CLICK AI 활용백서

인공지능을 활용할 수 있는 분야는 매우 다양하며, 각 산업군 별로 다양하게 적용할 수 있습니다.

CLICK AI 활용백서

인공지능을 활용할 수 있는 분야는 매우 다양하며, 각 산업군 별로 다양하게 적용할 수 있습니다.

카드발급 심사

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

고객맞춤 카드 추천

고객은 자신에게 적합한 혜택의 카드를 사용하고 싶어 합니다. 하지만, 카드사만큼이나 카드의 종류와 혜택이 매우 다양하여 서로의 혜택을 비교/결정하기 매우 어렵습니다. 결국, 수많은 잠재고객이 혜택 비교를 포기하게 됩니다.

자세히 보기→

투자 위험 관리

투자 상품에 대한 위험은 관리하는 투자 설계사의 경험과 직감에 따라 천차만별입니다. 고위험/고수익, 저위험/저수익 혹은 단기/장기 투자 등 투자 고객의 성향 또한 매우 다양하지만, 사람이 파악할 수 있는 범위는 제한되어 있습니다.

자세히 보기→

대출 심사 자동화

단순히 신용도 및 거래이력만으로는 성실상환 여부를 판단하기 어렵기 때문에 신청고객의 최대한 많은 금융 정보를 조회해야 합니다. 특히 대출은 금융회사의 직접적인 손해를 끼치는 사업이지만, 여전히 기존 프로세스와 인력만으로 수행하고 있습니다.

자세히 보기→

투자 포트폴리오 설계

투자 상품마다 서로 다른 특성을 지니고 있습니다. 투자 설계는 각 상품의 위험성과 수익률을 고려하여 균형 잡힌 포트폴리오를 설계하는 것이 핵심입니다. 하지만, 나열된 수치를 기반으로 포트폴리오를 설계하게 되면, 예상치 못한 위험 요소로 수익률이 급락하는 경우가 잦고 문제점을 파악하는 것 또한 어렵습니다.

자세히 보기→

로보어드바이저

금융기업과 고객의 자산 운용 성향은 매우 다양합니다. 자산관리사는 자신의 경험과 직감을 바탕으로, 이러한 데이터를 분석하고 판단합니다. 하지만 사람은 모든 데이터를 고려할 수 없고 실수가 생길 수 밖에 없습니다.

자세히 보기→

[실습] 연 소득분위 예측

연간 소득분위는 한 회계 연도에 벌어 들인 소득을 분위별로 나눈 것입니다. 소득에는 연봉, 보너스, 초과 근무 등 모든 것이 포함됩니다. 여러 사람들의 특징 데이터를 활용하여 연 소득분위를 예측하거나, 특징의 중요도 분석을 통해 연 소득분위에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

보험 가입 심사

보험사의 최대 관심사 중 하나는, 가입자가 납입금보다 보험금 지급을 더 해야할 사람인지 판별하는 것입니다. 가입자의 건강 이력이나 나이, 거주 지역, 직업 등 수많은 변수를 고려해야 하지만, 변수가 많아질수록 실수 가능성이 높아지고 정확한 판별이 어렵습니다. 

자세히 보기→

보험 상품 손해율 예측

보험 상품 약관에는 수 많은 보험 내용이 보장되어 있습니다. 이런 보장이 보험사에게 얼마나 수익을 안길 수 있는지 예측모델을 만드는 것은, 보험사에게는 매출 증대를 할 수 있는지 여부와 직결되게 됩니다.

자세히 보기→

보험 사기 예측

보험사의 수많은 고객의 보험금 이력을 트래킹하는 것은 쉽지 않은 일입니다. 고객 중 보험금을 쉽게 타는 것을 직업으로 여기는 보험 사기단이 있을 수도 있습니다. 보험금 지출 이력을 보험 사기 이력이 있는 사람과의 유사도를 인공지능을 통해 예측할 수 있게 되면 보험사는 쉽게 위기에서 벗어날 수 있게 됩니다.

자세히 보기→

개인 맞춤형 보험 모델

사람마다 성격이 다르듯 사람이 원하는 보험 보장 내용도 천차만별입니다. 현재까지 보험 모델은 약관에 따른 보험 가격 복잡도가 높았기 때문에 많은 종류의 보험 상품을 개발하기에는 한계가 따를 수 밖에 없었습니다. 

자세히 보기→

보험사 제출 서류 사진 인식

건물 보험, 해상 보험, 트럭 보험 등 다양한 보험에 대한 관리 상태를 측정하는 것은 매우 높은 인건비가 소요됩니다. 인공지능 이미지 인식 모델을 통해 고객이 제출하는 서류나 관리 상태에 대한 사진 제출 등을 인공지능으로 판별하여 효율적인 고객 관리가 가능해집니다.

자세히 보기→

[실습] 의료보험비용 예측

 환자의 여러 특징 데이터를 활용하여 의료보험비용을 예측하거나, 특징의 중요도 분석을 통해 의료보험비용에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

외관 불량 판독

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

부품 불량 검출

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

비파괴검사 인식

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

설비관리 자동화

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

생산관리 자동화

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]PH농도 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]아이리스 꽃 종류 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]식용 버섯 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]유리의 종류 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

평판 관리

트위터와 스마트 스토어에서 제품에 대한 평판은 계속해서 일어납니다. 이에 대한 평판은 다음 고객이 들어왔을 때 구매욕구에 상당한 영향을 끼치게 됩니다. 하지만 고객의 리뷰가 천 개만 넘어도 실질적으로 모든 평판을 분석하는 것은 불가능에 가깝습니다. 

자세히 보기→

로열티 프로그램

이메일 마케팅, 배송 무료 정책, 환불 정책 등 고객에게 신뢰감을 주는 로열티 프로그램은 마케팅에서 중요한 부분입니다. 하지만, 어떠한 정책이 어느 정도의 고객 신뢰를 이끌어 내는지 예측하기는 어렵습니다.

자세히 보기→

광고 입찰가 최적화

광고 입찰가를 최적화하는 로직은 발전을 거듭하고 있는 분야입니다. 효율적인 입찰가 예측이 필요함에도 불구하고 많은 기업들은 단순 로직을 통한 입찰가 실시간 최적화 방식을 고민하고 있습니다. 입찰가만 제대로 예측을 해도 광고비의 상당 부분을 절감할 수 있게 됩니다.

자세히 보기→

쇼핑몰 구매 동선 예측

큰 백화점부터 작은 슈퍼마켓까지 상품의 진열에 따른 고객 동선은 매출에 큰 영향을 줍니다. 다양한 방식으로 상품을 진열하여 동선을 테스트할 수 있지만, 각 상품 매출과의 연관성을 밝혀내고 매장 전체의 동선을 최적화하는 것은 쉽지 않습니다.

자세히 보기→

챗봇 알고리즘 개선

고객에게 친숙한 대화창으로 건네는 마케팅 광고는 친구가 대화를 건네듯 자연스럽게 광고를 할 수 있는 마케팅 방법 중 하나입니다. 따라서 많은 기업에서 챗봇을 통해 판매 방식을 넓혀가고 있습니다. 하지만 복잡한 대화 구조 때문에 구매율을 높일 수 있는 대화 방법을 설계하기 어렵습니다.

자세히 보기→

[실습] 은행 마케팅 결과 예측

최근 금융 서비스 부문의 마케팅이 AI도입을 시작하고 있습니다. 초기 마케터들은 방대한 데이터를 가지고 패턴화하여 분석 결과를 통해 기존 고객들에 대한 마케팅 방식을 개선하였습니다다. 하지만 점점 늘어나는 데이터를 유지 관리하고 분석하며 패턴을 만들어 예측하는 것도 쉽지않은 일입니다.

자세히 보기→

직원 퇴사 예측

직원 감소는 모든 비지니스에 영향을 미치는 문제입니다. 비지니스 중단 비용, 신규 직원 채용 및 신규 직원 교육을 포함하여 상당한 비용의 비지니스를 초래합니다. 직원 데이터를 활용하여 직원 퇴사 가능성을 예측하거나, 특징 분석을 통해 퇴사에 큰 영향을 미치는 것이 무엇인지 확인하면 미리 대비하여 비즈니스 운영을 개선하는 데 크게 도움이됩니다.

자세히 보기→

대학원 입학 예측

대학원 입학생들의 데이터를 통해 대학원 입학 확률을 예측하거나, 특징의 중요도 분석을 통해 대학원 입학에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다. 이를 통해 대학원 진학시 미리 준비해야할 요소를 확인하여 대비할 수 있습니다.

자세히 보기→

타이타닉 생존 예측

1912년 최초이자 최후의 향해 때 빙산과 충돌해 침몰한 여객선입니다. 승객의 데이터를 통해 타이타닉 생존을 예측하거나, 특징의 중요도 분석을 통해 타이타닉 생존에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

영화 리뷰 예측

온라인 리뷰는 네트워크 기술의 발전을 통해 그 영향력이 확대되고 있습니다. 특히, 사전 정보를 통해 소비가 결정되는 영화는 온라인 리뷰가 소비자들의 영화 결정에도 중요한 영향을 미치고 있습니다. 자연어 분류를 통해 영화 리뷰 데이터를 활용하여 영화리뷰에 적힌 내용들이 긍정 혹은 부정인지 감정을 분석할 수 있습니다. 

자세히 보기→

숫자 분류 모델

이미지 분류를 이용하여 숫자 글씨를 분류하는 모델입니다. 0~9의 Class 중 어떤 이미지인지 분류하며 한 이미지에 하나의 결과 (CLass)를 예측할 수 있습니다. 물체 인식과 다르게 하나의 이미지의 여러 Class를 예측하는 것이 아닌 하나의 이미지의 하나의 Class를 예측할 수 있습니다.

자세히 보기→

선박 분류 모델

이미지 분류를 이용하여 선박의 종류를 분류하는 모델입니다. 1~5의 Class 중 어떤 이미지인지 분류하며 한 이미지에 하나의 결과 (CLass)를 예측할 수 있습니다. 물체 인식과 다르게 하나의 이미지의 여러 Class를 예측하는 것이 아닌 하나의 이미지의 하나의 Class를 예측할 수 있습니다.

자세히 보기→

자동차 분류 모델

각 자동차에 대한 라벨링 데이터를 학습하여 물체인식 인공지능을 개발하면 도로 위의 버스, 트럭, 자동차 등을 자동으로 인식할 수 있습니다.

자세히 보기→

얼룩말 이미지 생성

생성적 적대 생성망을 이용하여 일반 말 이미지를 얼룩말 이미지로 바꾸는 모델입니다.

자세히 보기→

금융 및 자산관리

금융 및 자산 관리 산업은 수익을 극대화하되, 위험을 최소화하는 것이 가장 중요합니다. 시시각각 변하는 세계 경제와 산업의 흐름에 따라 끊임없이 지표를 확인하고 위험을 관리해야 합니다. 그렇기 때문에 금융 및 자산관리 실무자는 뉴스와 증시 알림판을 놓치지 않기 위해 막대한 에너지를 소모하고 있습니다. 
AI는 관련 뉴스 및 증시 흐름을 파악하고 중대한 사안에 대해 알림을 줄 수 있으며, 분석 결과를 지표로 제공하기 때문에 좀 더 고객에게 집중할 수 있고 위험을 더욱 편리하게 관리할 수 있습니다.


카드발급 심사

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

고객맞춤 카드 추천

고객은 자신에게 적합한 혜택의 카드를 사용하고 싶어 합니다. 하지만, 카드사만큼이나 카드의 종류와 혜택이 매우 다양하여 서로의 혜택을 비교/결정하기 매우 어렵습니다. 결국, 수많은 잠재고객이 혜택 비교를 포기하게 됩니다.

자세히 보기→

투자 위험 관리

투자 상품에 대한 위험은 관리하는 투자 설계사의 경험과 직감에 따라 천차만별입니다. 고위험/고수익, 저위험/저수익 혹은 단기/장기 투자 등 투자 고객의 성향 또한 매우 다양하지만, 사람이 파악할 수 있는 범위는 제한되어 있습니다.

자세히 보기→

대출 심사 자동화

단순히 신용도 및 거래이력만으로는 성실상환 여부를 판단하기 어렵기 때문에 신청고객의 최대한 많은 금융 정보를 조회해야 합니다. 특히 대출은 금융회사의 직접적인 손해를 끼치는 사업이지만, 여전히 기존 프로세스와 인력만으로 수행하고 있습니다.

자세히 보기→

투자 포트폴리오 설계

투자 상품마다 서로 다른 특성을 지니고 있습니다. 투자 설계는 각 상품의 위험성과 수익률을 고려하여 균형 잡힌 포트폴리오를 설계하는 것이 핵심입니다. 하지만, 나열된 수치를 기반으로 포트폴리오를 설계하게 되면, 예상치 못한 위험 요소로 수익률이 급락하는 경우가 잦고 문제점을 파악하는 것 또한 어렵습니다.

자세히 보기→

로보어드바이저

금융기업과 고객의 자산 운용 성향은 매우 다양합니다. 자산관리사는 자신의 경험과 직감을 바탕으로, 이러한 데이터를 분석하고 판단합니다. 하지만 사람은 모든 데이터를 고려할 수 없고 실수가 생길 수 밖에 없습니다.

자세히 보기→

[실습] 연 소득분위 예측

연간 소득분위는 한 회계 연도에 벌어 들인 소득을 분위별로 나눈 것입니다. 소득에는 연봉, 보너스, 초과 근무 등 모든 것이 포함됩니다. 여러 사람들의 특징 데이터를 활용하여 연 소득분위를 예측하거나, 특징의 중요도 분석을 통해 연 소득분위에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

보험 산업

보험 산업은 가입 시점의 고객 상황을 정확히 심사하고, 그에 적합한 가격을 산정하는 것이 수익의 핵심입니다. 
그렇기 때문에 다른 산업 못지 않게 많은 데이터를 분석해야 합니다. 
AI는 고객의 질병 가능성과 사고 가능성 등 고객의 데이터를 취합하고 관계를 분석하여 더욱 정확한 예측 분석을 제시합니다. 실무자는 단순 직감과 경험만이 아닌, 논리적인 분석 결과를 바탕으로 위험을 관리할 수 있습니다.


보험 가입 심사

보험사의 최대 관심사 중 하나는, 가입자가 납입금보다 보험금 지급을 더 해야할 사람인지 판별하는 것입니다. 가입자의 건강 이력이나 나이, 거주 지역, 직업 등 수많은 변수를 고려해야 하지만, 변수가 많아질수록 실수 가능성이 높아지고 정확한 판별이 어렵습니다. 

자세히 보기→

보험 상품 손해율 예측

보험 상품 약관에는 수 많은 보험 내용이 보장되어 있습니다. 이런 보장이 보험사에게 얼마나 수익을 안길 수 있는지 예측모델을 만드는 것은, 보험사에게는 매출 증대를 할 수 있는지 여부와 직결되게 됩니다.

자세히 보기→

보험 사기 예측

보험사의 수많은 고객의 보험금 이력을 트래킹하는 것은 쉽지 않은 일입니다. 고객 중 보험금을 쉽게 타는 것을 직업으로 여기는 보험 사기단이 있을 수도 있습니다. 보험금 지출 이력을 보험 사기 이력이 있는 사람과의 유사도를 인공지능을 통해 예측할 수 있게 되면 보험사는 쉽게 위기에서 벗어날 수 있게 됩니다.

자세히 보기→

개인 맞춤형 보험 모델

사람마다 성격이 다르듯 사람이 원하는 보험 보장 내용도 천차만별입니다. 현재까지 보험 모델은 약관에 따른 보험 가격 복잡도가 높았기 때문에 많은 종류의 보험 상품을 개발하기에는 한계가 따를 수 밖에 없었습니다. 

자세히 보기→

보험사 제출 서류 사진 인식

건물 보험, 해상 보험, 트럭 보험 등 다양한 보험에 대한 관리 상태를 측정하는 것은 매우 높은 인건비가 소요됩니다. 인공지능 이미지 인식 모델을 통해 고객이 제출하는 서류나 관리 상태에 대한 사진 제출 등을 인공지능으로 판별하여 효율적인 고객 관리가 가능해집니다.

자세히 보기→

[실습] 의료보험비용 예측

 환자의 여러 특징 데이터를 활용하여 의료보험비용을 예측하거나, 특징의 중요도 분석을 통해 의료보험비용에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

제조 산업

최근 제조 산업은 기계 제조, 자동차, 전자제품, 반도체 등 다양한 제품이 정밀화되면서 더욱 세밀한 작업을 위해 AI 도입을 통한 스마트 공장화의 필요성이 증가하고 있습니다. 특히, 제조업은 불량 판독을 통한 비용 절감 및 생산성 향상을 위해 많은 시간과 인력을 투입하는데, 이미지 인식 기술을 활용하여 제조공장에서의 불량 식별 정확도를 상승 시킬 수 있으며, 평균 30배 빠른 불량 판독을 가능하게 합니다. 
이 외에도 생산품의 가격 및 생산 계획 수립 등을 보다 정확하게 예측하여 생산 효율성을 향상시킬 수 있습니다.


외관 불량 판독

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

부품 불량 검출

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

비파괴검사 인식

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

설비관리 자동화

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

생산관리 자동화

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]PH농도 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]아이리스 꽃 종류 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]식용 버섯 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

[실습]유리의 종류 예측

카드를 발급 전 심사 단계에서 신청자의 소득과 신용등급, 금융거래이력 등 많은 요소를 고려하여 발급을 승인합니다. 그럼에도 여전히 많은 잠재 고객을 놓치고 있으며, 비적합 고객에 대한 발급 승인으로 손해를 보고 있습니다.

자세히 보기→

마케팅 산업

마케팅 부서와 조직은 AI를 사용하여 마케팅 활동 및 운영의 효과를 확인하고, 다양한 데이터를 취합하여 유기적 관계를 분석할 수 있습니다. 이를 통해 타겟 고객을 보다 정확하게 설정하고, 고객의 구매전환율을 높이며, 고객과의 관계를 개선합니다. 모든 산업의 마케팅 담당자는 AI를 활용하여 ROI를 정확하게 결정하고 분석 결과를 바탕으로 실질적인 수익을 창출해 낼 수 있습니다.


평판 관리

트위터와 스마트 스토어에서 제품에 대한 평판은 계속해서 일어납니다. 이에 대한 평판은 다음 고객이 들어왔을 때 구매욕구에 상당한 영향을 끼치게 됩니다. 하지만 고객의 리뷰가 천 개만 넘어도 실질적으로 모든 평판을 분석하는 것은 불가능에 가깝습니다. 

자세히 보기→

로열티 프로그램

이메일 마케팅, 배송 무료 정책, 환불 정책 등 고객에게 신뢰감을 주는 로열티 프로그램은 마케팅에서 중요한 부분입니다. 하지만, 어떠한 정책이 어느 정도의 고객 신뢰를 이끌어 내는지 예측하기는 어렵습니다.

자세히 보기→

광고 입찰가 최적화

광고 입찰가를 최적화하는 로직은 발전을 거듭하고 있는 분야입니다. 효율적인 입찰가 예측이 필요함에도 불구하고 많은 기업들은 단순 로직을 통한 입찰가 실시간 최적화 방식을 고민하고 있습니다. 입찰가만 제대로 예측을 해도 광고비의 상당 부분을 절감할 수 있게 됩니다.

자세히 보기→

쇼핑몰 구매 동선 예측

큰 백화점부터 작은 슈퍼마켓까지 상품의 진열에 따른 고객 동선은 매출에 큰 영향을 줍니다. 다양한 방식으로 상품을 진열하여 동선을 테스트할 수 있지만, 각 상품 매출과의 연관성을 밝혀내고 매장 전체의 동선을 최적화하는 것은 쉽지 않습니다.

자세히 보기→

챗봇 알고리즘 개선

고객에게 친숙한 대화창으로 건네는 마케팅 광고는 친구가 대화를 건네듯 자연스럽게 광고를 할 수 있는 마케팅 방법 중 하나입니다. 따라서 많은 기업에서 챗봇을 통해 판매 방식을 넓혀가고 있습니다. 하지만 복잡한 대화 구조 때문에 구매율을 높일 수 있는 대화 방법을 설계하기 어렵습니다.

자세히 보기→

[실습] 은행 마케팅 결과 예측

최근 금융 서비스 부문의 마케팅이 AI도입을 시작하고 있습니다. 초기 마케터들은 방대한 데이터를 가지고 패턴화하여 분석 결과를 통해 기존 고객들에 대한 마케팅 방식을 개선하였습니다다. 하지만 점점 늘어나는 데이터를 유지 관리하고 분석하며 패턴을 만들어 예측하는 것도 쉽지않은 일입니다.

자세히 보기→

기타 활용사례

산업 카테고리 별 사례 외에도 데이터만 있다면 사용자의 전문 지식과 AI를 융합하여 무궁무진하게 AI를 활용할 수 있습니다. 개인 업무의 자동화부터 기업의 의사 결정 자동화까지 데이터 맞춤형 AI는 산업에 제한이 없습니다.

기타 활용사례

산업 카테고리 별 사례 외에도 데이터만 있다면 사용자의 전문 지식과 AI를 융합하여 무궁무진하게 AI를 활용할 수 있습니다. 개인 업무의 자동화부터 기업의 의사 결정 자동화까지 데이터 맞춤형 AI는 산업에 제한이 없습니다.


직원 퇴사 예측

직원 감소는 모든 비지니스에 영향을 미치는 문제입니다. 비지니스 중단 비용, 신규 직원 채용 및 신규 직원 교육을 포함하여 상당한 비용의 비지니스를 초래합니다. 직원 데이터를 활용하여 직원 퇴사 가능성을 예측하거나, 특징 분석을 통해 퇴사에 큰 영향을 미치는 것이 무엇인지 확인하면 미리 대비하여 비즈니스 운영을 개선하는 데 크게 도움이됩니다.

자세히 보기→

대학원 입학 예측

대학원 입학생들의 데이터를 통해 대학원 입학 확률을 예측하거나, 특징의 중요도 분석을 통해 대학원 입학에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다. 이를 통해 대학원 진학시 미리 준비해야할 요소를 확인하여 대비할 수 있습니다.

자세히 보기→

타이타닉 생존 예측

1912년 최초이자 최후의 향해 때 빙산과 충돌해 침몰한 여객선입니다. 승객의 데이터를 통해 타이타닉 생존을 예측하거나, 특징의 중요도 분석을 통해 타이타닉 생존에 큰 영향을 미치는 것이 무엇인지 확인할 수 있습니다.

자세히 보기→

영화 리뷰 예측

온라인 리뷰는 네트워크 기술의 발전을 통해 그 영향력이 확대되고 있습니다. 특히, 사전 정보를 통해 소비가 결정되는 영화는 온라인 리뷰가 소비자들의 영화 결정에도 중요한 영향을 미치고 있습니다. 자연어 분류를 통해 영화 리뷰 데이터를 활용하여 영화리뷰에 적힌 내용들이 긍정 혹은 부정인지 감정을 분석할 수 있습니다. 

자세히 보기→

숫자 분류 모델

이미지 분류를 이용하여 숫자 글씨를 분류하는 모델입니다. 0~9의 Class 중 어떤 이미지인지 분류하며 한 이미지에 하나의 결과 (CLass)를 예측할 수 있습니다. 물체 인식과 다르게 하나의 이미지의 여러 Class를 예측하는 것이 아닌 하나의 이미지의 하나의 Class를 예측할 수 있습니다.

자세히 보기→

선박 분류 모델

이미지 분류를 이용하여 선박의 종류를 분류하는 모델입니다. 1~5의 Class 중 어떤 이미지인지 분류하며 한 이미지에 하나의 결과 (CLass)를 예측할 수 있습니다. 물체 인식과 다르게 하나의 이미지의 여러 Class를 예측하는 것이 아닌 하나의 이미지의 하나의 Class를 예측할 수 있습니다.

자세히 보기→

자동차 분류 모델

각 자동차에 대한 라벨링 데이터를 학습하여 물체인식 인공지능을 개발하면 도로 위의 버스, 트럭, 자동차 등을 자동으로 인식할 수 있습니다.

자세히 보기→

얼룩말 이미지 생성

생성적 적대 생성망을 이용하여 일반 말 이미지를 얼룩말 이미지로 바꾸는 모델입니다.

자세히 보기→