|
지속적으로 강화하고, 장기적으로 자사의 경쟁력을 제고해 가는 마케팅 프로그램임. 1. e-CRM의 개념
2. e-CRM의 기대 효과
3. e-CRM의 구축/실행
4. e-CRM 추진의 걸림돌
5. e-CRM의 성공을 위한 포인트
6. e-CRM의 분석 도구, Data Mining
|
|
|
사후 고객 관리 1. e-CRM과 마케팅
(1) 통합적 CRM의 구체적인 솔루션(Solution)
(2) 기업의 CRM 활용 사례 - 1/2/3
2. e-CRM의 주요 정보기술
(1) 데이터 웨어하우스
(2) 데이터 마이닝(Data Mining)
(3) 웹 로그 분석
(4) 웹 마이닝
|
|
|
e-CRM
2. 데이터마이닝
3. 연관성 규칙
4. SEMMA(Sampling, Exploring, Modifying, Modeling, Assessment)
5. 의사결정나무
III. 분석
1. 데이터 탐색 및 전처리(Data preprocessing ; Sampling, Exploring, Modifying)
2. 의사결정나무(Decision Tree ; Modeling)
3. 연관성분석(Associati
|
|
|
데이터로 활용되기 때문에 개별 쇼핑 제안이나 고객 관리가 가능하다. 정확도나 신속성도 백화점 등 오프라인상고객관리보다 높다. 삼성몰은 e-CRM의 도입으로 고객의 소비심리를 파악하여 고객에게 수준 높은 질의 맞춤서비스를 제공하고 고
|
|
|
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
|
|
 |
데이터 마이닝(data mining)이라 불리는 이 CRM 작업의 핵심은 장기간에 걸친 풍부한 자료 수집과 과학적인 분석. 이는 최근 ‘고객 맞춤형’ 점포를 통해 효율성을 극대화하려는 유통업체들이 적극 강화하고 있는 부문이기도 하다.
CRM은 고객에
|
|
|
Data Mining을 활용한 공간변화 연구에 도입하는 것이 필요하며, 신도시 및 택지개발의 경우 본 Simulation을 적용할 경우 탄소배출량, 토지변화, 교통량 등을 종합적으로 분석할 수 있는 도구로 활용 가능할 것이다.
- 참 고 문 헌 -
1. 도시계획 수립
|
|
|
데이터를 바탕으로 통행발생모형을 개발하였지만 다음과 같은 한계를 내재하고 있다.
첫째, 자료와 변수 수집에 대한 한계이다. 통행 발생률에 영향을 미치는 접근성(CBD) 등을 추가적으로 조사 분석한다면, 더욱 의미 있는 시사점을 도출할
|
|
|
data mining
Intelligent Building and Smart Home Conference(2009),
A Prototype of Smart Interactive TV
Netmag(2010), The future is here - Samsung 'Smart TV'
○ 인터넷사이트
애플 스마트TV 홈페이지, http://www.apple.com/appletv
구글 스마트TV 홈페이지, http://www.google.com/tv
삼성전자 스마
|
|
|
데이터마이닝 기법 연구, 김종민, 최경호, 이동휘, 정보·보안논문지 제12권 제2호 (2012년 5월) pp.61-70 1598-7329
특수기술 샘플 군집화를 이용한 개선된 아다부스트 알고리즘, 백열민, 김중근, 김회율, 한국방송공학회지 제18권 제4호 통권 제73호 (20
|
|
 |
기술하고, 어려웠던 이유와 해결을 위해 어떠한 노력을 하였고, 그 결과는 어떠했는지 기재해 주십시오. (신입의 경우 학과 프로젝트, 테스트용 프로젝트 포함) (350자)
위에 기술한 인공지능과목에서 1등을 기록했던 대용량 Data Mining…
|
|
 |
데이터에 대한 접근방법 및 Data Searching, Mining 학습
무선통신 기술
패킷의 흐름, 충돌제어와 같은 이상현상에 대해 분석 및 해결에 대한 흥미
컴퓨터통신, 네트워크통신, 무선이동통신, 학부에서 배울 수 있는 네트워크
과목을 수강 후 졸
|
|
 |
Data Process)를 통한 e-learning Biz전략"에 관한 연구를 수행하고자 합니다. 특히 21세기 e-learning분야에서 정량화된 DB분석을 통한 고객화된 서비스는 아직 미개척분야로서 연구의 가치가 있다고 생각됩니다. 또한 연구뿐 아니라 현재 준비중인 사업
|
|
 |
데이터 웨
어하우스, 데이터 마이닝의 데이터 처리 관련 기술들이 필요하다. 다양한 통
계적 분석 기법, 분석 모델 등을 통한 실시간적 분석과 처리 기술 등이 필요
하다.
e-CRM은 통합된 고객정보와 고객관리 프로세스의 통합을 통해 일관성있
|
|
 |
데이터에 타겟 값과 상관관계가 낮은 파라미터가 포함된 것이 원인이었습니다. 그래서 상관관계가 낮은 파라미터를 소거한 후 data regularization을 진행했습니다. 그 결과, 평균 accuracy가 약 2% 상승한 모델을 구축했습니다. 이를 통해 데이터 분
|
|
메뉴펼치기
