토픽모형을 이용한 빅데이터 기반 마이크로 세그멘테이션 방법론 연구
Micro-Segmentation Strategy for Big Data Analytics Using a Topic Model
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
마케팅의 주 요 방 법 중 하나는 구매자료를 이용하여 고객들을 여 러 그룹으로 세분화하고, 그룹마 다 맞춤형 마케팅을 실시하는 것이다. 최근의 빅데이터 출현은 고객을 점 점 더 크기가 작은그룹에 속하게 하 여 궁극적으로 개 별 고 객 맞춤형 마케팅을 하려는 노력들이 여 러 분야에서 이루어지고 있 다 . 하지만 고객세분화를 위 한 일반적인 방법인 군집분석은 군집의 개수가 커지면서성능이 현저히 저하된다. 본 논문에서는 고객의 다양성은 최대한 보장하면서 동시에 예측력이우수한 고 객 세그멘테이션을 위하여 토픽모형을 이용한 마이크로 세분화 방법을 소개한다. 토픽모형은 문서의 분류를 위하여 개발된 방법인데, 본 논문에서는 토픽모형이 구매자료를 이용한고 객 마이크로 세그멘테이션에 어떻게 이용될 수 있는지를 설명하고, 실 제 자료의 분석을 통하여 토픽모형의 우수성을 실증적으로 보여준다.
Abstract
One of the key techniques for data base marketing is to divide customers into several segments and to apply different marketing actions to different segments. Due to recent advent of big data, personalized marketing by making large number of segments has been developed and applied. However, it is known that standard clustering algorithms do not work well when the number of segments required is very large. In this paper, we introduce an efficient method for micro-segmentation, which makes several thousands segments, based on the topic model. Originally, the topic model has been developed to classify a large set of documents based on term-frequency data. In this paper, we explain how the topic model can be used for the micro-segmentation of customers based on behavioral histories and illustrate its superiority by analyzing a real data set using R-package.
참고문헌 (8)
- 박창이, "R을 이용한 데이터마이닝" (2013), 교우사
- 이서구, "빅데이터 분석에 관한 마케팅적 접근", 대한경영학회지, 28(1), pp.21~35 (2015), 대한경영학회
- Blei, D. M., "Latent dirichlet allocation", Journal of machine Learning research, 3, pp.993~1022 (2003)
- Deerwester, S., "Indexing by latent semantic analysis", Journal of the American society for information science, 41(6), pp.391~ (1990)
- Funk, Daniel C., "Consumer-based Marketing: The use of micro-segmentation strategies for understanding sport consumption", International Journal of Sports Marketing and Sponsorship, 4(3), pp.39~64 (2002)
- Griffiths, T. L., "Finding scientific topics", Proceedings of the National Academy of Sciences, 101(1), pp.5228~5235 (2004)
- Hofmann, T., "Probabilistic latent semantic indexing", Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, pp.50~57 (1999)
- IBM, "macys.com: Focusing on each customer as the brand goes national (white paper)", ~ (2010)