
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
9
-
10
-
11
-
12
-
13
-
14
-
15
-
16
-
17
-
18
-
19
-
20
-
21
-
22
-
23
-
24
-
25
-
26
-
27
-
28
-
29
-
30
-
31
-
32
-
33
-
34
-
35
-
36
-
37
-
38
-
39
-
40
-
41
-
42
-
43
-
44
-
45
-
46
-
47
-
48
-
49
-
50
-
51
-
52
-
53
-
54
-
55
-
56
-
57
-
58
-
59
-
60
-
61
-
62
-
63
-
64
-
65
-
66
-
67
-
68
-
69
-
70
-
71
-
72
-
73
-
74
-
75
-
76
-
77
-
78
-
79
-
80
-
81


목차
1. 90년대 중반 이후 폭발적 성장세
2. 최근 가입자 증가세 둔화
3. 잠재적 수요요인이 포화 가입자수 예측에 중
4. 20대~40대 포화보급률은 90% 이상
5. 2005년 경 포화보급률 수준인 69%에 이를 것으로 예상
6. 1인당 평균통화금액 당분간 별다른 변동 없을 듯
7. 무선인터넷 수요 고속 성장 예상
8. IMT-2000의 성공 가능성 높아
9. 성장 여력 아직도 충분
10. 무선인터넷 사업 강화가 필수적
...
2. 최근 가입자 증가세 둔화
3. 잠재적 수요요인이 포화 가입자수 예측에 중
4. 20대~40대 포화보급률은 90% 이상
5. 2005년 경 포화보급률 수준인 69%에 이를 것으로 예상
6. 1인당 평균통화금액 당분간 별다른 변동 없을 듯
7. 무선인터넷 수요 고속 성장 예상
8. IMT-2000의 성공 가능성 높아
9. 성장 여력 아직도 충분
10. 무선인터넷 사업 강화가 필수적
...
본문내용
oad)이 필요하다. 고객데이터 활용은 원하는 범위와 조건에 적합한 데이터를 찾고, 통계적 분석을 하거나, 유용한 분석을 손쉽게 수행할 수 있는 시스템을 갖추어야 한다. 이를 위해서는 데이터사전, 데이터마이닝, 올랩(OLAP)등을 제공하여야 한다.
5-4. Web-Mining 의 도입
1) Web-Mining 의 도입
Web-Mining 의 정의
웹상의 웹 정보에서 데이터마이닝 툴을 이용해 유용한 정보를 발견하고 분석하는 것이다.
(The discovery and analysis of useful information with Data Mining Tools from the world wide web Web Information)
웹 마이닝의 적용영역
웹 마이닝의 분류
1) Web Usage Mining
정의 : web server로부터 사용자의 access pattern를 발견하는 자동화된 마이닝
2) Web Content Mining
정의 : 웹사이트의 컨텐츠, 자료, 정보등의 관계를 분석하여 사용자의 요구에 가장 잘 부합
하는 내용을 보여줄 수 있도록 자동으로 찾아주는 Process
3) Web Structural Mining
정의 : 웹사이트와 웹페이지의 Hyper Link를 데이터 마이닝 과정을 통해 Information을 구
조화, 표준화 시키는 Process
웹 마이닝의 프로세스
Web Data의 원천
Web Usage Mining을 위해 획득할 수 있는 데이터는 객관적 (Objective)데이터와 주관적(Subjective)데이터로 구분할 수 있음.
Web Usage Data의 추출
Usage data를 획득할 수 있는 원천은 다음과 같다.
- Server level collection : 해당 사이트의 server 내에 축적되는 정보
- Client level collection : 쿠키, java, CGI 등의 프로그램을 이용하여 사용자의 궤적 추적
- Proxy level collection : Back, Forward 등에 관한 Data 확보
Web Mining 단계는 전처리 과정, 패턴 탐색, 패턴 분석으로 구분 할 수 있다.
1) 전처리 단계 (Preprocessing)
획득된 데이터는 전처리 과정을 통해 분석에 적합한 형태로 정제되면, 원천 데이터에 비해
용량이 감소하게 된다.
① Cleaning Log는 분석에 필요하지 않은 Item의 정제과정
일반적으로 gif, jpeg, map 등의 로그 파일은 제외함
Data 용량이 일반적으로 1/10에서 1/40정도로 축소되는 효과를 가져옴
② User Identification은 사용자 확인에 다라 궤적을 정제하는 과정
일반적으로 IP Address와 Browser의 종류를 이용하여 정제함
③ Session Identification은 사용자의 시간초과 유무를 점검하여 정제하는 과정
일반적으로 제품의 초기 설정은 30분이며, 실증적인 결과에서 25.5분이 가장 정확한 것으로 나옴
④ Path Complection는 log에 기록되지 안은 궤적 정보를 연결하는 과정
일반적으로 back 또는 forward 버튼을 눌러 이동한 경우에 발생함
⑤ Formating은 웹 데이터마이닝 적합한 정보의 형태로 포맷 전환
포맷 형태는 사용되는 테이터마이닝 기법에 따라 결정
2) 패턴 탐색 (Pattern Discovery)
① Statistical Analysis
정의 : 일반적으로 사용되는 방법으로 page view, viewing time, length of a navigation
path 등에 관한 기술적 통계분석
적용 : 시스템 성능 개선/보안/개선, 마케팅 의사결정 지원 정보
기법 : Mean, Max, Min etc
② Association Rule
정의 : 웹 사이트의 페이지간 연관 규칙을 탐색
적용 : 비즈니스, 마케팅 의사결정과 웹 사이트 구조 개선 정보
기법 : Market Basket Analysis, Neural Network etc
③ Clustering
정의 : 유사한 성격을 가지는 item을 그룹화하는 기법
적용 : 고객 세분화, 개인화된 컨텐cm 제공, 검색엔진, FAQ등의 정보
기법 : K-Means Method, Self-Organizing Maps etc
④ Classification
정의 : 다양한 데이터를 사전에 정해진 Class로 분류하는 기법
적용 : Target 고객 마케팅
기법 : Decision Tree, Neural Network, Logistic Regression, Naive Bayesian Classifier etc
⑤ Sequential Patterns
정의 : 시계열적으로 item 또는 페이지간 이동 패턴을 분석하는 기법
적용 : 맞춤형 광고, 맞춤형 제품/서비스
기법 : Trend Analysis, Change Point Detection, Similarity analysis etc
3) 패턴 분석 (Pattern Analysis)
Web Data Mining Solution의 마지막 Process가 pattern Analysis이다. 본 단계에서는 Web Data Mining을 이용하여 분석된 정보를 사용자들이 보다 쉽게 이해할 수 있도록 statistics, graphics, visualization, usability analysis, database querying 등을 이용한다
2) Web-Mining 활용 분야
System Improvement
웹 트래픽에 관한 정보를 통해 Web Caching, Network Transmission, Load Balancing, Data Distribution 등에 관한 전략 수립
Site Modification
고객 형태에 관한 분석을 통해 Web Site의 구조 및 디자인에 관한 정보를 제공
Business Intelligence
인터넷 비즈니스 기업에게 필수적인 고객의 웹 사이트 이용현황에 관한 정보를 제공하며, 대표적인 적용사례는 Marketing Intelligence임.
Usage Characterization
Web site의 usage, content, structure에 대한 특성화.
5-4. Web-Mining 의 도입
1) Web-Mining 의 도입
Web-Mining 의 정의
웹상의 웹 정보에서 데이터마이닝 툴을 이용해 유용한 정보를 발견하고 분석하는 것이다.
(The discovery and analysis of useful information with Data Mining Tools from the world wide web Web Information)
웹 마이닝의 적용영역
웹 마이닝의 분류
1) Web Usage Mining
정의 : web server로부터 사용자의 access pattern를 발견하는 자동화된 마이닝
2) Web Content Mining
정의 : 웹사이트의 컨텐츠, 자료, 정보등의 관계를 분석하여 사용자의 요구에 가장 잘 부합
하는 내용을 보여줄 수 있도록 자동으로 찾아주는 Process
3) Web Structural Mining
정의 : 웹사이트와 웹페이지의 Hyper Link를 데이터 마이닝 과정을 통해 Information을 구
조화, 표준화 시키는 Process
웹 마이닝의 프로세스
Web Data의 원천
Web Usage Mining을 위해 획득할 수 있는 데이터는 객관적 (Objective)데이터와 주관적(Subjective)데이터로 구분할 수 있음.
Web Usage Data의 추출
Usage data를 획득할 수 있는 원천은 다음과 같다.
- Server level collection : 해당 사이트의 server 내에 축적되는 정보
- Client level collection : 쿠키, java, CGI 등의 프로그램을 이용하여 사용자의 궤적 추적
- Proxy level collection : Back, Forward 등에 관한 Data 확보
Web Mining 단계는 전처리 과정, 패턴 탐색, 패턴 분석으로 구분 할 수 있다.
1) 전처리 단계 (Preprocessing)
획득된 데이터는 전처리 과정을 통해 분석에 적합한 형태로 정제되면, 원천 데이터에 비해
용량이 감소하게 된다.
① Cleaning Log는 분석에 필요하지 않은 Item의 정제과정
일반적으로 gif, jpeg, map 등의 로그 파일은 제외함
Data 용량이 일반적으로 1/10에서 1/40정도로 축소되는 효과를 가져옴
② User Identification은 사용자 확인에 다라 궤적을 정제하는 과정
일반적으로 IP Address와 Browser의 종류를 이용하여 정제함
③ Session Identification은 사용자의 시간초과 유무를 점검하여 정제하는 과정
일반적으로 제품의 초기 설정은 30분이며, 실증적인 결과에서 25.5분이 가장 정확한 것으로 나옴
④ Path Complection는 log에 기록되지 안은 궤적 정보를 연결하는 과정
일반적으로 back 또는 forward 버튼을 눌러 이동한 경우에 발생함
⑤ Formating은 웹 데이터마이닝 적합한 정보의 형태로 포맷 전환
포맷 형태는 사용되는 테이터마이닝 기법에 따라 결정
2) 패턴 탐색 (Pattern Discovery)
① Statistical Analysis
정의 : 일반적으로 사용되는 방법으로 page view, viewing time, length of a navigation
path 등에 관한 기술적 통계분석
적용 : 시스템 성능 개선/보안/개선, 마케팅 의사결정 지원 정보
기법 : Mean, Max, Min etc
② Association Rule
정의 : 웹 사이트의 페이지간 연관 규칙을 탐색
적용 : 비즈니스, 마케팅 의사결정과 웹 사이트 구조 개선 정보
기법 : Market Basket Analysis, Neural Network etc
③ Clustering
정의 : 유사한 성격을 가지는 item을 그룹화하는 기법
적용 : 고객 세분화, 개인화된 컨텐cm 제공, 검색엔진, FAQ등의 정보
기법 : K-Means Method, Self-Organizing Maps etc
④ Classification
정의 : 다양한 데이터를 사전에 정해진 Class로 분류하는 기법
적용 : Target 고객 마케팅
기법 : Decision Tree, Neural Network, Logistic Regression, Naive Bayesian Classifier etc
⑤ Sequential Patterns
정의 : 시계열적으로 item 또는 페이지간 이동 패턴을 분석하는 기법
적용 : 맞춤형 광고, 맞춤형 제품/서비스
기법 : Trend Analysis, Change Point Detection, Similarity analysis etc
3) 패턴 분석 (Pattern Analysis)
Web Data Mining Solution의 마지막 Process가 pattern Analysis이다. 본 단계에서는 Web Data Mining을 이용하여 분석된 정보를 사용자들이 보다 쉽게 이해할 수 있도록 statistics, graphics, visualization, usability analysis, database querying 등을 이용한다
2) Web-Mining 활용 분야
System Improvement
웹 트래픽에 관한 정보를 통해 Web Caching, Network Transmission, Load Balancing, Data Distribution 등에 관한 전략 수립
Site Modification
고객 형태에 관한 분석을 통해 Web Site의 구조 및 디자인에 관한 정보를 제공
Business Intelligence
인터넷 비즈니스 기업에게 필수적인 고객의 웹 사이트 이용현황에 관한 정보를 제공하며, 대표적인 적용사례는 Marketing Intelligence임.
Usage Characterization
Web site의 usage, content, structure에 대한 특성화.
추천자료
이동전화회사의 마케팅 성공전략(경영전략 마케팅전략 기업분석 휴대폰 핸드폰)
우리나라 이동통신산업의 구조
국내 이동통신시장의 분석과 LGT의 기업전략
Marketing Research “Bank On”
경영우위,경영사례분석
번호 이동성 제도
마케팅전략
[마케팅조사]무선인터넷 LGT '오즈' 의 마케팅전략 분석 및 전망(A+리포트)
이동통신사 ktf show 광고분석자료
이동통신사 ktf show 광고분석자료
통신사마케팅전략
이동통신3사마케팅전략
휴대폰 보유 현황 및 가계 지출 비중과 통신사별 요금제 종류와 문제점 및 각 통신사별 대응책
이동통신사kt f광고분석, 통신사, kt,마케팅, 브랜드, 브랜드마케팅, 기업, 서비스마케팅, 글...