Abstract

As the competition in business becomes severe, companies are focusing their capacity on customer relationship management (CRM) for survival. One of the important issues in CRM is to build a purchase prediction model, which classifies customers into either purchasing or non-purchasing groups. Until now, various techniques for building purchase prediction models have been proposed. However, they have been criticized because their performances are generally low, or it requires much effort to build and maintain them. Thus, in this study, we propose the support vector machine (SVM) a tool for building a purchase prediction model. The SVM is known as the technique that not only produces accurate prediction results but also enables training with the small sample size. To validate the usefulness of SVM, we apply it and some of other comparative techniques to a real-world purchase prediction case. Experimental results show that SVM outperforms all the comparative models including logistic regression and artificial neural networks.

고객관계관리는 치열한 경쟁환경에서 각 기업이 생존하기 위해 반드시 필요한 하나의 기업전략이 되었다. 고객관계관리의 방법은 다양하지만 가장 기본적인 방법은 특정 고객이 어떤 상품 혹은 상품군을 구매할 것인지를 정확히 예측하는 것이다. 이미 국내외 실무현장에서 전통적인 데이터마이닝 기법을 활용한 고객구매예측모형이 널리 적용되고 있다. 하지만 전통적인 기법의 경우, 정확도가 상대적으로 떨어지거나 혹은 모형의 구축 및 유지관리가 어렵다는 문제가 종종 제기되어 왔다. 이에 본 연구에서는 기존 모형의 문제점을 개선하기 위한 대안으로, 매우 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 이용하여 고객구매예측모형을 구축하고자 한다. 본 연구에서는 고객구매예측의 도구로써 SVM의 적합성을 판단하기 위하여 전통적인 기법인 로지스틱 회귀분석, 인공신경망과 그 성과를 비교하였다. 그 결과, SVM이 다른 기법들에 비해 상대적으로 우수한 성과를 나타냄을 확인할 수 있었다.

Keywords

• Purchase prediction model;
• Support vector machines;
• Logistic regression;
• Artificial neural networks;
• Customer relationship management