earticle

영어

As competition is getting fiercer between retail formats, the strategy to prevent shoppers from churning is very important in terms of shopper relationship management. Therefore, it is necessary to develop a predictive model to consider not only retail format choice (i.e., national chains or traditional market) but also the possibility of cross-shopping derived from the partial churn. In order to predict retail format choice and degree of cross shopping, the current study used logistic regression analysis, decision tree, random forest, GBM, neural network models, which can be simultaneously used for classification model and regression model. In order for the degree of cross-shopping, the visits to the favorite retail format for each shopper and the visits to the alternative store format were used as dependent variables. The ensemble method such as random forest and boosting were the most superior model in predicting the retail format choice. Through the appropriate use of machine learning method, superior prediction is possible from the retail format choice for each shopper to the degree of the cross shopping, affecting more effective customer relationship management (CRM).

한국어

소매유형간 경쟁이 치열해 질수록 고객이탈을 방지하려는 전략은 고객관계관리측면에서 매우 중 요시된다고 할 수 있다. 특히 기존 전통적 소매업이 위협받는 가운데 대형슈퍼마켓의 진입이 이루 어질 경우 기존고객의 이탈 등 대형슈퍼마켓의 진입에 따른 영향은 지역내 중소상공인 뿐만 아니라 지역사회의 중요한 쟁점사항이 된다. 또 진입하는 대형슈퍼마켓의 입장에서도 신규시장에서 새로운 고객층의 확대 여부는 진입타당성 검토시 매우 중요한 요소가 된다. 본논문에서는 이런 경우 소비 자의 소매유형 선택에 대한 정확한 예측이 매우 중요해진다고 할 수 있다. 본 논문에서는 최근 등장하고 있는 기계학습방식(Machine Learning Method)중 로지스틱 (Logistic) 회귀모형, 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest), 부스팅(Boosting), 신경망(Neural Network) 등의 예측력을 비교하여 소비자의 소매유형(전통시장과 대형슈퍼마켓)의 선택 및 교차쇼핑(Cross Shopping)의 정도를 예측하는 모형을 설정하고자 하였다. 훈련자료를 통 해 각 방식별 최적모형을 도출한 후 테스트자료의 부트스트랩을 통해 각각의 예측력을 비교한 결과 랜덤포레스트와 부스팅과 같은 앙상블(Ensemble)방식은 예측력의 우월성 측면에서 다른 기계학습 방식들은 물론 기존 선형모형들과의 비교할 때 유의적인 차이를 보이고 있다.