The proliferation of the mobile platform gives rise to an increase in mobile usage. Instant access to the internet via the mobile platform enables marketers to target consumers by facilitating consumers' historical data such as online usage patterns, and real-time information. This research proposal is to present effective online targeted marketing strategies using online user behavior by big data analysis. In study 1, user's online mobile shopping behavior includes the channel of influx, duration of use, usage date, device type, and shopping mall type. Heterogeneous characteristics for both individual behavior and group behavior showed disparity on various circumstances and were statistically confirmed by econometric models. In study 2, statistically significant variables of online shopping behavior such as marketing channel, device type, and login time for both individual and group heterogeneity was applied to develop a purchase probability prediction model and to design the recommender system algorithm for targeted marketing. User preference change based on behavior has been a critical limitation from conventional recommender systems, therefore, this research proposes the limitation of designed behavior pattern algorithm developed from online user data. The recommender system performance was significantly improved by big data analytics algorithms for the recommender system and an econometric model based on a theoretical approach and empirical analysis. In study 3, data mining technique was applied to solve the limitation from conventional recommender systems, such as computational complexity problem from the big data. Moreover, an algorithm was developed from conventional recommender systems. Over two hundred and ten million user data was analyzed in this study to statistically prove the heterogeneity to measure the enhancement of the proposed recommender system performance of the targeted marketing strategies. User shopping behavior heterogeneity and applying heterogeneous behavior theories in multi-channel, this study verified the variables from heterogeneous theories were statistically significant, and application of the variables developed the online customized recommender system algorithm performance. This study introduces a generalized algorithm model from the implications of simulation results, a theoretical framework was proposed to make use of the generalized model in the online shopping industry. This research analyzed the online shopping industry big data to propose an integration of econometric models and data mining techniques. This research not only makes an academic contribution in the marketing field but also contributes to the shopping industry by the practical usability of a developed online shopping algorithm.
온라인에 이어 모바일 시대가 급속하게 발전하고 빅데이터 시대에 도래하면서 개인의 과거 선호도, 온라인 이용 패턴 그리고 실시간 정보 등을 이용하여 개인화 맞춤형 온라인광고를 하는 것이 가능해 졌다. 이러한 효율적인 온라인 개인화 마케팅 전략을 수립하고자, 본 연구는 빅 데이터 분석을 통한 사용자의 온라인 이용 행태 기반 개인화 마케팅 광고전략 방법론을 제안한다. 구체적으로, 연구 1에서는 모바일 사용자의 온라인 쇼핑몰의 유입 채널, 사용시간, 사용 날짜, 사용한 모바일 기기 타입, 방문 쇼핑몰 유형 등의 전체적인 모바일 이용 상황 별 패턴을 분석하고, 이러한 요인들이 사용자의 개인별과 그룹별 이질적인 특성을 가지는 것을 계량 경제 모델을 기반으로 이질성을 통계적으로 입증하였다. 연구 2에서 이와 같은 방법으로 추출된 통계적으로 유의미한 변수들을 이용하여 개인 별, 상황 별 이질성을 적용하여 온라인 쇼핑몰에서의 각 상황에 따른 제품별 구매 확률 예측 모형을 개발하고, 이를 개인화 온라인 마케팅을 위해 기존에 활발히 진행되고 있는 추천 시스템 알고리즘에 접목시켰다. 이러한 연구 방법을 통해 기존 추천시스템의 한계점인 시간 및 이용 행태에 따라 사용자의 선호도가 변한다는 것을 사용자의 온라인 이용 패턴 분석 통하여 상세하게 알고리즘에 적용하여 한계점을 해결하였다. 이러한 과정을 거쳐 추천시스템의 추천 성과를 높이는 알고리즘을 이론적 접근과 실증분석을 통합하여 계량 경제모델의 적용 뿐 아니라 추천시스템의 빅데이터 활용을 위한 알고리즘을 제안하였다. 연구 3에서는 데이터 마이닝 기법을 효율적으로 적용하여 계산 양의 문제 때문에 빅 데이터를 적용하기에 어려움이 있었던 기존 추천시스템의 한계점을 해결하였을 뿐 아니라, 기존에 추천 시스템에 지적되고 있었던 것 들을 빅 데이터 분석과 데이터 마이닝 기법을 통해 해결할 수 있는 알고리즘을 개발 및 테스트를 하였다. 사용자의 이용 행태 별 이질성을 통계적으로 검증하고 제안된 개인화 마케팅 광고 전략 모델의 추천 성과를 측정하기 위해 2억천개 이상의 개인 수준의 온라인 거래 빅 데이터를 이용하였다. 고객 별 쇼핑 성향의 이질성과 멀티 채널에 따른 고객의 이질적인 행태에 대한 이론을 기반으로 실제 변수들이 이론에 합당하다는 것을 통계적으로 유의미한 결과를 확인하였으며, 이러한 이질적인 특성이 개인화 온라인 광고를 위한 효과적인 요인 인 것을 이용하여 기존에 활발히 진행되고 있는 추천시스템에 적용하여 성과를 높임으로써 기존 연구에 기여하였다. 시뮬레이션 결과에서 도출한 시사점을 바탕으로 일반화된 알고리즘 모형을 소개함으로써, 실제 온라인 쇼핑몰 등의 기업들에게 현장에서 이와 유사한 방식의 모형을 적용할 수 있는 이론적 틀을 제안하였다. 본 논문은 실제 빅 데이터를 분석 함으로써 얻어진 시사점 도출 및 계량 경제 모델과 데이터 마이닝을 활용한 추천시스템을 통합한 방법론을 위한 이론 정립을 바탕으로, 학문적으로 기여할 뿐만 아니라, 실제 온라인 쇼핑 산업에서 적용할 수 있는 알고리즘을 개발하였다는 측면에서 실용적으로도 활용 가치가 높다.
