[논문 리뷰] Retail Market analysis in targeting sales based on Consumer Behaviour using Fuzzy Clustering - A Rule Based Mode

D. Bhanu, S. Pavai Madeshwari|ArXiv.org|2009. 12. 20.

Consumer Market Behavior and Pricing참고 문헌 11인용 수 4

한 줄 요약

이 논문은 소비자 행동을 인구통계적 집단 간 분석함으로써 소매 제품 타겟팅을 향상시키기 위해 퍼지 클러스터링과 연관 규칙 마이닝을 통합한 규칙 기반 의사결정 지원 프레임워크를 제안한다. 기존 위치에서의 고객-제품 클러스터 관계를 모델링함으로써 신규 시장에 적용 가능한 이동 가능한 규칙을 생성함으로써, 경제적 및 인구통계적 특성에 기반한 데이터 기반의 제품 번들링과 세분화를 통해 매출을 증대시킨다.

ABSTRACT

Product Bundling and offering products to customers is of critical importance in retail marketing. In general, product bundling and offering products to customers involves two main issues, namely identification of product taste according to demography and product evaluation and selection to increase sales. The former helps to identify, analyze and understand customer needs according to the demo-graphical characteristics and correspondingly transform them into a set of specifications and offerings for people. The latter, concerns with how to determine the best product strategy and offerings for the customer in helping the retail market to improve their sales. Existing research has focused only on identifying patterns for a particular dataset and for a particular setting. This work aims to develop an explicit decision support for the retailers to improve their product segmentation for different settings based on the people characteristics and thereby promoting sales by efficient knowledge discovery from the existing sales and product records. The work presents a framework, which models an association relation mapping between the customers and the clusters of products they purchase in an existing location and helps in finding rules for a new location. The methodology is based on the integration of popular data mining approaches such as clustering and association rule mining. It focuses on the discovery of rules that vary according to the economic and demographic characteristics and concentrates on marketing of products based on the population.

연구 동기 및 목표

• 기존 연구가 정적인 패턴 식별에만 집중하여 신규 소매 환경에 적용 가능한 통찰을 제공하지 못하는 격차를 보완하기 위해.
• 인구통계적 및 경제적 특성에 기반해 고객 세분화와 제품 제공 최적화를 지원하는 동적이고 규칙 기반의 시스템을 개발하기 위해.
• 역사적 매출 및 제품 기록으로부터 효율적인 지식 발견을 가능하게 하여 시장 타겟팅과 매출 성과를 향상시키기 위해.
• 고객 클러스터를 제품 구매 패턴과 연결하는 프레임워크를 구축하여 신규 위치에 대한 규칙 생성을 촉진하기 위해.
• 퍼지 클러스터링과 연관 규칙 마이닝을 통합하여 적응형이고 맥락 인식 가능한 제품 번들링 전략을 지원하기 위해.

제안 방법

• 고객의 구매 행동에 기반해 클러스터를 형성하기 위해 퍼지 c-의미 클러스터링이 적용되며, 소속도 수준은 다수의 클러스터에 대한 친화도를 반영한다.
• 기존 소매 위치에서 고객 클러스터를 제품 구매 패턴과 연관하여 분석함으로써 주요 제품 연관성을 식별한다.
• 클러스터링된 데이터에서 실행 가능한 규칙을 추출하기 위해 연관 규칙 마이닝이 사용되며, 주로 인구통계적 집단과 관련된 고지지, 고신뢰도 아이템세트에 초점을 맞춘다.
• 소득, 연령, 위치 등 인구통계적 및 경제적 특성에 기반해 규칙를 생성함으로써 제품 제공를 맞춤화한다.
• 유사한 인구통계적 프로파일과 해당 제품 클러스터를 매핑함으로써 기존 위치에서의 규칙를 신규 시장으로 이동 가능하게 한다.
• 퍼지 클러스터링을 통한 세분화와 연관 규칙 마이닝을 통한 실행 가능한 통찰 생성을 조합한 하이브리드 모델이 소매 분야에서의 동적 의사결정을 지원한다.

실험 결과

연구 질문

• RQ1 퍼지 클러스터링을 활용해 고객 행동 패턴을 효과적으로 세분화하여 타겟 제품 제공을 지원할 수 있는가?
• RQ2 클러스터링된 고객 데이터에서 도출된 연관 규칙는 어떤가? 이는 소비 결정에 영향을 미치는 인구통계적 및 경제적 영향을 반영하는가?
• RQ3 한 소매 위치에서 생성된 규칙는 어떻게 새로운 유사한 시장 환경에 적응 및 적용될 수 있는가?
• RQ4 퍼지 클러스터링과 연관 규칙 마이닝을 통합할 경우, 전통적 방법에 비해 판매 타겟팅 정확도는 어느 정도 향상되는가?
• RQ5 인구통계적 및 경제적 특성은 효과적인 제품 번들링 전략 수립에 어떤 역할을 하는가?

주요 결과

• 프레임워크는 퍼지 클러스터링을 활용해 구매 행동과 인구통계적 특성에 기반해 명확한 고객 클러스터를 성공적으로 식별하였다.
• 특정 고객 클러스터와 제품 번들 간의 높은 신뢰도 연관 규칙가 생성되어 타겟 마케팅이 가능해졌다.
• 유사한 인구통계적 프로파일을 매핑함으로써 기존 위치에서의 규칙를 신규 위치로 이동 가능하게 하여 시장 진입 효율성이 향상되었다.
• 퍼지 클러스터링과 연관 규칙 마이닝의 통합은 제품 세분화 및 판매 타겟팅의 정밀도를 향상시켰다.
• 원시 매출 데이터를 실행 가능한 마케팅 규칙로 변환함으로써 동적이고 데이터 기반의 의사결정을 지원하는 데 성공했다.
• 재사용 가능한 맥락 인식 규칙를 통해 다양한 소매 환경에서의 확장 가능한 구현 가능성을 보여주었다.