데이터마이닝 기법을 활용한 외식소비자들의 구매 연관성 분석

다국어 초록 (Multilingual Abstract)

In an era of rapidly changing business environment, accurately identifying the needs of customers has long been considered a very important task. As big data is now available, various studies have been conducted to predict purchasing patterns by analyzing large amounts of consumer purchasing data. In recent research on the hospitality industry, purchasing pattern analysis based on data mining has emerged as an important methodology. Among them, RFM(Recency, Frequency, and Monetary) analysis and association analysis are frequently used. Based on past purchasing data, the RFM methodology identifies a profitable group of customers by analyzing information about how recently, how frequently, and how much the
purchase has been made. Association rule methodology contrasts with the passive methodology that only tests random hypotheses set by researchers, with a technique to explore the relationship between variables from simple binomial data.
In this dissertation, the consumer panel data and credit card payment information provided by EMBRAIN is used to conduct a sociological analysis that classifies out customers and discover significant association rules among classified clusters. Out of the total 115,000 panels, panel data of 11,187 who agreed to provide credit card payment information was collected, then 6,980 consumers who paid for dining out are to be extracted and analyzed. To handle large amounts of data, RFM analysis, Sparse K-means cluster analysis, and association rule analysis are used as research methodologies. The purchase concentration by age, gender, income,
educational background, marital status, regional and residential status for 152 restaurant brands well known to the general consumer is to be looked at, and to see if there are any differences in purchases based on
demographics. Instead of consumer choice attributes or surveys, modified RFM analysis is utilized using the actual credit card payment information. In this dissertation, modified RFM analysis is called FMP analysis using the frequency(F), the total amount(M) of restaurant payment, and the percentage of restaurant payment out of total credit card expenditures(P). Based on prior research and industry experts' advice, percentage of
restaurant payment out of total credit card expenditure is used instead of recency. By looking at the ratio of payments to dining out, it is expected to better understand how much the consumer puts weighs on dining out. After segmenting 6,980 eating out consumers into 27 groups(F: 3 groups × M: 3groups × P: 3 groups), FMP lower, middle, and upper value is analyzed. Then Sparse K-means cluster analysis is used to group the customers with similar characteristics and association rules is extracted by cluster and
identify the characteristics of the restaurant consumer. Based on a total of 36,581 payments, the top five brands were Paris Baguette, Starbucks, McDonald's, Baemin, Lotteria, with many coffee shops at the top. Fast-food topped the list for men, and Paris Baguette topped the list in almost every field, but Mom'sTouch topped the list for 10s. Delivery application Baemin ranked in top for 10s, 20s and 30s, but the frequency
decreases sharply in their 40s and older who are not actively utilizing the app. FMP analysis to compare the lower values(111 groups), the median values(222 groups) and the upper values(333 groups) is conducted, with each group showing differences in demographic information and different association rules. In addition, whether FMP 333 group is truly the top-rated group of restaurant consumption is carefully considered, and 331 and 332 groups, which have different rates of payment for dining out of total credit
card spending(P), are also valuable groups that should be noticed by restaurant industry. Later, the Sparse K-means cluster analysis was utilized to classify into four clusters, which is an algorithm that simultaneously seek
to maximize similarities within a cluster and differences between clutters. Each of the four clusters was named dine-out heavy user, dine-out medium user, dine-out light user, dine-out rare user, and classified into groups with high FMP values, similar values, low values and very low values compared to the overall mean, showing different demographic information and association rules.
Key words: credit card payment, diners, RFM analysis, cluster analysis, association rule

국문 초록 (Abstract)

급변하는 경영 환경 변화의 시대에 고객의 니즈를 정확하게 파악하는 것은 예전부터 매우 중요한 과제로 인식되고 있다. 현재 빅데이터가 활용 가능하게 됨으로써 대량의 소비자의 구매 데이터를 분석하여 구매 패턴을 예측하는 다양한 연구가 진행되었다. 최근 환대산업 연구에 있어 데이터마이닝에 바탕을 둔 구매 패턴 분석기법이 중요한 방법론으로 떠오르고 있다. 그 중에서도 RFM(Recency, Frequency, Monetary: 최근성, 빈도, 금전가치) 분석과 연관성 분석이 자주 이용되고 있다. RFM 방법론은 과거 구매 데이터를 바탕으로 고객의 구매 시기, 구매 빈도, 구매 총액의 정보 분석을 통하여 수익성 있는 고객 그룹을 찾아내는 것이며, 연관규칙은 간단한 이항 데이터로부터 변수 사이의 관계성을 탐색적으로 찾아내는 기법으로 연구자가 설정한 임의의 가설 검정만을 하는 피동적인 방법론과 대비된다.
본 학위 논문에서는 ㈜마크로밀엠브레인에서 제공한 소비자 패널데이터와 신용카드 결제정보를 활용하여 외식소비자들을 분류하고 분류된 군집 사이에서 유의미한 연관규칙을 발견하는 사회과학적 분석을 해보고자 한다. 총 11만 5천여 명의 패널 중 신용카드 결제정보활용에 동의한 패널데이터 11,187명분을 받아서 외식분야에 결제를 한 외식소비자 6,980명을 추출하여 분석을 진행한다. 대량의 데이터를 처리하기 위하여 데이터마이닝 기법인 RFM분석, Sparse K-평균 군집분석, 연관성분석을 연구방법론으로 활용한다. 일반 소비자에게 잘 알려진 152개의 외식브랜드에 대한 연령별, 성별, 소득별, 학력별, 결혼여부별, 지역별, 주거보유 현황별 구매집중도를 알아보고, 인구통계 정보를 바탕으로 집단별 구매에 차이가 있는지 파악해보고자 한다. 그간 이루어진 소비자 선택속성이나 설문에 근거하는 대신 실제 결제 정보를 바탕으로 외식 결제 빈도(F: frequency), 외식 결제 총액(M: monetary), 전체 신용카드 지출 중 외식 결제 비율(P: proportion of restaurant expense over all other expenses)을 활용한 변형된 RFM분석인 'FMP분석‘을 시행한다. 선행연구와 업계 전문가들의 조언에 따라 빈번하게 일어나는 외식 결제의 특성에 기안하여 최근성(R)을 제외하고 대신 전체 신용카드 지출 중 외식 결제 비율(P)을 대신 넣어 외식소비자가 외식에 얼마만큼의 지출을 하는지를 알아보기로 한다. 이는 소비자의 전체 신용카드 지출을 파악할 수 있기에 가능하며, 외식 결제 비율(P)을 알아봄으로써 해당 외식소비자가 외식에 지출하는 중요도를 더 잘 알아볼 수 있으리라 예측하기 때문이다. 고객을 총 27개의 그룹(F: 3개 × M: 3개 × P: 3개)으로 세분화하여 FMP 하위값, 중위값, 상위값 그룹을 분석한 후, Sparse K-평균 군집분석을 활용하여 고객을 비슷한 특성끼리 묶어 해당 군집별 연관규칙을 추출하고 외식소비자의 특성을 알아본다.
빈도분석 결과, 총 36,581번의 결제를 바탕으로 상위 5개 브랜드는 파리바게뜨, 스타벅스, 맥도날드, 배달의민족, 롯데리아였으며 커피전문점 브랜드 다수가 상위권을 차지하였다. 인구통계 특성별 구매집중 빈도분석에서는 다음의 특징을 보였다. 남성의 경우 패스트푸드가, 여성은 제과점과 커피전문점 결제가 상위권을 차지하였으며, 거의 모든 분야에서 파리바게뜨가 1위를 차지하였으나 10대에서는 맘스터치가 1위를 기록한 흥미로운 결과를 보였다. 배달의민족은 10대, 20대, 30대에서는 모두 상위권을 기록하였으나, 40대 이후에서는 9위 밖으로 밀려난 것을 보아 앱 활용이 활발하지 않은 40대 이상에서 사용빈도가 급감함을 알 수 있다. 학력별 결제에서 주목할 점은 같은 커피브랜드라도 이디야가 비슷한 순위를 기록한 것에 반해 스타벅스는 학력이 올라감에 따라 순위가 상승하는 것을 볼 수 있다. 또한 투썸플레이스는 1억 원 이상에서 처음 등장하며 9위를 기록하였는데 학력에서도 대학원 재학과 대학원 졸업에만 등장하여, 고소득 고학력 소비자들이 선호하는 브랜드로 해석할 수 있겠다.
FMP분석을 활용하여 분류된 27개 그룹을 바탕으로 하위값(111 그룹), 중위값(222 그룹), 상위값(333 그룹)을 비교해보았는데, 각 그룹은 인구통계정보에서부터 차이점을 보였으며, 연관규칙 역시 다르게 나타났다. 또한, FMP 333 그룹만이 진정 외식 소비의 상위값 그룹인지에 대한 고찰을 해보았는데, 외식 결제 빈도(F)와 외식 결제 총액(M)이 똑같이 많더라도 전체 신용카드 지출 중 외식부분의 결제 비율(P)이 다른 331, 332 그룹 역시 외식 종사자들이 눈여겨 봐야하는 가치 있는 그룹임을 밝혔다.
이후, Sparse K-평균 군집 분석을 활용하여 4개의 군집으로 분류하였는데, Sparse K-평균 군집분석은 클러스터 내의 유사도 및 클러터 간의 차이 극대화를 동시에 추구하는 알고리즘이다. 따라서 복잡한 구조의 데이터 군집화에서 클러스트들을 보다 선명하게 구분지어 더 정확한 분류를 가능하게 하는 장점이 있다. 4개 군집은 각각 외식결제 헤비유저형(heavy user), 미디움유저형(medium user), 라이트유저형(light user), 레어유저형(rare user)로 명명하였으며, 전체평균과 비교하여 FMP값이 높은 그룹, 비슷한 그룹, 낮은 그룹, 아주 낮은 그룹으로 분류되었다. 이들은 각기 다른 속성의 인구통계 정보와 연관규칙을 보였다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 1 절 연구 배경 1
• 제 2 절 연구 목적 6
• 제 3 절 연구 방법 8
• 제 4 절 연구의 구성 11
• 제 2 장 이론적 배경 14
• 제 1 절 외식 구매 패턴 14
• 1. 구매 패턴의 개념과 선행연구 14
• 2. 외식 구매 패턴의 선행연구 15
• 제 2 절 데이터마이닝 17
• 1. 데이터마이닝의 개념 17
• 2. 데이터마이닝의 과정 18
• 3. 데이터마이닝의 분석 유형과 기법 21
• 4. 데이터마이닝의 활용 분야 26
• 5. 데이터마이닝을 활용한 호스피탈리티 분야 선행연구 29
• 제 3 절 데이터베이스마케팅 35
• 1. 데이터베이스마케팅의 개념과 필요성 35
• 2. 데이터베이스마케팅 분석 방법 37
• 3. RFM분석 38
• 3. 1. RFM분석의 개념 38
• 3. 2. RFM분석의 점수 산출 과정 41
• 3. 3. RFM분석을 활용한 선행연구 43
• 4. 연관규칙 48
• 4. 1. 연관규칙의 개념 48
• 4. 2. 연관규칙 도출을 위한 과정 50
• 4. 3. 연관규칙의 장점과 단점 54
• 4. 4. 연관규칙을 활용한 구매 패턴에 대한 선행연구 57
• 5. RFM분석과 연관규칙을 활용한 선행연구 63
• 제 3 장 연구 방법 69
• 제 1 절 조사 설계 69
• 1. 표본의 선정 및 자료수집 69
• 2. 설문지 구성 74
• 제 2 절 분석 방법 77
• 1. 자료 분석 방법 및 절차 77
• 2. 변형된 RFM분석 79
• 3. Sparse K-평균 군집분석 80
• 4. 연관규칙분석 82
• 제 4 장 분석 결과 87
• 제 1 절 표본의 일반적 특성 87
• 1. 인구통계학적 특성 87
• 2. 인구통계별 구매집중도 90
• 3. 카테고리별 구매 특성 99
• 4. 브랜드별 구매 특성 101
• 제 2 절 인구통계학적 특성에 따른 차이 105
• 1. 상관관계 분석 105
• 2. 집단별 차이 분석 106
• 3. 연령별, 소득별 구매 패턴 분석 111
• 제 3 절 카테고리별 구매 패턴 분석 115
• 제 4 절 외식소비자 세분화와 구매 패턴 분석 119
• 제 5 절 군집분석과 구매 패턴 분석 134
• 제 5 장 결 론 150
• 제 1 절 연구결과의 요약 150
• 제 2 절 연구의 시사점 157
• 1. 학문적 시사점 157
• 2. 실무적 시사점 159
• 제 3 절 연구의 한계점 및 향후 연구 제언 163
• 참고문헌 165
• Abstract 180
• Appendix 183

참고문헌 (Reference)

• 1 박찬욱, "고객관계관리", 도서출판 청람, 4-5, 2016
• 2 박찬욱, "데이터베이스마케팅", 연암사, 57-59, 1996
• 3 김용대, 최호식, 송종우, 박창이, 김진석, "R 을 이용한 데이터마이닝", 교우사, 226-236, 2011
• 4 전치혁, "데이터마이닝 기법과 응용", 서울: 한나래, 2012
• 5 김정수, "통합 데이터베이스마케팅 시스템", 범우사. 34, 2000
• 6 손은영, 한혜성, 이계임, "한국인 의 식품 소비 트렌드 분석", 한국 농촌 경제 연구원, 2007
• 7 이정진, "R, SAS, MS-SQL을 활용한 데이터마이닝", 파주: 자유아카데미, 2011
• 8 모수원, "학력이 외식비 지출에 미치는 효과", 관광레저연구, 19(2), 305-321, 2007
• 9 이훈영, "이훈영교수의 연구조사방법론. 제2판", 도서출판 청람, 2014
• 10 최정환, "?최종학 CRM을위한 데이터베이스마케팅", 서울 다산출판사, 2001
• 11 김영숙, 전순실, "가구주 학력이 외식수요에 미치는 효과", 한국식품영양과학회지, 34(9), 1407-1413, 2005
• 12 강창완, 최승배, 진도승, 김규곤, "연관성 분석을 이용한 여행업 고객 분석", Journal of the Korean Data Analysis Society. 13(6). 2945-2952, 2011
• 13 김재련, 한경록, "목표속성을 고려한 연관규칙과 분류기법", 한국산업경영시스템학회 추계학술대회, 2000
• 14 강창완, 최승배, 이영진, 김규곤, "CRFM모형을 이용한 고객세분화와 모형평가", 한국자료분석학회, 12(6), 3283-3293, 2010
• 15 노윤호, 옥석재, "한국방문 중국인 관광객의 지출 영향요인", 관광레저연구, 29(6), 373-386, 2017
• 16 강병욱, 이재성, 김재영, "한국지능정보시스템학회 학술대회눈문집", 2018(6), 2018
• 17 김규곤, 조성기, 동상옥, "TRFM 모형을 이용한 패션기업의 고객세분화", Journal of the Korean Data Analysis Society, 10(6). 3267-3277, 2008
• 18 은혜정, 전익진, "연관규칙 분석을 이용한 시청률 분석 연구", 한국언론학보, 58(5), 391-416, 2014
• 19 이순석, 정혜경, 이인경, "건강기능식품에 대한 소비자 구매행태 분석", 한국유통학회 학술대회 발표논문집, 7-11, 2014
• 20 윤지환, 이영진, "관광분야에서 SNS 빅데이터의 활용 방법 모색", 관광연구저널, 28(3), 5-14, 2014
• 21 장석호, "(.비씨카드 빅데이터 센터의 데이터 활용 사례", 제어로봇시스템학회지, 23(1), 24-29, 2017
• 22 김진훈, "고령자 가구의 소비특성 및 소비패턴 결정요인", 한국노년학, 36, 905-926, 2016
• 23 여윤경, "노인부부가계와 노인독신가계의 소비패턴 비교", 한국가정관리학회지, 21(5), 2003
• 24 임영문, 최영두, "연관규칙을 이용한 고객의 구매경향에 관한 연구", 대한안전경영과학회 학술대회논문집, 299-306, 2000
• 25 최호상, "신용카드 거래 활성화에 따른 연도별 세수증대 내역", 국회경제산업조사실, 2010
• 26 박정권, 최은영, 정용규, 이정찬, "연관규칙을 활용한 상품 구매 패턴분석에 관한 연구", 서비스연구, 2(1), 2012
• 27 김진화, 이재범, 노미정, "연관 관계 분석을 통한 스마트폰과 기능의 융합 분석", 한국경영정보학회 학술대회, 254-259, 2010
• 28 이규홍, 한다혜, 조세진, 장재영, 이병준, "기계학습기법을 이용한 광고 외식 블로그의 자동분류", 한국인터넷방송통신학회 논문지, 16(2), 55-62, 2016
• 29 김창길, 서성천, 김태영, "친환경 농산물 에 대한 소비자 선호 와 구매행태 분석", 한국 농촌 경제 연구원, 2005
• 30 고재문, 황달준, 장길상, "SAS Enterprise Miner를 이용한 데이터마이닝의 이해와 활용", 울산: 울산대학교출판부, 2005
• 31 김진화, 이상종, 남기찬, "Support Vector Machine 기법을 이용한 고객의 구매의도 예측", Information Systems Review, 10(2), 137-158, 2008
• 32 박지영, "빅데이터를 활용한 효율적 운영 전략 수립에 대한 연구", 호텔리조트연구, 13(1), 5-22, 2014
• 33 류귀열, 문영수, "연관분석을 이용한 데이터마이닝 기법에 관한 사례연구", 한국데이터정보과학회: 학술대회논문집, 8(3), 1021-1033, 2006
• 34 김남규, "장바구니 크기가 연관규칙 척도의 정확성에 미치는 영향", Asia Pacific Journal of Information Systems, 18(2), 95-114, 2008
• 35 정유경, "연관규칙을 이용한 호텔 레스토랑 고객의 이용 행태 분석", 호텔경영학연구, 12(2), 1-22, 2003
• 36 강이주, "주부들의 생활양식유형에 따른 유기농산물 구매특성 분석", 소비문화연구, 11, 1-20, 2008
• 37 구철모, 정남호, 이현애, "호텔 등급에 따른 온라인 리뷰 유형과 유용성의 관계 분석", 경영학연구, 46(1), 137-156, 2017
• 38 김진상, 정홍, 이종민, "신경망과 연관규칙을 이용한 구매 패턴 분류시스템의 구현", 한국지능시스템학회 논문지, 13(5), 530-538, 2003
• 39 곽영대, 설경진, 김태영, "DEA 를 이용한 호텔 관광 서비스 업계의 CRM 도입 효율성 분석", 지능정보연구, 17(1), 91-110, 2011
• 40 김명희, 송은주, 김아현, "외식소비성향에 따른 베이비부머 유형분석-Q 방법론적 접근", 외식경영연구, 16(5), 27-48, 2013
• 41 김재경, 최주철, 채경희, 조영빈, 송희석, "고객 구매행태의 지속적 변화 파악을 위한 재귀적 변화발견 방법", Information Systems Review, 8(2), 119-138, 2005
• 42 윤종수, 윤종욱, "철강유통산업에서의 고객관계관리 (CRM) 를 위한 고객세분화 모형", 경영연구, 19, 144-164, 2004
• 43 류근호, 진병운, 조영성, "RFM 기법과 연관성 규칙을 이용한 개인화된 전자상거래 추천시스템", 한국컴퓨터정보학회논문지, 15(12), 227-235, 2010
• 44 박기용, 이훈영, "편익과 인구통계적 변수에 의한 패밀리레스토랑 추천에 관한 연구", 관광레저연구, 15(2), 159-172, 2003
• 45 강현철, 한상태, 최종후, 심미경, 김은석, "& 이성건.SAS Enterprise Miner 4.0 을 이용한 데이터마이닝-기능과 사용법", 서울: 자유아카데미, 2002
• 46 강현철, 한상태, 최종후, "이성건, 김은석, 엄익현.빅데이터 분석을 위한 데이터마이닝방법론", 경기:자유아카데미, 2014
• 47 우광호, 이진영, "취업자의 소비패턴 변화와 시사점: 연령 및 산업별 분석을 중심으로", 한국경제연구원 연구보고서, 2015(1), 2015
• 48 김완섭, "강미라, & 류시영.데이터마이닝을 이용한 신혼여행상품의 시장세분화", 관광연구저널, 24(3), 173-187, 2010
• 49 김영훈, 안성식, "데이터마이닝을 이용한 패스트푸드 레스토랑 이용고객 특성에 관한 연구", 관광레저연구, 18(2), 191-209, 2006
• 50 김용준, 문철주, 김주원, "중국 주요지역 소비자의 구매 패턴 특성에 따른 브랜드 평가에 관한 실증연구", 국제경영연구, 20(1), 27-54, 2009
• 51 김경재, 한인구, 안현철, "연관규칙기법과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰의 사례", Information Systems Review, 8(1), 181-201, 2006
• 52 송영훈, "데이터마이닝 기법을 활용한 화학공학 미래기술 예측에 관한 연구. 건국대학교 대학원", 박사학위논문, 2014
• 53 고형화, 조영성, 박화범, "추천시스템을 위한 k-means 기법과 베이시안 네트워크를 이용한 가중치 선호도 군집 방법", Journal of Information Technology Applications & Management, 219-230, 2013
• 54 오익근, 홍지숙, "소셜미디어 빅데이터를 활용한 항공사 이미지 변화 분석: K 항공의 램프리턴을 중심으로", 관광연구저널, 30(6), 119-133, 2016
• 55 김우곤, 최용호, 김창현, "데이터마이닝 기법을 이용한 호텔산업의 데이터베이스마케팅에 관한 연구. 호텔관광연구", 11(단일호), 33-53, 2003
• 56 석일홍, "신용카드가맹점의 법적 쟁점에 관한 연구: 결제대행가맹점을 포함하여. 고려대학교 대학원", 박사학위논문, 2018
• 57 강한훈, 이애주, 도해용, "웹 데이터마이닝 기법을 이용한 레스토랑 만족도 평가에 관한 연구-네이버 윙스푼 데이터 분석", 외식경영연구, 15(2), 115-131, 2012
• 58 민하나, "음식관광객 시장세분화와 한식 구매 연관성 분석에 관한 연구 : 외래 관광객을 중심으로. 경희대학교 대학원", 박사학위논문, 2017
• 59 박슬기, 황진수, "데이터마이닝을 이용한 청계천 개발 선호도에 따른 관광객의 인구통계학적 특성 및 관광 행동 패턴에 관한 연구", 관광레저연구, 22(4), 395-414, 2010
• 60 신여진, "신여진. (2012). 연관규칙(association rule)을 이용한 소비자의 식품구매행태 분석. 경희대학교 대학원, 석사학위논문.", 석사학위논문, 2012
• 61 김인신, 이유안, "외래 관광객의 관광 주목적별 관광지 선택 연관성 규칙 분석: 2013 년 외래 관광객의 휴가레저 및 비즈니스 집단별 비교 연구", 관광경영연구, 73, 623-642, 2016