상세정보

이 책은 대용량의 데이터 집합에서 가치있는 유형들을 효율적으로 발견하는 프로세스인 데이터마이닝이 고객관계관리(CRM)를 어떻게 지원할 것인지에 대해 말하고 있다. 하지만 정보화시대에 있어 정보를 취득하고 활용하는 기술적인 방법과 그 필요성 및 가치에 대해서만 이야기하고 있지 않다. 이보다는 데이터웨어하우징과 데이터마이닝 등의 기반기술과 CRM 애플리케이션 도구들을 살펴봄으로써 효과적인 고객관계관리를 위한 접근방법을 제시하는 데 초점을 맞추고 있다.

정보제공 :

목차
PART1 데이터마이닝이 CRM에 미치는 영향
 제1장 고객관계 = 31
  서론 = 31
  데이터마이닝이란 무엇인가 = 33
  사례 = 34
  비즈니스 프로세스와의 적합성 = 35
  데이터마이닝과 CRM = 36
   어떻게 데이터마이닝이 데이터베이스 마케팅을 지원하는가 = 37
   스코어링 = 37
   캠페인 관리 소프트웨어의 역할 = 37
   고객 평생 가치의 증대 = 38
   데이터마이닝과 캠페인 관리의 결합 = 38
   데이터마이닝 모델이 평가 = 38
 제2장  데이터마이닝과 데이터웨어하우징-연결 관점 =40
  서론 = 40
  데이터마이닝과 데이터웨어하우징-연결 = 41
  데이터웨어하우징 서론 = 42
   데이터웨어하우징 ROI = 42
   운영계 및 정보계 데이터 저장 = 44
   데이터웨어하우스 정의 및 특징 = 48
   데이터웨어하우스 아키텍처 = 51
  데이터마이닝 = 54
   데이터마이닝 정의 = 55
   데이터마이닝 애플리케이션 도메인 = 56
   데이터마이닝의 범주 및 연구 초점 = 57
 제3장 고객관계관리 = 61
  서론 = 61
  가장 수익성 높은 고객 = 62
  고객관계관리 = 62
   고객 중심의 데이터베이스 = 64
   캠페인 관리 = 65
  마케팅의 발전 = 67
  폐쇄적 순환 마케팅 = 67
  CRM 아키텍처 = 68
  차세대 CRM = 68
PART2 기초 - 기술과 도구들
 제4장 데이터웨어하우징의 구성요소 = 73
  서론 = 73
  전반적인 아키텍처 = 74
  데이터웨어하우스 데이터베이스 = 75
  소득, 획득, 정제, 변형 도구들 = 75
  메타데이터 = 76
  접근 도구 = 77
   접근 / 시각화 정보 = 80
  도구분류 = 83
   질의 및 리포팅 도구 = 83
   애플리케이션 = 84
   OLAP도구 = 84
   데이터마이닝 도구 = 85
  데이터 마트 = 86
  데이터웨어하우스 관리 = 89
  웹의 영향 = 90
  웹을 사용하기 위한 접근 방법 = 91
  디자인 옵션과 현안들 = 92
   XML = 94
 제5장 데이터마이닝 = 100
  데이터마이닝이란 무엇인가 = 100
   마이닝 비유 = 101
  데이터마이닝이 아닌 것 = 101
   통계 = 101
   OLAP = 101
   데이터웨어하우징 = 102
  데이터마이닝의 시대가 도래하다 = 102
  데이터마이닝에 대한 동기가 매우 크다 = 103
  과거의 실수로부터 배우기 = 105
  통계기법이 있는데 굳이 데이터마이닝이 필요한가 = 105
  데이터마이닝의 효과 측정 - 정확성, 스피드, 비용 = 106
  데이터마이닝을 비즈니스 프로세스에 포함시키기 = 118
  더 많이 변할수록 똑같이 머무르게 된다 = 110
  발견 대 예측 = 111
   발견 - 찾고 있지 않았던 무언가를 찾아내는 것 = 111
   예측 = 112
  과잉맞춤 = 112
  업계의 상태 = 113
   목표 솔루션 = 113
   사업도구 = 113
   사업 분석자 도구 = 114
   연구 분석자 도구 = 114
  데이터마이닝 방법론 = 115
   패턴은 무었이고 모델은 무엇인가? = 115
   패턴의 시각화 = 117
   용어에 대한 노트 = 118
   지식과 지혜에 대한 노트 = 120
   표본추출 = 121
   임의 표본추출 = 122
   모델의 검증 = 122
   가장 좋은 모델의 선택 = 123
  데이터마이닝 애플리케이션들의 형태 = 124
 제6장 고전적 기법 : 통계, 근접이웃, 군집분석 = 125
  고전적인 기법 = 125
  통계 = 126
   통계화 데이터마이닝은 무엇이 다른가? = 126
   통계란 무엇인가? = 127
   데이터, 카운팅 그리고 확률 = 127
   히스토그램 = 128
   예측을 위한 통계 = 131
   선형회귀 = 131
   데이터 속에서 발견된 패턴이 직선처럼 보이지 않으면 어떻게 해야 하나? = 133
  근접이웃 = 134
   간단한 군집분석의 예 = 134
   간단한 근접이웃의 예 = 134
   예측을 위해 근접이웃을 사용하는 방법 = 135
   경영의 어느 부분에서 근접이웃 기법이 사용되는가? = 136
   주식시장 데이터에 대해 근접이웃을 사용하기 = 136
   왜 투표가 더 좋은가 - K 근접이웃 = 137
   근접이웃이 예측에 있어 얼마나 확신을 줄 수 있는지 어떻게 알 수 있을까? = 138
  군집분석 = 138
   명확함을 위한 군집분석 = 138
   적합하지 않는 군집 발견하기-특이값에 대한 군집분석 = 139
   군집분석이 근접이웃 기법과 얼마나 비슷한 것인가? = 139
   예측을 위해 군집분석과 근접이웃을 사용하는 방법 = 140
   군집분석을 하는 또 다른 방법이 있는가? = 141
   군집분석을 하는 데 있어 왕도는 없다 = 141
   어떤 레코드들이 어떤 군집에 속하는지를 결정할 때 어떠한 상쇄효과가 있을까? = 142
   군집분석은 동일한 성질과 가장 작은 수의 군집으로 이루어질 때 최적이다 = 142
   군집분석과 근접이웃 예측에 있어 차이는 무엇인가? = 143
   n차원 공간이란 무엇인가, 이것을 정말 알 필요가 있을까? = 144
   군집분석과 근접이웃을 위한 공간은 어떻게 정의될까? = 145
   계층적 군집분석과 비계층적 군집분석 = 145
   비계층적 군집분석 = 157
   계층적 군집분석 = 147
  고전적인 방법의 선택 = 150
 제7장 차세대 기법 : 의사결정나무, 신경망, 연관규칙 = 151
  차세대 기법 = 151
  의사결정나무 = 151
   의사결정나무란? = 151
   데이터 세분화를 위해 의사결정나무를 사용하자 = 152
   기업경영에 의사결정나무를 활용하자 = 153
   어떠한 비즈니스 영역에 적용하는가? = 153
   자료의 분석에 사용하자 = 154
   자료의 사전처리에 사용하자 = 154
   새로운 자료의 예측에 사용하자 = 154
   첫 단계는 질문을 통해 나무를 확장하는 것이다 = 155
   이것이 적절한 질문과 부적절한 질문의 차이이다 = 155
   어느 시점에서 나무의 확장을 중지할 것인가? = 156
   데이터의 수가 충분하지 못하면 왜 나무 확장을 중지하는가? = 156
   확장이 끝났다고 나무가 최종 의사결정나무 모델이 되는 것은 아니다 = 157
   ID3와 C4.5 알고리즘 = 157
   CART - 숲을 만들고 그 안에서 최고의 나무를 선정한다 = 158
   CART는 자동적으로 나무를 검증하고 최적의 나무를 제시한다 = 159
   CART는 대체용 변수를 이용해 결손값을 처리한다 = 159
   CHAID = 159
  신경망 = 160
   신경망이란? = 160
   신경망의 학습방식은 다르다 = 160
   신경망은 사용이 용이한가? = 161
   기업 경영에 신경망을 활용하자 = 161
   어떠한 비즈니스 영역에 적용하는가? = 163
   신경망을 이용한 군집분석 = 163
   신경망을 이용한 특이값 발견 = 163
   신경망을 이용한 형태 추출 = 163
   신경망은 어떠한 구조인가? = 165
   신경망은 어떠한 과정을 통해 예측하는가? = 165
   신경망 모델은 어떻게 만들어지는가? = 166
   신경망 모델은 얼마나 복잡해질 수 있나? = 167
   은닉마다는 어떠한 성격을 띄고 있나? = 167
   학습은 은닉마다에서 진행된다 = 167
   조직 전체가 성과에 대해 연대책임을 진다 = 168
   여러 종류의 신경망 = 168
   신경망은 인간의 두뇌와 얼마나 유사한가? = 169
   과잉맞춤을 줄이기 위한 노력 = 169
   모델의 설명력에 대한 문제 = 170
  연관규칙 유도기법 = 171
   기업경영에 연관규칙을 활용하자 = 171
   규칙이란? = 172
   규칙으로 무엇을 할 것인가? = 173
   규칙이 반드시 인과관계를 의미하는 것은 아니다 = 174
   연관규칙 유도기법에 사용되는 데이터베이스의 형태 = 174
   규칙의 일반적인 개념 = 176
   활용에 있어 정확도와 적용빈도의 중요성 = 176
   정확도와 적용빈도의 절충관계는 경마에 돈을 거는 것과 같다 = 177
   어떻게 규칙을 평가하나? = 177
   가치있는 규칙이란? = 179
   규칙이 가치를 측정하는 다른 방법들 = 180
   연관규칙 유도기법과 의사결정나무 = 181
   의사결정나무와 연관규칙 유도기법 간의 또 다른 공통점 = 182
   어느 기법을 선택해야 하는가? = 182
   개발과 활용의 조화 = 184
 제8장 언제 데이터마이닝을 이용하는가? = 184
  서론 = 184
  적절한 데이터마이닝 기법의 활용 = 184
   데이터마이닝 프로세스 = 185
   데이터마이닝 기법의 공통점 = 185
   규칙 추론은 의사결정나무와 유사한가? = 187
  비즈니스 프로세스에서의 데이터마이닝 = 188
   데이터마이닝에서의 범하기 쉬운 몇 가지 큰 실수의 방지 = 189
   고객 데이터에 대한 명확한 이해 = 189
  시스템에 연계되는 데이터마이닝 = 192
   분산 비즈니스 프로세스의 비용 = 194
   가장 바람직한 데이터마이닝 도구 평가 방법 = 195
   기존의 도구와 효과적으로 연계되는 데이터마이닝 = 198
  정확성, 설명력, 통합성을 측정하는 방법 = 200
   정확성에 대한 평가 = 200
   설명력에 대한 평가 = 201
   통합성에 대한 평가 = 201
  미래의 데이터마이닝에 대해 필요한 것 = 203
PART3 비즈니스 가치
 제9장 고객 수익성 = 207
  서론 = 207
  왜 고객 수익성을 측정하는가? = 208
  고객 수익성에 미치는 충성도의 영향 = 209
  고객 충성도와 복리효과 = 209
  고객관계관리란 무엇인가? = 210
  데이터마이닝을 통한 고객 수익성이 최적화 = 210
  미래 수익성의 예측 = 211
  고객 수익성 전환의 예측 = 212
  마케팅에서 고객 수익성이 활용 = 213
  왜 매출만으로는 충분하지 않는가? = 215
  증분 고객 수익성 = 215
  증분 고객 수익성이란 무엇인가? = 216
  판매 직원들에게 그만 판매하도록 하는 것 = 217
  어떻게 조직적인 참여를 유도할 것인가? = 218
  대용차를 사용하는 것은 아무 것도 하지 않는 것보다 더 나쁠 수 있다 = 219
  The Holy Grail = 219
  데이터마이닝의 가치를 어떻게 측정할 것인가? = 220
 제10장 고객 획득 = 221
  서론 = 221
  데이터마이닝과 통계는 무엇을 바꾸었는가? = 222
  주요 획득 개념의 정의 = 223
  모든 것은 데이터로 시작된다 = 225
  테스트 캠페인 = 226
  테스트 캠페인 반응 평가 = 226
  반응 행태를 이용하여 데이터마이닝 모델 만들기 = 227
 제11장 교차 판매 = 229
  서론 = 229
  교차 판매 효과를 낼 수 있는 방법 = 230
  프로세스의 단계 = 231
  분석의 시작 = 232
   모델링 = 233
   점수화 = 233
   최적화 = 234
  다중 제안 = 239
 제12장 고객 유지 = 240
  서론 = 240
  이동통신 산업에서의 고객 이탈 = 241
   고객 이탈을 예측하기 위한 CART 데이터마이닝 알고리즘의 이용 = 242
  사용 가능한 데이터마이닝 기술 = 243
  사례연구 - 이동통신 산업에서의 고객유지 = 244
   데이터 = 244
   예측되어야 할 목표 정의 = 244
   데이터마이닝 실행 = 244
   데이터마이닝 모델 = 244
  비즈니스 구현 = 247
  결과 = 250
   통제그룹에서의 성과 = 251
  교훈 = 252
   놀라운 결과 = 253
   예측모델이 목표를 바꾸기 = 253
   다른 데이터 원천이 도움이 될 지도 모른다 = 254
   고객 가치 고려 = 254
   세이브팀과 함께 다른 마케팅 노력 고려하라 = 254
  다른 사업에서의 고객 유지 = 255
 제13장 고객 세분화 = 256
  서론 = 256
  고객 세분화의 의미 = 257
  고객 세분화의 가치 = 257
  1:1 마케팅과의 차이점 = 257
  데이터 기반의 고객 세분화 = 258
  데이터 기반의 고객 세분화 방안 = 259
  고객 세분화의 다양한 용도 = 260
   업무의 이해와 전략이 시행 = 261
   인구통계학적 관점이 고객 세분화 = 261
   심리적 관점의 고객 세분화 = 261
   표적 고객 세분화 = 262
  고객 세분화 작업 방법 = 262
   고객 세분화 방법론에 대한 질문 = 262
  고객 세분화를 위한 데이터마이닝의 활용 방안 = 263
  데이터 기반 고객 세분화와의 통합 = 264
  세분화 구조의 소개와 제거 = 265
   기업 언어로써의 고객 세분화 = 265
   올바른 이해가 필요하다 = 265
   세분화를 바꿀 때 = 266
  사례 연구 : 제약 산업 = 266
   산업의 배경 = 266
PART4 해법을 만드는 열쇠
 제14장 비즈니스 사례 만들기 = 271
  서론 = 271
   데이터마이닝은 복잡하다 - 비즈니스 사례가 없다면, 프로젝트가 정체할지도 모른다 = 272
   성공을 했는지를 어떻게 알 수 있는가? = 272
   비즈니스 전략에 있어 근본적인 변화 = 272
  회사 내에서 데이터마이닝의 필요성에 대한 요구를 발견하기 = 273
   서투르게 시행된 CRM 또는 간단한 캠페인 관리 = 273
   고객 가치와 어설프게 짝지어진 고객 투자 = 274
   고객들을 더 높은 가치를 지닌 상태로 옮겨가게 하는 것이 힘들 경우= 274
  비즈니스 가치의 정의 = 275
   증가된 수입 = 275
   이익 = 275
   감소된 비용 = 275
   투자대비 수익 = 276
   경쟁 우위 = 276
   초기 채택자 = 276
  비용 = 277
   데이터 = 277
   인프라 구조 가격 책정 = 278
   인력에 대한 가격 책정 = 279
   유지비용 = 280
   비용억제 : 현재 투자를 레버리지 하기 = 280
  비즈니스 사례 만들기 = 281
 제15장 CRM을 위한 데이터마이닝 = 282
  서론 = 282
  데이터마이닝 애플리케이션 시행의 10단계 = 282
  문제점 정의  = 283
   문제가 되는 사항을 찾아낼 것 = 284
   프로젝트의 산출물을 정의할 것 = 285
   잘 정의되고 있고 규모가 작은 문제점을 선택할 것 = 286
   기존의 CRM 프로세스를 이해할 것 = 286
  사용자 정의 단계 = 287
   각 사용자에 대한 프로파일을 작성할 것 = 288
   사용자 교육을 위해 스타트 프로그램을 활용하여 필요사항과 요구사항을 끌어낼 것 = 288
  데이터 정의 단계 = 290
   데이터 라이브러리 작성 = 290
   데이터 관리책임자를 할당할 것 = 292
   측정 기준을 정의할 것 = 292
  데이터의 재정의  = 293
   데이터 통합 수준을 확인할 것 = 293
   데이터 소스의 검증 = 293
  프로젝트 범위의 설정 = 294
   착수 서류에 범위를 포함시킬 것 = 294
   데이터 정제 범위 설정 = 294
   데이터 이동, 모델링 그리고 보관에 대한 범위 설정 = 295
   데이터마이닝의 범위 = 295
   실험적 디자인과 측정이 범위 설정 = 295
  시험 시행 = 296
   너무 오랫동안 기다리지 말 것 = 296
   작게 시작하되 끝에서부터 끝까지 수행할 것 = 297
  품질 보증 = 297
   품질 보증을 프로세스화할 것 = 298
   모델의 결과에 대해 검증하고 협의할 것 = 298
  학습 = 299
  착수 단계 = 300
   최초 사용자를 선택할 것 = 300
   모든 결과값을 확보할 때까지 포장을 뜯지 말 것 = 301
   사용자들이 결과를 이해할 수 있도록 도와줄 것 = 301
  지속적인 활용 = 302
  결론 - 데이터마이닝을 비즈니스 프로세스의 일부로 만들어야 한다 = 302
 제16장 고객 데이터 수립 = 303
  서론 = 303
  고객 데이터의 세 가지 유형 = 303
   기술적 데이터 = 304
   판매촉진 데이터 = 305
   거래관련 데이터 = 306
  고객 데이터 수집 = 306
   내부 소스 = 306
   웹 데이터 = 308
  고객 데이터와의 관계 = 308
   데이터웨어하우스와 데이터 마트 = 308
   데이터 원천과 연결매체 = 309
   원거리 데이터 연결 = 310
  고객 데이터와 프라이버시 = 311
  프라이버시와 데이터마이닝 = 312
  프라이버시를 위한 가이드라인 = 314
   익명성과 신원에 대한 정보 = 314
   상세 데이터와 통합 데이터 = 314
   목표선정 및 측정을 위한 정보 = 315
   결합 데이터 소스 = 316
   익명의 구조화 = 316
  데이터마이닝과 관련된 법적 문제들 = 317
 제17장 고객 점수 매기기 = 319
  서론 = 319
  절차 = 319
  스코어링 구조 및 변형 = 322
  데이터 준비 = 324
   직접 맵핑 = 325
   상쇄 맵핑 = 325
  스코어링과 다른 애플리케이션과의 결합 = 326
   모델 설정 = 327
   데이터의 동적 스코어링 = 327
 제18장 CRM 프로세스의 최적화 = 328
  서론 = 328
  최적화를 통한 고객 수익성 개선 = 329
   최적화란 무엇인가? = 329
  고객 관계를 최적화하면 어떤가? = 331
  어떤 것을 최적화하려면 그것을 통제할 수 있어야 한다 = 331
  왜 지금은 가능한가? = 332
  최적화된 CRM = 333
  완전한 고리 = 334
  최적의 CRM프로세스 : 측정, 예측, 실행 = 335
  마케팅 최적화가 아닌 경우 = 336
  최적화 기술 = 337
   모의 실험에 의한 강화기법 및 신경망 = 338
 제19장 데이터마이닝과 CRM도구 시장의 개략 = 340
  서론 = 340
  데이터마이닝 시장 = 341
  데이터마이닝 도구의 분류 = 342
  도구의 평가 : 특성과 방법론 = 343
  도구 평가 = 345
   Clementine(SPSS) = 345
   4Thought와 Scenario(Cognos) = 347
   Darwin(Oracle) = 351
   데이터마이닝 웍스테이션(HNC) = 353
   Decision 시리즈(NeoVista) = 355
   Enterprise Miner(SAS) = 358
   Intelligent Miner(IBM) = 360
   KnowledgeSEEKER와 Knowledge Studio(Angoss) = 363
   Model 1과 Pattern Recognition Workbench(Unica) = 365
  다른 데이터마이닝 도구 = 368
  CRM 도구 = 369
   개인화 도구 = 369
   캠페인 관리 / 마케팅 도구 = 372
   판매 자동화 및 고객 서비스 도구 = 374
 제20장 결론 : 효과적인 CRM을 위한 차세대 정보마이닝과 지식발견 = 377
  비즈니스 인텔리전스 및 정보마이닝 = 378
  텍스트마이닝 및 지식 관리 = 379
  텍스트마이닝의 혜택 = 380
  텍스트마이닝 기술 = 381
   인터넷 탐색 = 381
   텍스트 분석 = 381
   의미론적 네트웍과 다른 기술들 = 383
  텍스트마이닝 제품 = 384
  인간 두뇌의 모든 능력을 사용한다 = 388
  결론 = 392
   지식 관리 = 393
   e-비즈니스 세계에서 CRM = 393
   애플리케이션 서비스 제공자 = 395
용어해설 / 참고문헌