KR100751966B1 - 선호되는 고객들을 식별하기 위한 등급 평가 시스템 및방법 - Google Patents

선호되는 고객들을 식별하기 위한 등급 평가 시스템 및방법 Download PDF

Info

Publication number
KR100751966B1
KR100751966B1 KR1020057022076A KR20057022076A KR100751966B1 KR 100751966 B1 KR100751966 B1 KR 100751966B1 KR 1020057022076 A KR1020057022076 A KR 1020057022076A KR 20057022076 A KR20057022076 A KR 20057022076A KR 100751966 B1 KR100751966 B1 KR 100751966B1
Authority
KR
South Korea
Prior art keywords
customer
data
processing system
kinds
data associated
Prior art date
Application number
KR1020057022076A
Other languages
English (en)
Other versions
KR20060021854A (ko
Inventor
패트릭 입
프라빈 레디
Original Assignee
퍼싱 인베스트먼츠 엘엘씨
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 퍼싱 인베스트먼츠 엘엘씨 filed Critical 퍼싱 인베스트먼츠 엘엘씨
Publication of KR20060021854A publication Critical patent/KR20060021854A/ko
Application granted granted Critical
Publication of KR100751966B1 publication Critical patent/KR100751966B1/ko

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/10—Office automation; Time management
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Landscapes

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

Abstract

본 발명은 선호되는 고객들을 식별하기 위한 진보된 등급 평가 방법 및 시스템에 관한 것이다. 상기 고객이 생성할 수 있는 이익의 추이를 예측하기 위해 각 고객에 대한 예측 인덱스가 계산된다. 상기 예측 인덱스는 상기 고객의 자산 레벨들, 상기 고객의 데모그래픽 정보, 및 상기 고객의 거래 이력에서 선택된 적어도 두 종류의 고객 데이터를 포함하는 다양한 종류들의 고객 데이터에 근거해 계산된다. 각 선택된 종류의 고객 데이터에 대한 점수가 결정된다. 또한 각 종류의 고객 데이터에 대응되는 적절한 가중치들이 획득된다. 그 이후 상기 예측 인덱스가 상기 선택된 종류들의 고객 데이터에 대응되는 상기 각 가중치들 및 점수들에 근거해 진보된 알고리즘을 이용하여 계산된다. 상기 예측 인덱스는 상기 고객이 선호되는지 여부를 결정하기 위해 미리 설정된 경계치와 비교된다.
등급 평가, 고객, 계좌, 가중치

Description

선호되는 고객들을 식별하기 위한 등급 평가 시스템 및 방법{rating system and method for identifying desirable customers}
[관련 출원들]
본 출원은 2003년 5월 22일에 출원된 미국 특허 가출원 일련번호 60/472,422 "고객 점수 부여 모델"을 기초로 우선권을 주장하며, 2003년 5월 22일 출원된 미국 특허 가출원 일련번호 60/472,412 "종신 수입 모델"; 2003년 5월 23일 출원된 미국 특허 가출원 일련번호 60/472,748 "파이낸스 데이터 마트 계좌 수익성 모델"; 2003년 5월 23일 출원된 미국 특허 가출원 일련번호 60/472,747 "파이낸스 데이터 마트 탈퇴 분석 모델"; 본 출원과 동일자에 출원된 미국 특허 출원 일련번호 -------(attorney docket 67389-038)"고객 수입 예측 방법 및 시스템"; 본 출원과 동일자에 출원된 미국 특허 출원 일련번호 -------(attorney docket 67389-039)"활동-기반, 고객 수익성 계산 시스템"; 및 본 출원과 동일자에 출원된 미국 특허 출원 일련번호 -------(attorney docket 67389-040)"탈퇴 고객 예측 방법 및 시스템";과 관련된다. 상기 명시된 특허 출원들은 그대로 본 명세서의 내용에 포함된다.
본 명세서는 일반적으로 선호되는 고객들을 식별하기 위한 등급 평가 시스템 및 방법에 관한 것으로, 특히 고객의 특성, 예를 들어 자산 레벨, 데모그래픽 정보(demographic information), 및/또는 거래 이력들에 근거해 각 고객이 생성할 수 있는 가능한 이익을 예측하는 각 고객에 대한 예측 인덱스(prediction index)를 계산하여 선호되는 고객들을 식별하는 등급 평가 시스템 및 방법에 관한 것이다.
회사에게 기존의 고객 풀에서 선호되는 고객들을 식별하는 것은 중요하다. 고객에 대한 선호도는, 예를 들어, 고객이 생성한 또는 생성할 가능한 이익에 근거해 결정될 수 있다. 회사는 선호되는 고객들을 유지하기 위해 최선을 다해야 하고, 회사에 제한된 또는 미미한 이익만을 생성하는 고객들을 버려야 한다. 회사에게는 선호되는 고객들이 해당 회사와 함께 하도록 선호되는 고객들에게 더 낳은 대우 및 서비스들을 제공하는 것이 경제적으로 바람직하다.
오늘날, 몇몇 회사들은 회사에 대한 고객에 대한 선호도에 따라 고객이 받을 대우의 종류를 결정하는 계층적 시스템을 사용한다. 예를 들어, 중개 회사는 선호되는 고객들에게 특별한 배려, 예를 들어 특별 서비스들, 추가 할인들, 프로모션들(promotions), 서비스 문의 등을 제공하기를 원할 수 있다. 고객 서비스 센터들 조차 고객이 얼마만큼 이익을 생성하거나 생성할 것인가에 근거해 고객으로부터 걸려온 전화를 연결하는 자동 시스템들을 사용한다. 예를 들어, 고객 서비스 센터의 컴퓨터 시스템은 걸려오는 전화의 신원을 발신자 ID 또는 발신자에 의해 입력된 계좌 번호에 근거해 결정한다. 그 이후 걸려온 전화의 응답 우선순위를 결정하기 위해 전화를 건 고객의 프로파일이 검색된다. 고객의 프로파일이 전화를 건 고객이 선호되는 고객임을 나타내는 경우, 컴퓨터 시스템은 걸려온 전화를 최우선 순위로 분류하고, 걸려온 전화를 엘리트 고객들을 특별히 취급하는 직원 중 하나에게 즉시 연 결시킨다. 이에 반해, 고객의 프로파일이 해당 고객이 엘리트 고객으로 분류되기에 충분한 이익을 생성하지 않음을 나타내는 경우, 시스템은 걸려온 전화를 다음 고객 서비스 직원이 전화를 받기를 기다려야 되는 일반 대기열로 할당한다.
고객이 생성 가능한 이익에 근거해 고객에 대한 선호도를 결정하는 것이 간단하나, 어떤 종류의 고객이 회사에 더 큰 이익을 생성할지를 예측하는 효율적인 방법이 없다. 과거 중개 회사들은 고객의 자산 레벨이 고객이 생성할 이익과 관련이 있다고 믿었다. 이에 따라, 몇몇 중개 회사들은 고객의 자산 레벨들에 근거해 각 고객의 고객 점수를 부여했다. 즉, 고객의 자산 레벨이 높을수록 고객의 고객 점수가 높았다. 고객 점수가 미리 정해진 경계치를 초과하는 경우, 해당 고객은 선호되는 고객으로 지정되었고 더 낳은 대우를 받게 되었다.
그러나, 자산 레벨들에만 의존해 선호되는 고객을 지정하는 것은 효과적이지 못하다는 것을 알게 되었다. 예를 들어, 중개 회사에 있어서, 어떤 고객들은 높은 자산 레벨들을 가지나, 자주 투자 활동, 예를 들어 주식 거래 또는 뮤추얼 펀드에 참여하지 않고, 이에 따라 중개 회사에 제한된 서비스 수수료만이 생기게 된다. 이에 따라, 그러한 고객들은, 높은 자산 레벨을 가짐에도 불구하고, 실질적으로 중개 회사에 매우 적은 수입이 생기게 된다. 이에 반해, 어떤 고객들, 예를 들어 데이 트레이더들(day traders, 당일치기 매매를 주로 하는 투기자들)은, 낮은 자산 레벨들을 가짐에도 불구하고, 실질적으로 활발한 거래 활동을 한다. 그들의 낮은 자산 레벨들에도 불구하고, 이러한 종류의 고객들은 거래 회사에 더 많은 이익을 생성하고 이에 따라 높은 자산 레벨들을 가지면서 중개 회사에 제한된 수입을 생성하는 고객들보다 더 선호될 것이다. 그러므로, 선호되는 고객들을 식별하기 위한 보다 정확한 시스템 및 기술에 대한 필요가 있다.
본 명세서는 선호되는 고객들을 식별하기 위한 진보된 등급 평가 방법 및 시스템을 제공한다. 상기 등급 평가 방법 및 시스템의 장점 중 한 가지는, 자산 레벨들 하나에만 의존하는 것이 아니라, 복수의 인자들에 근거해 고객의 선호도를 결정한다는 것이다. 예측 인덱스가 각 고객의 선호도를 나타내기 위해 제공된다. 이에 더해, 상기 진보된 등급 평가 방법 및 시스템은 상기 등급 평가의 정확도에 영향을 미칠 수 있는 다양한 인자들 간의 상이한 중요도를 적절하게 다루기 위해 특유의 가중치 시스템을 채용한다.
바람직한 고객 등급 평가 시스템은 다양한 종류의 고객 데이터에 근거해 각 고객의 예측 인덱스를 계산하며, 상기 고객 데이터는 상기 고객의 자산 레벨들, 상기 고객의 데모그래픽 정보(demographic information), 및 상기 고객의 거래 이력 중 적어도 두 종류의 데이터를 포함한다. 그 이후 선택된 종류의 고객 데이터데 대한 점수가 결정된다. 예를 들어, 고객의 자산 레벨에 대한 점수는 자산 레벨들 및 이에 대응되는 점수들을 확인할 수 있도록 자산 레벨들 및 이에 대응되는 점수들 간의 관계를 포함하는 조회 테이블(look-up table)을 사용해 결정될 수 있다. 각 선택된 데이터에 대한 점수가 결정된 이후, 상기 점수들에 근거해 상기 고객의 예측 인덱스가 계산된다. 상기 계산된 예측 인덱스는 상기 고객이 생성할 이익 추이, 예를 들어 이익의 증가 또는 감소를 예측한다.
일 실시예에 있어서, 고객에 대한 상기 예측 인덱스는 상기 각 선택된 종류의 고객 데이터들 합산하여 계산된다. 다른 실시예에 있어서, 상기 예측 인덱스를 계산시 다양한 종류의 고객 데이터의 중요도의 차이를 반영하기 위해 특유의 가중치 시스템이 사용된다. 예를 들어, 미리 정해진 가중치가 상기 예측 인덱스를 생성하기 위해 각 종류의 데이터 각각의 점수에 적용되며, 이는 상기 점수에 상기 가중치를 곱하는 방법 등에 의할 수 있다. 상기 고객 데이터의 선택된 종류 각각에 대한 상기 가중치는 경험적으로, 예를 들어 회귀에 의해 결정될 수 있다.
고객의 선호도를 결정하기 위해, 상기 진보된 등급 평가 시스템은 상기 예측 인덱스를 하나 또는 그 이상의 미리 설정된 경계치들과 비교할 수 있다. 상기 비교 결과에 근거해, 각 고객의 선호도 레벨을 극히 선호, 매우 선호, 평균, 비선호, 등으로 부여할 수 있으며, 이들은 추가적인 처리 또는 평가에 사용될 수 있다.
데이터 처리 시스템, 예를 들어 컴퓨터를 여기에 설명된 상기 등급 평가 방법을 구현하는데 사용할 수 있다. 상기 데이터 처리 시스템은 처리기와 상기 처리기 및 데이터 전송 매체에 연결된 데이터 저장 장치를 포함할 수 있다. 상기 데이터 처리 장치는 상기 처리기에 의해 실행시 상기 데이터 처리 시스템이 여기에 설명된 기능들을 수행하게 하는 명령들을 내장한다. 고객 데이터베이스, 참조 데이터 베이스들 및 가중치 데이터 베이스는 상기 데이터 저장 장치 또는 상기 데이터 처리 시스템에 의해 액세스(access)할 수 있는 다른 데이터 처리 장치들에 의해 구현될 수 있다. 상기 명령들은 상기 데이터 처리 시스템이 고객 등급 평가를 수행하도록 제어하기 위해 기계 판독이 가능한 매체에 기록(embed)될 수 있다. 상기 기계 판독이 가능한 매체는 CD-ROM, DVD 등과 같은 광 저장 매체, 플로피 디스크들 또는 테이프들과 같은 자기 저장 매체, 및/또는 메모리 카드, 플래쉬 ROM 등과 같은 고체 소자 저장 장치를 포함할 수 있다. 또한 그러한 명령들은 반송파들을 통해 전달 및 전송될 수 있다.
여기에 공개된 방법들 및 시스템들의 다른 이점들은 후술되는 상세한 설명에 의해 곧 명백해질 것이며, 이들은 한정을 위한 것이 아니라 단순히 설명을 위한 것이다. 상기 고객 등급 평가 방법 및 시스템은 다른 실시예들에 의해 구현될 수 있으며, 본 명세서를 벗어나지 않으면서, 여러 명백한 측면으로 개조하는 것이 가능한다. 이에 따라, 상기 도면들 및 설명은 실질적으로, 제한을 위한 것이 아니고, 설명을 위한 것으로 여겨져야 한다.
본 명세서에 편입되고 일부분을 구성하는, 첨부된 도면들은 바람직한 실시예들을 도시한다.
도 1은 바람직한 고객 등급 평가 시스템의 구조를 도시하는 블록도이다.
도 2는 바람직한 고객 데이터베이스의 데이터 구조를 도시한다.
도 3은 참조 데이터베이스에 포함된 바람직한 조회 테이블을 도시한다.
도 4는 고객의 선호도를 결정하는 바람직한 과정을 나타내는 절차도를 도시한다.
도 5는 본 명세서의 바람직한 고객 등급 평가 시스템이 구현될 수 있는 데이터 처리 시스템의 블록도를 도시한다.
이하 설명에서, 설명을 위한 목적으로, 본 주제를 완전하게 이해할 수 있도록 하기 위한 다양한 세부 사항들이 명시된다. 그러나, 당업자에게는 본 방법 및 시스템은 이러한 세부 사항 없이도 실시할 수 있다는 것이 명백할 것이다. 다른 경우에 있어서, 본 발명을 필요 없이 불명료하게 하는 것을 피하기 위해 공지의 구조들 및 장치들은 블록도 형태로 도시되며 간추린 기능적 용어로 설명된다.
설명을 위한 목적으로, 이하 설명에서는 중개 회사에서 선호되는 고객들을 식별하는데 사용되기 위한 바람직한 방법 및 시스템이 논의된다. 여기 공개된 상기 방법 및 시스템은 다른 여러 종류의 사업들 또는 회사들에 적용될 수 있으며, 본 적용의 범위에 포함되는, 다른 변형들을 가질 수 있다. 도 1에서는, 바람직한 고객 등급 평가 시스템(100)의 블록도가 도시된다. 데이터 처리 시스템(102), 예를 들어 컴퓨터가 다양한 종류의 고객 데이터에 근거해 복수의 고객들 각각에 대한 예측 인덱스(110)를 생성하기 위해 제공된다. 상기 예측 인덱스(prediction index)(110)는 고객이 어느 정도의 이익을 생성할 것인지를 예측 또는 나타내는 표시를 제공한다. 상기 데이터 처리 시스템(102)은 세 개의 데이터베이스들: 고객 데이터베이스(104), 참조 데이터베이스(106) 및 가중치 정보 데이터베이스(108)에 액세스할 수 있다. 상기 고객 데이터베이스(104)는 복수의 고객들에 대한 다양한 종류의 고객 데이터를 저장한다. 상기 다양한 종류의 고객 데이터는 자산 레벨들, 데모그래픽 데이터(demographic data), 및 거래 이력 등을 포함할 수 있으나, 이에 한정되지 않는다. 상기 데이터 처리 시스템(102)는 상기 복수의 고객들에 관한 예측 인덱스 들을 계산하기 위해 상기 고객 데이터베이스에 저장된 상기 고객 데이터 일부 또는 전부를 선택할 수 있다. 예를 들어, 상기 데이터 처리 시스템은 상기 예측 인덱스를 계산하기 위해, 자산 레벨들 및 데모그래픽 정보, 또는 자산 레벨들 및 거래 이력을 선택할 수 있다.
상기 데이터 처리 시스템(102)은 각 선택된 종류의 고객 데이터에 대해 그들의 각 내용에 근거해 점수를 부여한다. 상기 참조 데이터베이스(106)는 참조 데이터를 포함하며, 상기 참조 데이터는 상기 데이터 처리 시스템(102)이 각 종류의 고객 데이터의 각 수치 또는 범위에 근거해 어떤 점수를 부여할 것인지를 결정할 수 있도록 한다. 예를 들어, 상기 참조 데이터베이스(106)는 고객 데이터의 각 엔트리(entry)가 이에 대응되는 부여된 점수를 제공하는 하나 또는 그 이상의 조회 테이블들을 포함할 수 있다. 상기 가중치 정보 데이터베이스(108)는 각 종류의 고객 데이터에 대한 미리 저장된 가중치들을 저장한다. 상기 가중치들이 어떻게 결정되는지에 관해서는 곧 논의될 것이다. 도 1에 도시된바와 같이 상기 데이터베이스들은 상기 데이터 처리 시스템(102)에 연결된 하나 또는 그 이상의 데이터 저장 장치들, 예를 들어 하드 디스크들 또는 비활성 기억 장치들에 의해 구현될 수 있다. 상기 데이터 저장 장치들은 상기 데이터 처리 시스템(102)의 로컬 장치이거나 다른 컴퓨터에 위치하여 데이터 전송 링크들, 예를 들어 LAN(local area network), 인터넷 등을 통해 상기 데이터 처리 시스템(102)에 연결될 수 있다.
특정 고객에 대한 예측 인덱스를 계산함에 있어서, 상기 데이터 처리 시스템(102)은 상기 특정 고객에 대응되는 상기 선택된 종류들의 고객 데이터를 검색하기 위해 상기 고객 데이터베이스(104)를 액세스한다. 상기 데이터 처리 시스템(102)은 또한 상기 선택된 종류들의 고객 데이터와 관련된 참조 데이터를 검색하기 위해 상기 참조 데이터베이스(106)를 액세스한다. 그 이후 상기 데이터 처리 시스템(102)은 상기 참조 데이터에 근거해 각 선택된 종류의 고객 데이터에 점수를 부여한다. 예를 들어, 상기 선택된 종류들의 고객 데이터의 모든 데이터 엔트리에 대해, 상기 데이터 처리 시스템(102)은 상기 참조 데이터베이스(106)에 저장된 조회 테이블을 액세스하여 각 데이터 엔트리에 부여될 대응되는 점수를 결정한다. 그 이후 상기 처리 시스템(102)은 해당 고객에 대응되는 각 선택된 종류의 고객 데이터에 대해 부여된 상기 점수에 근거하여 상기 특정 고객에 대한 예측 인덱스를 계산하기 위해 특유의 알고리즘을 사용한다. 일 실시예에 있어서, 상기 예측 인덱스를 생성하는 경우, 상기 데이터 처리 시스템(102)은 각 선택된 종류의 고객 데이터에 대한 미리 저장된 가중치들을 검색하기 위해 상기 가중치 정보 데이터베이스(108)를 액세스하고, 상기 각 가중치를 상기 선택된 종류들의 고객 데이터에 부여된 대응되는 점수들에 적용하여, 상기 예측 인덱스 생성시 각 종류의 고객 데이터의 상이한 중요도가 고려되도록 한다.
일 실시예에 있어서, 상기 데이터 처리 시스템(102)은 고객에 대한 예측 인덱스를 결정하기 위해 다음 알고리즘을 사용한다:
C = aA + bB + cC + dD +eE + fF + gG (a)
여기서,
C는 구하고자 하는 예측 인덱스;
A, B, C, D, E, F, G는 고객에 대한 각 종류의 고객 데이터 각각에 대해 부여된 점수들; 및
a, b, c, d, e, f, g는 각 종류의 고객 데이터에 대응되는 미리 정해진 가중치들이다. (상기 각 가중치를 결정하는 과정에 대해서는 곧 논의될 것이다.)
수학식(a)는 상기 예측 인덱스를 계산하기 위해 6 종류의 고객 데이터를 사용하지만, 상기 예측 인덱스를 생성하기 위해 사용되는 고객 데이터의 정확한 숫자들 및/또는 종류들은 6으로 고정되지 않는다. 이에 반해, 어떻게 디자인할 것인가에 달려 있다. 상기 예측 인덱스를 결정하기 위해 보다 많거나 적은 종류들의 고객 데이터가 사용될 수 있다. 예를 들어, 상기 고객 데이터베이스(102)는 자산 레벨들, 데모그래픽 정보 및 거래 이력과 관련된 고객 데이터를 저장할 수 있다. 그러나, 상기 데이터 처리 시스템(102)에 의해 사용되는 상기 알고리즘은 상기 예측 인덱스를 생성하기 위해 두 종류의 상기 고객 데이터만을 사용할 수 있다. 예를 들어, 상기 알고리즘은 상기 예측 인덱스를 계산하기 위해 자산 레벨 및 데모그래픽 정보만을 사용할 수 있다.
상기 고객 데이터베이스(104), 참조 데이터베이스(106) 및 가중치 정보 데이터베이스(108)에 관한 세부 사항들은 후술된다:
(1) 고객 데이터베이스
상기 고객 데이터베이스(104)는 각 고객과 관련된 데이터 엔트리들을 저장한다. 상기 고객 데이터베이스(104) 내의 데이터 엔트리들은 다양한 종류의 고객 데이터, 예를 들어 자산 레벨들, 거래 이력들 및 데모그래픽 데이터를 포함한다. 고 객의 자산 레벨은 고객이 소유하는 모든 자산(데이터가 제공되는 경우)의 총합으로 정의된다. 중개 회사 예의 경우, 고객이 소유할 수 있는 가능한 자산은 고객이 소유할 수 있는 보통주, 우선주, 권리증/담도(rights/warrants), 유닛, 옵션, 회사 채무, CMO/MBS/ABS, 머니 마켓, 지방채, 미국 국공채, 뮤추얼 펀드, 로드를 갖는 뮤추얼 펀드, UIT 및/또는 다른 종류의 인스트러먼트들(instruments) 또는 자산들을 포함하나, 이에 한정되지 않는다.
데모그래픽 데이터는 고객과 관련되거나 고객을 식별하는데 사용될 수 있는 특성들 및 특징들에 관한 정보로 정의된다. 예를 들어, 데모그래픽 데이터는 상기 중개 회사와의 거래 기간, 동일한 가족 내의 고객들, 도시 크기, 나이, 성별, 교육, 결혼여부, 수입, 주소, 주택 소유 상태, 소유하고 있는 자동차의 대수 및/또는 종류, 가계 수입, 가족 구성원의 수, 자녀의 수, 자녀들의 나이, 외식 주기/횟수, 취미, 등을 포함하나 이에 한정되지 않는다. 상기 목록은 완전한 목록이 아니다. 고객과 관련된 어떠한 특성들도 상기 예측 인덱스에 해당 특성이 미치는 영향에 대한 경험적 연구가 수행된 이후 상기 예측 인덱스를 생성하는데 사용될 수 있다.
거래 이력과 관련된 데이터는 과거 사용자가 수행한 모든 거래들과 연관된 모든 종류의 정보로 정의된다. 다른 거래 이력 데이터가 사용될 수 있으나(알고 있다면), 상기 데이터는 일반적으로 상기 이익 예측 인덱스를 계산하고 사용하길 원하는 상기 회사 또는 회사들과의, 예를 들어 상기 거래 회사와의 거래 이력과 관련된다. 이러한 예에 있어서, 거래 이력 데이터는 거래일들, 거래종류들, 거래량, 거래주기, 거래당 평균 액수, 월당 거래 횟수, 월당 평균 거래 횟수, 특정 기간 내의 총 거래 횟수, 거래당 주식(share)의 수, 매 월당 총 거래의 12개월 이동 평균(moving average) 등을 포함할 수 있다. 상기 거래 이력 데이터는 또한 실질 수입 또는 이익 데이터 또는 수입 또는 이익에 의해 도출된 평가기준(metrics), 예를 들어 중개 커미션의 액수, 또는 실질 또는 평균 커미션 퍼센티지를 포함할 수 있다.
또한 다른 종류의 고객 데이터는 상기 예측 인덱스를 계산하는데 사용되기 위해 상기 고객 데이터베이스(104)에 포함될 수 있다. 예를 들어, 중개 회사의 경우, 하기 종류의 고객 데이터가 또한 사용될 수 있다: 지난 3개월 간 평균 장기 시간 가치, 지난 3개월 간 평균 단기 시장 가치, 지난 3개월 간 평균 총 자산, 지난 12개월 간 평균 총 자산, 지난 3개월 간 커미션, 지난 3개월 간 이자 및 다른 수수료, 지난 3개월 간 거래 횟수, 지난 3개월 간 평균 펀드 예금(deposit), 지난 3개월 간 펀드 인출, 계좌 종류의 숫자, 및/또는 예치금 지연일(deposit delay days), 등이 사용될 수 있다. 고객 데이터의 상기 숫자 및/또는 상기 종류들은 어떻게 디자인할 것인가에 달려 있다. 한 종류의 고객 데이터가 고객의 이익 생성 경향에 영향을 미치는지 여부를 결정하기 위해, 회귀 방식을 이용하여 한 변수, 또는 한 종류의 데이터가 이익 생성 추이와 상관관계를 갖는지를 경험적으로 결정하도록 사용할 수 있다.
도 2는 상기 고객 데이터베이스(104) 내의 바람직한 데이터 엔트리(204)의 데이터 구조를 도시한다. 신원확인을 위해 특유의 고객 ID(211)가 각 고객에게 할당된다. 상기 데이터 엔트리(204)는 자산 레벨들(213), 지리 정보(215), 거래 이력들(217), 및 상기 예측 인덱스(110)를 생성하는데 사용될 수 있는 다른 종류들의 고객 데이터를 포함한다. 상술된바와 같이, 각 종류의 고객 데이터에 대응되는 정보는 데이터 필드들(223,225,227,229)에 저장된다.
(2) 참조 데이터베이스
참조 데이터베이스(106)는 고객에 대응되는 각 선택된 종류의 고객 데이터에 부여될 점수를 결정하기 위해 상기 데이터 처리 시스템(102)에 의해 사용되는 참조 데이터를 저장한다. 일 실시예에 있어서, 상기 참조 데이터는 각 종류의 고객 데이터 및 이에 대응되는 부여될 점수 간의 관계를 포함하는 하나 또는 그 이상의 조회 테이블들에 의해 구현된다. 도 3은 상기 참조 데이터베이스(106) 내의 바람직한 조회 테이블(306)의 데이터 구조를 나타낸다. 데이터 필드(311)는 상기 고객 데이터의 종류들을 식별하고 각 고객 데이터의 종류에 대응되는 내용들 또는 범위들을 열거한다. 데이터 필드(313)는 데이터 필드(312)에 의해 식별되는 상기 고객 데이터의 상기 범위 또는 내용에 대응되는 부여된 점수들을 나타낸다. 예를 들어, 데이터 필드(322)에 있어서, 상기 고객 데이터의 종류는 "자산 레벨들"로 식별된다. 이에 더해 상기 자산 레벨들은 6 범위들로 나누어진다: 0불, 0불 내지 1,000불, 1,000불 내지 10,000불, 10,000불 내지 100,000불, 100,00불 내지 1,000,000불, 및 1,000,000불 초과. 각 범위의 자산 레벨들에 점수가 부여된다. 도 3에 도시된 바와 같이, 0불의 자산 레벨을 갖는 고객들에게는 1.67점이 부여되고, 0불 내지 1,000불의 자산 레벨을 갖는 고객들에게는 3.33점이 부여되고, 1,000불 내지 10,000불의 자산 레벨을 갖는 고객들에게는 5점이 부여된다.
고객의 자산 레벨에 근거해 점수를 결정하기 위해, 상기 데이터 처리 시스템 (102)은 상기 고객의 자산과 관련된 데이터를 검색하기 위해 제일먼저 상기 고객 데이터베이스(104)를 액세스한다. 그 이후 상기 데이터 처리 시스템(102)은 상기 조회 테이블(306)의 자산 레벨들"(322) 내의 대응되는 범위를 찾아 상기 고객에게 부여될 상기 점수를 결정한다. 예를 들어, 고객의 총 자산액이 375,000불로 결정된 경우, 상기 고객의 자산은 100,000불 내지 1,000,000불 사이에 위치한다. 도 3에 도시된 바와 같이, 해당 범위의 상기 대응되는 점수는 8.33점이다. 그러므로, 8.33점이 그/그녀의 자산 레벨에 근거해 해당 고객에게 부여된다. 또한 조회 테이블(306)은 다른 종류들의 고객 데이터에 대한 정보, 예를 들어 거래 활동, 상기 회사와의 거래 기간, 고객의 나이, 고객 가족 내의 고객 수, 상기 고객의 net worth(가치), 및 상기 고객이 거주하는 상기 도시의 인구 및 이에 대응되는 점수들을 포함한다.
상기 점수 분포들 및 특정 종류의 데이터에 대한 점수 부여는 모든 종류들의 고객 데이터에 걸쳐 일관될 필요가 없다. 특정 종류의 데이터 내의 상기 부여된 점수들은 고객이 생성할 수 있는 상기 이익을 예측하는데 고객 데이터의 변수 또는 종류가 얼마나 중요(significant)한지 여부에 따른다. 보다 중요한 고객 데이터에는 보다 높은 점수가 부여될 수 있는데 반해, 보다 덜 중요한 데이터에는 보다 낮은 점수가 부여될 수 있다. 이에 더해, 특정 종류의 고객 데이터에 대한 상기 점수 분포는 ,예를 들어 선형 분포, 정상 분포 등, 다양한 종류로 구성될 수 있다.
(3) 가중치 정보 데이터베이스
상술된 바와 같이, 상기 데이터 처리 시스템(102)이 특정 고객에 대응되는 각 종류의 고객 데이터에 대한 점수를 결정한 이후, 상기 데이터 처리 시스템(102)은 상기 특정 고객에 대한 예측 인덱스를 계산하기 위해 수학식(a)를 사용할 수 있다. 수학식(a)는 하기에 다시 나타나 있다:
C = aA + bB + cC + dD +eE + fF + gG (a)
여기서,
C는 구하고자 하는 예측 인덱스;
A, B, C, D, E, F, G는 고객에 대한 각 종류의 고객 데이터 각각에 대해 부여된 점수들; 및
a, b, c, d, e, f, g는 각 종류의 고객 데이터에 대응되는 미리 정해진 가중치들이다.
가중치 정보 데이터베이스(108)는 상기 예측 인덱스를 생성하는데 사용되는 고객 데이터의 각 종류에 대응되는 미리 정해진 가중치 정보를 저장한다.
일 실시예에 따르면, 각 종류의 고객 데이터에 대응되는 상기 각 가중치의 값은 회귀분석을 이용해 결정된다. 예를 들어, 수학식(a) 내의 상기 가중치들 a 내지 g의 값들을 획득하기 위해, 하기 회귀 방정식이 사용된다:
R = aA + bB + cC + dD +eE + fF + gG (b)
여기서,
R은 각 고객에 의해 생성된 알려진 이익들, 또는 그들이 생성한 이익들, 또는 실제 데이터 또는 경험적 연구에 따라 생성할 이익들에 근거해 각 고객에 미리 부여된 예측 인덱스;
A 내지 G는 수학식 (a)에 입력되는 여러 종류의 실제 고객 데이터에 대응되는 상기 각 점수들; 및
a 내지 g는 각 선택된 종류의 데이터에 대응되는 가중치들을 나타낸다.
상기 회귀 과정 동안에, 각 종류의 고객 데이터에 대응되는 상기 각 계수(가중치) a 내지 g를 결정하기 위해, 기지의(known) 고객 풀에서 검색된 고객 데이터는 회귀 방정식 (b)에 입력되며, 상기 가중치는 각 고객 데이터가 이익들 또는 예측 인덱스에 미치는 영향의 추이에 대응한다. 상기 회귀 과정 이후, 각 종류의 고객 데이터에 대응되는 상기 a 내지 g 가중치들의 값이 결정되고, 상기 데이터 처리 시스템(102)이 수학식(a)를 이용해 예측 인덱스를 계산할 때 액세스 할 수 있는 ,데이터 저장 장치, 예를 들어 하드 디스크에 저장된다.
일 실시예에 따르면, 각 종류의 고객 데이터에 대한 상기 각 가중치는 상기 참조 데이터에 편입될 수 있다. 예를 들어, 상기 참조 데이터베이스 내에 저장된 조회 테이블 내에서, 각 종류의 고객 데이터에 부여될 상기 점수들은 이미 각 종류의 데이터에 대한 상기 대응되는 가중치를 반영한다. 고객에 의해 생성된 이익을 예측하는데 보다 중요한 역할을 하는 종류의 고객 데이터는 상대적으로 적은 영향을 미치는 다른 종류의 고객 데이터보다 높은 점수가 주어지거나 부여되어, 상기 고객 등급 평가 시스템이 상기 예측 인덱스를 계산시 각 계산된 고객 점수에 가중치들을 적용하는 상기 단계를 생략할 수 있도록 한다.
고객에 대한 상기 예측 인덱스가 결정된 이후, 상기 데이터 처리 시스템(102)은 상기 고객이 상기 중개 회사에게 선호되는지 여부를 결정하기 위해 상기 결정된 예측 인덱스에 하나 또는 그 이상의 미리 설정된 경계치들을 적용할 수 있다. 예를 들어, 상기 미리 설정된 경계치들은 다음과 같을 수 있다:
고객 점수 선호도
80< 극히 선호
60-80 매우 선호
40-60 선호
20-40 보통
0-20 비선호
상기 데이터 처리 시스템(102)이 상기 중개 회사가 갖는 각 고객에 대한 상기 선호도를 결정한 이후, 상기 데이터 처리 시스템(102)은 각 고객에 대한 상기 선호도를 나타내는 보고를 생성할 수 있다. 이 보고는 상기 데이터 처리 시스템(102) 또는 다른 데이터 처리 시스템들에 의해 추가적으로 액세스 될 수 있게 컴퓨터 파일로 구현될 수 있으며, 이는 고객들의 예측 인덱스들에 근거해 그들에게 다른 레벨의 서비스들을 제공하기 위함이다. 예를 들어, 상기 보고는 어느 고객이 전화를 걸고 있고 상기 고객이 상기 중개 회사에 얼마나 선호되는지에 근거해 어느 전화를 보다 높은 우선순위로 받아야 하는지를 결정하기 위해 걸려오는 전화들을 구별하도록 콜 센터의 컴퓨터에 의해 액세스될 수 있다. 보다 높은 예측 인덱스를 갖는 제1 고객에 의해 걸려온 전화는 상대적으로 낮은 예측 인덱스를 갖는 제2 고객에 의해 걸려온 전화보다, 상기 제2 고객이 먼저 전화를 걸었을 수 있음에도 불구하고, 높은 우선순위를 주어야 한다.
도 4는 고객의 상기 선호도를 결정하는 과정을 도시한 절차도이다. 401 단계에서, 상기 데이터 처리 시스템(102)은 상기 고객에 대한 다양한 종류의 고객 데이터를 검색하기 위해 상기 고객 데이터베이스(104)를 액세스한다. 403 단계에서, 상기 데이터 처리 시스템(102)은 참조 데이터를 위해 참조 데이터베이스(106)를 액세스한다. 그 이후 상기 데이터 처리 시스템(102)은 상기 참조 데이터 및 상기 고객 데이터에 근거해 상기 고객에 대응되는 각 종유의 고객 데이터에 점수를 부여한다(405 단계). 407 단계에서, 상기 데이터 처리 시스템(102)은 각 종류의 고객 데이터에 대한 가중치 정보를 획득하기 위해 가중치 정보 데이터베이스(108)를 액세스한다. 409 단계에서, 상기 데이터 처리 시스템(102)은 상술된바와 같이 수학식 (a)에 상기 고객 데이터에 대한 상기 각 가중치들 및 부여된 점수들을 적용해 상기 고객에 대한 예측 인덱스를 계산한다. 그 이후 상기 데이터 처리 시스템(102)은 상기 고객의 상기 선호도를 결정하기 위해 미리 설정된 경계치들을 상기 계산된 예측 인덱스에 적용한다(411 단계). 도 4에 401, 403 및 405 단계들이 순차로 수행되는 것으로 나타냈으나, 상기 단계들은 동시에 수행될 수 있다. 반대로, 상기 데이터 처리 시스템(102)은 403 및 405 단계들을 먼저 수행한 후, 나중에 액세스하기 위해, 상기 가중치 정보 및 상기 참조 데이터를 상기 데이터 처리 시스템(102)의 상기 기억장치에 저장하여, 상기 403 및 405 단계들이 각 고객들에 대해 반복되지 않도록 할 수 있다.
도 5는 상기 고객 데이터 등급 평가 시스템(100) 및/또는 상기 데이터 처리 시스템(102)이 구현될 수 있는 바람직한 데이터 처리 시스템(500)의 블록도를 도시 한다. 상기 데이터 처리 시스템(500)은 버스(502) 또는 정보 통신을 위한 다른 통신 메커니즘과, 데이터 처리를 위해 버스(502)에 연결된 데이터 처리기(504)를 포함한다. 또한 상기 데이터 처리 시스템(500)은 정보 및 처리기(504)에 의해 실행될 명령들을 저장하기 위해 버스(502)에 연결된, 주기억장치(506), 예를 들어 RAM(random access memory) 또는 다른 동적 저장 장치를 포함한다. 또한 주 기억 장치(506)는 처리기(504)에 의해 실행될 명령들의 실행 중 임시 변수들 또는 다른 중간 정보를 저장하는데 사용될 수 있다. 이에 더해 데이터 처리 시스템(500)은 처리기(504)를 위한 정적 정보 및 명령들을 저장하기 위한 ROM(read only memory)(508) 또는 다른 정적 저장 장치를 포함한다. 또한 상기 데이터 처리 시스템(500)은 데이터를 하나의 형식에서 다른 형식으로 변환하는데 적합한 소프트웨어 및/또는 하드웨어를 가질 수 있다. 이러한 변환 동작의 일예로는 상기 시스템(500)이 가용 가능한 데이터의 형식을 다른 형식, 예를 들어 상기 데이터의 전송을 용이하게 하는(facilitate) 형식으로 변환하는 것을 들 수 있다.
상기 데이터 처리 시스템(500)은 버스(502)를 통해, 사용자(operator)에게 정보를 표시하기 위한, 디스플레이(512), 예를 들어 CRT(cathod ray tube), PDP(plasma display panel) 또는 LCD(liquid crystal display)에 연결될 수 있다. 알파뉴머릭 및 다른 키들을 포함하는 입력 장치(514)는 정보 및 명령 선택들을 처리기(504)와 통신하기 위해 버스(502)에 연결된다. 다른 종류의 사용자 입력 장치는 방향 정보 및 명령 선택들을 통신하고 디스플레이(502) 상에서의 커서 움직임을 제어하기 위한 커서 제어기(미도시), 예를 들어 마우스, 터치 패드, 트랙 볼, 또는 커서 방향 키들 및 이와 유사한 것들이다.
상기 데이터 처리 시스템(500)은 주 기억 장치(506)에 내장된 하나 또는 그 이상의 명령들의 하나 또는 그 이상의 시퀀스들을 실행하는 처리기(504)에 의해 제어된다. 그러한 명령들은 다른 기계 판독이 가능한 매체, 예를 들어 저장 장치(510)로부터 주 기억 장치(506)에 입력될 수 있다. 주 기억 장치(506)에 내장된 명령들의 시퀀스들을 실행하여 처리기(504)가 여기에 설명된 상기 과정의 단계들을 수행하게 한다. 예를 들어, 미리 저장된 명령들의 제어 아래, 상기 데이터 처리기(504)는 상기 데이터 처리 시스템에 연결된 상기 데이터 저장 장치(510) 및/또는 다른 데이터 저장에 저장된 장치 고객 데이터, 참조 데이터 및/또는 가중치 데이터를 액세스하고, 고객들에 대한 고객 점수들 및/또는 예측 인덱스들을 생성한다. 다른 실시예에 있어서, 하드웨어에 내장된 회로가 소프트웨어 명령 대신 또는 명령과 함께 공개된 고객의 등급 평가를 구현하기 위해 사용될 수 있다. 그러므로, 고객 등급 평가 실시예들은 하드웨어 회로 및 소프트웨어의 특정 결합에 의해 한정되지 않는다.
여기에 사용된 "기계 판독이 가능한 매체"는 처리기(504)의 실행을 위해 명령을 제공하거나 상기 처리기(504)의 처리를 위해 데이터를 제공하는데 참여하는 모든 매체를 의미한다. 그러한 매체는, 예를 들어 비활성 매체, 활성 매체, 및 전송 매체를 포함하나 이에 한정되지 않는 다양한 형태를 가질 수 있다. 비활성 매체는, 예를 들어 저장 장치(510)와 같은 광 또는 자기 디스크를 포함한다. 활성 매체는 동적 기억 장치, 예를 들어 주 기억 장치(506)를 포함한다. 전송 매체는 동축 케이블들, 구리 전선 및 광 섬유들을 포함하며, 버스(502) 또는 외부 네트워크를 구성하는 상기 전선들을 포함한다. 또한 전송 매체는 상기 버스 또는 외부 네트워크의 링크에 의해 반송될 수 있고, 라디오파 및 적외선 데이터 통신 중에 생성되는 음파 또는 광파의 형태를 가질 수 있다.
기계 판독이 가능한 매체의 일반적인 형태는, 예를 들어 플로피 디스크, 플렉시블 디스크(flexible disk), 하드 디스크, 자기 테이프, 또는 다른 모든 자기 매체, CD-ROM, 다른 모든 광 매체, 펀치 카드들, 종이 테이프, 다른 모든 구멍 패턴을 갖는 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, 모든 다른 저장 칩 또는 카트리지, 후술되는 반송파, 또는 데이터 처리 시스템이 읽을 수 있는 다른 모든 매체를 포함한다.
다양한 형태의 기계 판독이 가능한 매체는 하나 또는 그 이상의 명령들의 하나 또는 그 이상의 시퀀스들을 실행을 위해 처리기(504)에 반송하는데 관여될 수 있다. 예를 들어, 상기 명령들은 처음에는 원격 데이터 처리 시스템, 예를 들어 서버의 자기 디스크에서 가지고 있을 수 있다. 상기 원격 데이터 처리 시스템은 상기 명령들을 그것의 동적 기억 장치에 로드하고 상기 명령들을 모뎀을 사용해 전화선 상으로 전송할 수 있다. 데이터 처리 시스템(500)을 담당하는 모뎀은 상기 전화선 상의 상기 데이터를 수신하고 상기 데이터를 적외선 신호로 변환하는데 적외선 전송기를 사용할 수 있다. 적외선 감지기는 상기 적외선 신호에 의해 반송되는 상기 데이터를 수신하고, 적절한 회로는 상기 데이터를 버스(502)에 실을 수 있다. 당연히, 다양한 광대역 통신 기술들/장비가 상기 모든 링크들을 위해 사용될 수 있다. 버스(502)는 상기 데이터를 주 기억 장치(506)로 반송하고, 처리기(504)가 상기 주 기억 장치(506)로부터 명령들 및/또는 데이터들을 검색하여 명령들을 실행 및/또는 데이터들을 처리한다. 주 기억 장치(506)에 의해 검색된 상기 명령들 및/또는 데이터는 상기 처리기(504)에 의한 실행 또는 다른 처리 전 또는 후에 저장 장치(504)에 선택적으로 저장될 수 있다.
또한 데이터 처리 시스템(500)은 버스(502)에 연결된 통신 인터페이스(518)를 포함한다. 통신 인터페이스(518)는 로컬 네트워크에 연결된 네트워크 링크(520)에 양방향 데이터 통신 연결을 제공한다. 예를 들어, 통신 인터페이스(518)는 대응되는 종류의 전화선에 데이터 통신 연결을 제공하기 위한 ISDN(integrated services digital network) 카드 또는 모뎀일 수 있다. 다른 예로서, 호환 가능한 LAN에 데이터 통신 연결을 제공하기 위한 통신 인터페이스(518)는 유선 또는 무선 LAN(local area network) 카드일 수 있다. 이러한 실시예에 있어서, 통신 인터페이스(518)는 다양한 종류의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기, 전자기 또는 광 신호들을 송, 수신한다.
네트워크 링크(520)는 일반적으로 하나 또는 그 이상의 네트워크들을 통해 다른 데이터 장치들에 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(520)는 로컬 네트워크를 통해 ISP(internet service provider)(526)가 운영하는 데이터 장비로의 연결을 제공한다. ISP(526)는 현재 일반적으로 인터넷(527)으로 일컬어지는 월드 와이드 패킷 데이터 통신 네트워크(world wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 ISP 네트워크(526) 및 인터 넷(527)은 모두 디지털 데이터 스트림을 반송하는 전기, 전자기 또는 광 신호들을 사용한다. 데이터 처리 시스템(500)으로 및 상기 데이터 처리 시스템(500)에서 디지털 데이터를 반송하는, 상기 다양한 네트워크들을 통하는 상기 신호들 및 네트워크 링크(250) 상 및 통신 인터페이스(518)를 통하는 신호들은 상기 정보를 전달하는 바람직한 형태의 반송파들이다.
상기 데이터 처리 시스템(500)은 상기 네트워크(들), 네트워크 링크(520) 및 통신 인터페이스(528)를 통해, 프로그램 코드를 포함하는, 메시지를 전송하고 데이터를 수신할 수 있다. 상기 인터넷을 이용한 예에서, 서버(530)는 응용 프로그램을 위한 요청된 코드를 인터넷(527), ISP(526), 로컬 네트워크 및 통신 인터페이스(518)를 통해 전송할 수 있다. 상기 프로그램은, 예를 들어, 상기에 약술된바와 같이, 고객 등급 평가를 구현할 수 있다. 상기 통신 성능들(network capabilities)은 본 명세서에 따라 처리하기 위해 상기 시스템으로 관련 데이터를 로드하는 것을 가능하게 한다.
또한 상기 데이터 처리 시스템(500)은 주변 장치들, 예를 들어 프린터들, 디스플레이들 등과 연결 및 통신하기 위한 다양한 신호 입/출력 포트들을 갖는다. 상기 입/출력 포트들은 USB 포트, PS/2 포트, 직렬 포트, 병렬 포트, IEEE-1394 포트, 적외선 통신 포트 등, 및/또는 다른 표준 포트들(proprietary ports)을 포함한다. 상기 데이터 처리 시스템(500)은 그러한 신호 입/출력 포트들을 통해 다른 데이터 처리 시스템들과 통신할 수 있다.
당업자들은 PC들(personal computers)이, 현재 가장 일반적인 종류이긴 하 나, 상기 등급 평가 시스템을 구현하는데 사용될 수 있는 데이터 처리 시스템 중 하나일 뿐이라는 것을 알 것이다. 다른 엔드-유저(end-user) 장치들은 적절한 통신 인터페이스를 구비한 PDA들(portable digital assistants), 웹 또는 인터넷 액세스 성능을 구비한 셀룰러 또는 다른 무선 통신 장치들, 웹-TV 장치들 등을 포함한다.
여기에 논의된 상기 등급 평가 시스템 및 방법은 단일 데이터 처리 시스템, 예를 들어 하나의 PC, 또는 다른 종류의 복수의 데이터 처리 시스템들의 조합을 사용하여 구현될 수 있다. 예를 들어, 복수의 데이터 처리 시스템들이 서로 통신하기 위해 네트워크에 연결된, 클라이언트-서버 구조 또는 분산 처리 시스템 구조가 복수의 데이터 처리 시스템들이 상기 등급 평가 시스템을 구현하는데 사용될 수 있다. 몇몇 데이터 처리 시스템들은 데이터 흐름의 처리, 계산 서비스들 또는 고객 데이터에 대한 액세스의 제공, 및/또는 상기 네트워크에 연결된 다른 데이터 처리 시스템들에 있는 소프트웨어를 업데이트하는 서버로서 기능할 수 있다.
상술된 설명에 포함된 모든 내용들 및 첨부된 도면에 도시된 모든 내용들은 한정을 위한 것이 아니라 설명을 위한 것으로 해석되어야 한다. 후술되는 청구항들은 여기에 설명된 모든 일반적 및 구체적인 특징들 및 상기에 포함될 수 있는 다양한 발명의 사상의 범위에 속하는 모든 진술을 포함한다.
상기 내용에 포함되어 있다.

Claims (38)

  1. 고객과 관련된 데이터를 액세스하되, 상기 액세스된 데이터는 상기 고객의 자산 레벨들, 상기 고객의 데모그래픽 정보(demographic information), 및 상기 고객의 거래이력으로 이루어진 그룹 중에서 선택된 적어도 두 종류의 데이터를 포함하는 단계;
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 점수를 결정하는 단계; 및
    상기 고객에 대한 예측 인덱스(prediction index)를 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수에 근거해 계산하는 단계;
    를 포함하되,
    상기 예측 인덱스는 상기 고객이 생성할 수 있는 이익 추이를 예측하는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  2. 청구항 1에 있어서, 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계는 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 합산하는 것을 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  3. 청구항 1에 있어서, 상기 계산 단계는
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 가중치를 액세스하는 단계; 및
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수 및 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치에 근거해 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계;
    를 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  4. 청구항 3에 있어서, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치는 회귀에 의해 결정되는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  5. 청구항 1에 있어서,
    상기 예측 인덱스를 계산한 후, 이익 경계치와 관련된 데이터를 액세스하는 단계;
    상기 예측 인덱스를 상기 이익 경계치와 관련된 상기 데이터와 비교하는 단계; 및
    상기 비교하는 단계의 결과에 근거해 상기 고객이 선호되는지 여부를 나타내는 단계;
    를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  6. 청구항 1에 있어서, 상기 이익 추이는 고객이 이익을 생성하는 추이를 나타내는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  7. 청구항 6에 있어서, 상기 이익들은 거래 또는 중개 이익들과 관련된 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  8. 청구항 1에 있어서, 상기 계산된 예측 인덱스에 근거해 상기 고객에 제공하는 서비스의 레벨을 결정하는 단계를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  9. 청구항 8에 있어서, 상기 서비스 레벨은 상기 고객이 걸은 전화에 대한 응답 순위와 관련된 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  10. 청구항 1에 있어서, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정하는 단계는
    상기 각 선택된 종류들의 데이터에 부여될 점수들을 포함하는 참조 데이터를 액세스하는 단계;
    상기 각 선택된 종류들의 데이터를 대응되는 참조 데이터와 비교하는 단계; 및
    상기 비교하는 단계의 결과에 근거해 상기 각 선택된 종류들의 데이터에 대해 상기 점수를 결정하는 단계;
    를 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  11. 청구항 10에 있어서, 상기 참조 데이터는 상기 각 선택된 종류들의 데이터와 대응되는 점수 간의 관계를 포함하는 조회 테이블을 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  12. 데이터를 처리하기 위한 처리기; 및
    상기 처리기에 연결되고, 상기 처리기가 상기 데이터의 처리를 수행하도록 하는 명령들을 저장하는 데이터 저장 장치를 포함하되,
    상기 처리기는 고객에 관련된 데이터를 액세스하고, 이때 상기 액세스된 데이터는 상기 고객의 자산 레벨들, 상기 고객의 데모그래픽 정보, 및 상기 고객의 거래 이력으로 이루어진 그룹 중 선택된 적어도 두 종류들의 데이터를 포함하는 것이며, 또한 상기 처리기는 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 점수를 결정하고, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수에 근거해 상기 고객에 대한 예측 인덱스를 계산하며,
    상기 예측 인덱스는 상기 고객이 생성할 수 있는 이익 추이를 예측하는 것인 고객 등급 평가를 위한 데이터 처리 시스템.
  13. 청구항 12에 있어서, 상기 데이터 처리 시스템은 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 합산하여 상기 고객에 대한 상기 예측 인덱스를 계산하도록 제어되는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  14. 청구항 12에 있어서, 상기 데이터 저장 장치는
    상기 처리기가 상기 고객과 관련된 상기 각 종류들의 데이터에 대한 가중치를 액세스하고, 상기 고객과 관련된 상기 각 종류들의 데이터에 대한 점수 및 상기 고객과 관련된 상기 각 종류들의 데이터에 대한 상기 가중치에 근거해 상기 고객에 대한 상기 예측 인덱스를 계산하도록 하는 명령을 더 저장하는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  15. 청구항 14에 있어서, 상기 데이터 처리 시스템은 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치를 회귀에 의해 계산하도록 제어되는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  16. 청구항 12에 있어서, 상기 데이터 처리 시스템은
    상기 각 선택된 종류들의 데이터 부여될 점수들을 포함하는 참조 데이터를 액세스하고, 상기 각 선택된 종류들의 데이터를 대응되는 참조 데이터와 비교하며, 상기 비교의 결과에 근거해 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정함으로써, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정하도록 제어되는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  17. 청구항 12에 있어서, 상기 데이터 저장 장치는
    상기 처리기가 이익 경계치와 관련된 데이터를 액세스하고, 상기 예측 인덱스를 상기 이익 경계치와 관련된 상기 데이터와 비교하며, 상기 비교의 결과에 근거해 상기 고객이 선호되는지 여부를 지시하도록 하는 명령들을 더 내장하는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  18. 청구항 12에 있어서, 상기 이익 추이는 고객이 이익들을 생성하는 추이를 나타내는 것임을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  19. 청구항 18에 있어서, 상기 이익들은 거래 또는 중개 이익들과 관련된 것임을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  20. 청구항 12에 있어서, 상기 데이터 저장 장치는 상기 데이터 처리 시스템이 상기 계산된 예측 인덱스에 근거해 상기 고객에 대한 서비스의 레벨을 결정하도록 하는 명령들을 더 포함하는 것을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  21. 청구항 20에 있어서, 상기 서비스 레벨은 상기 고객에 의해 걸려온 전화의 응답 순위와 관련된 것임을 특징으로 하는 고객 등급 평가를 위한 데이터 처리 시스템.
  22. 고객 등급 평가를 위한 데이터 처리 시스템을 제어하기 위한 명령들을 포함하고, 기계 판독이 가능한 매체 내에 구현될 수 있으며, 상기 명령들이 상기 데이터 처리 시스템에 의해 실행되면 상기 데이터 처리 시스템이 청구항 1의 단계들을 수행하도록 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  23. 청구항 22에 있어서, 상기 예측 인덱스를 계산하는 단계는 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 합산하는 단계를 포함하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  24. 청구항 22에 있어서, 상기 계산하는 단계는
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 가중치를 액세스하는 단계; 및
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수 및 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치에 근거해 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계;
    를 더 포함하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  25. 청구항 24에 있어서, 상기 데이터 처리 시스템은 회귀에 의해 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치를 계산하도록 제어되는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  26. 청구항 22에 있어서, 상기 고객에 관한 상기 각 종류들의 데이터에 대한 상기 점수를 결정하는 단계는
    상기 각 선택된 종류들의 데이터에 부여될 점수들을 포함하는 참조 데이터를 액세스하는 단계;
    상기 각 선택된 종류들의 데이터를 대응되는 참조 데이터와 비교하는 단계; 및
    상기 비교하는 단계의 결과에 근거해 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정하는 단계;
    를 포함하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  27. 청구항 22에 있어서,
    이익 경계치와 관련된 데이터를 액세스하는 단계;
    상기 예측 인덱스를 상기 이익 경계치와 관련된 상기 데이터와 비교하는 단계;
    상기 비교하는 단계의 결과에 근거해 상기 고객이 선호되는지 여부를 나타내는 단계;
    를 상기 데이터 처리 시스템이 수행하도록 더 제어하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  28. 고객과 관련된 데이터를 액세스하되, 상기 액세스된 데이터는 상기 고객의 자산 레벨들, 상기 고객의 데모그래픽 정보, 및 상기 고객의 거래 이력으로 이루어진 그룹에서 선택된 적어도 두 종류의 데이터를 포함하는 단계; 및
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 근거해 상기 고객에 대한 예측 인덱스를 결정하는 단계;
    를 포함하되,
    상기 예측 인덱스는 상기 고객이 생성할 수 있는 이익 추이를 예측하는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  29. 청구항 28에 있어서, 상기 예측 인덱스는
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 점수를 결정하는 단계; 및
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수에 근거해 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계;
    에 의해 결정되는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  30. 청구항 29에 있어서, 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계는 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 합산하는 단계를 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  31. 청구항 29에 있어서, 상기 계산하는 단계는
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 가중치를 액세스하는 단계;
    상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수 및 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치에 근거해 상기 고객에 대한 상기 예측 인덱스를 계산하는 단계;
    를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  32. 청구항 31에 있어서, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 가중치는 회귀에 의해 결정되는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  33. 청구항 29에 있어서, 상기 고객과 관련된 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정하는 단계는
    상기 각 선택된 종류들의 데이터에 부여될 점수들을 포함하는 참조 데이터를 액세스하는 단계;
    상기 각 선택된 종류들의 데이터를 대응되는 참조 데이터와 비교하는 단계; 및
    상기 비교하는 단계의 결과에 근거해 상기 각 선택된 종류들의 데이터에 대한 상기 점수를 결정하는 단계;
    를 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  34. 청구항 28에 있어서,
    상기 예측된 인덱스를 계산한 후, 경계치와 관련된 데이터를 액세스하는 단계;
    상기 예측된 인덱스를 상기 이익 경계치와 관련된 데이터와 비교하는 단계; 및
    상기 비교하는 단계의 결과에 근거해 상기 고객이 선호되는지 여부를 나타내는 단계;
    를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  35. 청구항 28에 있어서, 상기 이익 추이는 고객이 이익들을 생성하는 추이를 나타내는 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  36. 청구항 35에 있어서, 상기 이익들은 거래 또는 중개 이익들과 관련된 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  37. 청구항 28에 있어서, 상기 계산된 예측 인덱스에 근거해 상기 고객에 대한 서비스의 레벨을 결정하는 단계를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
  38. 청구항 37에 있어서, 상기 서비스 레벨은 상기 고객이 걸은 전화의 응답 순위와 관련된 것임을 특징으로 하는 데이터 처리 시스템에 의해 실행되는 고객 등급 평가 방법.
KR1020057022076A 2003-05-22 2004-05-24 선호되는 고객들을 식별하기 위한 등급 평가 시스템 및방법 KR100751966B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US47242203P 2003-05-22 2003-05-22
US60/472,422 2003-05-22
PCT/US2004/016273 WO2004107117A2 (en) 2003-05-22 2004-05-24 Rating system and method for identifying desirable customers

Publications (2)

Publication Number Publication Date
KR20060021854A KR20060021854A (ko) 2006-03-08
KR100751966B1 true KR100751966B1 (ko) 2007-08-24

Family

ID=33490501

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057022076A KR100751966B1 (ko) 2003-05-22 2004-05-24 선호되는 고객들을 식별하기 위한 등급 평가 시스템 및방법

Country Status (7)

Country Link
EP (1) EP1625481A4 (ko)
JP (1) JP2007502482A (ko)
KR (1) KR100751966B1 (ko)
CN (1) CN101044499A (ko)
AU (1) AU2004244266B2 (ko)
CA (1) CA2522612A1 (ko)
WO (1) WO2004107117A2 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040236734A1 (en) * 2003-05-22 2004-11-25 Pershing Investments, Llc Rating system and method for identifying desirable customers
KR100902009B1 (ko) * 2007-03-16 2009-06-12 주식회사 신한은행 고객별 그룹 통합 수익성 산출 시스템
CN102915481B (zh) * 2012-09-26 2016-08-17 北京百度网讯科技有限公司 一种用于对用户账户进行管理的方法、装置和设备
US20150142638A1 (en) * 2013-05-02 2015-05-21 The Dun & Bradstreet Corporation Calculating a probability of a business being delinquent
US10339477B2 (en) * 2014-12-10 2019-07-02 [24] 7.ai, Inc. Method and apparatus for facilitating staffing of resources
CN105677881B (zh) * 2016-01-12 2020-07-03 腾讯科技（深圳）有限公司 一种信息推荐方法、装置及服务器
CN107688892A (zh) * 2017-07-31 2018-02-13 平安科技（深圳）有限公司 断点名单的分配方法、存储介质和服务器
CN108320089A (zh) * 2018-01-25 2018-07-24 平安科技（深圳）有限公司 坐席分配方法、电子装置及计算机可读存储介质
CN108765094A (zh) * 2018-06-06 2018-11-06 中国平安人寿保险股份有限公司 保险数据处理方法、装置、计算机设备和存储介质
CN109409908A (zh) * 2018-10-10 2019-03-01 北京长城华冠汽车技术开发有限公司 客户价值分类方法及装置、计算机可读介质
JP7153613B2 (ja) * 2019-07-03 2022-10-14 株式会社日立製作所 顧客管理システム、及び顧客管理方法
CN111986030B (zh) * 2020-09-02 2023-09-08 河北幸福消费金融股份有限公司 数据处理方法、装置、存储介质以及计算机设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060012601A (ko) * 2003-05-13 2006-02-08 에스비씨 프로퍼티스, 엘.피. 자동화된 고객 피드백을 위한 시스템 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6119103A (en) * 1997-05-27 2000-09-12 Visa International Service Association Financial risk prediction systems and methods therefor
JP2001022851A (ja) * 1999-07-09 2001-01-26 Hitachi Ltd スコアリング方法およびシステム
JP2001109733A (ja) * 1999-10-12 2001-04-20 Hitachi Ltd 識別モデルの評価方法及び閾値調整方法
JP2004528611A (ja) * 2000-07-14 2004-09-16 レイネス，シルバイン 構造化金融性能監視指標
JP2002092305A (ja) * 2000-09-13 2002-03-29 Hitachi Ltd スコア算出方法及びスコア提供方法
JP2002157422A (ja) * 2000-11-20 2002-05-31 Fujitsu Ltd 与信方法および記録媒体
JP2003022359A (ja) * 2001-07-06 2003-01-24 Hitachi Ltd 顧客生涯価値分析方法および装置
JP2003114977A (ja) * 2001-10-03 2003-04-18 Hitachi Ltd 顧客生涯価値算出方法およびシステム
US20040111353A1 (en) * 2002-12-03 2004-06-10 Ellis Robert A. System and method for managing investment information

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060012601A (ko) * 2003-05-13 2006-02-08 에스비씨 프로퍼티스, 엘.피. 자동화된 고객 피드백을 위한 시스템 및 방법

Also Published As

Publication number Publication date
JP2007502482A (ja) 2007-02-08
WO2004107117A2 (en) 2004-12-09
AU2004244266A1 (en) 2004-12-09
AU2004244266B2 (en) 2008-01-17
CN101044499A (zh) 2007-09-26
WO2004107117A3 (en) 2006-06-01
EP1625481A2 (en) 2006-02-15
KR20060021854A (ko) 2006-03-08
CA2522612A1 (en) 2004-12-09
EP1625481A4 (en) 2009-07-01

Similar Documents

Publication Publication Date Title
US20040236734A1 (en) Rating system and method for identifying desirable customers
CN102273185B (zh) 基于多变量标准化评分和影子队列的呼叫路由方法及系统
Coelho et al. Multiple channel structures in financial services: A framework
US7664693B1 (en) Financial methodology for the examination and explanation of spread between analyst targets and market share prices
Clemons et al. Information technology and screen-based securities trading: Pricing the stock and pricing the trade
US20180211480A1 (en) Computer system for multiple user, multiple event real-time online wagering
US20020116310A1 (en) Computerized comparative investment analysis system and method
Hyslop et al. Understanding New Zealand's changing income distribution, 1983–1998: A semi‐parametric analysis
US7840578B2 (en) Method for determining validity of command and system thereof
KR100751966B1 (ko) 선호되는 고객들을 식별하기 위한 등급 평가 시스템 및방법
Sun et al. Learning and acting on customer information: A simulation-based demonstration on service allocations with offshore centers
US20030225652A1 (en) Method and computer program product for analyzing and projecting the future investment value of a business organization
JP2022049467A (ja) 営業支援装置、プログラム、及び営業支援方法
KR20050111711A (ko) 증권 시세의 등락을 예측할 수 있는 방법, 그 시스템 및그 방법을 기록한 컴퓨터로 읽을 수 있는 기록매체
Lotfolah Hamadani et al. Identifying and Ranking the Factors Affecting Customer Financial Behavior Using Multi-Criteria Decision Making Technic (TOPSIS)
KR20210115724A (ko) 주가 예측 방법 및 시스템
Gui et al. The Pricing of Individual and Aggregate Consumer Information in Today’s Marketplace

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
LAPS Lapse due to unpaid annual fee