ADSP 요약정리 - 4장 정형데이터 마이닝 - 예측분석 (Prediction Analysis)

제 3절 예측 분석 (Prediction Analysis)

   - 분류 : 불연속적 값/ 예측 : 연속적 값

   - 예측 : 시계열분석으로 시간에 따른 값 두 개만을 이용해 앞으로의 매출 / 온도 등을 예측 

    * 두 접근방법은 모델링하는 입력 데이터가 어떤것인지에 따라 특성이 다름

    * 예측은 여러개의 다양한 설명변수가 아닌 하나의 설명변수로 생각

 

 1. 활용분야

  가. 행동예측 유형

   - 휴면-이탈, 등급변동, 특정상품 구매, 특정금액 이상 구매, 특정시점의 특정조건에 해당되는 행동 에측 등 다양한 경우 가능 

    * 특정행동 예측능력이 뛰어날수록 더욱 정교한 고객관계 활동 전개 가능 

   - 행동예측이 행동의 결과를 모두 상식적으로 설명가능해야 한다는 것은 잘못된 생각

    * 맞으면 됨. 이해할 수 있는 논리 제공하면 좋지만 당연한 것은 아님

 

  나. 휴면-이탈 예측

   - 이미 고객을 돌이킬 수 없는 상태까지 가기 전에 보유(retention)하기 위한 방안, 고객의 거래주기를 단축시키기 위한 방안

    * 단기휴면은 예측이 다소 어려우나 매우 도움이 되며 장기휴면 예측은 의미 없다고 생각 할 수 있으나 효율성 측면에서 의미가 있고 일부 고객 (1년간 거래x) 은 매우 유용한 정보

    * 구매 주기 길고 상품구매 다양성 부족, 구매금액 감소 성향 거래 매장 한정 : 적합한 개인 화한 상품과서비스 추천, 정보제공 중요

 

  다. 등급변동 예측

   - 등급하락 고객을 예측해 재구매나 연쇄판매로 등급을 유지하고 등급상승 가망고객에 보다 더 상승할 수 있도록 동기부여 필요

 

  라. 신규고객 우수가망 예측 

   - 우수고객이 될 고객의 거래 특성은 이미 1년전의 1~2개월간 거래 패턴으로 파악 가능

 

  마. 상품구매 예측 

   - 개인화한 상품추천을 위한 중요 요소 

    * 단순 교차판매의 사례가 아니라 고객이 구매할 만한 상품을 전체적을 봐야함. 

 

  바. 캠페인 반응예측

   - 반응할 가망성이 높은 고객에게 캠페인을 해야 더 좋은 반응을 얻게 되고 의사결정할 임계치를 넘어섬 

    * 캠페인에 반응할 사람과 자발적 구매가능성이 낮은 고객을 대상으로 진행하는 것이 적합.

 

 2. party 패키지를 이용한 airquality 데이터 선형모델링(lm)