제 8 장 데이터베이스 마켓팅

1. 제 8 장데이터베이스 마켓팅 Jong Soo Park jpark@cs.sungshin.ac.kr

2. 제8장 데이터베이스 마케팅 • 데이터베이스 마케팅 • 데이터베이스 마케팅을 현실화한 데이터 웨어하우스 • 고객 데이터베이스 구축 방법론 • 데이터 마이닝 • 데이터 마이닝을 해야만 하는 이유 • DM과 DW • 데이터 마이닝의 이해 • 데이터 마이닝의 과정 • 데이터 마이닝 모델

3. 1. 데이터베이스 마케팅 • 과학적인 경영기법을 도입하려는 시도 • DB Marketing은 이미 활용되고 있음 • 데이터 웨어하우스와 데이터베이스 마케팅 접목 • 고객 개인과의 관계를 중시, 1:1 마케팅 • 고객의 life time value를 최대화 • 고객 유지 마케팅(Retention Marketing) • 고객 이탈률(defection rate)을 감소

4. DB 마켓팅을 현실화한 DW(1/2) • 기존의 데이터베이스 마케팅 • 통계적 방식과 프로그램을 개발하는 방식 • Sampling방식에 의존: 분석 결과에 오차 가능성 • 분석시에 주로 batch로 처리 • 데이터 웨어하우스 구축 후 DB 마케팅 • OLAP도구를 사용하여 다양한 분석을 다차원으로 • OLAP 도구는 비정형화된 분석에 매우 강하다 • DW는 실제 데이터를 가지므로 즉시 데이터 분석

5. DB 마켓팅을 현실화한 DW(2/2) • 데이터베이스 마케팅을 위한 데이터 웨어하우스 기본 구조: 147페이지 그림 • OLTP  ODS  ROLAP, MOLAP, DM  TM, DM  ODS(feedback) • 백화점, 카드 회사, 은행, 보험 회사, 통신 회사 등 • MOLAP solution • RFM 기법, 회귀분석, 추세분석, 80/20분석, CHAID(Chi-square Automatic Interaction Detector) 분석 등 • 기본 수식이 주어지면 MDB 데이터를 즉시 분석

6. 고객 데이터베이스 구축 방법론 1단계: 고객에 관한 정보를 체계적으로 데이터베이스화 한다 2단계: 고객 데이터베이스로부터 원하는 정보를 검색, 가공, 분석하여 필요한 데이터를추출한다 3단계: 목표 고객과 관련 데이터를 이용하여 효과적인 TM/DM을 실시한다 4단계: 마케팅 결과를데이터베이스화하여 관리함으로써 장기적인 마케팅 의사결정을 지원한다

7. 2. 데이터 마이닝 • 데이터 마이닝의 사용 • 초기 단계 • 데이터 마이닝을 위한 최적의 시스템, DW • 기업의 요구가 고객 관리에 중점 • 데이터 마이닝이란? • 특정 분야에서 데이터의 상관관계를 분석하여 비즈니스에 유용한 법칙을 발견 • 데이터 마이닝 전문가는 고객 데이터 내용을 잘 알아야 된다 • 사용예: 고객의 성향 분석, 해지 고객 분석, 신용카드의 위조 사용(fraud) 분석 등

8. 데이터 마이닝을 해야만 하는 이유 • DM : 데이터의 상관 관계를 분석하여 미래 예측 • IT 환경 • 데이터 웨어하우스가 광범위하게 구축 • DW상에서 DM을 이용하여 복잡한 데이터 분석 요구 • 구축 난이도와 Business Payoff • 소규모의 투자로도 많고 빠른 효과 • 응용 분야: 주로 데이터베이스 마케팅 분야 • 통신회사의 해지자 분석 • 유통 업체의 장바구니 분석(market basket analysis) • 신용 카드 회사의 fraud 분석 • 일반 회사의 광고 효과, 신제품 개발, 고객 성향 분석

9. 데이터 마이닝에 대한 잘못된 인식 • 데이터 마이닝 도구를 사용하면 자동적으로 비즈니스의 법칙(rule)을 발견하고 즉각적으로 활용할 수 있다. • 누구나 데이터 마이닝 도구만 있으면 데이터 마이닝을 할 수 있다. • 데이터 마이닝은 통계와 다른 인공지능 기법을 이용한 새로운 기술이다. • 데이터 마이닝은 OLTP에 있는 데이터를 변환하지 않고 즉각적으로 분석할 수 있다. • 데이터 마이닝에는 별도의 하드웨어가 필요없이 PC만으로도 가능하다.

10. 데이터 마이닝과 데이터 웨어하우스 • 데이터 마이닝은 정제된데이터가 필수이다 • 데이터 웨어하우스에는 정제된 데이터가 이미 존재한다

11. 데이터 마이닝의 이해 • 현업 전문가가 OLAP 도구를 이용해 분석하는 과정 • 156 – 158 페이지

12. 데이터 마이닝의 과정 • Problem definition • 데이터의 수집, 정제 • 데이터의 준비 작업(트레이닝 셑과 테스트 셑을 결정) • 데이터 마이닝 모델 작성 • 적용과 테스트 • External evaluation: 실제 데이터와 테스트 • 실제 구축 • 실제 데이터를 적용해보고 그 결과를 분석한다

13. 데이터 마이닝 모델 • Predictive model • Classification: decision tree • Descriptive model • 연관 분석(association) 기법

14. Decision tree에 의한 데이터 마이닝 분석의 예 • 데이터의 준비 • (Root) node의 결정 • 불만 신고에 의해서 해지자를 먼저 고른다 • (Internal) node의 결정 • 연체 회수를 가지고 나눈다 • Node를 결정하는 방법이 중요하다 • 결과 : 160페이지 그림  Rule generation • 흰색 노드 • 회색 노드 • 검정색 노드

15. 데이터 마이닝을 할 때 고려 사항 • 경험적인 규칙 발견 • 데이터 마이닝 전문가 + 현업 전문가 + 수많은 시행착오 • 발견 후에도 끊임없이 결과 분석 • 데이터 마이닝 도구는 쉬운 것이 아니다 • 전문가 + 데이터의 통계적 분석에 경험 • 데이터 마이닝의 장점 • 결과 확실  ROI도 분명 • 특정 분야를 중심으로 확산 예상 • 손쉬운 도구의 활성화  Visualization