지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조신
- 발행연도
- 2021
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기업은 고객을 확보하고 지속적으로 유지하는 것이 이윤 극대화를 위해 필요하다. 특히 OK Cashbag과 같은 플랫폼 형태의 통합 로열티 프로그램은 고객이 포인트를 적립하고 많은 참여 기업들의 상품을 구매하거나 서비스에 참여하도록 해야 하기 때문에 고객 활동에 더욱 집중해야한다. 따라서 가입은 되어있으나 활동이 적은 고객을 사전에 예측하는 것은 이론적, 실무적으로 중요한 과제이다. 본 연구에서는 국내 최대 규모의 통합 로열티 프로그램인 OK Cashbag의 비식별 로그 데이터를 활용하여 앱 이용 고객 중 비활성 고객을 예측하는 모델을 개발하였다. 보다 구체적으로, 이용 고객의 인구통계학적 정보와 앱 내 행동 데이터를 변수로 사용하고 Naive Bayes Classification, Support Vector Machine, Deep Neural Network 기법을 활용하였으며, 특히 RFM 스코어를 예측 변수로 추가함으로써 예측력을 크게 향상시켰다. 본 연구는 비활성 고객을 예측하는 머신러닝 및 딥러닝 모델링을 통해서 비활성 고객의 특징으로 가장 크게 나타나는 변수를 확인하고, 통합 로열티 프로그램 앱 이용 고객의 행태를 분석함으로써 관련 연구에 기여하였다. 이 분석은 향후 로열티 프로그램 분야의 고객 행태 분석에 다양한 실무적 시사점도 제공할 수 있을 것이다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0