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…
데이터마이닝의 군집분석 기법을 활용하여 고객을 실질적인 가치와 행동 특성에 따라 그룹화하는 방법론을 제시하고, 이를 통해 CRM 전략의 기반을 마련하는 과정을 분석한다. 논문 요약 연구 배경 2000년대 중반, 기업들은 방대한 고객 데이터를 축적하기 시작했지만, 이를 어떻게 활용하여 실질적인 비즈니스 가치를 창출할지에…
NFT 게임 ‘Planet IX’의 온체인 데이터를 K-평균 클러스터링으로 분석하여, 플레이어들을 ‘고래’, ‘일반 유저’ 등 뚜렷한 행동 패턴을 가진 그룹으로 성공적으로 분류한 구체적인 사례 연구이다. 논문 요약 연구 배경 Web3 애플리케이션에서 발생하는 방대한 온체인 데이터는, 전통적인 데이터 분석 기법인 ‘고객 세분화(Customer…
K-평균과 DBSCAN을 결합한 개선된 클러스터링 알고리즘을 통해 은행 고객을 정교하게 분류하고, 각 그룹의 특성에 맞는 맞춤형 마케팅 전략을 제시하여 실제 비즈니스 성장을 이끌어낸 통합 사례 분석이다. 논문 요약 연구 배경 이 연구는 치열한 금융 시장에서 살아남기 위해, 은행이 어떻게 데이터를…