머신러닝을 활용한 이커머스 환경의 고객 행동 기반 분류 연구 리뷰
이커머스 고객의 행동 데이터를 의사결정나무와 같은 머신러닝 분류 모델로 학습시켜, ‘충동 구매형’, ‘신중 탐색형’ 등 미리 정의된 행동 유형으로 자동 분류하는 방법론을 제안한다. 논문 요약 연구 배경 고객이 웹사이트에 남기는 모든 클릭과 스크롤에는 그들의 숨겨진 의도가 담겨있다. 이 연구는 머신러닝이라는…
태그 고객분류
더 보기 머신러닝을 활용한 이커머스 환경의 고객 행동 기반 분류 연구 리뷰
Identifying User Behavior Profiles in Ethereum Using Machine Learning Techniques 리뷰
이더리움 블록체인의 방대한 거래 데이터를 머신러닝으로 분석하여, 익명의 지갑 주소 뒤에 숨겨진 사용자의 행동 유형을 자동으로 분류하는 방법론을 제시한 선구적인 온체인 데이터 분석 연구이다. 논문 요약 연구 배경 이 연구는 블록체인 데이터 분석의 초점을 ‘네트워크 자체’에서 ‘네트워크 참여자(사용자)’로 전환시킨 중요한…
Exploring determinants of non-fungible token creators’ engagement behaviors on metaverse-based NFT platforms 리뷰
NFT 창작자들이 메타버스 플랫폼에서 지속적으로 활동하게 만드는 핵심 동인이 무엇인지 분석한 연구로, ‘경제적 보상’보다 ‘창작의 즐거움’과 ‘커뮤니티의 인정’이 더 중요함을 밝혔다. 논문 요약 연구 배경 이 연구는 NFT와 메타버스로 대표되는 ‘창작자 경제(Creator Economy)’의 지속가능성에 대한 핵심 질문에 답하고자 했다. 최근…
Bi-LSTM 기법을 활용한 고객 분류 연구 : 고객 행동기반 데이터 중심으로 리뷰
고객의 행동 이력을 순차적인 ‘이야기’로 보고, 과거와 미래의 양방향 맥락을 모두 학습하는 Bi-LSTM 딥러닝 모델을 통해 고객 유형을 더 정확하게 분류할 수 있음을 증명한 논문이다. 논문 요약 연구 배경 이 연구는 고객을 ‘무엇을 했는가’라는 단편적인 점(dot)들의 합이 아닌, ‘어떤 순서로…