지도학습(구매 예측)과 비지도학습(고객 군집화)을 병렬적으로 수행하고 그 결과를 결합하여, 고객의 행동과 특성을 동시에 고려하는 다차원적인 통합 프로파일을 생성하는 새로운 세분화 프레임워크를 제시한다. 논문 요약 연구 배경 고객관계관리(CRM)에서 고객을 이해하는 방식은 크게 두 가지로 나뉜다. 하나는 **비지도학습(Unsupervised Learning)**을 이용한 **세분화(Segmentation)**로, 고객의…
오토인코더(Autoencoder)와 같은 비지도 딥러닝을 활용해 고차원의 복잡한 고객 데이터를 의미 있는 저차원 특징(임베딩)으로 압축하고, 이를 통해 전통적인 방식보다 훨씬 정교하고 효과적인 고객 세분화를 달성하는 방법을 제시한다. 논문 요약 연구 배경 전통적인 고객 세분화는 주로 RFM(Recency, Frequency, Monetary)과 같은 몇 가지…
비지도학습(K-평균)으로 고객 세그먼트를 발굴하고, 이 결과를 지도학습(결정트리) 모델의 정답으로 삼아 신규 고객을 자동으로 분류하는 하이브리드 모델을 제안하여, 고객 세분화의 운영 효율성과 확장성을 획기적으로 개선한다. 논문 요약 연구 배경 전통적인 고객 세분화는 주로 데이터 분석가가 비지도 학습(Unsupervised Learning), 특히 K-평균과 같은…