Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

A study on email efficiency on recommendation system

추천시스템을 이용한 이메일 효율성 제고에 관한 연구

  • Kim, Yon-Hyong (Department of Public Survey and Applied Statistics, Jeonju University) ;
  • Lee, Seok-Won (Department of Public Survey and Applied Statistics, Jeonju University)
  • 김연형 (전주대학교 여론정보통계학과) ;
  • 이석원 (전주대학교 여론정보통계학과)
  • Published : 2009.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes a recommendation system (Association Rule System for Targeting) which considers target which is not considered by previous Logistic Regression system, and proves that the efficiency of the recommendation system is better than that of the current and previous Apriori algorithm system. Also this study shows that the click and purchasing rate of the proposed Association Rule System for Targeting is much higher than those of current Apriori algorithm system after the purchasing campaign even though the open rate of the former is lower than that of the latter. In comparison with Logistic Regression methodology, this paper proves with experimental data that the purchasing effect of the proposed system for specific items is much higher in accuracy than that of current Apriori algorithm system even though the purchasing rate of current Apriori algorithm system is higher in whole shopping malls than that of the proposed Association Rule System for Targeting.

인터넷 쇼핑몰은 그 특성상 직접 상품을 살펴보기 힘들고 판매자와의 상호작용이 어렵다. 그래서 소비자들은 인터넷상품 구매 시 의사결정에 확신이 부족하거나 절차를 간소화하기 위하여 상품 평이나 추천을 고려한다. 추천의 정교화 및 성과를 높이기 위하여 수 많은 연구가 진행되었으나, 이러한 연구들은 목적을 선정하지 않고 상품간, 사용자간, 협업적 연관성을 바탕으로 진행되어 비슷한 유형을 나열하는 것에 그치고 있다. 그러므로 목적성을 가지는 기업의 캠페인에 바로 적용하기에는 어려움이 존재하였고, 부가적으로 정보를 가공하여 로지스틱회귀모형 등 모형 작업을 실시하는 것이 일반적이었다. 본 논문에서 제안하는 목적성을 고려한 추천은 개인마다 점수를 부여하여 개인화에 따른 추천이 가능토록 하였으며, S주식회사 쇼핑몰의 이메일 캠페인에 적용하여 개봉율, 클릭율, 구매율에 대하여 그 우수성을 증명하였다.

Keywords

References

  1. 고봉성, 이석원, 허정 (2009). 생명보험사 텔레마케팅 효율성 제고에 관한 연구. <한국데이터정보과학회>, 4, 673-684.
  2. 김진규 (2002). <수량과 가중치를 고려한 퍼지 연관규칙 탐색 방법>. 석사학위논문, 한양대학교, 서울.
  3. 이석원 (2008). <데이터마이닝의 association rule 기법에 관한 연구>. 박사학위논문, 전주대학교, 전북.
  4. 이희춘 (2009). 협력적 필터링 추천기법에서 이웃 수를 이용한 선호도 예측 정확도 향상. <한국데이터정보과학회>, 3, 505-514.
  5. Agrawal, R. and Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th VLDB Conference, Santiago, Chile.
  6. Agrawal, R. and Srikant, R. (1995). Mining sequential patterns, In Proc. 1995 Int. Conf. Data Engineering (ICDE’95), 3-14, Taipei, Taiwan, Mar.
  7. Cai, C. H., Fu, W. C., Cheng, C. H. and Kwong, W. W. (1998). Mining association rules with weighted items. In proceedings of the international Database Engineering and Applications Symposium, 68-77.
  8. Han, J. and Fu, Y. (1995). Discovery of multiple-level association rules from large database. In Proc. 1995 Int. Conf. Very Large Data Bases (VLDB’95), 420-431, Zurich, Switzerland, Department.
  9. Hong, T. P., Kuo, C. S. and Chi, S. C. (1999). Mining association rules from quantitative data. Intelligent Data analysis, 5, 363-376.
  10. Kim, Y. H. and Lee, S. W. (2008). An empirical study on telemarketing business. Journal of the Korean Data & Information Science Society, 3, 877-891.
  11. Ramkumar, G. D., Ranka, S. and Tsur, S. (1997). Weighted association rules: Model and algorithm, http://www.cs.ucla.edu/ czdemo/tsur/.
  12. Shragai, A. and Schneider, M. (2001). Discovering quantitative association in databases. In proceedings of IFSA World Congress and 20th International Conference on NAFIP, 423-428.
  13. Xin, D., Han, J., Yan, X. and Cueng, H. (2005). Mining compressed frequent-pattern sets. In Proc. 2005 Int. Conf. Very Large Data Bases (VLDB’05), 709-720, Trondheim, Norway, Aug.
  14. Yue, J. S., Tsang, E., Yeung, D. and Shi, D. (2000). Mining fuzzy association rules weighted items. In proceedings of International Conference on Systems, Man and Cybernetics, 3, 1906-1911.