연구동향 분석
박사

데이터마이닝 기법을 활용한 외식소비자들의 구매 연관성 분석

이지민 2020년

논문상세정보
인용/피인용
' 데이터마이닝 기법을 활용한 외식소비자들의 구매 연관성 분석' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 음식과 음료
  • 신용카드 결제, 외식소비자, RFM분석, 군집분석, 연관규칙
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
303 0

0.0%

' 데이터마이닝 기법을 활용한 외식소비자들의 구매 연관성 분석' 의 참고문헌

  • 호텔 등급에 따른 온라인 리뷰 유형과 유용성의 관계 분석
    구철모 이현애 정남호 경영학연구, 46(1), 137-156 [2017]
  • 한국표준산업분류. http://kssc.kostat.go.kr/ksscNew_web/link.do?gubun=001
  • 한국지능정보시스템학회 학술대회눈문집
  • 한국인 의 식품 소비 트렌드 분석
    손은영 이계임 한혜성 한국 농촌 경제 연구원 [2007]
  • 한국은행(금융결제국).“2017년 지급수단 이용행태 조사결과
    ” 지급결제 조사자료, 제2018-1호 [2018]
  • 한국은행
    경제통계시스템, https://ecos.bok.or.kr
  • 한국방문 중국인 관광객의 지출 영향요인
    노윤호 옥석재 관광레저연구, 29(6), 373-386 [2017]
  • 학력이 외식비 지출에 미치는 효과
    모수원 관광레저연구, 19(2), 305-321 [2007]
  • 편익과 인구통계적 변수에 의한 패밀리레스토랑 추천에 관한 연구
    박기용 이훈영 관광레저연구, 15(2), 159-172 [2003]
  • 통합 데이터베이스마케팅 시스템
    김정수 범우사. 34 [2000]
  • 친환경 농산물 에 대한 소비자 선호 와 구매행태 분석
    김창길 김태영 서성천 한국 농촌 경제 연구원 [2005]
  • 취업자의 소비패턴 변화와 시사점: 연령 및 산업별 분석을 중심으로
    우광호 이진영 한국경제연구원 연구보고서, 2015(1) [2015]
  • 추천시스템을 위한 k-means 기법과 베이시안 네트워크를 이용한 가중치 선호도 군집 방법
    고형화 박화범 조영성 Journal of Information Technology Applications & Management, 219-230 [2013]
  • 철강유통산업에서의 고객관계관리 (CRM) 를 위한 고객세분화 모형
    윤종수 윤종욱 경영연구, 19, 144-164 [2004]
  • 중국 주요지역 소비자의 구매 패턴 특성에 따른 브랜드 평가에 관한 실증연구
    김용준 김주원 문철주 국제경영연구, 20(1), 27-54 [2009]
  • 주부들의 생활양식유형에 따른 유기농산물 구매특성 분석
    강이주 소비문화연구, 11, 1-20 [2008]
  • 장바구니 크기가 연관규칙 척도의 정확성에 미치는 영향
    김남규 Asia Pacific Journal of Information Systems, 18(2), 95-114 [2008]
  • 이훈영교수의 연구조사방법론. 제2판
    이훈영 도서출판 청람 [2014]
  • 이성건, 김은석, 엄익현.빅데이터 분석을 위한 데이터마이닝방법론
    강현철 최종후 한상태 경기:자유아카데미 [2014]
  • 음식관광객 시장세분화와 한식 구매 연관성 분석에 관한 연구 : 외래 관광객을 중심으로. 경희대학교 대학원
    민하나 박사학위논문 [2017]
  • 웹 데이터마이닝 기법을 이용한 레스토랑 만족도 평가에 관한 연구-네이버 윙스푼 데이터 분석
    강한훈 도해용 이애주 외식경영연구, 15(2), 115-131 [2012]
  • 외식소비성향에 따른 베이비부머 유형분석-Q 방법론적 접근
    김명희 김아현 송은주 외식경영연구, 16(5), 27-48 [2013]
  • 외래 관광객의 관광 주목적별 관광지 선택 연관성 규칙 분석: 2013 년 외래 관광객의 휴가레저 및 비즈니스 집단별 비교 연구
    김인신 이유안 관광경영연구, 73, 623-642 [2016]
  • 와이즈앱 2019년 6월 배달앱 사용자 동향, https://platum.kr/archives/125166
    [2019]
  • 연관성 분석을 이용한 여행업 고객 분석
    강창완 김규곤 진도승 최승배 Journal of the Korean Data Analysis Society. 13(6). 2945-2952 [2011]
  • 연관분석을 이용한 데이터마이닝 기법에 관한 사례연구
    류귀열 문영수 한국데이터정보과학회: 학술대회논문집, 8(3), 1021-1033 [2006]
  • 연관규칙을 활용한 상품 구매 패턴분석에 관한 연구
    박정권 이정찬 정용규 최은영 서비스연구, 2(1) [2012]
  • 연관규칙을 이용한 호텔 레스토랑 고객의 이용 행태 분석
    정유경 호텔경영학연구, 12(2), 1-22 [2003]
  • 연관규칙을 이용한 고객의 구매경향에 관한 연구
    임영문 최영두 대한안전경영과학회 학술대회논문집, 299-306 [2000]
  • 연관규칙기법과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰의 사례
    김경재 안현철 한인구 Information Systems Review, 8(1), 181-201 [2006]
  • 연관규칙 분석을 이용한 시청률 분석 연구
    은혜정 전익진 한국언론학보, 58(5), 391-416 [2014]
  • 연관 관계 분석을 통한 스마트폰과 기능의 융합 분석
    김진화 노미정 이재범 한국경영정보학회 학술대회, 254-259 [2010]
  • 여신금융협회, https://www.crefia.or.kr/
  • 신용카드가맹점의 법적 쟁점에 관한 연구: 결제대행가맹점을 포함하여. 고려대학교 대학원
    석일홍 박사학위논문 [2018]
  • 신용카드 거래 활성화에 따른 연도별 세수증대 내역
    최호상 국회경제산업조사실 [2010]
  • 신여진. (2012). 연관규칙(association rule)을 이용한 소비자의 식품구매행태 분석. 경희대학교 대학원, 석사학위논문.
    신여진 석사학위논문 [2012]
  • 신경망과 연관규칙을 이용한 구매 패턴 분류시스템의 구현
    김진상 이종민 정홍 한국지능시스템학회 논문지, 13(5), 530-538 [2003]
  • 식품외식경제. (2017). http://www.foodbank.co.kr/news/articleView.html?idxno=54737 국내 주요 53개 외식업체 2017년 실적 도표.
    [2017]
  • 소셜미디어 빅데이터를 활용한 항공사 이미지 변화 분석: K 항공의 램프리턴을 중심으로
    오익근 홍지숙 관광연구저널, 30(6), 119-133 [2016]
  • 빅데이터를 활용한 효율적 운영 전략 수립에 대한 연구
    박지영 호텔리조트연구, 13(1), 5-22 [2014]
  • 목표속성을 고려한 연관규칙과 분류기법
    김재련 한경록 한국산업경영시스템학회 추계학술대회 [2000]
  • 데이터베이스마케팅
    박찬욱 연암사, 57-59 [1996]
  • 데이터마이닝을 이용한 패스트푸드 레스토랑 이용고객 특성에 관한 연구
    김영훈 안성식 관광레저연구, 18(2), 191-209 [2006]
  • 데이터마이닝을 이용한 청계천 개발 선호도에 따른 관광객의 인구통계학적 특성 및 관광 행동 패턴에 관한 연구
    박슬기 황진수 관광레저연구, 22(4), 395-414 [2010]
  • 데이터마이닝 기법을 활용한 화학공학 미래기술 예측에 관한 연구. 건국대학교 대학원
    송영훈 박사학위논문 [2014]
  • 데이터마이닝 기법을 이용한 호텔산업의 데이터베이스마케팅에 관한 연구. 호텔관광연구
    김우곤 김창현 최용호 11(단일호), 33-53 [2003]
  • 데이터마이닝 기법과 응용
    전치혁 서울: 한나래 [2012]
  • 노인부부가계와 노인독신가계의 소비패턴 비교
    여윤경 한국가정관리학회지, 21(5) [2003]
  • 기계학습기법을 이용한 광고 외식 블로그의 자동분류
    이규홍 이병준 장재영 조세진 한다혜 한국인터넷방송통신학회 논문지, 16(2), 55-62 [2016]
  • 관광분야에서 SNS 빅데이터의 활용 방법 모색
    윤지환 이영진 관광연구저널, 28(3), 5-14 [2014]
  • 고령자 가구의 소비특성 및 소비패턴 결정요인
    김진훈 한국노년학, 36, 905-926 [2016]
  • 고객관계관리
    박찬욱 도서출판 청람, 4-5 [2016]
  • 고객 구매행태의 지속적 변화 파악을 위한 재귀적 변화발견 방법
    김재경 송희석 조영빈 채경희 최주철 Information Systems Review, 8(2), 119-138 [2005]
  • 건강기능식품에 대한 소비자 구매행태 분석
    이순석 이인경 정혜경 한국유통학회 학술대회 발표논문집, 7-11 [2014]
  • 강미라, & 류시영.데이터마이닝을 이용한 신혼여행상품의 시장세분화
    김완섭 관광연구저널, 24(3), 173-187 [2010]
  • 가구주 학력이 외식수요에 미치는 효과
    김영숙 전순실 한국식품영양과학회지, 34(9), 1407-1413 [2005]
  • Why database marketing ? . In Database marketing
    pp . 13-46 [2008]
  • Who Shall Survive ? A New Approach to the Problem of Human Interrelations
    [1934]
  • What can Big Data and text analytics tell us about hotel guest experience and satisfaction ?
    44 , 120-130 [2015]
  • Web-based text mining of hotel customer comments using SAS® text miner and megaputer polyanalyst®
    141-152 [2009]
  • Using data mining techniques for profiling profitable hotel customers : An application of RFM analysis
    18 , 153-160 [2016]
  • Using data mining methods to build customer profiles
    34 ( 2 ) , 74-82 [2001]
  • Understanding Satisfied and Diss atisfied Hotel Customers : Text Mining of Online Hotel Reviews
    25 ( 1 ) , 1-24 [2016]
  • USING GOAL PROGRAMMING TO INCREASE THE EFFICIENCY OF MARKETING CAMPAIGNS
    2 ( 1 ) , 53-68 [2015]
  • To mine association rules of customer values via a data mining procedure with improved model : An empirical case study
    38 ( 3 ) , 1716-1722 [2011]
  • To establish online shoppers ’ markets and rules for dynamic CRM systems : an empirical case study in Taiwan
    22 ( 5 ) , 613-625 [2012]
  • Thoughts on RFM scoring .
    8 ( 1 ) , 67-72 . [2000]
  • The contribution of data mining to information science
    30 ( 6 ) , 550-558 [2004]
  • The complete database marketer : second-generation strategies and techniques for tapping the power of your customer database
    [1996]
  • The WEKA data mining software : an update
    11 ( 1 ) , 10-18 . [2009]
  • The UCI KDD archive of large data sets for data mining research and experimentation
    2 ( 2 ) , 81-85 . [2000]
  • Text mining for the hotel industry
    46 ( 3 ) , 344-362 [2005]
  • Targeting customers via discovery knowledge for the insurance industry
    29 ( 2 ) , 291-299 . [2005]
  • TRFM 모형을 이용한 패션기업의 고객세분화
    김규곤 동상옥 조성기 Journal of the Korean Data Analysis Society, 10(6). 3267-3277 [2008]
  • Support Vector Machine 기법을 이용한 고객의 구매의도 예측
    김진화 남기찬 이상종 Information Systems Review, 10(2), 137-158 [2008]
  • Successful direct marketing methods
    [1995]
  • Strategic database marketing : the masterplan for starting and managing a profitable , customer-based marketing program
    Vol . 12 [2000]
  • Standardization for basic association measures in association rule mining
    21 ( 5 ) , 891-899 [2010]
  • Special section : Data mining
    16 ( 1 ) , 11-16 . [1999]
  • Senti-lexicon and improved Naive Bayes algorithms for sentiment analysis of restaurant reviews
    39 ( 5 ) , 6000-6010 . [2012]
  • Segmentation approaches in data-mining : AComparison of RFM ,CHAID , and logistic regression
    60 ( 6 ) , 656-662 . [2007]
  • Sampling large databases for association rules
    Vol . 96 , pp . 134-145 [1996]
  • SAS. http://www.sas.com/ko_kr/home.html
  • SAS Enterprise Miner를 이용한 데이터마이닝의 이해와 활용
    고재문 장길상 황달준 울산: 울산대학교출판부 [2005]
  • Relating brand andCustomer perspectives on marketing management
    5 ( 1 ) , 13-25 . [2002]
  • RFM 기법과 연관성 규칙을 이용한 개인화된 전자상거래 추천시스템
    류근호 조영성 진병운 한국컴퓨터정보학회논문지, 15(12), 227-235 [2010]
  • RFM analysis for decision support in e-banking area
    4 ( 8 ) , 943-950 . [2005]
  • R, SAS, MS-SQL을 활용한 데이터마이닝
    이정진 파주: 자유아카데미 [2011]
  • R 을 이용한 데이터마이닝
  • Providing a model for predicting tour sale in mobile e-tourism recommender systems
    2 ( 1 ) , 1 . [2012]
  • Prioritization of association rules in data mining : MultipleCriteria decision approach
    29 ( 4 ) , 867-878 . [2005]
  • Principles of data mining ( adaptiveComputation and machine learning )
    pp . 361-452 [2001]
  • Posting RFM Model for Evaluating the Member Loyalty in Social Network Sites
    1 ( 1 ) , 49-60 [2011]
  • Performance evaluation of different customer segmentation approaches based on RFM and demographics analysis
    45 ( 7 ) , 1129-1157 . [2016]
  • Parametric algorithms for mining share frequent itemsets .
    16 ( 3 ) . August : 277-293 . [2001]
  • Optimal selection for direct mail
    14 ( 4 ) , 378-394 . [1995]
  • Mining the banking customer behavior using clustering and association rules methods
    21 ( 4 ) , 239-245 [2010]
  • Mining important association rules based on the RFMD technique
    2 ( 1 ) , 1 [2010]
  • Mining Association Rules between Sets of Items in Large Databases
    Vol . 22 , No . 2 , pp . 207-216 ) . ACM [1993]
  • Measuring customer loyalty using an extended RFM and clustering technique
    4 ( 5 ) , 905-912 . [2014]
  • Mailing smarter to catalog customers .
    14 ( 2 ) , 2-16 . [2000]
  • Location-based service with context data for a restaurant recommendation . In International Conference on Database and Expert Systems Applications
    pp . 430-438 [2006]
  • Knowledge management and data mining for marketing
    31 ( 1 ) , 127-137 . [2001]
  • Knowledge discovery of weighted RFM sequential patterns from customer sequence databases
    86 ( 3 ) , 779-788 . [2013]
  • Knowledge discovery in real databases : A report on the IJCAI-89 Workshop
    11 ( 4 ) , 68 [1990]
  • Integrating AHP and data mining for product recommendation based on customer lifetime value
    42 ( 3 ) , 387-400 [2005]
  • Incremental weighted mining based on RFM analysis for recommending prediction in u-commerce
    7 ( 6 ) , 133-144 . [2013]
  • Identifying valuable travelers and their next foreign destination by the application of data mining techniques
    11 ( 4 ) , 355-373 [2006]
  • Identifying price sensitive consumers : the relative merits of demographic vs. purchase pattern information
    75 ( 2 ) , 173-193 [1999]
  • Grouping hotel restaurant customers based on a behavioral scoring model
    31 ( 10 ) , 85-97 [2017]
  • Group RFM analysis as a novel framework to discover better customer consumption behavior
    38 ( 12 ) , 14499-14513 . [2011]
  • Fuzzy target selection using RFM variables
    No . 01TH8569 ) ( Vol . 2 , pp . 1038-1043 [2001]
  • From Data Mining to Knowledge Discovery in Databases
    17 ( 3 ) , 37 [1996]
  • Finding ideal menu items assortments : An empirical application of market basket analysis
    51 ( 4 ) , 492-501 . [2010]
  • Fast discovery of association rules
    12 ( 1 ) , 307-328 [1996]
  • Discovering valuable frequent patterns based on RFM analysis without customer identification information
    61 , 76-88 [2014]
  • Discovering recency , frequency , and monetary ( RFM ) sequential patterns from customers ’ purchasing data
    8 ( 5 ) , 241-251 . [2009]
  • Discovering calendar-based temporal association rules
    44 ( 2 ) , 193-218 . [2003]
  • Decision support and business intelligence system . Eight Edition
    [2007]
  • Data mining solutions : methods and tools for solving real-world problems
    [1998]
  • Data mining on time series : an illustration using fast-food restaurant franchise data
    37 ( 4 ) , 455-476 [2001]
  • Data mining methods for recommender systems . In Recommender systems handbook
    pp . 227-262 [2015]
  • Data mining in soft computing framework : a survey
    13 ( 1 ) , 3-14 [2002]
  • Data mining framework based on rough set theory to improve location selection decisions : A case study of a restaurant chain
    53 , 197-206 [2016]
  • Data mining for hotel firms : Use and limitations
    44 ( 2 ) , 94-105 [2003]
  • Data mining application in customer relationship management of credit card business . In 29th Annual International Computer Software and Applications Conference ( COMPSAC'05 )
    Vol . 2 , pp . 39-40 [2005]
  • Data Mining Using RFM Analysis , Knowledge-Oriented Applications In Data Mining , Prof. Kimito Funatsu
    ISBN : 978-953-307-154-1 . InTech , DOI , 10 , 13683 . [2011]
  • Data Mining Techniques : For Marketing , Sales , and Customer Support
    [1997]
  • Data Driven : Profiting From Your Most Important Business Asset ,
    [2008]
  • DEA 를 이용한 호텔 관광 서비스 업계의 CRM 도입 효율성 분석
    곽영대 김태영 설경진 지능정보연구, 17(1), 91-110 [2011]
  • Customer value in an all-inclusive travel vacation club : An application of the RFM framework
    16 ( 3 ) , 270-285 . [2008]
  • Customer Segmentation based on Modified RFM Model in the Insurance Industry
    Vol . 25 , pp . 101-104 [2012]
  • Consumer segmentation and changing food purchase patterns in nanjing
    28 ( 3 ) , 457-471 [2000]
  • Constraint-based sequential pattern mining : The consideration of recency and compactness .
    42 ( 2 ) , 1203-1215 . [2006]
  • Competing on Analytics
    84 ( 1 ) ,98-107 [2006]
  • Comparison of customer response models
    3 ( 2 ) , 117-130 . [2009]
  • Comparison of Grocery Purchase Patterns of Diet Soda Buyers to Those of Regular Soda Buyers . In 2007 Annual Meeting , July 29-August 1 , 2007 , Portland , Oregon TN ( No . 9963 )
    [2007]
  • Combination of multiple classifiers for the customer 's purchase behavior prediction
    34 ( 2 ) , 167-175 [2003]
  • Cluster analysis using data mining approach to develop CRM methodology to assess the customer loyalty
    37 ( 7 ) , 5259-5264 [2010]
  • Classifying the segmentation of customer value via RFM model and RS theory
    36 ( 3 ) , 4176-4184 . [2009]
  • Cigarette brand loyalty and purchase patterns : an examination using US consumer panel data
    67 ( 9 ) , 1933-1943 [2014]
  • Characterising data mining software
    7 ( 3 ) , 181-192 [2003]
  • Chapter 6. association analysis : Basic concepts and algorithms .
    ISBN , 321321367 . [2005]
  • Changing food consumption patterns and their impact on the quick service restaurant industry
    4 ( 3 ) , 65-79 [2001]
  • CRM strategies for a small-sized online shopping mall based on association rules and sequential patterns
    39 ( 9 ) , 7736-7742 [2012]
  • CRFM모형을 이용한 고객세분화와 모형평가
    강창완 김규곤 이영진 최승배 한국자료분석학회, 12(6), 3283-3293 [2010]
  • Business Dictionary. (2018). Definition of "Buying Pattern". http://www.businessdictionary.com/definition/buying-pattern.html
  • Building data mining applications for CRM
    [1999]
  • Brand choice , purchase incidence , and segmentation : An integrated approach
    29 ( 2 ) , 201 [1992]
  • Big Data Research in Information Systems : Toward an Inclusive Research Agenda
    17 ( 2 ) , 1-33 [2016]
  • Applying data mining on customer relationship management system for leisure coffee ? shop industry : a case study in Taiwan
    3 ( 2 ) , 129-139 [2013]
  • Applications of data mining in retail business
    Vol . 2 , pp . 455-459 [2004]
  • Application of data mining techniques in customer relationship management : A literature review and classification
    36 ( 2 ) , 2592-2602 [2009]
  • Analyzing changes in hotel customers ’ expectations by trip mode
    34 , 359-371 [2013]
  • An integrated data mining and behavioral scoring model for analyzing bank customers
    27 ( 4 ) , 623-633 [2004]
  • An empirical examination of online restaurant reviews on Yelp . com : A dual coding theory perspective
    29 ( 2 ) , 817-839 [2017]
  • A study on the segmentation of real estate customer using RFMP
    23 ( 3 ) , 515-523 [2012]
  • A robust and sparse K-means clustering algorithm
    [2012]
  • A review of the application of RFM model
    4 ( 19 ) , 4199-4206 . [2010]
  • A multidisciplinary perspective of big data in management research
    191 , 97-112 [2017]
  • A hybrid of sequential rules and collaborative filtering for product recommendation
    179 ( 20 ) , 3505-3519 [2009]
  • A framework for feature selection in clustering
    105 ( 490 ) , 713-726 [2010]
  • A data mining approach to developing the profiles of hotel customers
    14 ( 6 ) , 274-285 [2002]
  • A behavioral analysis of web sharers and browsers in Hong Kong using targeted association rule mining
    33 ( 4 ) , 731-740 . [2012]
  • A Kansei mining system for affective design
    30 ( 4 ) , 658-673 . [2006]
  • ?최종학 CRM을위한 데이터베이스마케팅
    최정환 서울 다산출판사 [2001]
  • 101 Powerful Marketing Strategies for Growing Your Business Now .
    [2009]
  • (.비씨카드 빅데이터 센터의 데이터 활용 사례
    장석호 제어로봇시스템학회지, 23(1), 24-29 [2017]
  • & 이성건.SAS Enterprise Miner 4.0 을 이용한 데이터마이닝-기능과 사용법
    강현철 김은석 심미경 최종후 한상태 서울: 자유아카데미 [2002]