기업에게 베스트 상품이란 무엇인가? 지금 많이 팔리는 상품? 많은 고객들이 팔아주는 상품? 창사이래 지금껏 가장 많이 팔린 상품? 앞으로 많이 팔릴 것으로 보이는 상품? 어떤 관점에서 베스트 상품을 규정할 수 있을까? 모바일앱에서 어느 고객에게 상품을 추천하는 경우라면 어떤 상품을 추천해야하는가? 베스트 상품을 추천한다면? 이 때 베스트 상품은 무엇인가? 지금 보고 있는 상품과 가장 유사한 상품? 지금 보고 있는 상품과 유사하지만 좀 더 마진이 큰 상품? 지금 보고 있는 상품을 본 다른 사람들이 실제로 주문할 가능성이 가장 큰 상품? 어차피 이 고객이 다음에 누를 가능성이 높은 상품? 이 고객의 클릭스트림을 최대로 연장시켜줄 상품? 이 고객이 내일도 방문하게 해줄 상품? 빠져있는 것은 어떤 상품을 어떤 ..

머신러닝, 예측분석 그리고 타겟 마케팅: 목적을 잊은 기술의 향연 .......... 전용준 . 리비젼컨설팅 대표. 경영학 박사 2021.10. 근래에 머신러닝의 인기가 하늘을 찌른다. 그럼에도 머신러닝으로 다양한 분석을 한다고는 하지만 결국 무엇을 왜 하는가를 잊고 방황하고 있다. 목적을 잊은 기술의 향연 필요하지 않은 기술에 대부분의 노력과 자원을 투입하는 잔치 머신러닝과 예측분석, 정교한 모델링이 결국 무엇을 찾아야하는가? 어떤 결과를 만들어내야하는가? 핵심적인 그리고 결정적인 질문에 대해서는 답을 아는 이도 없지만 질문을 던지는이 자체도 찾아보기 힘들다. #머신러닝 #예측분석 #타깃마키팅 #타겟마케팅 #machinelearning #predictivemodeling #predictiveanalyt..

고객세분화에 대한 이해와 활용방안 2007. BI코리아 고객세분화(customer segmentation)라는 용어는 이제는 특별히 심각한 학술 세미나에서가 아니라도 쉽게 들을 수 있다. 마케팅이나 고객관리와 관련된 업무를 담당하는 사람들이 일상 업무에도 흔히 사용하고 있다. 그러나 그처럼 보편화되었다는 것과 정확한 이해와 활용이 이루어진다는 것과는 별개의 문제인 듯하다. 꽤나 많은 사람들이 그 개념에 대해 오해를 가지고 있기 때문이다. 먼저 대표적인 오해들을 몇 가지 짚어보고 나서 그에 대한 여러 측면을 살펴보고 활용도를 높이기 위한 방안까지 알아본다. 고객세분화와 관련된 오해들 오해 1 RFM 분석은 고객세분화의 대표적인 방법이다 본래 통신판매에서 시작되었다고 하는 RFM (recency, frequ..

디지털 채널, 앱, 코로나 그리고 CRM 고객관계관리와 데이터 분석 2021 ............. 2021-04-20. 전용준. 리비젼컨설팅. 아직까지도 '디지털 전환 digital transformation', 의미도 모호하고 발음도 생소한 용어다. 하지만 분명한 것은 이미 휴대폰의 앱 App이 중심이 된 세상. 사용자들은 그저 편리하기에, 늘 휴대폰을 사용하기에 앱을 사용할 뿐이다. 하지만 제품과 서비스를 공급하는 공급자 입장에서는 원하기만 한다면 얼마든 고객과 양방향으로 이야기를 나눌 수 있 채널이 등장한 것이다. 별 것 아닌 것 처럼 보이는 앱이 하나 있다는 것으로 인해 이제는 상품이나 서비스를 벗어나서도 다양한 생각과 취향을 고객과 공유하는 것이 가능하다. 생각해보면 2000년대 초반까지의 ..

[머신러닝] 디시젼트리와 XGBoost 인기도 변화 추이 요점: 코로나 바이러스 COVID-19 사태로 인해 전세계적으로 머신러닝 기법에 관한 관심이 줄어들었으나 XGBoost 기법에 대한 관심이 디시젼트리에 대한 관심이상으로 높음. 정확도 높은 고급 머신러닝 기법을 찾는 사람들이 많음 2021년 현재까지 트리기반 앙상블 머신러닝의 대표선수는 XGBoost 파이썬이 머신러닝을 위한 분석용 환경으로 지배적 지위를 가진지 3년 가량이 지났음 supervised machine learning을 위해 디시젼트리와 XGBoost는 가장 많이 활용되는 모델링 기법들 전세계적인 인기도를 구글트렌드 지수를 기준으로 살펴보면 XGBoost가 전통적인 디시젼트리 보다 조금은 더 많은 관심을 받고 있음을 알수 있음 R에서와..

파이썬 scatter plot에 클러스터 또는 그룹별로 다른 색을 칠하고 싶다면 컬러를 구분할 벡터를 먼저 생성한 후 맵을 만들어서 대응되는 색을 가져오도록 처리 예를들면 아래처럼 The color= or c= property should be a matplotlib color, as mentioned in the documentation for plot. To map a integer label to a color just do LABEL_COLOR_MAP = {0 : 'r', 1 : 'k', ...., } label_color = [LABEL_COLOR_MAP[l] for l in labels] plt.scatter(x, y, c=label_color) # ........ OR If you don't..