[ set DATA_HOME $env(UNIWEB_DOC_ROOT) source $DATA_HOME/init.appl ] Branding Method / 의사결정나무 분석기법

Branding Method / 의사결정나무 분석기법
그 의미와 적용사례

정성원 / SPSS Korea jung@spss.co.kr

 

1. 의사결정나무 분석기법의 개념

의사결정나무(Decision Tree)는 의사결정 규칙(Decision Tree)을 도표화하여 관심대상이 되는 집단을 몇 개의 소집단으로 분류(Classification) 하거나 예측(Prediction)을 수행하는 계량적 분석 방법이다. 분석결과는 ‘조건 A이고 조건 B이면 결과집단 C’라는 형태의 규칙으로 표현되므로 이해가 쉽고, 분류 또는 예측을 목적으로 하는 다른 계량적 분석 방법에 비해 쉽게 이해하고 활용할 수 있다는 장점이 있다.

2. 의사결정나무 분석기법의 활용분야

의사결정나무 분석기법은 DB마케팅, CRM, 시장조사, 광고조사, 의학연구, 품질관리 등의 다양한 분야에서 활용되고 있으며, 구체적인 활용 예는 DM의 응답자 분석, 고객타겟팅, 고객들의 신용점수화, 캠페인 반응분석, 고객행동예측, 고객 세분화, 시장세분화, 신상품 수용도 분석, 광고 효과측정, 상표 이미지 테스트 등을 들 수 있다.

 

3. 의사결정나무의 구조

의사결정나무의 맨 위쪽에 위치하는 마디를 가리켜서 뿌리마디(Root Node)라고 부르는데, 분류대상이 되는 모든 개체집단을 의미하게 된다. 하나의 마디가 하부마디로 분화가 될 때, 특정마디 위쪽에 존재하는 마디를 부모마디(Parent Node)라고 부르고 특정마디 아래쪽에 존재하는 마디를 자식마디(Child Node)라 부르며 더 이상 마디가 분화되지 않는 최종마디를 끝마디 (Terminal Node)라고 부른다. 이와 같은 각 마디들이 분화되어있는 모습이 나무의 모양을 닮았다고 하여 이를 의사결정 나무라 부른다.

 

---------------------------------------------------------------------------------------------------
정성원 / SPSS Korea 이사. 소속학회 : 통계학회, 데이터 마이닝학회, 한국 데이터베이스 마케팅협회, 한국여론조사 협회 등 저서 : 윈도우용 SPSS 통계 조사분석, 범주형 데이터분석, 전문통계분석, SPSS / PC+ⅠⅡ, SPSS / PC+ 데이터분석외 주요 프로젝트 : 1998 LG유통, 삼성SDS 1999 한국산업 보건연구원 1차, 현대증권, LG화재 2000 한국산업보건 연구원 2차, 교보생명 2001 국민카드, 롯데제과 2002 한국산업 안전공단, 한국통신 2003 CJ 홈쇼핑

다음 페이지로