Association Rule Sequential Pattern Classification Clustering Data Mining A B C D 2.

Presentation on theme: "Association Rule Sequential Pattern Classification Clustering Data Mining A B C D 2."— Presentation transcript:

1 Association Rule Sequential Pattern Classification Clustering Data Mining A B C D 2

2 백화점이나 슈퍼에서 한번에 함께 구매한 상품들에 관한 연 관규칙을 찾아내는 기술입니다. 적용사례 미국의 대형 편의점의 소비자 구매 데이터에 이 기술을 적용 한 결과 아기 일회용 기저귀를 사는 사람은 맥주도 같이 산 다는 연관규칙을 발견한 것입니다. 이를 마케팅에 활용하 기 위해 맥주 옆에 기저귀를 진열하고, 기저귀를 할인하여 판매함으로써 맥주의 판매량을 늘리는 전략을 실행할 수 있습니다. Association ( 연관규칙 ) 2-1

3 새로운 데이터가 있을 때, 이것이 기존의 어떤 유형의 집합에 속하게 될 것인지를 예측해 내는 기술 적용사례 C 카드사는 도난이나 분실카드의 경우 같은 시간대에 여러 번의 결제행위가 일어난다는 사실을 발견하고는, 이와 같 은 형태의 결제시도가 있을시 가맹점에 전화를 걸어 본인 여부를 확인하는 방법으로 도난이나 분실카드로 인한 손 실을 연간 30% 이상 줄일 수 있었습니다. Classification ( 분류 ) 2-2

4 순서대로 일어난 데이터를 분석해 빈도수가 높은 순차 패턴 을 찾아내는 기술 적용사례 유아용품을 취급하는 A 사는 분유와 기저귀를 처음 구입한 사 람은 6 개월후 보행기나 유모차를 구입한다는 사실을 발견 하였습니다. A 사는 이에 기초하여 처음 분유와 기저귀를 구입하는 고객명단을 추출하여 자사의 보행기와 유모차 할인쿠폰과 팜플릿을 배포하는 방법으로 판매량을 크게 늘릴 수 있었습니다. Sequential Pattern ( 순차패턴 ) 2-3

5 군집화 기술은 전체 데이터의 분포 상태나 패턴 등을 찾아내 는 데 유용하게 사용됩니다. 분류와 다른 점은 각 집합에 해당되는 특징등과 같은 정보가 제공되지 않는 다는 점입 니다. 적용사례 D 이동통신사는 이탈고객의 성향을 분석하기 위하여 최근 6 개월간 이탈고객에 대하여 군집분석을 수행한 결과 주 이 탈고객은 20 대초반이면서 의무사용기간이 3 개월 이내인 신규가입자라는 특성을 발견했습니다. 반면에 30 대 후반 의 이용자이면서 가입후 1 년이상된 경우는 이탈률이 극히 낮다는 사실도 발견할 수 있었습니다. Clustering ( 군집 ) 2-4

6 우리가 제안할 서비스는 ?  지하철 마스터 !

7 현재의 지하철 어플

8 상상해볼까요

9

10 무엇을 알아야 할까 ? 시간 정보 ( 러시아워 etc) 주변의 위치 정보 ( 학교 근처 등 ) 지하철 역 자체의 정보  환승 정보 ( 피해야