[도서] CRM 과 데이터마이닝

CRM과 데이터마이닝 - 20160719

 

CH 01 CRM의 이해 ===================

CRM 은

고객정보(고객 데이터웨어하우스), 분석(데이터마이닝) 그리고 이를 활용하는 마케팅 채널(TM, DM, 대리점, CM 등)을 통합하는 솔루션

CRM 을 도입하기 위해서는 Hardware, DB, Tool, Marketign(TM), 고객서비스, 다이렉트 마케팅, 영업지원(salse support), 인터넷을 이용한 사이버마케팅(cyber marketing)등 구축범위가 매우 넓다.

결론적으로 CRM은 차별화된 경험을 고객에게 첫 만남에서부터 평생 동안 지속적으로 제공함으로써 고객의 가치를 향상시켜 고객자산(Customer Equity)을 증대시키고, 궁극적으로 이를 통해 기업의 수익성을 높이는 것이라 할 수 있다.

 

CRM 의 특징

1. CRM은 고객지향적이며 관계지향적이다.

2. CRM은 시장점유율보다는 고객점유율에, 그리고 고객획득보다는 고객유지에 초점을 둔다.

3. CRM은 고객과의 직접적인 접촉을 통해 쌍방향 커뮤니케이션을 지속한다.

4. CRM은 단순히 마케팅에만 역점을 두는 것이 아니라 기업의 모든 내부 프로세스의 통합과 매뉴얼화를 요구한다.

(표준화된 업무 프로세스, 조직의 역량이나 훈련, 기술적 하부구조, 영업요건을 충족할 수 있는 시스템의 기능, 영업전략, 영업정보 등)

 

CRM 프로세스

환경분석 -> CRM 전략수립 -> 고객데이터 수집 -> CRM 분석활동 -> 마케팅 기획 -> 계획실행 -> 고객반응 분석 (반복)

 

CRM 전략수립 고려사항

1. 다양한 고객데이터를 적극 활용해야 한다.

2. 고객의 니즈를 파악하고, 이러한 고객의 변화에 적극 대응해야 한다.

3. 고객의 역량을 극대화 하여 이를 활용할 수 있어야 한다.

4. 고객중심의 전사적 CRM을 수행하여야 한다.

5. 기업에 적합한 CRM 솔루션을 선택해야 한다.

 

CRM 분석활동

고객획득

고객세분화

고객유지

교차판매

수익성분석

고객분석

 

CH 02 CRM 전략 ===================

 

STP 전략

시장세분화(Segmentation)

표적시장선택(Targeting)

포지셔닝(Positioning)

 

충성도 성공원칙

1. 윈윈 해법을 지향하라: 파트너의 희생을 마탕으로 이윤을 추구하는 것은 마멸의 지름길이다.

2. 까다롭게 선택하라: 멤버십은 특권이다.

3. 단순화하라: 복잡함은 속도와 유연성의 적이다.

4. 합당한 성과에 대해 보상하라: 훌륭한 파트너는 휼륭한 보상을 받을 가치가 있다.

5. 열심히 듣고 솔직하게 말하라: 장기적인 관계를 형성하기 위해서는 솔직하고 쌍방향으로 이루어지는 커뮤니케이션과 배움이 필요하다.

6. 몸소 실천하는 것만을 설교하라.

 

충성도를 얻기 위한 고객관리

1. 신중하게 고객을 선정해야 한다. 바람직한 고객을 선별하는데 주력해야 한다.

2. 경제적 이득을 헌신적인 고객들과 공유해야 한다.

3. 단순한 규칙을 개발하여 적용해야 한다.

 

마케팅 믹스 전략(marketing mix statagy)

통제가능한 마케팅자원 4P

제품(Product)

가격(Price)

유통(Place)

촉진(Promotion)

 

CH 03 데이터웨어하우스와 데이터마이닝 ===================

 

데이터웨어하우스

기업의 데이터들을 활용목적별로 통합하여 유연한 분석이 가능하도록 만들어 놓은 방대한 양의 데이터를 저장할 수 있는 대형저장창고

 

데이터마트

데이터웨어하우스를 활용하여 개별부서 차원에서 각부서의 특성에 맞게 데이터를 검색, 가공 및 분석할 수 있도록 해놓은 훨씬 작은 규모의 전자저장공간

 

데이터마이닝

새로운 사실이 밝혀지기 전까지는 당연하게 여겨지던 사실이 당연하지 않다는 것을 과학적으로 설명해 가는 과정이라 할 수 있다.

데이터 속에 감추어져 잘 나타나지 않았던 유용한 정보를 찾아내는 과정이라고 말할 수 있다.

 

데이터마이닝 범위

분류

대상을 사전에 정의된 분류의 집합들에 할당하는 과정
사전의 명확한 정의가 존재하며, 미리 분류된 예들로 구성된 훈련집합(learning sets)들을 가진다
의사결정나무, 인공신경망

추정

연속형 값을 가지는 결과들을 다룬다.
주어진 입력데이터에 대하여 소득, 신장, 신용카드 잔액 과 같은 미지의 연속형 변수의 값을 산출한다.
회귀분석, 인공신경망

예측

미래이 행위를 분류하거나 추정한다.
A는 ~일 가능성이 있다.
예측적 모형화에 있어서 입력변수들과 목표변수의 예측치 간의 순차적인 관계에 대한 추가적인 고려가 필요하다.

연관성규칙과 유사성 집단화

어떤 일들이 함께 발생하는지를 판단하는 것이다.
매장 진열 또는 교차판매의 기회들을 찾아내는 데 사용될 수 있다.
장바구니분석

군집화

이질적인 사람들의 모집단으로부터 다수의 동질적인 하위집단 혹은 군집들로 세분화 하는 작업이다.
자유롭게 새로운 패턴을 찾아 새로이 클래스를 할당, 분류한다.

프로파일링

무슨 일들이 발생하는지를 단순히 설명하는 것에 사용될 수 있다.
고객, 상품, 업무 프로세스 등에 무슨일들이 일어나는지에 대한 이해를 높이는 방법으로 사용한다.
행동에 대한 설명을 통해 이를 적절히 해석하여 다른 데이터마이닝의 범주에 이용할 수 있는 것이다.
의사결정나무

데이터마이닝 프로세스

샘플링

샘플링 후 기본적인 몇가지 자료탐색을 거쳐 반드시 확인하여야 한다.

탐색

변수들의 관계를 살펴보는 단계이다.

변환 및 조정

이후 구축할 모형의 성능을 향상시키기 위해 데이터가 가지고 잇는 정보를 효율적으로 사용할 수 있도록 변수변환, 수량화, 그룹화와 같은 방법을 통해서 데이터를 변형하고 조정한다.

모형화

다양한 데이터마이닝 기법을 이용한 모델링을 적용하는 단계이다.

평가

선택된 모향을 평가하는 단계이다.

 

데이터마이닝 방법

의사결정나무

의사결정규칙에 의해서 나무구조로 나타내는 분석 방법으로 분류 및 예측을 수행하는 데 있어서 효과적으로 사용된다.
분석과정에서 설명이 필요한 경우 많이 이용된다.
세분화, 분류, 예측, 차원추소 및 변수선택, 교호작용효과의 파악, 범주의 병합 또는 연속형변수의 이산화

인공신경망

인간두뇌의 신경세포를 모방한 개념으로 마디와 고리로 구성된 망 구조를 모형화하고, 의사결정나무와 마찬가지로 과거에 수집된 데이터로부터 반복적인 학습과정을 거쳐 데이터에 내재되어 있는 패턴을 찾아내는 모델링 기법이다.
설명력보다는 정확한 예측이 중요한 경우에 이용될 수 있다.

분류, 군집, 연관규칙 발견

최근접이웃

서로 가까운 객체들의 유사한 예측 변수를 가지게 될 것이기 떄문에 객체들 중 한 예측변수를 안다면 근접이웃에 대한 값을 예측 할 수 있게 된다.
통계정 매칭에 가장 흔히 사용되는 방법으로 가장 유사한 하나의 개체를 매칭에 사용하는 방법이다.

군집화

모집단 또는 범주에 대한 사전정보가 없는 경우에 주어진 데이터들 간의 유사성을 이용하여 전체의 구조를 이해하는 데 도움이 되는 분석 방법이다.

연관규칙

일련의 거래나 사건들의 연관성에 대한 규칙을 나타내며,데이터 안에 존재하는 항복 간의 연관성규칙을 발견하는 과정이며 마케팅분석에서는 손님의 장바구니에 들어 있는 품목 간의 관계를 알아본다는 의미에서 장바구니분석 이라고도 한다.

지지도, 신뢰도, 향상도

고객들의 원하는 서비스를 미리 예측하여 대응하기 위해 사용
병원의 경우 환자의 의무기록에서 여러 치료가 도이에 이루어진 경우 합병증 발생 등을 분석하는 데 사용한다.

순차적패턴

연관성규칙에 시간의 개념을 첨가하여 시계열에 따른 패턴들의 상호연관성을 탐색하는것이다.

시퀀스

A 구매 -> B 구매 -> C 구매 ...

거래정렬단계, 빈도가높은 항목집합 발견단계, 거래 데이터베이스 변환단계, 빈도가 높은 시퀀스 발견단계, 최대시퀀스 발견단계