AI INSIGHT
실행 불가능한 정확함 vs 실행 가능한 근사: 빅데이터 그래프의 선택
마케팅 데이터가 커지면 어느 순간 이런 생각이 든다. “이 알고리즘, **이제는 너무 느린데… 바꿀 수 없을까?” 이번 글은 네트워크 중심성(중요…
AWS SageMaker 프리티어 과금 분석 (청구서 및 로그 기준 원인 탐색)
AWS SageMaker Studio의 넉넉한 무료 티어(ml.t3.medium 250시간)를 믿고 ML 실습을 진행하다, 예상치 못했던 소액의 10월 청구서를 받았다. 프리 티어 기능을…
Amazon SageMaker studio 초기 세팅하기 (S3, IAM, Studio )
AI와 머신러닝 모델을 개발하고 싶지만, 복잡한 초기 설정 때문에 망설여질 때가 많다. Amazon SageMaker(세이지메이커)는 이러한 모델 개발, 학습, 배포의 전…
GROWTH MARKETING
군집 해석에서 알아야 할 K=3의 함정: 최대 변화량의 착시
세 개의 세그먼트로 나누면 세상은 단순해 보인다. 가장 크게 움직인 집단 하나만 보면 전체 변화가 설명되는 것처럼 느껴진다. 흥미로운 점은,…
그래프 데이터의 방향성은 어디에 있나: Edge vs Node vs 정규화
그래프 데이터 분석에서는 “방향성(directed)”이 하나로 고정되어 있지 않다. 방향성은 (1) 엣지(인접)에 있을 수도 있고, (2) 노드(뷰/피처)에 있을 수도 있으며, (3)…
라플라시안으로 정의되는 GFT: 인접행렬 A부터 주파수까지
라플라시안이란? “이웃과 얼마나 다르게 튀는지”를 수치화하는 연산자 그래프에서는 시간축처럼 “앞/뒤”가 고정되어 있지 않다. 대신 엣지(연결)가 “누가 이웃인지”를 결정한다. 그래서 GFT는…
MARTECH REVIEW
온라인 쇼핑몰 RFM(Recency, Frequency, Monetary)모형 기반 군집분석에 따른 연관성 규칙(Association Rule) 전략 연구
온라인 쇼핑몰 고객을 RFM 기반 군집분석으로 ‘우수고객’, ‘잠재고객’ 등으로 나눈 뒤, 각 그룹별로 연관규칙 분석을 적용하여 그룹 맞춤형 상품 추천…
머신러닝을 활용한 은행 고객 이탈 예측: LTV고객 생애 가치와 주요변수의 역할
은행 고객의 이탈 예측 모델을 구축할 때, 고객 생애 가치(LTV)를 예측 변수로 포함시키는 것이 모델의 정확도를 크게 향상시킨다는 것을 실험적으로…
Identifying NFT Consumer Segments: A Consumption Value Theory and Luxury Perspective
소비가치이론을 바탕으로 NFT 소비자들이 구매를 통해 얻고자 하는 핵심 가치가 무엇인지 분석하고, 이를 기준으로 ‘과시적 소비자’, ‘실용적 투자자’ 등 의미…
