CRM 을 위한 데이터 관리

1. CRM을 위한 데이터 관리 2002년 9월26일 한국CRM협의회 회장 ㈜렉스켄 대표이사 장 동익

2. CRM이란? • 고객에 대한 광범위하고 심층적인 이해를 활용 • 개개인에 적합한 차별적 제품 및 서비스 제공 • 고객의 평생가치를 극대화 • 고객과의 관계를 지속적으로 강화.유지해 가는 마케팅 및 • 경영 혁신 활동 고객 이해 • 사업환경 분석 • 고객 특성 파악 평가 및 보완 고객 대응 • 성과 분석 및 문제점 보완 • 추진 조직 및 시스템 개선 • 고객대응 전략 및 • 메커니즘 설계 • 개인화 설계

3. CRM 역사 • 농경시대 • Mass Market 시대 • One-to-One Market 시대 • USAA(United Service Automobile Association) • 1990년 초반 • McDormott 회장 • 군인 개개인의 입장에 따른 상품 개발 및 권유 • - 걸프전 참전 용사 • - 출정 용사들에 대한 자동차 보험

4. CRM 기대효과 • 기존사업 측면 • eBusiness혁명으로 가속화된 가격경쟁 구도를 벗어나 고객과 • 우호적인 관계 구축 • 장기적인 관점에서 수익을 확보 • 신규사업 측면 • 고객 관계 및 고객에 대한 지식을 기반으로 한 사업 다각화 • - 예 : Yahoo의 Shopping Mall • K-mart의 Bluelight,com자회사 신설 • Streamline.com • 당초 식품 판매업 • 물류 Synergy 활용 –세탁, 우편물 발송 및 집안 청소대행업

5. eCRM과 Offline CRM의 통합 점포/영업사원 고객 기업 편지 전화 인터넷

6. CRM시스템은 단순한 도구에 불과하다 • eCRM = Personalization ? • eCRM = Click Stream Analysis ? • CRM = event driven marketing ? • CRM = 마케팅 + 영업 + 고객서비스 ? • CRM시스템을 구축해야 실행을 할 수 있는 것 아닌가? • CRM은 DBM의 변형이다? • - CRM은 고객과의 장기적인 관계구축을 목적 • 고객에게 접근하는 관점 또는 가치관 • - DBM은 상대적으로 가시적인 단기 성과를 목적 : • 다분히 기술적 경향 • CRM은 IT 분야의 이슈이다?

7. 국내 CRM 구축 시 문제점 • 마케팅 분석을 위한 마케팅 DW의 내용 부실. • - 활용할 수 있을 만한 데이터의 미흡 및 불충실 • 초기에 내 능력에 맞는 Sweet Spot을 찾기 보다(효율성 측면) • 내 능력에 걸맞지 않음에도 불구하고 가장 좋은 시스템을 구축 • 하면 된다는 생각 • - 사내에 전략적인 마인드의 부족. 충분한 분석 경험 및 최종 사 • 용자 전산이 뿌리내리지 못한 상태에서 훌륭한 시스템은 의미 • 가 매우 축소된다. • - ERP와는 다루는 업무 기본 성격이 다르다. • 통계나 시뮬레이션 지식을 가지고 있는 마케팅 전문가의 부족 • 데이터에 근거한 마케팅을 아직은 이론적이라고 생각 • - 데이터 자체에 대한 신뢰도가 낮음

8. Sweet Spot 효율성 Sweet Spot 60 ~80% 10~20% 시간, 비용, 노력

9. 고객 데이터의 원천 기초인적 데이터 • 고객 리스트, 신청서, 제품 보증서 카드 • 인터넷 : Web Log, Click Stream • 거래정보 : 주문, 구매이력, POS 데이터 • 통장, ATM, 신용카드 거래정보 • 문의/불만 정보: 콜센터, AS조직 접촉/거래 데이터 내부 데이터 • Survey 데이터, Panel 데이터 • 직접 반응 광고 데이터 조사 데이터 • 타 기업 고객 정보 : 제휴를 통한 타 기업 • 고객 정보 공유 • 전문 정보 공급업체 : 회원명부, 센서스 • 자료, 라이프스타일 자료(Claritas, • Donnelley, CACI 등 라이프스타일, • 지리정보) 직접 입수 데이터 외부 데이터 • 정보중개자의 정보 간접 활용 • 제휴를 통한 타 기업 고객 정보 간접 • 활용 제휴 활용 데이터

10. 고객 데이터의 오류 • 복수 ID 및 복수 이용자 • Floating IP 및 Cookies • 입력의 오류 • 입력 방법의 차이(예: 성명, 주소, 회사명 등) • 다 가구 주택 • 다 세대 주택 • 높아 지는 이혼율 • 잦은 이사 • 이직율의 증가 • 우편번호 체계의 변화 • (동, 번지 체계에서 거리 명, 번지 체계로 전환)

11. 데이터 품질 제고 방법론 • 표준화 (Standardization) • 개별화 (Identification) • 관계 설정 (Relationship) - Match / Link 가치 제고 통합 관계 설정 표준화 품질제고(개별화) 검사 데이터 원본 보고서 작성 보고서 작성 보고서 작성 Feedback Loop

12. 검사 빈도 분석은 데이터 요소들을 검증하는 훌륭한 방법이다. “ALL” Freq Blank 2 00000000000 1 32694425 1 3286934 1 38529135 2 38529-T 1 43 6285/H 1 Customer # Blank Blank 0000000000 32694425 3286934 38529139 38529139 38529-T 43 6285/H “MASK” Freq Blank 2 NNNNNNNN 3 NNNNN-A 1 NNNNNNN 1 NNNNNNNNNN 1 NN NNNN/A 1 “Non-Blank, Non-Zero” Freq Blank 2 0000000000 1 NBNZ 6

13. 표준화 –데이터의 변환 및 재 포멧 관계된 테이블 Entry들을 근거로 데이터를 변경하거나 새로운 데이터를 생성 문자 그대로의 값이나 또는 “masks”를 활용 이전 제품 Field #1376 #4562-L 이후 제품 Field Laptop Laser Printer Table 1 #1376 Laptop #4562-L Laser Printer 이전 전화번호 Field 2124841200 (212) 484-1264 이후 전화번호 Field 212-484-1200 212-484-1264 Table 2 NNNNNNNNN NNN-NNN-NNNN (NNN) NNN-NNNN NNN-NNN-NNNN

14. DESCRIPTION 개별화 1 MAKE MODEL MODEL # TYPE THNKPD 770 7300 COMPAQ HP OMNIBK 800 DESKPRO 2000 TECRA 530CDT 750 TPAD APTIVA 원본 데이터에서 요구되는 결과를 정의

15. DESCRIPTION 개별화 1 MAKE MODEL MODEL # TYPE THNKPD 770 7300 COMPAQ HP OMNIBK 800 DESKPRO 2000 TECRA 530CDT 750 TPAD APTIVA 770 THNKPAD COMPAQ 7300 OMNIBOOK 800 HP DESKPRO 2000 TECRA 530CDT THINKPAD 750 APTIVA 미리 정의된 데이터베이스를 활용하여 기존 데이터를 구분하고 개별화

16. DESCRIPTION 개별화 1 MAKE MODEL MODEL # TYPE THNKPD 770 7300 COMPAQ HP OMNIBK 800 DESKPRO 2000 TECRA 530CDT 750 TPAD APTIVA 770 THNKPAD IBM LAPTOP COMPAQ 7300 LAPTOP ARMADA LAPTOP OMNIBOOK 800 HP COMPAQ DESKPRO 2000 DESKTOP LAPTOP TECRA 530CDT TOSHIBA THINKPAD LAPTOP IBM 750 APTIVA IBM DESKTOP Derived Data 적용 및 보다 질 높은 데이터로 확장

17. 개별화 2 N 1. 속성 및 라인타입을 부여 백철호 팀장 <ALPHA> <ALPHA> <성><이름> <직책> 서울시 강남구 대치동 <ALPHA> <ALPHA> <ALPHA> <시> <구> <동> 1004 <NUM> <번지> 삼미빌딩 1층 <ALPHA> <1-NUM><ALPHA> <빌딩> <#층> 135-283 <NUMERIC> <우편번호> N G S N = 이름 G = 주소 S = 상세주소 B = 빌딩 Z = 우편번호 B Z

18. 개별화 2 2. 라인타입에 따른 속성 부여 (예제) 서울시 강남구 대치동 <성><이름> <ALPHA> <ALPHA> <시> <구> <동> <ALPHA> <ALPHA> <ALPHA> <ALPHA> <ALPHA> <빌딩 #> <ALPHA> <ALPHA> <ALPHA> 계수 비중 N 중간 중간 G 높음 높음 S 낮음 낮음 B 낮음 낮음 낮음 낮음 Z

19. 개별화 2 문맥 중심의 처리 백철호 팀장 <성><이름> <직책> 서울시 강남구 대치동 <시> <구> <동> 1004 <번지> 삼미빌딩 1층 <빌딩> <#층> 135-283 <우편번호> N G S N = 이름 S = 상세주소 G = 주소 B = 빌딩 Z = 우편번호 B Z

20. 우편번호를 활용한 변환 • 주소 정보를 우편번호 테이블과 비교하여 정확한 정보로 수정 • 주요 기능 • 우편번호 표준에 적용 • 6자리 우편번호 체계 • 동 이름 : 대치동 대치3동 • 우편번호 : 구 우편번호를 신 우편번호로 135-283 135-851

21. 개인 : 두 단계의 관계 가족명 개인 레코드 회사 : 두 단계의 관계 회사명 제품 : 두 단계의 관계 담당자명 회사명 레코드 제품 모델 레코드 관계 설정을 위한 연결 • 업무 규칙을 미리 설정하여 활용 • 고객이 요구하는 결과를 얻기 위한 융통성 있는 규칙 적용 • 최상의 결과를 얻기 위한 표준화,개별화 등의 단계를 작업을 조정 • 여러 단계의 연결 • 어떤 데이터도 연결 주요 사례 : 각기 형식이 다르거나 오류가 있으며 흩어 져 있던 각 개인의 데이터를 표준화, 개별화 및 관계를 설정 과정을 통하여 한 가족(Household)으로, 한 회사 또는 한 부서의 구성원들 또는 같은 담당자로 정의를 내려 주게 됨.

22. Fields 관계 알고리즘 점수 실제 점수 동 <동> (95,87,82) 98 A 성명 <Name-Mask> (100,98,94) 100 A 번지-호 <번지호> (100,98,85) 99 B 아파트 <철자+발음> (100,75,70) 71 C <absolute> 동-호 (100) <우편번호> 우편번호 (100,0) 시 <철자> (100,90,80) 관계 설정 규칙 필드명 – 가족 관계 사례 점수 페턴 F999 ------BB P106 AAAA---- P107 ABAA---- P108 ACAA---- AAAB---- P109 관계 설정 점수가 각 레코드에 지정된다. 관계 설정 키가 각 레코드에 지정된다. AAAC---- P110 AABC---- P113 S225 AACC---- F115 ABBC----