| 1 |
1
데이터 분석 시스템에 의하여 수행되는 데이터 분석 방법에 있어서,데이터에 대한 RFM 분석을 수행하는 단계; 상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계; 상기 클러스터의 RFM 값을 통하여 분류 규칙을 생성하는 단계; 및 상기 생성된 분류 규칙으로부터 추천 목록을 제공하는 단계 를 포함하고,상기 데이터에 대한 RFM 분석을 수행하는 단계는,상기 데이터에 제품의 거래 정보, 제품의 식별정보, 제품을 구매한 고객 정보, 제품의 주문 날짜, 제품의 수량, 제품의 주문 금액, 제품의 유형을 포함하는 데이터에 대한 식별 정보에 기초하여 데이터 전처리 과정을 수행하고, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행하는 단계를 포함하고, 상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계는, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행함에 따라 획득된 RFM 값에 대하여 k-means++ 알고리즘을 사용하여 유사한 RFM 값을 가진 고객 세그먼트를 탐색하고, 상기 유사한 RFM 값을 가진 고객 세그먼트들이 할당된 적어도 하나 이상의 클러스터로 분류하는 클러스터링 과정을 수행하고, 상기 클러스터링 과정을 수행함에 따라 표준편차 또는 SSE(Sum of Squared Error)를 사용하여 클러스터의 품질을 평가하고 클러스터 중심에서 벗어나지 않는 클러스터를 보장하고 다른 클러스터와의 분리를 보장하는 클러스터링을 평가하는 과정을 수행하는 단계를 포함하고,상기 클러스터의 RFM 값을 통하여 분류 규칙을 생성하는 단계는,상기 클러스터에 포함된 RFM 값과 상기 데이터를 분석하기 위한 별도의 정보를 사용하여 사용자의 행동을 예측하기 위한 C4
|
| 2 |
2
제1항에 있어서,상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계는,R 속성, F 속성 및 M 속성을 포함하는 RFM 속성 각각을 기 설정된 기준으로 분할하고, 상기 데이터를 상기 분할된 각각의 속성에 기반하여 RFM 분석을 수행함으로써 상기 데이터에 대한 RFM 값을 획득하는 단계 를 포함하는 데이터 분석 방법
|
| 3 |
3
제2항에 있어서,상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계는,상기 데이터의 RFM 값에 따라 K-Means ++ 알고리즘을 사용하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류함에 따라 상기 데이터의 클러스터링 결과를 평가하는 단계 를 포함하는 데이터 분석 방법
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
데이터 분석 시스템에 의하여 수행되는 데이터 분석 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,데이터에 대한 RFM 분석을 수행하는 단계; 상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계; 상기 클러스터의 RFM 값을 통하여 분류 규칙을 생성하는 단계; 및 상기 생성된 분류 규칙으로부터 추천 목록을 제공하는 단계 를 포함하고,상기 데이터에 대한 RFM 분석을 수행하는 단계는,상기 데이터에 제품의 거래 정보, 제품의 식별정보, 제품을 구매한 고객 정보, 제품의 주문 날짜, 제품의 수량, 제품의 주문 금액, 제품의 유형을 포함하는 데이터에 대한 식별 정보에 기초하여 데이터 전처리 과정을 수행하고, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행하는 단계를 포함하고, 상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 단계는, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행함에 따라 획득된 RFM 값에 대하여 k-means++ 알고리즘을 사용하여 유사한 RFM 값을 가진 고객 세그먼트를 탐색하고, 상기 유사한 RFM 값을 가진 고객 세그먼트들이 할당된 적어도 하나 이상의 클러스터로 분류하는 클러스터링 과정을 수행하고, 상기 클러스터링 과정을 수행함에 따라 표준편차 또는 SSE(Sum of Squared Error)를 사용하여 클러스터의 품질을 평가하고 클러스터 중심에서 벗어나지 않는 클러스터를 보장하고 다른 클러스터와의 분리를 보장하는 클러스터링을 평가하는 과정을 수행하는 단계를 포함하고,상기 클러스터의 RFM 값을 통하여 분류 규칙을 생성하는 단계는,상기 클러스터에 포함된 RFM 값과 상기 데이터를 분석하기 위한 별도의 정보를 사용하여 사용자의 행동을 예측하기 위한 C4
|
| 8 |
8
데이터 분석 시스템에 있어서, 데이터에 대한 RFM 분석을 수행하는 분석부; 상기 RFM 분석을 수행함에 따라 획득된 RFM 값에 기초하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류하는 분류부; 상기 클러스터의 RFM 값을 통하여 분류 규칙을 생성하는 규칙 생성부; 및 상기 생성된 분류 규칙으로부터 추천 목록을 제공하는 추천부 를 포함하고,상기 분석부는,상기 데이터에 제품의 거래 정보, 제품의 식별정보, 제품을 구매한 고객 정보, 제품의 주문 날짜, 제품의 수량, 제품의 주문 금액, 제품의 유형을 포함하는 데이터에 대한 식별 정보에 기초하여 데이터 전처리 과정을 수행하고, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행하는 것을 포함하고상기 분류부는, 상기 전처리 과정이 수행된 데이터에 대한 RFM 분석을 수행함에 따라 획득된 RFM 값에 대하여 k-means++ 알고리즘을 사용하여 유사한 RFM 값을 가진 고객 세그먼트를 탐색하고, 상기 유사한 RFM 값을 가진 고객 세그먼트들이 할당된 적어도 하나 이상의 클러스터로 분류하는 클러스터링 과정을 수행하고, 상기 클러스터링 과정을 수행함에 따라 표준편차 또는 SSE(Sum of Squared Error)를 사용하여 클러스터의 품질을 평가하고 클러스터 중심에서 벗어나지 않는 클러스터를 보장하고 다른 클러스터와의 분리를 보장하는 클러스터링을 평가하는 과정을 수행하는 것을 포함하고, 상기 규칙 생성부는,상기 클러스터에 포함된 RFM 값과 상기 데이터를 분석하기 위한 별도의 정보를 사용하여 사용자의 행동을 예측하기 위한 C4
|
| 9 |
9
제8항에 있어서,상기 분류부는, R 속성, F 속성 및 M 속성을 포함하는 RFM 속성 각각을 기 설정된 기준으로 분할하고, 상기 데이터를 상기 분할된 각각의 속성에 기반하여 RFM 분석을 수행함으로써 상기 데이터에 대한 RFM 값을 획득하는 것을 특징으로 하는 데이터 분석 시스템
|
| 10 |
10
제9항에 있어서,상기 분류부는, 상기 데이터의 RFM 값에 따라 K-Means ++ 알고리즘을 사용하여 상기 데이터를 적어도 하나 이상의 클러스터로 분류함에 따라 상기 데이터의 클러스터링 결과를 평가하는 것을 특징으로 하는 데이터 분석 시스템
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
삭제
|
