빅데이터전쟁-박형준
기술로 인해 발생된 용어여서 그런지 IT기반의 지식을 많이 가진 사람들은 빅데이터를 접근할 때 기술적으로만 관심을 치중한 나머지 실질적인 활용과 이로인한 가치(벨류)를 소홀히 하는 경우가 있다. 이는 사업적인 또는 서비스 적인 접근 방법을 몰라서일 수도 있지만 근본적인 질문에서 부터 시작하지 않기 때문이다. 여기 저기서 빅데이터를 활용하니 좋더라...라는 말을 듣고 우리회사에도 적용해 볼까 라는 생각에서 출발하다 보니 비즈니스에서의 실질적인 문제해결이 중심이 아니라 도입/적용하는데 중심이가고 효과는 차제하고 그저 적용했다는 실적(?)에 만족하는 경우가 대부분이다. 그러다 보니 인프라성의 시스템 구축을 하고 빅데이터를 구축했다는 사례가 많다.
작가는 이러한 잘못을 범하지 않도록 다년간 실무에서 경험한 사례에 대해서 친절히 설명해 주고 있다. 빅데이터가 구글, 야후, 페이스북 등에서 비즈니스 적으로 효과를 보지 못했다면 오늘날과 같이 많이 알려진 용어는 못됬을 것이다. (과거 가트너가 만든(?) 용어중에서도 업무나 조직이름으로 발전하지못하고 사장된 용어가 얼마나 많았던가!!!) 다시 말하면 빅데이터 기술을 적재적소에 효과적으로 활용해서 비즈니스적으로 성과를 만들어 내야 제대로된 빅데이터 적용 성공사례라고 할 수 있다. 그래서 제일 중요한 것은 비즈니스 벨류인 것이다. 그리고 비즈니스 니즈 또는 문제점(Pain Point)에서 시작해야 한다.
인상적인 내용
1부 데이터를 버려라
1장 글로벌 데이터 전쟁
전쟁에서 살아남는 법 : 목적이 우선되지 않은 데이터 분석은 실패한다.
데이터로 흥한 자, 데이터로 망한다. : Tesco - 가격민감도가 높은 품목 6%에 대해서만 가격을 낮추고도 경쟁사보다 저렴하다는 소문. 고객의 구매 브랜드 및 상품의 특징 분석을 통해 고객 성향을 도출하여 추천 매장구성에 활용
고객 성향 = 행동성향 + 제품 구매성향
2장 구글TV는 왜 실패했는가?
목적은 문제해결이다. 데이터 분석이 아니다.
3장 그들은 왜 데이터 분석을 하는가?
명함관리 앱 리멤버 : 명함정보 수작업 입력 : 영헙하는 사람들의 명함관리를 도와주는 것
빅데이터 활용은 창조적 문제 해결 이다.
2부 데이터는 사람이다
4장 고객이 되어 생각하라
구매력 지수 솔루션 개발: 구매내역과 인구통계정보 등을 이용하여 경제력을 예측하고, 다른 상품을 얼마나 구매할 것인지 추측하는 것 (돈 많은 고객은 어디서든 활발하게 쇼핑할 것'이라는 아이디어에서 나온 결과) 결과적으로는 실패함. 왜냐하면 고객의 본질 적인 니즈에서 출발하지 않았기 때문. 구매력과 구매니즈는 다름.
5장 빅데이터, 사람에게서 출발하라
프로피일링 5 단계 : 고객의 니즈를 이해하는대서 출발하여 우량고객으로 발전 가능성 고객을 발굴해서 프로모션하는 것
1. 속성 유형 정의
2. 행동 속성 정의
3. 행동 속성 도출 및 프로파일링 적용
4. 상품 속성 정의
5. 상품 속성 도출 및 프로파일링 적용
6. 고객 프로파일링 완성
1. 속성 유형 정의
: 가설기반 고객 그룹 정의, 그룹을 특징짖는 고객 행동 구분
충동 구매형, 악세사리 매니아, 가치 추구형 -> 쇼핑몰 방문 행동(왜 방문하는가?), 구매행동(왜 구매하는가?), 상품 성향(어떤 성향으로 구매하는가?), 상품군 유형(무엇을 주로 구매하는가?)
2. 행동 속성 정의
: 지수화하고자하는 속성들을 정의하는 것
예)회사에서 쇼핑형 정의 : 온라인 접속시간이 점심시간이나 오후 시간으로 일정하다
충동 구매형 정의 : 페이지 뷰 횟수가 높고 체류 시간이 길다.
3. 행동 속성 도출 및 프로파일링 적용
: 가급적 여러 데이터를 통해 행동 속성 지수화
예) 충동 구매형의 지수화 시 페이지뷰만 가지고하면 정확도가 낮음, 여러 데이터를 활용 지수화 필요
4. 상품 속성 정의
'대중정이고 무난한', '마니아 들만 구매하는 모험적인', '럭셔리하고 값비싼' 등으로 정의
5. 상품 속성 도출 및 프로파일링 적용
: 데이터를 통해 상품 속성 지수화
'대중적이고 무난한 상품' 속성은 상품군 내 시장 점유율로 수치화
: 프리파일링 적용
상품 구매량 * 상품 지수
고객의 유행상품 지수 = (유행지수 100% 상품 * 1개 + 50% 상품 * 2개) / 3
= 66.7%
6. 고객 프로파일링 완성
: 행동 프로파일링과 상품 프로파일링을 결합해 고객 프로파일을 완성
고객 구매 단계 프레임워크(AIDMA, AISAS 등과 비교 필요)
구매 필요성 인지 -> 선택 옵션 수집 -> 결정
옴니 채널 전략
여러 판매 채널을 보유한 기업에서 채널 간 시너지 효과를 내기 위해 세우는 전략
옴니 채널을 막연히 온라인과 오프라인의 경계를 허물어 고객이 채널을 보다 많이 이용하게 하는 것으로 생각하는 것은 잘못
채널간의 시너지를 증대 시키는 것이 옴니채널의 역할임. 즉, 1.운송 채널활용, 2.쇼루밍 해결, 3.채널 간 교차판매이다.
채널 포텐셜(Portential) : 고객이 해당 채널에서 매출을 증대시킬 가능성
6장 나이키는 왜 닌텐도와 경쟁하는가?
고객의 접점을 잡는 것이 중요 : 1. 일단 찾아오게하는것, 2 꾸준히 이용하는 충성 고객으로 만들기, 3. 수익화하기
현대 데이터 분석의 핵심은 사람, 즉 고객이다. 공급 과잉 시대인 현대에는 최종 구매자의 협상력이 점점 강해지고 고객의 결정권이 커지는 반면, 공급자의 파원는 약화된다. 설상가상으로 경쟁과 대체제의 위협은 갈수록 증가하고 있다.
....
현대에 성장하는 기업은 대부분 지식 기반의 서비스 기업들이다. 특히 글로벌 서비스 기업들의 경우 고객 접점 서비스를 한다는 공통점을 발견할 수 있다. 특정 서비스를 중심으로 플랫폼을 구축해 고객층을 두껍게 확보하고, 나중에 그 수익을 독차지하는 승자전취 방식을 지향하는 것이다.
빅데이터 알고리즘을 이용한 포커 선수
많이 구매 할 수록 제품 가격이 떨어지는 코스트코
인간은 1000개의 얼굴을 가지고 있다. (N대 N플랫폼의 시대) : 그래서 페이스북은 지고 카톡이 뜬다.?
3부 데이터는 내가 만든다
7장 필요한 데이터를 아는 것이 데이터 분석의 전부다
인간 DNA 중 필요한 부분은 2퍼센트에 불과하다.
30억쌍의 염기서열가운데 유전자로 작용하는 것은 2퍼센트에 불과
외부 데이터 활용 전체 고객 시장/특성 분석(예: 스마트와치 고객 분석)
- 제품 수용 주기상 주요 고객이 될만한 사람들의 대상 그룹 위치 파악(얼리 어댑터, 일반대중, 늦게 따라가는그룹)
- 설문조사 등 데이터를 만들고, 대상 그룹의 데이터 만을 가지고 K-means 분석
- 대상 그룹의 군집분석 결과 n개 집단으로 분류되어 각 집단별 특징을 조사
- 집단중 타겟 집단 선정 (예: 이메일, 음악, 편리 추구 경제력 남성)
- 타겟 집단의 고객들 이 원하는 니즈 파악 (예: 여러기기를 연동해 컨트롤 하는 기능)
- 고객 세분화를 통해 타겟 집단을 구분하는 기준 추출 (제품에 따라 얼리ㄷ어댑터가 다르므로 제품을 사용하는 고객 입장에서 제품 수용 주기상의 위치를 정의해야 한다) 스마트 TV와 스마트 와치의 얼리어댑터 기준은 다르다.
(예: 먼저 접한다는 것에 큰 가치를 두고 있는 사람, 스마트 와치를 구매하기 위한 경제력이 되는 사람)
데이터 해석의 목적은 '고객의 행동 원리'를 이해하는 것이다. : 고객이 원하는 것은 많은 기능이 아닐 수 있다. 제품/서비스 구매/사용으로 인한 감성적 기능도 중요하다.- 예: 멋있어보임 mac, iphone
빅데이터가 있다고 되는게 아니고 잘 설계하고 해석하는 과정이 중요하다. 이를 위해 인문학적 통찰과 통계적 추론이 결합된 융합적 사고가 필요하다.
글로벌 보험사의 이탈 예측 시스템 : 내부 데이터를 가지고 아무리 분석해도 안된다. 데이터화 되지 않는게 더많다. 그래서 설계사가 이탈 가능성을 더 정확히 알 수있다.
신규 제품/서비스를 위한 마케팅 전략 수립 시 내/외부 데이터 활용 분석 과정
내부 데이터를 200퍼센트 활용하는 법
1) 외부 정보로 도출한 고객 유형별 페르소나의 명확한 특징을 찾는다.
2) 유형별 특징을 내부 데이터로 구분해 유형 판단 방법을 도출한다.
3) 2)를 토대로 내부 데이터(계약정보, 인구통계정보 등)를 가공해 지수화한다. : 예, 지인 영업에 민감한 직장인 남성 구분을 위해 내부 데이터를 활용하여 지방 소도시 거주여부, 경제력 수준, 자녀 아동기 여부, 중견기업근무 등을 데이터/지수로 만듬
4) 3)에서 가공된 지수로 군집 유형을 할당
5) 기타 내부 데이터로 고객을 이해하고 활용
8장 데이터를 창조하라
피카소는 데이터 과학자이다
피카소는 상대적인 시각에서 보고 표현하로고 애썼다. 그러다보니 입체적으로 그리게 된것이고 입체주의(수단)가 나온거다. 처음부터 입체로 표현하려고 시도했다면 지금의 작품이 안되었을 것이다.
고객을 유형별로 나누고, 이용 상권, 이용 시간, 사용금액/빈도 등을 기준으로 고객의 특징을 지수화한 다음, 고객을 군집화하라
중요한 것은 우리는 왜 고객을 이해하려 하는가?
커피 전문점에 방문하는 고객 중 '업무 목적으로 이용하는 고객' 유형을 분류하고 싶다면, 다음과 같은 특징을 도출할 수 있다.
- 업무시간(평일 9시~오루6시)에 방문
- 1회당 주로 2~3개 구입
- 구매 상품은 주로 음료
- 같은 종류의 제품 재구매 비중 높음
이러한 특징에 따라 '업무 시간 방문 비중'이라는 속성을 하나 정했다면, 고객의 방문 데이터를 토대로 '업무 시간 방문 횟수/전체 방문 횟수'라는 하나의 지수를 만들수 있다. 이러한 지수들을 모아 고객 프로파일링을 하고, 이를 군집화 및 마케팅에 활용하는 것이다.
고객 경험 단계 데이터 가공
1레벨 : 최초 구매 (단기 충성 고객화 : 이해안가?)
2레벨 : 1회성 구매 (유형: 프로모션 체리피커, 간헐적 보수적 구매)
3레벨 : 카테고리 지속 구매(특정 카테고리 충성 고객화)
4레벨 : 충성화 (특정 카테고리 충성고객, 브랜드 충성고객 등 구분)
Freemium 수익 모델 : Free + Premium(고급기능)
무료서비스로 고객을 끌어들인 뒤 고급 기능을 유료화하여 점차적으로 수익을 창출하는 방식
4부 과거는 필요 없다.
9장 인간의 무의식을 예측하라
고급 악기만 들면 다 세계적 연주가? 아니다.
위험감지 예측 시스템 예
1. 위험 행동 분류 : 고객정보유출, 기밀 유출, 단체 퇴사 등
2. 위험 인문 유형(원인) 정의 및 분류 : 유형 및 원인 정의
3. 실제 위험 행동 및 인물 사례 수집 :
4. 위험 행동 및 인물을 예측할 수 있는 데이터 속성 가공과 도출 : 예 : 조회수, 메일발송내역, 외근내역
5. 위험인물 유형 분류 : 프로파일링 및 클러스터링
6. 더미 회귀분석을 통해 각 속성의 가중치 설정 : 횟수, 시각, 비율, 금액 등의 데이터를 통해 회귀분석
7. 매주 자동 프로그램을 돌려 개인별 위험 유발 행동 확률 계산
8. 일정기간 백테스팅해 모델 검증
빅데이터 범죄 예방 시스템
1. 범죄 유형 분류 : 절도, 폭력, 성범죄, 사기 등
2. 가설적 범죄자 유형 도출 및 행동분석 : 생계형, 폭력성, 정신적 열등감, 우울성 등
3. 범죄자의 특징을 나타내는 주요 속성 도출 : 중졸 이하, 무직 기간 12개월 이상, 출소한지 6개월 미만 등일때 생계형 절도 확률이 높다와 같이 특징을 데이터로 찾아낼 수 있는 속성(학력, 무직 기간, 출소 시기)을 최대한 찾아내기
- 통계 속성: 성별, 연령, 경제력, 거주지, 학력
- 범죄 속성 : 복역 횟수, 기간, 출소일 등
- 개인 속성 : 실직, 자산 감소, 무직 기간, 출산, 이혼, 이별 등
4. 범죄자 프로파일링 및 유형 군집화
5. 범죄 확률 도출
6. 시간, 지역, 개인에 따른 범죄 예측
7. 범죄 예방
고객 이탈 예측
1. 이탈 원인별 유형 도출
2. 이탈 기준 정의
3. 이탈 원인별 윈백 방안 수립 (중요)
4. 이탈 유형별 데이터베이스 도출 방안 수립
5. 이탈 고객 회귀분석
6. 이탈 원인별 대응
10장 패턴이 있으면 예측 가능하다
내부 데이터 기반 예측
외부 데이터 기반 예측
경로 기반 유행 예측 : 인천->서울->대구->전국
미국 박스오피스 예측 : 요소들간의 연관관계 분석을 진행할 경우 외곡이 심해 회귀분석이 어려움으로 그룹/집단분석(무빙 아날로지) 적용
5부 빅데이터, 결국은 성과다
11장 데이터는 전략이다.
빅데이터도 시어스 를 살릴 수 없다 : 빅데이터 IT시스템 구축에는 성공했으나 고객 가치 창출에 실패
시어스의 강점은 공급자관리와 물류시스템, 지역 고객의 높은 인지도(브랜드파워)였다.
오프라인에서 해결할 수 밖에 없는 제품을 취급하며 전문성을 갖추 기업만이 살아 남는다. 따라서 오프라인기업인 시어스는 성장 시장의 타킷 고객을 정하고 매장을 개선하는 전략을 우선 수립할 필요가 있었음. '소품종 대량생산의 합리형 마트'로 단계적 변환 추진 시 세부 방안 예
1) 현재 충성 고객 수익화 : 캐시카우가 될 고객을 찾아 수익성 높은 제품과 가격을 정해 주기적 프로모션
2) 성장 타킷 고객 선정 및 매장구성: 상품DB에서 가격에 민감한 품목을 선정하고 고객DB에서 할인 민감형 고객을 찾아 매출 시나리오를 기반으로 재무적 수익성을 판단. 인터뷰/리서치를 통해 전문 매장 구성 준비
3) 소품종 대량생산을 위한 수직 계열화 : 기본 판매량 예측. 생산자를 만나 구체화 검토
4) 진입 상권 전략 : 고객 군집화를 하고 상권별 고객 분포를 파악한 뒤 수익성을 판단해 진입 여부를 결정. 진입 시 군집 상품군과 유행 상품 예측을 통해 전시 상품 구성
아마존으로 보는 온라인 커머스 데이터 전략
: 도서 구매 고객에만 집중(타킷고객 명확화 및 충성고객화) -> 킨들 저가 공급 ->엔터테인먼트와 콘텐츠 서비스 제공 -> 고객 트래픽 증대
오프라인 백화점의 (VVIP) 고객 관리와 비교 필요
온라인 쇼핑몰의 알고리즘 자동화
- 첫화면 구성: 고객에게 만족감 전달(1. 오퍼를 잘 갖추어 놓았다. 2. 언제나 들어와 놀 수 있게 신상품 출시, 재미있는 이벤트 등이 자주 발생한다) 고객의 성향을 파악해 적립금, 타임세일 쿠폰, 증정품 등을 선별해서 제공
- 방문 의도 분석 및 대응 : 인간은 언제나 자신의 성햐에 따라 기계적으로 행동하지 않는다. 프로파일에 따른 응대는 기본이지만, 의도를 알아차리고 대응하는 것은 또다른 과제임.
1)의도 유형 정의 : 기초조사/인터뷰를 통해 확인 (위도쇼핑, 옵션비교, 구매, 타인 구매 등)
2)의도 파악 모델링 : 예) 검색어에 '아웃도어'를 검색하면 명확한 브랜드나 상세 기능에 대한 배경 지식이 없고 무난히 판매되는 제품을 찾으려는 의도로 파악 가능, '남성 재킷', '선물' 등을 검색하면 배우자나 지인에게 일회성 선물하려는 의도로 파악 가능
3)유형별 대응 모델링 : 의도별로 미리 분석된 데이터를 가지고 실시간 대응
- 정보 탐색 지원 : 실시간 연관 상품 추천, 맟춤형 오퍼로 행동을 촉진(타임세일, 품절임박:재고량 표시 등)
- 구매 결정 및 추가 구매 유도 : 장바구니에 담은 상태 이후의 과정
- 만족도 관리 : 고객에게 혜택을 먼저 챙겨준다 (상품권지급, 쿠폰사용법 안내, 포인트사용 제안 등), 연관상품 안내
- 충성도 관리 : 주기적 전화/문자/메일 등 맞춤형 관계 유지, 성향에 맞게 정보 제공(할인에 민감한 고객에게는 세일행사 안내), 고객별로 민감한 매체와 오퍼, 문구 등을 개인화하여 전달하는데 우편물과 같이 개인화불가 매체시 그룹을 나누어 내용구성(프로파일, 클러스터 결과 활용)
12장 빅데이터, 산 넘어 산
엘리트의 몰락
관도대전, 적벽대전, 이릉대전
관도대전 : 원소의 70만 대군이 7만도안되는 조조군에 패한 전투(모든 것이 완벽하더라도 실행 과정에서 한가지만 놓치면 패배하게 된다, 는 의미)
성과를 내는 법칙
성과 실현의 걸림돌 해결을 위한 방안
1) 실행 프로세스를 최대한 간결하게 유지 : 한 프로세스를 가능한 짧게 하고 프로세스 전체를 바라보는 핵심인력이 필요
2) 조직의 문제를 파악하고 해결한다. : 이해관계자가 많아지고 이것이 업무 프로세스에 영향을 준다. 따라서 비즈니스-IT 역량을 갖춘 데이터 분석가가 직접 프로그램을 구현해 시스템에서 바로 작동할 수 있게
3) 초기 성과를 보여준다. 성과가 날 수 있는 부분에 집중
'리뷰로그' 카테고리의 다른 글
| 빅데이터 분석 마케팅-나카무라 고시/이현욱 (0) | 2017.02.05 |
|---|---|
| 빅데이터 인재를 말하다-김성준 (0) | 2017.02.04 |
| 빅데이터 인간을 해석하다-크리스티안루더 (0) | 2017.02.02 |
| 원하는 삶이 어떻게 일이 되는가-정연식 (0) | 2017.02.01 |
| 애들러 상담이론-로버트 윌리암 런딘 (0) | 2017.01.28 |
