01장 <B><FONT color ... #0000 분석적인 고객과의 관계 관리 ... 14 <B><FONT color ... #0000 <B><FONT color ... #0000 <B><FONT color ... #0000 현재의 <B><FONT color ... #0000 정리 ... 32 02장 <B><FONT color ... #0000 기업 <B><FONT color ... #0000 선순환은 무엇인가 ... 38 선순환의 맥락에서의 <B><FONT color ... #0000 이동통신 회사에서 제대로 된 연결을 이루다 ... 47 SUV 판매를 증가시킨 인공신경망과 의사결정나무 ... 51 정리 ... 54 03장 <B><FONT color ... #0000 방법론이 필요한 이유 ... 58 가설 검증 ... 65 모형, 프로파일링, 예측 ... 66 방법론 ... 70 1단계: 경영 문제를 <B><FONT color ... #0000 2단계: 적절한 데이터를 선택한다 ... 76 3단계: 데이터에 대한 지식을 얻는다 ... 81 4단계: 모형 집합을 생성한다 ... 84 5단계: 데이터의 문제들을 수정한다 ... 88 6단계: 정보를 표면에 내놓도록 데이터를 변환시킨다 ... 91 7단계: 모형들을 생성한다 ... 93 8단계: 모형들을 평가한다 ... 94 9단계: 모형들을 배치한다 ... 100 10단계: 결과들을 평가한다 ... 101 11단계: 처음부터 다시 시작한다 ... 102 정리 ... 102 04장 마케팅과 고객관계관리에서의 <B><FONT color ... #0000 탐사 ... 106 광고하기 적절한 장소를 선택하기 위한 <B><FONT color ... #0000 직접 마케팅 캠페인을 향상시키는 <B><FONT color ... #0000 현재의 고객을 이용한 잠재고객에 대한 학습 ... 124 고객관계관리에서의 <B><FONT color ... #0000 고객 유지와 이탈 ... 132 정리 ... 136 05장 통계의 유혹: 익숙한 도구들을 이용한 <B><FONT color ... #0000 오컴의 면도칼 ... 141 데이터 엿보기 ... 143 응답의 측정 ... 155 다중 비교 ... 162 카이제곱 검정 ... 164 사례: 지역과 가입에 대한 카이제곱 ... 169 <B><FONT color ... #0000 정리 ... 176 06장 의사결정나무 ... 177 의사결정나무는 무엇인가 ... 178 어떻게 의사결정나무가 생성되나 ... 184 최고의 분할을 선택하기 위한 테스트 ... 189 가지치기 ... 197 나무들로부터의 규칙의 추출 ... 205 비용을 고려한다 ... 207 의사결정나무 방법의 추가적 향상 ... 207 의사결정나무의 다른 표현 방법 ... 211 실제 활용에서의 의사결정나무 ... 215 정리 ... 218 07장 인공신경망 ... 221 인공신경망의 역사 ... 222 부동산 가격 감정 ... 223 방향성 <B><FONT color ... #0000 신경망은 무엇인가 ... 230 훈련 집합의 선정 ... 241 데이터의 준비 ... 244 결과의 해석 ... 251 시계열을 위한 신경망 활용 ... 253 신경망 내에서 일어나는 일을 아는 법 ... 256 자기조직화 지도 ... 257 정리 ... 263 08장 최근접 이웃 접근 방식: 메모리 기반 추론과 협업 필터링 ... 265 메모리 기반 추론 ... 266 MBR의 과제 ... 269 사례 연구: 뉴스 주제의 분류 ... 273 거리의 측정 ... 280 결합 함수: 이웃들에게 답을 구하는 방법 ... 286 협업 필터링: 추천을 위한 최근접 이웃 접근법 ... 289 정리 ... 292 09장 장바구니 분석과 연관규칙 ... 295 장바구니 분석의 정의 ... 297 연관규칙 ... 304 연관규칙의 생성 ... 311 개념들의 확장 ... 323 연관규칙을 이용한 연속적 분석 ... 326 정리 ... 327 10장 연결 분석 ... 329 기본 그래프 이론 ... 330 연결 분석의 친숙한 응용 ... 340 사례 연구: 가정에서 팩스를 사용하는 사람들은 누굴까? ... 345 사례 연구: 휴대전화 고객들의 구분 ... 349 정리 ... 355 11장 자동 군집 탐지 ... 357 단순함의 섬을 찾아서 ... 358 K-평균 군집화 ... 362 유사성과 거리 ... 366 군집화를 위한 데이터 준비 ... 371 군집 탐지에 대한 다른 접근 방식 ... 373 군집의 평가 ... 379 사례 연구: 타운의 군집화 ... 381 정리 ... 387 12장 걱정해야 할 시점을 파악하는 법: 마케팅에서의 위험도 함수와 생존 분석 ... 389 고객 유지 ... 391 위험 ... 399 위험으로부터 생존으로 ... 408 비율의 위험 ... 412 실전에서의 생존 분석 ... 417 정리 ... 423 13장 유전자 알고리즘 ... 425 작동 원리 ... 428 사례 연구: 유전자 알고리즘을 이용한 자원 최적화 ... 436 스키마타: 유전 알고리즘의 작동 원리 ... 438 유전자 알고리즘의 다른 활용 사례 ... 442 정리 ... 447 14장 고객생명주기 내에서의 <B><FONT color ... #0000 고객 관계의 수준들 ... 450 고객생명주기 ... 456 업무 프로세스는 고객생명주기를 중심으로 구성된다 ... 462 정리 ... 471 15장 데이터 웨어하우징과 OLAP와 <B><FONT color ... #0000 데이터의 아키텍처 ... 475 데이터 웨어하우징의 일반적인 구조 ... 484 OLAP는 어디에 들어갈까 ... 494 <B><FONT color ... #0000 정리 ... 511 16장 <B><FONT color ... #0000 고객 중심의 조직 ... 514 이상적인 <B><FONT color ... #0000 현실로 돌아와서 ... 516 <B><FONT color ... #0000 <B><FONT color ... #0000 <B><FONT color ... #0000 정리 ... 538 17장 마이닝을 위한 데이터 준비 ... 541 데이터가 어떻게 보여야 하나 ... 542 고객 시그니처의 구축 ... 561 변수의 탐색 ... 568 유도 변수 ... 572 행위 기반 변수의 예 ... 579 데이터의 어두운 측면 ... 591 컴퓨터 용량 이슈 ... 597 정리 ... 599 18장 <B><FONT color ... #0000 시작하기 ... 602 <B><FONT color ... #0000 <B><FONT color ... #0000 정리 ... 620 찾아보기 ... 621