유전 클러스터링 기법을 사용하여 적절한 자원 배분을 위한 고객 분류

전문가 제언

○ 글로벌 영업의 도전은 다양한 시장의 특성과 요구 사항을 이해하여 고객을 만족하게 해야 한다는 것이다. 따라서 고객의 특성을 파악하여 이들을 분류하여 대응하는 것이 이들을 개별적으로 분리된 집단이라고 취급하는 것보다 유리하다. 전산화된 조직에서는 OLAP에 의한 처리가 많은데 OLAP은 클러스터링 엔진에 중요한 정보를 제공할 수 있다.

○ 자원 배분은 수요와 공급의 시합이라고 볼 수 있고 분할은 같은 특징을 가진 고객의 그룹으로 인식하고 이는 의사 결정의 동질 또는 이질성에 따라서 RFM 그리고 또는 CLV에 의해 더 세분될 수 있다. k-means의 단점은 초기 분할에 민감하다는 것인데 논문에서는 GA와 k-means가 상호 연관되어 k-means 클러스터 결과가 계산한 SSE가 기본적인 요소로서 보상 지수와 같이 GA의 건강 함수로써 사용된다.

○ 참고 문헌에 국내 연구자의 결과가 인용되지 않아 ScienceDirect를 사용하여 정보 검색을 한 결과 GA based clustering에는 2,717편의 논문이 있고 이를 k-means로 제약하면 아직도 2,423편이 있어 clustering에서 k-means의 인기를 볼 수 있다. 이를 다시 customer grouping으로 한정하면 98편의 논문이 있다.

○ customer grouping으로 한정한 98편의 논문을 살펴보면 세 편의 국내 과학자의 논문이 발견되었으나 양과 제목을 보면 분야에 대한 줄거리를 잡기는 어려운 형편이다. 또한 논문들이 여러 종류의 저널에 산재해 있으며 응용 분야 역시 data mining, genetic algorithm, vehicle routing, evolutionary computing 등에 골고루 분포되어 저널이나 응용 분야의 주류를 파악하기 어렵다. 결론적으로 분야의 이러한 특성으로 두드러진 국내 활동은 없을 것으로 판단된다.

저자

G.T.S. Ho, W.H. Ip, C.K.M. Lee, W.L. Moua

자료유형

학술정보

원문언어

영어

기업산업분류

정보통신

연도

2012

권(호)

39(2)

잡지명

Expert Systems with Applications

과학기술
표준분류

정보통신

페이지

1979~1987

분석자

김*창

분석물

• 유전 클러스터링 기법을 사용하여 적절한 자원 배분을 위한 고객 분류.pdf [227,004 byte]

이미지변환중입니다.