[논문 리뷰 스터디] 데이터 마이닝 방법 리뷰 in RFM Customer Segmentation

A review of data mining methods in RFM-based customer segmentation
논문 리뷰 (AI 스터디, 발표자: 본인)

해당 논문 선정 이유 : 태블로로 구현한 Customer segmentation from RFM Scores를 더 잘 이해하고 싶었다.
그 중 스터디원분을 고려해 데이터 마이닝을 적용하면서도 2021년작으로 최신 논문이며, 4회 인용되었고,
꽤나 공신력 있어보이는 출판 기관이었으며, 무료로 열람 가능했기에 선정하였다.

특히 RFM 의 선정 기준에 대한 심층적인 이해를 얻을 수 있을 것이란 기대감을 가지고 있었다.
하지만 결론적으로 이 논문 리뷰는 데이터 마이닝의 고객 세분화 적용 이해와 영어 공부라는 성취가 있었다.

44 레퍼런스들 중에서 57%-> 기존 RFM 모델 씀
cause: 더 작은 변수, 간단하고 쉬워서 의사 결정자가 이해하기 좋음

이외: RFM 변수 재정의, 추가, 제거
--> 회사와 제품의 가치에 따라 다름

예시)

1. 보험: 위험 관련 요소 추가
2. e-commerce: 웹사이트 들어갈 때 고객 만족& 웹 고객 행동
3. …..~~~.....
4. 그래서! 인구 통계학적 정보는 왜 안넣는 거니? 필수적이야 → 결론 (단락)

forwarding rate: 데이터의 형식화된 블록의 양

리뷰: 7가지 데이터 마이닝 기법이 Customer segmentation에서 갖는 역할을 제시한 점은 좋았으나,
이미 흔하게 쓰고 있는 지역 기반 시스템을 segmentation에 사용한다는 얘기가 새로운 framework라고 느껴지지 않았다.
이를 납득할 수 있는 도표나 그림, 시각화 자료를 추가 제공해 주었다면 더 좋았을 것 같다.

 

--> 이러한 부분은 논문 잘 검색하는 법 위 블로그 글에 따르면 review paper이라서 그런 부분이 있는 것 같다. 

다음부터 새로운 방향을 느끼고 싶다면 review paper를 보는 것은 지양하고, 어떤 개념에 입문할때는 review를 봐야겠다. 

* 내가 원하는 논문을 잘 검색하는 능력도 꽤 중요하다고 느꼈다. 위 글과 같은 레퍼런스등을 참고하여 구글링 실력을 늘려야겠다. 

 

추가할 점은 스터디 후 작성하도록 하겠다. 

 

스터디 후: 새로운 frame work를 제시한다고 했는데 딱히 제시하지 않고 용두사미 형식으로 끝난것 같다는 얘기를 했다.

그리고 도식 또한 visualization을 하고 더 뽑아낼 지식이 있을지 볼 수 있었을 텐데 의사 결정 방식에 팀원과 나는 다른 의견을 표시했다.

 

- RFM Scores 기준 선정에 대한 자세한 리뷰를 하는 논문을 더 찾아 봐야겠다.

- 여기서 쓰는 언어들, 모델들이 옛날 것들을 많이 쓴다는 얘기를 하셨다. 아무래도 2015-2020년도의 논문을 추려

  리뷰해서 그랬던 것 같다.  

- 좋은 논문을 찾는 법에 대해 더 배워야겠다.