스트길이번호(tidlistnum) Numeric(6) 룰 아이디(ruleid) Numeric(6)
KR10-1999-0025137A 1999-06-29 1999-06-29 지식 탐사 방법을 이용한 대 고객 마케팅 방법 KR100408322B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR10-1999-0025137A KR100408322B1 (ko) 1999-06-29 1999-06-29 지식 탐사 방법을 이용한 대 고객 마케팅 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-1999-0025137A KR100408322B1 (ko) 1999-06-29 1999-06-29 지식 탐사 방법을 이용한 대 고객 마케팅 방법

Publications (2)

Publication Number Publication Date
KR20010004460A KR20010004460A (ko) 2001-01-15
KR100408322B1 true KR100408322B1 (ko) 2003-12-06

Family

ID=19596677

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-1999-0025137A KR100408322B1 (ko) 1999-06-29 1999-06-29 지식 탐사 방법을 이용한 대 고객 마케팅 방법

Country Status (1)

Country Link
KR (1) KR100408322B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101081947B1 (ko) 2009-09-21 2011-11-10 경상대학교산학협력단 대용량 데이터를 위한 하이브리드 추천 방법 및 시스템

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020087612A (ko) * 2001-05-15 2002-11-23 (주)코어로직스 고객 관계 관리를 위한 데이터 베이스 생성 장치 및 그 방법
KR100449083B1 (ko) * 2001-08-14 2004-09-16 (주) 이씨마이너 웹로그와 사용자 아이디 매칭을 통한 고객관계관리방법
KR100451940B1 (ko) * 2001-09-26 2004-10-08 (주)프리즘엠아이텍 고객 관리 기능을 갖는 데이터 분석 시스템 및 그 방법
KR20030032096A (ko) * 2001-10-10 2003-04-26 이창환 데이터 마이닝 방법 및 컴퓨터로 판독가능한 기록 매체
KR100833781B1 (ko) * 2001-12-06 2008-05-29 주식회사 케이티 트리거와 점진적 갱신 기법을 이용한 연관규칙 탐사의능동적 후보항목 관리 방법
KR100497212B1 (ko) * 2002-03-02 2005-06-23 (주)비엘시스템스 데이터 마이닝에서의 앙상블 기법에 적용되는 연관성 규칙생성 장치 및 그 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101081947B1 (ko) 2009-09-21 2011-11-10 경상대학교산학협력단 대용량 데이터를 위한 하이브리드 추천 방법 및 시스템

Also Published As

Publication number Publication date
KR20010004460A (ko) 2001-01-15

Similar Documents

Publication Publication Date Title
Carmona et al. Web usage mining to improve the design of an e-commerce website: OrOliveSur. com
JP5368665B2 (ja) リンクに重み付けされたアソシエーションルールに戻って転送されるエキスパートデータベース
JP5249074B2 (ja) 情報のシンボルによるリンクとインテリジェントな分類を行う方法及びシステム
US20030220860A1 (en) Knowledge discovery through an analytic learning cycle
US20090222426A1 (en) Computer-Implemented System And Method For Analyzing Search Queries
Suh et al. A prediction model for the purchase probability of anonymous customers to support real time web marketing: a case study
CN111881302B (zh) 基于知识图谱的银行舆情分析方法和系统
US9400826B2 (en) Method and system for aggregate content modeling
CN104794154A (zh) 基于文本挖掘的医疗器械o2o服务质量评价模型
Kotiyal et al. User behavior analysis in web log through comparative study of Eclat and Apriori
KR100408322B1 (ko) 지식 탐사 방법을 이용한 대 고객 마케팅 방법
Di Lucca et al. Clone analysis in the web era: An approach to identify cloned web pages
Han et al. Study on web mining algorithm based on usage mining
KR20210033294A (ko) 자동보고서생성장치 및 그 동작 방법
CN114817746A (zh) 保险产品推荐方法、装置、设备及存储介质
Tuğ et al. Automatic discovery of the sequential accesses from web log data files via a genetic algorithm
Theusinger et al. Analyzing the footsteps of your customers
Srivastava et al. Improved market basket analysis with utility mining
Girish et al. Mining the Web Data for Classifying and Predicting Users’ Requests
Preethi et al. Data Mining In Banking Sector
Baldomir et al. Brazilian government procurements: an approach to find fraud traces in companies relationships
KR100430479B1 (ko) 시간 간격을 고려한 시간 관계 규칙 탐사 시스템 및 그 방법
Shen et al. Research on e-commerce application based on web mining
Nogo et al. Identification of association rules in orders of distribution companies’ clients
CN112818215A (zh) 产品数据的处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20091228

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee