그래디언트 부스팅 모델을 활용한 상점 매출 예측 리뷰
과거 신용카드 매출 데이터를 시계열 특징으로 변환하고, 강력한 머신러닝 기법인 그래디언트 부스팅(XGBoost)을 적용하여 미래의 상점 매출을 정확하게 예측하는 방법론을 제시한다. 논문 요약 연구 배경 기업의 모든 의사결정은 미래에 대한 ‘예측’에서 출발한다. 이 연구는 전통적인 통계 모델을 넘어, 더 정확하고 정교한…
태그 특징 공학
더 보기 그래디언트 부스팅 모델을 활용한 상점 매출 예측 리뷰
고객의 온라인 행동 변수를 접목한 RFM 분석 방법론 리뷰
전통적인 RFM(최근성, 빈도, 금액) 분석에 고객의 온라인 행동 데이터(페이지뷰, 체류 시간 등)를 결합하여, 더욱 정교하고 설명력 높은 고객 세분화 모델을 제안한다. 논문 요약 연구 배경 고객이 남긴 ‘구매 기록’은 빙산의 일각에 불과하다. 이 연구는 물밑에 잠긴 거대한 ‘행동 기록’을 분석하여…
Enhancing Customer Segmentation with Unsupervised Deep Learning 리뷰
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…
Analysing Non Fungible Tokens (NFTs) and their Rarity 리뷰
NFT의 핵심 가치 요소인 ‘희소성(Rarity)’을 여러 속성(Trait)들의 조합을 통해 통계적으로 측정하는 방법론을 제시하고, 이렇게 계산된 희소성 점수가 실제 시장 가격과 높은 상관관계가 있음을 증명한 연구이다. 논문 요약 연구 배경 이 연구는 수십억 달러 규모로 성장한 NFT 시장의 가격이 과연 무엇에…