earticle

영어

This study aims to explore and evaluate AI-based classification models to predict customer purchase intentions in an online shopping environment. Unlike traditional store customers, online shoppers gather information through various media and make purchase decisions based on product reviews and purchase patterns. This study excludes personal basic characteristics such as gender, age, and occupation and instead collects and utilizes customer behavior data such as searches, cart additions, and page views to predict purchase likelihood. Given the difficulties in collecting basic characteristic data due to privacy concerns, the analysis method using only behavior data becomes even more important. This study used machine learning models such as Gaussian Naive Bayes, Random Forest, Decision Tree, and Logistic Regression to predict purchasing customers from behavior data. The performance of each model was evaluated to identify the most effective one, providing a reference for companies in selecting purchase prediction models. Additionally, we compared the purchase amounts between focusing marketing resources on identified potential buyers and distributing marketing resources equally to all customers to analyze the cost efficiency of targeted marketing. This study presents ways for online agricultural and fisheries retailers to better understand customer purchase behavior and efficiently allocate marketing resources to maximize sales. By providing a research framework and proposing prediction models, this study aims to offer methodologies for effective management strategies based on predictions from customer behavior data. Through analyzing customer behavior data, companies can develop more sophisticated targeted marketing strategies, ultimately leading to increased sales and cost savings.

한국어

본 연구는 온라인 쇼핑 환경에서 고객의 구매 의도를 예측하는 인공지능 기반의 분류 모델을 탐색하고 평가 하는 것을 목표로 한다. 전통적인 상점 고객과 달리, 온라인 쇼핑 고객은 다양한 매체를 통해 정보를 수집하고 상품 리뷰나 구매 패턴을 참고하여 구매 결정을 내린다. 본 연구에서는 고객의 행동 데이터를 기반으로 성별, 연령, 직업과 같은 개인 기본 특성을 배제하고, 검색, 장바구니 담기, 페이지뷰 등의 고객 행동 데이터를 수집하 여 구매 가능성을 예측하였다. 이는 개인 정보 보호에 대한 우려로 인해 기본 특성 데이터의 수집이 어려운 현 실을 감안한 접근법이다. 따라서 행동 데이터만을 활용한 분석 방법의 중요성이 더욱 부각된다. 연구에서는 가 우시안 나이브 베이즈, 랜덤 포레스트, 의사 결정 트리, 로지스틱 회귀 등의 기계학습 모델을 사용하여 행동 데 이터로부터 구매 고객을 예측하였다. 각 모델의 성능을 평가하여 가장 효과적인 모델을 식별하고, 이를 통해 기 업이 구매 예측 모델을 선택할 때 참고할 수 있는 근거를 제공하고자 한다. 또한, 식별된 잠재 구매 고객에게 마케팅 자원을 집중하는 경우와 모든 고객에게 동일하게 마케팅 자원을 배분하는 경우의 구매액을 비교하여 타 겟 마케팅의 비용 효율성을 분석하였다. 본 연구는 온라인 농축수산물 리테일러들이 고객의 구매 행동을 더 정 확히 이해하고, 마케팅 자원을 효율적으로 배분하여 매출을 극대화하는 방안을 제시한다. 이를 통해 고객 행동 데이터 기반의 예측을 통한 효과적인 경영 전략 수립 방법론을 제공하고, 예측 모델을 제안하는 데 본 연구의 의의를 둔다. 고객 행동 데이터의 분석을 통해 기업은 더욱 정교한 타겟 마케팅 전략을 수립할 수 있으며, 이는 결국 매출 증대와 비용 절감으로 이어질 것이다.