-
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
PART 1 Table of Contents
1. 산업환경분석
1-1. 이동통신 산업분석 Page 3 ∼ 8
1-2. LG텔레콤의 산업경쟁모델 Page 9
2. 이동통신사의 현황 Page 10
3. 이동통신사의 경쟁구도 Page 11
4. IMT-2000 사업분야 Page 12
5. 무선인터넷분야
5-1. 이동통신 산업 내에서의 현황 Page 13 ∼14
5-2. 무선인터넷과 컨텐츠 Page 15
6. LG텔레콤의 일반현황
6-1. LG텔레콤 일반현황 Page 16 ∼17
6-2. LG텔레콤 사업현황 Page 17 ∼18
6-3. LG텔레콤 마케팅 전략 Page 19 ∼20
6-4. LG텔레콤 고객서비스관리 Page 21
6-5. LG텔레콤의 IT 전략 Page 22
7. LG텔레콤의 e-business 현황
7-1. LG텔레콤의 B2B 형태 Page 23
7-2. Web site의 운용 Page 24 ∼25
PART 2 Table of Contents
1. 새로운 LG Telecom e-business Model의 전개
1-1. 기존의 LG텔레콤의 e-business Model의 가치 재정립 Page29
1-2. 새로운 LG텔레콤의 e-business Model로의 접근 Page 29∼31
1-3. LG텔레콤의 새로운 e-Business 사업전략 Page 32
2. web site 문제점 해결 방안 및 강화 방안
2-1. LG텔레콤 웹사이트의 구성 방향 Page 33
2-2. 웹을 통한 LG Telecom e-business 5단계 전략 Page 33∼36
2-3. LG Telecom Web site의 Portal site 전략 Page37∼39
2-4. LG Telecom Web site의 Community 전략 Page 40∼46
2-5. LG Telecom Web site의 Content 전략 Page 47∼48
3. e-commerce(B2C) 도입 및 발전 방안
3-1. LG텔레콤의 B2B 형태 Page 49
3-2. LG텔레콤의 B2C의 도입 Page 50∼51
3-3. LG텔레콤의 P2P의 도입 Page 51∼52
4. eMarketing - One to one marketing -도입 방안
4-1. LG Telecom e-business - eMarketing Model Page 53∼54
4-2. LG 텔레콤의 eMarketing의 도입의 필요성 Page 54∼57
4-3. LG 텔레콤의 eMarketing의 실천을 위한 제안 Page 57∼60
4-4. LG 텔레콤의 eMarketing 도입 방안 Page 61∼66
5. e-CRM의 구축 방안과 고객관리 ( IT 도입 포함 )
5-1. LG텔레콤의 eCRM의 구축 Page 67∼68
5-2. LG텔레콤의 핵심활동의 통합과 CRM, eCRM의 구축 효과 Page 69∼71
5-3. eCRM의 가반이 되는 Datawarehouse의 구축
1) 인터넷 데이터웨어하우스 구축 Page 72∼74
2) 고객관계관리와 데이터웨어하우스 구축 Page 74∼76
5-4. Web-mining의 도입 Page 77∼80
참고자료
1. 산업환경분석
1-1. 이동통신 산업분석 Page 3 ∼ 8
1-2. LG텔레콤의 산업경쟁모델 Page 9
2. 이동통신사의 현황 Page 10
3. 이동통신사의 경쟁구도 Page 11
4. IMT-2000 사업분야 Page 12
5. 무선인터넷분야
5-1. 이동통신 산업 내에서의 현황 Page 13 ∼14
5-2. 무선인터넷과 컨텐츠 Page 15
6. LG텔레콤의 일반현황
6-1. LG텔레콤 일반현황 Page 16 ∼17
6-2. LG텔레콤 사업현황 Page 17 ∼18
6-3. LG텔레콤 마케팅 전략 Page 19 ∼20
6-4. LG텔레콤 고객서비스관리 Page 21
6-5. LG텔레콤의 IT 전략 Page 22
7. LG텔레콤의 e-business 현황
7-1. LG텔레콤의 B2B 형태 Page 23
7-2. Web site의 운용 Page 24 ∼25
PART 2 Table of Contents
1. 새로운 LG Telecom e-business Model의 전개
1-1. 기존의 LG텔레콤의 e-business Model의 가치 재정립 Page29
1-2. 새로운 LG텔레콤의 e-business Model로의 접근 Page 29∼31
1-3. LG텔레콤의 새로운 e-Business 사업전략 Page 32
2. web site 문제점 해결 방안 및 강화 방안
2-1. LG텔레콤 웹사이트의 구성 방향 Page 33
2-2. 웹을 통한 LG Telecom e-business 5단계 전략 Page 33∼36
2-3. LG Telecom Web site의 Portal site 전략 Page37∼39
2-4. LG Telecom Web site의 Community 전략 Page 40∼46
2-5. LG Telecom Web site의 Content 전략 Page 47∼48
3. e-commerce(B2C) 도입 및 발전 방안
3-1. LG텔레콤의 B2B 형태 Page 49
3-2. LG텔레콤의 B2C의 도입 Page 50∼51
3-3. LG텔레콤의 P2P의 도입 Page 51∼52
4. eMarketing - One to one marketing -도입 방안
4-1. LG Telecom e-business - eMarketing Model Page 53∼54
4-2. LG 텔레콤의 eMarketing의 도입의 필요성 Page 54∼57
4-3. LG 텔레콤의 eMarketing의 실천을 위한 제안 Page 57∼60
4-4. LG 텔레콤의 eMarketing 도입 방안 Page 61∼66
5. e-CRM의 구축 방안과 고객관리 ( IT 도입 포함 )
5-1. LG텔레콤의 eCRM의 구축 Page 67∼68
5-2. LG텔레콤의 핵심활동의 통합과 CRM, eCRM의 구축 효과 Page 69∼71
5-3. eCRM의 가반이 되는 Datawarehouse의 구축
1) 인터넷 데이터웨어하우스 구축 Page 72∼74
2) 고객관계관리와 데이터웨어하우스 구축 Page 74∼76
5-4. Web-mining의 도입 Page 77∼80
참고자료
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
- 웹사이트의 Business Model 분석 / 디자인정글
- 웹사이트 디자인 사례분석
- 웹사이트 분석 체크 포인트
- [특허청][전자결재시스템][자료검색][민원상담실][웹사이트][지식경영실천]특허청의 역할, 특...
- [DOI][디지털객체식별자][DOI][디지털객체식별자]DOI(디지털객체식별자)의 특징, DOI(디지털...
- [프랑스 교육정보화]프랑스 교육정보화의 목표, 프랑스 교육정보화의 책임감공유, 프랑스 교...
- [전자상거래론] 코호도 (진출국가 : 필리핀/코코호도,글로벌마케팅사례,동남아시장진출사례,...
- [경쟁력강화, 유통산업]유통산업, 정보통신서비스산업의 경쟁력강화, 전자상거래산업, 여행산...
- [미디어 상호작용, 웹사이트]미디어 상호작용의 정의, 미디어 상호작용의 배경, 미디어 상호...
- [맥주산업][맥주][산업][맥주산업 특징][맥주산업 시장구조][맥주산업 현황][맥주산업 웹사이...
- [국제마케팅][마케팅]국제마케팅의 개념, 국제마케팅의 중요성, 국제마케팅의 기능, 국제마케...
- [제조기업]제조기업(제조업) 경영, 제조기업(제조업) 가동률, 제조기업(제조업) 임금, 제조기...
- [유통업체][유통]유통업체의 영업전략계획서, 유통업체의 고객관리, 유통업체의 동향, 유통업...
- [거래시스템, 금융업 거래시스템, 사이버해운소(사이버해상운송거래소)]금융업의 거래시스템,...
소개글