KR20160071990A - 고객 데이터 분석·검증 시스템 - Google Patents

Abstract

[과제] 고객으로부터 제공되는 데이터를 여러 수법으로 분석하고, 분석 결과로부터 고객에게는 프로모션, 추천 등의 액션을 제공하고, 얼라이언스 기업에게는 데이터의 제공 등의 액션을 제공하고, 이 액션이 어느 정도 효과적이었는지를 검증하는 데이터 축적, 분석, 액션, 효과 측정의 사이클을 갖는 시스템의 제공을 목적으로 한다.
[해결 수단] 고객 데이터 분석·검증 시스템(1)은 얼라이언스 기업에 있어서의 고객의 명세 데이터를 수집하는 수단과, 상기 명세 데이터를 축적하는 수단과, 상기 명세 데이터를 분석하는 분석 수단과, 고객을 세그먼트로 분류하는 수단을 갖고, 하나의 세그먼트로 분류된 고객의 명세 데이터의 항목과, 다른 세그먼트로 분류된 고객의 명세 데이터의 항목으로부터 구매 행동의 차이점에 영향을 주는 요건 항목을 판정하는 검증 수단을 갖는다.

Description

고객 데이터 분석·검증 시스템{CUSTOMER DATA ANALYSIS AND VERIFICATION SYSTEM}

본 발명은 고객에 관한 데이터를 수집·축적함과 아울러 이 데이터를 분석하고 분석 결과로부터 프로모션, 추천 등의 여러 액션을 계획·실행하고, 실행된 액션의 효과의 검증을 행할 수 있는 고객 데이터 분석·검증 시스템에 관한 것이다.

특정 기업에 있어서, 서비스 포인트 시스템의 가입자인 고객으로부터 제공되는 데이터를 수집·축적하고, 분석을 행하고, 분석 결과를 당해 기업의 상품 및 서비스(이하, 상품 등이라고 함)의 광고의 제공, 시공품의 제공 등의 프로모션, 쿠폰의 발행 등의 추천에 이용하는 것이 알려져 있다(인용문헌 1∼5). 그렇지만, 지금까지 이러한 고객의 데이터의 분석과 그 이용은 1기업에 한정되는 것이었다. 또한 프로모션이나 추천은 고객 이미지를 상정하고 불특정 다수의 고객에 대하여 행해지는 것이었다. 또한 프로모션이나 추천의 효과가 실제로 있었는지 아닌지를 상세하게 검증하는 시스템은 없고, 효과의 정도를 아는 수단은 대상 상품 등의 판매액이 어느 정도 신장했는지 등의 금전적인 사상(事象)의 추이뿐이었다.

일본 특개 2010-211687호 공보 일본 특개 2009-163533호 공보 일본 특개 2012-247926호 공보 일본 특개 2004-70504호 공보 일본 특개 2012-190061호 공보

(발명의 개요)

(발명이 해결하고자 하는 과제)

그래서, 본 발명은 서비스 포인트 시스템의 가입자인 고객으로부터 제공되는 데이터를 여러 수법으로 분석하고, 분석 결과로부터 고객에 대해서는 프로모션, 추천 등의 액션을, 얼라이언스 기업에 대해서는 데이터의 제공 등의 액션을 계획하고, 액션의 제공을 실행하고, 이 액션이 어느 정도 효과적이었는지를 검증하고, 또한 액션을 개선하는 액션의 계획, 액션의 실행, 액션의 검증, 액션의 개선의 사이클을 갖는 고객 데이터의 분석·검증 시스템을 제공하는 것을 목적으로 한다.

본 발명의 고객 데이터 분석·검증 시스템은 얼라이언스 기업에 있어서의 고객의 명세 데이터를 수집하는 수단과, 상기 명세 데이터를 축적하는 수단과, 상기 명세 데이터를 분석하는 분석 수단과, 고객을 세그먼트로 분류하는 수단을 갖고, 하나의 세그먼트로 분류된 고객의 명세 데이터의 항목과, 다른 세그먼트로 분류된 고객의 명세 데이터의 항목으로부터 구매 행동의 차이에 영향을 주는 요건 항목을 판정하는 검증 수단을 갖는 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단은 하나의 세그먼트로 분류된 고객의 명세 데이터의 항목과, 다른 세그먼트로 분류된 고객의 명세 데이터의 항목 중 비공통성이 높은 항목을 구매행동의 차이점에 영향을 주는 요건 항목으로 판정하는 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단은 명세 데이터의 항목 중 이력계 데이터의 항목으로부터 요건 항목을 판정하는 행동 분석 수단인 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단은 명세 데이터의 항목 중 리서치계 데이터의 항목으로부터 요건 항목을 판정하는 이해 분석 수단인 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단에 의해 판정된 요건 항목을 일람화하는 액션 작성 수단과, 이 일람화한 요건 항목을 기업 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단에 의해 판정된 요건 항목을 포함하는 추천을 작성하는 액션 작성 수단과, 이 추천을 점포 단말 및/또는 고객 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 검증 수단에 의해 판정된 요건 항목을 포함하는 프로모션을 작성하는 액션 작성 수단과, 이 프로모션을 점포 단말 및/또는 고객 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 한다.

본 발명의 다른 형태에 의하면, 액션 실행전의 명세 데이터와, 액션 실행후의 명세 데이터를 비교하여, 액션후에 구매행동을 일으킨 고객을 판정하는 수단을 갖는 것을 특징으로 한다.

본 발명의 고객 데이터 분석·검증 시스템에 의하면, 고객으로부터 제공되는 데이터를 적확하게 분석하고, 분석결과로부터 액션을 작성하여 실행할 수 있다.

도 1은 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 2는 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 3은 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 4는 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 5는 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 6은 본 발명의 고객 데이터 분석·검증 시스템의 블럭도이다.
도 7은 본 발명의 고객 데이터 분석·검증 시스템의 플로우차트이다.
도 8은 본 발명의 고객 데이터 분석·검증 시스템의 플로우차트이다.
도 9는 본 발명의 고객 데이터 분석·검증 시스템의 플로우차트이다.
도 10은 본 발명의 고객 데이터 분석·검증 시스템의 플로우차트이다.
도 11은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 12는 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 13은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 14는 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 15는 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 16은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 17은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 18은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 19는 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 20은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 21은 본 발명의 고객 데이터 분석·검증 시스템의 모식도이다.
도 22는 고객 DNA 분석의 플로우차트이다.
도 23은 고객 DNA 분석의 블럭도이다.
도 24는 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 25는 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 26은 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 27은 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 28은 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 29는 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 30은 고객 DNA 분석의 예상 처리의 처리 내용을 나타내는 모식도이다.
도 31은 고객의 실적 데이터가 들어간 상태의 데이터 테이블의 예이다.
도 32는 확률 추론 후의 확률값이 들어간 상태의 데이터 테이블의 예이다.
도 33은 확률 추론 후의 확률값으로부터 유도한 맵 추정값이 들어간 상태의 데이터 테이블의 예이다.

(발명을 실시하기 위한 형태)

(시스템의 구성)

이하, 도면을 참조하여 본 발명의 고객 데이터 분석·검증 시스템(1)에 대하여 설명한다. 본 발명의 고객 데이터 분석·검증 시스템(1)(이하, 단지 시스템(1)이라고 하는 경우가 있다.)은 운용회사의 관할하에 있는 연산 장치, 데이터베이스군 등으로 이루어지는 운용회사 시스템(2), 운용회사 시스템(2)과 정보 전달 가능하게 접속되어 이루어지고 연산 장치, 복수의 얼라이언스 기업의 EC 사이트와 운용회사의 연산 장치 등으로 이루어지는 네트 얼라이언스 시스템(3), 운용회사 시스템(2)과 정보전달 가능하게 접속되어 이루어지는 복수의 얼라이언스 기업의 각 실제 점포에 설치되는 점포 단말(POS)(6)과 운용회사의 연산 장치 등으로 이루어지는 리얼 얼라이언스 시스템(4)과, 앙케이트 수단(5)을 가지고 있다.

도 1, 도 2를 참조하여, 시스템(1)의 구성의 개략에 대하여 설명한다. 본 발명의 시스템(1)은 고객에 상품이나 서비스로 교환 가능한 서비스 포인트를 부여하고, 서비스 포인트를 이용하게 함에 따라, 네트 얼라이언스 시스템(3), 리얼 얼라이언스 시스템(4), 앙케이트 수단(5) 등을 통하여 고객으로부터 각종 데이터를 수집하고, 데이터베이스에 축적한다. 그리고 축적된 데이터를 분석하여, 도 2에 도시하는 바와 같이, 고객을 임의의 그룹으로 분류하는 분할을 행한다. 그리고 도 3, 도 4에 나타내는 바와 같이, 각 고객에 적합한 POS 쿠폰이나 광고 전자 메일의 전달(配信) 등의 추천, TV 광고, 신문 광고, 소셜 네트워킹 및 회원 로그인 화면에의 광고 표시, 시공품 제공 등의 프로모션이나, 도 5, 도 6에 도시하는 바와 같이, 기업을 위한 상품 개발용 데이터나 상품 도입용 데이터의 제공 등의 데이터 제공 등, 고객 또는 기업을 위한 여러 액션을 실행하고, 또한 이들 액션의 효과를 검증하고, 액션의 내용을 개선하는 시스템이다.

우선, 도 31을 참조하여, 고객으로부터 운용 시스템(2)에 제공되는 데이터의 예에 대하여 설명한다. 고객으로부터 운용 시스템(2)에 축적되는 데이터에는, 제 1로, 시스템(1)의 이용 등록시에 고객으로부터 제공되는 성별, 연령 등의 고객의 기본 속성 등의 속성 데이터가 있다. 제 2로, 고객이 얼라이언스 기업에서 상품 등을 구입할 때마다 수집되어 운용 시스템(2)에 전달되는 상품 등의 품목, 상품명, 내점 시간대, 이용 점포 등의 이력계 데이터와, 고객의 의사로 전자 메일을 통한 앙케이트, 고객에 제공한 시청 콘텐츠의 쌍방향 통신 등을 통하여 행하는 앙케이트, 모니터링, 면접 등의 리서치를 통하여 수집되어 운용회사 시스템(2)에 전달되는 결혼의 유무, 아이의 유무, 주거의 종별, 연수입, 운전 면허의 유무, 고객의 지향성 등의 리서치계 데이터를 포함하는 명세 데이터가 있다. 또한, 필요에 따라, 네트 사용자의 액세스 시간, 이용 매체, 이용 사이트의 데이터 등의 네트 행동 데이터를 포함하는 경우가 있다. 그리고 제 3으로, 얼라이언스 기업에 있어서의 고객의 상품 등의 구입 등에 대응하여 부여·이용되거나, 또는 앙케이트에의 회답의 사례로 부여하는 등, 여러 국면에서 부여·이용되는 서비스 포인트에 관한 포인트계 데이터가 있다.

속성 데이터는 회원 마스터 데이터 베이스에 축적되어 고객의 속성 데이터에 변경이 있는 경우에는 갱신된다. 또한 명세 데이터는, 수시로, 운용회사 시스템(2)에 전달되어 해석 데이터베이스에 축적된다. 포인트계 데이터는 포인트계 시스템의 포인트 관리 데이터베이스에 축적되고, 서비스 포인트 가산·감산 처리는 고객에 의한 얼라이언스 기업에 있어서의 상품 등의 구입시, 또는 그 외의 여러 기회에 서비스 포인트가 이용·축적될 때마다, 즉, 서비스 포인트의 가산·감산 데이터가 전달될 때마다, 서비스 포인트 가산·감산 처리는 그 고객의 고객 ID에 대응하는 구좌의 서비스 포인트의 가산·감산 처리를 행하도록 되어 있다.

이와 같이 수집되는 각 데이터는, 고객이 시스템(1)에 등록할 때에, 고객에 부여되는 개별의 고객 ID에 의해 관리된다. 고객 ID의 일례를 들면, 고객마다 상이한 임의의 자릿수의 숫자나 문자열이 일례이며, 고객이 포인트 카드나 포인트 카드 기능 부착의 신용카드를 보유하고 있는 경우에는, 당해 고객 ID는 이 카드에 자기적, 전기적 등 여러 방식에 의해 기록되고, 리얼 얼라이언스 시스템(4)의 POS 단말 등 점포 단말(6)의 입력 수단으로 고객 ID가 읽혀지고, 고객 ID와 고객 데이터가 연계된 상태에서 운용회사 시스템(2)에 전달 가능하게 되어 있다. 또한 네트 얼라이언스 시스템(3)을 통하여 전달되는 경우에는, 고객이 보유하는 고객 단말의 입력 수단으로 고객 ID가 입력되고, 고객 ID와 고객 데이터에 연계된 상태에서 운용회사 시스템(2)에 전달 가능하게 되어 있다.

도 7의 플로우차트에 나타내는 바와 같이, 본 발명의 시스템(1)의 기간이 되는 것은 명세 데이터의 수집 처리, 명세 데이터의 축적 처리, 명세 데이터의 분석 처리, 고객의 세그멘테이션 처리, 요건 항목의 검증 처리, 점포 단말(6), 고객 단말(5), 혹은 기업 단말(7)에 제공하기 위한, 추천·프로모션·상품 개발용 데이터·상품 도입용 데이터 등의 액션 작성 처리, 액션을 점포 단말(6), 고객 단말(5), 혹은 기업 단말(7) 등에 제공하는 액션 실행 처리이며, 이들 각 스텝이 반복되어 액션의 계획, 액션의 실행, 액션의 검증, 액션의 개선이라고 하는 사이클이 형성된다.

(명세 데이터 수집·축적 처리 단계)

명세 데이터의 수집 수단에 의해, 리얼 얼라이언스 시스템(4)에서는, 고객이 상품 등을 구입할 때에, 점포 단말(6)로부터 이력계 입력 수단에 의해 명세 데이터가 입력되고, 명세 데이터에 고객 ID가 연계된 상태에서 인터넷 회선 혹은 전용 회선 등의 통신회선을 통하여 운용회사 시스템(2)에 전달된다. 또한 네트 얼라이언스 시스템(3)에서는, 고객이 EC 사이트 등을 통하여 상품 등을 구입할 때에, 고객 단말(5)로부터 명세 데이터와 고객 ID가 연계된 상태에서 인터넷 회선 등의 통신회선을 통하여 운용회사 시스템(2)에 전달된다.

다음에 명세 데이터 축적 수단으로부터, 리얼 얼라이언스 시스템(4), 네트 얼라이언스 시스템(3)을 통하여 운용회사 시스템(2)에 전달된 명세 데이터는 해석 데이터베이스에 축적된다. 이와 같이, 명세 데이터의 수집 축적은 명세 데이터가 전달될 때마다 행해지도록 되어 있다. 여기까지의 명세 데이터의 수집과 축적은 고객이 구매 행동을 하고, 그 데이터가 제공될 때마다 행해진다.

(명세 데이터의 분석 단계)

다음에 도 7을 참조하여 이 시스템(1)의 명세 데이터 분석으로부터 액션 실행까지의 기본의 플로우에 대하여 설명한다. 명세 데이터 수집 처리, 명세 데이터 축적 처리에 의해 데이터베이스에 해석 데이터베이스에 축적된 명세 데이터는 명세 데이터 분석 수단에 의해 분석된다. 명세 데이터 분석 수단의 가장 단순한 수법은, 도 31에 도시하는 바와 같이, 구매 이력의 실적값의 유무 또는 실적값의 구매 회수를 분석하는 수단이다. 또한, 다른 예로서는 도 32에 나타내는 바와 같이, 후술하는 고객 DNA 분석(고객 프로필 분석)을 행한 결과의 확률값, 또한 도 33에 나타내는 바와 같이, 확률값으로부터 산출한 맵 추정값으로부터, 구매 이력의 유무나 구매 회수를 분석하는 수법도 있다.

예를 들면, 명세 데이터 분석 수단은 명세 데이터의 항목으로부터 임의의 상품 등(G1)의 이력의 유무를 분석한다. 또는, 임의의 상품 등(G1)에 대해 구입 이력이 임의의 기간에 임의의 횟수 이상 있는지, 또는 구입 이력이 있지만 임의의 기간의 구매 이력이 임의의 횟수 이하인지, 고객을 분석하는 것에 의해 명세 데이터를 분석한다.

(세그멘테이션 단계)

고객 세그멘테이션 수단은 명세 데이터 분석의 결과로부터, 구입 사용자(구입 이력이 있는 고객), 미구입 사용자(구입 이력이 없는 고객)로 고객을 분류한다. 또는, 계속 사용자(구입 이력이 임의의 기간에 임의의 횟수 이상 있는 고객), 이탈 사용자(구입 이력이 있지만, 임의의 기간의 구매 이력이 임의의 회수 이하인 고객)로 고객을 분류한다. 또한 고객 DNA 분석후의 명세 데이터를 이용하는 경우에는, 확률값이 임의의 임계값 이상인 고객, 확률값이 임의의 임계값 이하인 고객으로 고객을 분류할 수도 있다. 이와 같이 임의의 설정에 따라 고객은 세그먼트 된다.

(검증 단계)

검증 단계에서의 요건 항목의 검증 처리에 대하여 설명한다. 요건 항목의 검증 수단은 상기한 고객 세그멘테이션 수단에서, 예를 들면, 계속 사용자로 분류된 고객군(C1), 이탈 사용자로 분류된 고객군(C2) 사이에서, 임의의 명세 데이터의 항목 중 고객의 구매 행동의 차이점에 영향을 주고 있을 가능성이 높은 항목(예를 들면, 비공통성이 높은 항목)을 이력계 데이터를 분석하는 행동 분석 또는 리서치계 데이터를 분석하는 이해 분석에 의해 분석하고, 양쪽 고객군의 구매 행동의 차이점에 현저한 영향을 주고 있는 항목을 판정하여 추출한다. 고객의 구매 행동의 차이점에 영향을 주고 있을 가능성이 높은 항목을 수량적으로 판정하는 수단에는, 예를 들면, 이력 있음, 이력 없음의 차이가 임의의 임계값 이상의 고객수인 항목을 양쪽 고객군의 구매 행동의 차이점에 현저한 영향을 주고 있는 항목이라고 판정하고, 구매 횟수의 차이가 임의의 임계값 이상인 항목을 양쪽 고객군의 구매 행동의 차이점에 현저한 영향을 주고 있는 항목이라고 판정하는 등 그 수법은 여러 가지이다.

예를 들면, 계속 사용자의 고객군(C1)으로 분류된 고객은 어떤 명세 데이터의 항목에 이력 있음이 많이 축적되어 있지만, 이탈 사용자의 고객군(C2)으로 분류된 고객은 고객군(C1)의 고객의 다수에 이력 있음이 축적되어 있는 당해 항목의 다수에 이력 없음이 축적되어 있는 것이 분석된다. 이와 같이, 상품(G1)의 구입자의 이력의 유무와, 비구입자의 이력의 유무에 현저하게 영향을 주는 항목을 액션 작성의 요건 항목으로서 추출한다. 여기에 말하는 요건 항목이란 「상품(G1)과 병행 판매되는(동일한 지불 기회에 구입되는) 상품(G2)의 구입 이력의 유무」 「내점 시간」 「이용 점포」 등의 이력계 데이터로부터 밝혀지는 항목, 「상품(G1)의 특정 품질에 관한 인지도의 유무」 「고객의 특정 지향성 고저」 등 리서치계 데이터로부터 밝혀지는 항목 등 다양하다. 또한, 본 발명의 시스템(1)은 복수의 얼라이언스 기업의 명세 데이터를 수집하고 있으므로, 요건 항목에는 「상품(G1)의 제공자인 기업(A)과는 상이한 기업(B)의 상품(G2)의 구매 이력이 있다」고 하는 요건 항목이나, 「상품(G1)의 제공자인 기업(A)과는 상이한 기업(B)의 점포 이용 이력이 있다」고 하는 요건 항목도 요건 항목으로서 추출할 수 있다. 요건 항목을 판정하는 검증 처리의 분석 수단에는 후술하는 RFM 분석, 병행 판매(바스켓) 분석, 상권 분석, 상품 개발 분석, 구매자 의식 조사라고 하는 기존의 분석, 본 발명 독자의 고객 DNA 분석 등 여러 분석 수단이 있다.

(액션 작성 단계·액션 실행 단계)

액션 작성 수단은 추출된 요건 항목에 대응하는 액션(추천, 프로모션, 상품 개발 데이터·상품 도입 데이터)을 작성하는 수단이다. 예를 들면, 계속 사용자의 고객군(C1)은 가지고 있지만, 이탈 사용자의 고객군(C2)이 가지고 있지 않다고 판정된 요건 항목이 특정 「내점 시간」일 경우에는, 고객군(C2)으로 분류된 고객의 고객 ID가 점포 단말(6)을 통하여 운용회사 시스템(2)에 전달되었을 때에 이 점포 단말(6)로부터 발권되는 레시트에 특정 「내점 시간」에 이용할 수 있는 쿠폰을 인쇄하는 액션을 준비한다. 또한 요건 항목이 「상품(G1)의 특정 품질에 관한 인지도의 유무」인 경우에는, 모든 고객의 웹 사이트의 로그인 화면에 「상품(G1)의 특정 품질」에 관한 원포인트 인포메이션 광고를 표시한다고 하는 액션을 작성한다. 또한 얼라이언스 기업에 대한 액션의 예로서는 요건 항목의 일람을 작성하고 상품 개발용 데이터 또는 상품 도입용 데이터로서 기업 단말에 송신하는 액션을 들 수 있다. 또한, 본 발명의 시스템(1)은 복수의 얼라이언스 기업에 걸쳐있는 시스템이므로, 액션의 작성과 액션의 실행은 복수의 얼라이언스 기업에 걸쳐있는 요건 항목을 포함하도록 작성하고, 실행하는 것이 가능하다. 이상이 기본의 플로우이다.

(차회 이후의 명세 데이터 분석 단계)

다음에 도 8에 의해, 도 7에 나타내는 기본의 플로우에 의해 액션이 실행된 후의, 차회 이후의 플로우를 설명한다. 우선 기본 플로우와 마찬가지로, 명세 데이터의 수집·축적은 수시로 이루어지고 있다. 명세 데이터 분석 단계에서, 명세 데이터 분석 수단은 액션후의 구매 이력을 분석한다. 예를 들면, 명세 데이터 분석 수단은, 액션의 실행 대상의 고객의 명세 데이터로부터, 액션 실행전의 상품(G1)의 항목과 액션 실행후의 상품(G1)의 항목을 비교하고, 「구매 이력 없음」의 고객군(C2)으로 분류된 고객의 고객 ID에 대응하는 상품(G1)의 항목에 「구매 이력 있음」의 실적값이 붙여진 경우에, 이 고객에게는 액션의 효과 있음이라는 분석을 한다.

(차회 이후의 세그멘테이션 단계)

상기의 명세 데이터 분석은 액션의 타겟으로 한 고객에 대해서도 행할 수 있지만, 액션후의 모든 고객에 대해서 할 수 있으므로, 고객군은 「상정 타겟에서 구입한 고객」 「상정외 타겟에서 구입한 고객」 「기존 사용자에서 이탈한 고객」 「상정 타겟에서 구입하지 않은 고객」과 같이 새로운 세그먼트로 고객의 재분류를 행할 수 있다.

(차회 이후의 검증 단계)

그리고 검증 수단은 재차 「상정 타겟에서 구입한 고객」 「상정외 타겟에서 구입한 고객」과, 「기존 사용자에서 이탈한 고객」 「상정 타겟에서 구입하지 않은 고객」의 구매 행동의 차이에 현저한 요건 항목을 여러 분석 수단에 의해 판정하고 추출한다.

(차회 이후의 액션 작성 단계·액션 실행 단계)

그리고 액션 작성 수단은 새롭게 판정하고 추출된 요건 항목에 기초하여 액션의 내용을 바꾸는 개선 처리를 행한다. 액션 실행 수단은 개선 처리후의 액션을 점포 단말(6), 고객 단말(5), 기업 단말(7) 등에 제공한다. 이와 같이, 첫회의 분석과 액션의 작성 처리, 액션의 실행 처리와, 액션의 실행 처리후의 재차의 분석과, 액션의 개선 처리, 개선한 액션의 실행 처리가 반복되고, 액션의 내용은 보다 구매 효과를 높이는 것으로 개선되는 사이클이 완성된다.

(구체예)

여기에서, 도 9 및 도 10의 플로우차트와, 도 11∼도 21의 모식도를 참조하고, 임의의 상품(예: 콜라겐 드링크)을 예로, 요건 항목의 검증 수단으로서 이력계 데이터를 분석하는 행동 분석과, 리서치계 데이터를 분석하는 이해 분석으로 나누어 구체적인 플로우를 설명한다.

도 11에 예시한 「콜라겐 드링크」에는 각종의 「콜라겐 드링크」 중에서 비교적 매상이 상위이고, 후발의 저가품에 밀리는 경향이 있고, 콜라겐량은 다른 상품과 큰 차이가 없고, 비타민 E의 함유량이 풍부하다고 하는 특성이 있다고 가정한다.

도 12에 도시하는 바와 같이, 이 「콜라겐 드링크」에 대하여, 명세 데이터 분석과 세그멘테이션 처리에 의해, 이 「콜라겐 드링크」의 구입 이력이 있는 고객과 구매 이력이 없는 고객으로 고객을 분류한다. 1계층째의 세그멘테이션 처리로부터, 구매 이력이 있는 세그먼트로 분류된 고객의 속성 데이터를 분석하면 「여성」이 많은 것이 분석되어, 이력계 데이터로부터 「야간형 생활」의 고객이 많은 것이 분석되고, 「저가격 지향」 및 「건강 지향」이라고 하는 지향성을 갖는 고객이 많은 것이 분석된다. 필요에 따라 세그멘테이션 수단은, 구매 이력이 있는 고객에 대하여, 구매 횟수나 구매 기간을 임계값으로, 2계층째의 세그멘테이션 처리를 행하고, 계속 사용자와 이탈 사용자로 분류한다.

다음에 도 13을 참조하면, 검증 처리 수단으로서의 행동 분석 수단은 RFM 분석, 병행 판매 분석 등의 여러 분석 수단을 조합하여, 계속 사용자와 이탈 사용자의 이력계 데이터의 항목 중 구매 행동에 영향을 미치고 있는 항목(예를 들면, 비공통성이 높은 항목)을 판정한다. 예를 들면, 여기에서는 항목 「1개월에 6회 이상 구입」 및 항목 「런치 타임에 구입 경향」이 계속 사용자에게 치우쳐서 나타나는 항목이며, 행동 분석 수단은, 이들 항목을 양자에 현저한 비공통성이 있는 항목으로 판정하고, 이들 항목이 이 「콜라겐 드링크」의 구매행동에 영향을 미치는 요건 항목으로서 추출한다. 한편 이력계 데이터의 항목 중, 예를 들면, 「타사 세일 시는 타사의 제품을 구입함」이라고 하는 항목은 양자에게 치우침 없이 나타나는 항목이며, 행동 분석 수단은 이 항목을 양자에게 현저한 비공통성이 없는(즉, 공통성이 있는) 항목이라고 판정하고, 이들 항목은 이 「콜라겐 드링크」의 구매 행동에 영향을 미치는 요건 항목으로서는 추출하지 않는다.

다음에 도 14, 도 15를 참조하면, 검증 처리 수단으로서의 이해 분석 수단은 구매자 의식 조사, 상품 개발 분석 등의 여러 분석 수단을 조합하여, 계속 사용자와 이탈 사용자의 리서치계 데이터의 항목 중 구매 행동에 영향을 미치고 있는 항목(예를 들면, 비공통성이 높은 항목)을 판정한다. 예를 들면, 여기에서는 항목 「비타민 E에 대한 지식이 풍부함(비타민 E가 콜라겐의 흡수를 촉진한다고 하는 지식을 가짐)」이 계속 사용자에 치우쳐서 나타나는 항목으로, 이해 분석 수단은, 이 항목을 양자에게 현저한 비공통성이 있는 항목이라고 판정하고, 이 항목을 「콜라겐 드링크」의 구매 행동에 영향을 미치는 요건 항목으로서 추출한다. 한편 이력계 데이터의 항목 중 「브랜드 인지도」 「브랜드의 이미지」 「콜라겐에 대한 지식의 풍부함」이라고 하는 항목은 양자에 치우치지 않고 나타나는 항목으로, 이해 분석 수단은 이 항목을 양자에 현저한 비공통성이 없는, (즉, 공통성이 있는 항목)이라고 판정하고, 이들 항목은 이 「콜라겐 드링크」의 구매 행동에 영향을 미치는 요건 항목으로서는 추출하지 않는다.

도 16을 참조하면, 작성 수단은 상기의 분석으로부터 검증된 요건 항목 「저가격 지향」 및 「1월에 6회 이상 구입」 「런치 타임에 구입」 「비타민 E의 콜라겐 보조 효과에 대한 이해의 풍부함」 등을 일람화하고, 기업 단말(7)에 제공하는 상품 개발 데이터 또는 상품 도입 데이터로 가공하거나, 요건 항목 포인트를 충족시키도록 추천, 프로모션을 작성한다고 하는 액션의 작성을 행한다.

도 17에, 고객에 대한 액션 작성의 예를 나타내면, 예를 들면, 요건 항목 「런치타임에 구입」의 요건 항목을 충족시키도록 「콜라겐 드링크」를 「도시락이나 샌드위치와 동시에 구입한 경우에는 세트 할인을 하는 캠페인 쿠폰」을 점포 단말(6)로부터 발권하는 액션을 작성한다. 또한 「1개월에 6회 이상 구입」의 요건 항목을 충족시키도록, 「콜라겐 드링크」를 「6회 이상 구입하면 특별한 선물의 응모권을 부여한다」라고 하는 광고 메일을 고객 단말(5)에 전달(配信)하는 액션을 작성한다. 또는 「비타민 E의 콜라겐 보조 효과에 대한 이해의 풍부함」의 요건 항목을 충족시키도록, 「비타민 E의 효과 어필을 넣은」 미디어 광고를 작성하는 액션을 작성한다.

도 18에 나타내는 바와 같이, 계속 사용자와 이탈 사용자 또는 구매 이력이 있는 사용자와 구매 이력이 없는 사용자의 구매 행동에 주는 영향의 정도가 높은 요건 항목(예를 들면, 비공통성이 높은 항목)을 분석하고, 계속 사용자 및 구매 이력이 있는 사용자의 명세 데이터의 항목의 상태에, 이탈 사용자 및 구매 이력이 없는 사용자의 명세 데이터의 항목의 상태를, 여러 액션 작성과 실행에 의해 가능한 한 근접시킴으로써, 이탈 사용자나 구매 이력이 없는 사용자를 계속 사용자 및 구매 이력이 있는 사용자로 변화시킨다. 여기에서, 이력계 데이터를 분석하는 행동 분석과, 리서치계 데이터를 분석하는 이해 분석의 쌍방을 행함으로써, 이력계 데이터로부터 분석되는 고객의 의식하의 행동과, 리서치계 데이터로부터 분석되는 고객의 의식상의 행동으로부터 도출되는 요건 항목이 양자의 차이점을 메우기 위한 액션 작성에 활용되게 된다.

도 19에 나타내는 바와 같이, 액션후에 명세 데이터 분석 수단이 이력계 데이터를 분석하고, 액션전의 이력계 데이터와 비교 처리를 하고, 고객의 세그멘테이션을 행함으로써, 고객은 「상정 타겟에서 구입한 사람」 「상정외 타겟에서 구입한 사람」 「기존 사용자에서 이탈한 사람」 「상정 타겟에서 구입하지 않은 사람」으로 재분류할 수 있다.

도 20, 도 21에 나타내는 바와 같이, 상기의 명세 데이터 수집·축적, 명세 데이터 분석, 고객의 세그멘테이션, 요건 항목의 검증, 액션의 작성·개선, 액션을 반복함으로써 어떤 세그먼트로 분류된 사람이 왜 구매 행동으로 움직였는지, 한편, 어떤 세그먼트로 분류된 사람이 왜 구매 행동으로 움직이지 않았는지를 검증할 수 있어, 보다 좋은 추천, 프로모션, 데이터 제공 등의 액션을 행할 수 있다. 이 때, 시스템(1)에서는, 네트 행동 데이터도 축적하고 있으므로, 액션의 타겟으로 하는 고객의 열람 빈도가 높은 액세스 시간, 이용 매체, 이용 사이트를 겨냥하여 네트워크 광고의 액션을 실행할 수 있다. 또한 개개의 고객의 생활 상황도 분석할 수 있으므로, 타겟으로 하는 고객의 재택 시간을 겨냥하여 TV 광고의 액션을 실행할 수 있다. 게다가 타겟이라고 하는 고객의 구독지나 구독신문에의 지면 광고의 액션을 제공할 수 있다.

최후로, 명세 데이터를 분석하는 몇개의 분석 수단에 대하여 설명한다. 명세 데이터 분석 단계에서의 제 1 분석 모델은 RFM 분석이다. RFM 분석이란 명세 데이터를 구매 기간, 구입 회수, 구입 금액의 상세 항목으로 분석하는 수법이다. RFM 분석 수단의 일 예를 들면, 명세 데이터의 이력계 데이터로부터 최근 얼라이언스 기업에서 구입된 연월일, 일정 기간에 얼라이언스 기업에서 상품 등이 몇번 구입되었는지의 구입 회수, 일정 기간에서의 구매 금액을 분석하고, 각 항목 각각에 운용회사 혹은 각 얼라이언스 기업 독자적으로 설정된 가중치를 붙이고, 그 합계의 평가점을 산출하고, 대상 상품 등의 구입 가능성을 평가하는 분석을 행한다. 본 발명의 시스템(1)은 복수의 얼라이언스 기업에 걸치는 명세 데이터를 분석할 수 있으므로, 하나의 고객의 복수의 얼라이언스 기업에 걸치는 명세 데이터를 RFM 분석의 단면에 의해 분석할 수 있다. 따라서, 임의의 고객의 얼라이언스 기업에 걸치는 구매 행동의 구매 기간, 구매 횟수, 구매 가격이 분석 가능하게 된다. 이것에 의해, 임의의 고객이 다음에 행할 가능성이 있는 얼라이언스 기업이나 점포, 구매할 가능성이 있는 상품 등을 예측하기 위한 분석 결과 등이 제공된다.

제 2 분석 모델은 상권 분석이다. 상권 분석이란 명세 데이터를 지역성의 단면에서 분석하는 수법이다. 상권 분석 수단의 일 예를 들면, 고객의 속성 데이터의 거주지 특성 및/또는 통근·통학 지역 특성에 플래그를 부여하고, 이 플래그를 바탕으로 공통의 거주지 특성 및/또는 통근·통학 지역 특성을 갖는 고객군의 이력계 데이터로부터 구매 회수, 구매 금액을 분석하고, 각각에 운용회사 또는 각 얼라이언스 기업 독자적으로 설정된 가중치를 붙이고, 그 합계의 평가점을 산출하고, 대상 상품, 점포, 얼라이언스 기업에서의 구입 가능성을 평가하는 분석을 행한다.

따라서, 임의의 상권에 있어서 구매 가능성이 있는 고객을 예측하기 위한 분석 결과 등이 제공된다. 본 발명의 시스템(1)은 복수의 얼라이언스 기업에 걸치는 명세 데이터를 분석할 수 있으므로, 하나의 고객의 복수의 얼라이언스 기업에 걸치는 명세 데이터를 상권 분석에 의해 분석할 수 있다. 따라서, 임의의 고객이 어느 상권에서 구매 행동을 하고 있는지 등이 분석 가능하게 된다. 또한 동일 상권의 하나의 얼라이언스 기업에서의 이력계 데이터를 갖는 고객을, 동일 상권의 예를 들면 이력계 데이터가 없는 다른 얼라이언스 기업으로 유인하기 위한 분석 결과가 제공된다.

제 3 분석 모델은 병행 판매 분석(바스켓 분석)이다. 병행 판매 분석이란 임의의 고객이 동일한 기회에 어떤 상품을 구입하고 있는지에 대하여 분석하는 수법이다. 병행 판매 분석 수단의 일 예를 들면 이력계 데이터가 전달될 때에 하나의 레시트 단위로 전달된 이력계 데이터를 일괄로 함으로써, 고객이 한번의 구매 행동으로 구입한 상품 등이 분석된다. 본 발명의 시스템(1)은 복수의 얼라이언스 기업에 걸쳐있는 명세 데이터를 수집 축적할 수 있으므로, 하나의 고객의 복수의 얼라이언스 기업에 걸쳐있는 명세 데이터를 병행 판매 분석에 의해 분석할 수 있다. 따라서, 임의의 고객이 하나의 구매 단위로 구입하는 상품 등의 경향을 예측하기 위한 분석 결과가 제공된다.

제 4 분석 모델은 상품 개발 분석이다. 상품 개발 분석은 상기 제 1∼제 3 분석 모델에 의한 RFM 분석, 상권 분석, 또는 병행 판매 분석의 분석 결과를 종합적으로 조합하여, 구매 기간, 구매 횟수, 구매 금액, 상권, 병행 판매 단위 등의 상세 항목에서 보다 구입되기 쉬운 신규 상품을 분석하는 수법이다.

제 5 분석 모델은 구매자 의식 조사이다. 운용 시스템(2)은 임의의 앙케이트에 회답하게 하는 형태로 고객으로부터 리서치계 데이터를 취득하고, 이것을 분석하는 수법이다. 앙케이트의 방식에는, 고객에 대하여, 단순하게 임의의 상품을 「원한다」 「원하지 않는다」라고 회답을 하게 하는 경우나, 고객의 지향성(고급 지향, 전통 지향, 건강 지향)을 조사하는 경우 등이 있다.

제 6 분석 모델은 고객 DNA 분석(고객 프로필 분석)이라고 불리는 신규 명세 데이터 해석이다. 고객 DNA 분석이란 고객의 명세 데이터의 모든 항목에 대하여 확률값을 예상하고, 고객이 명세 데이터의 실적값을 제공하지 않는 부분을 포함하고, 명세 데이터의 각 항목에 확률값을 붙이는 데이터 해석이다. 즉, 고객 DNA 분석에 의하면, 고객의 명세 데이터는 보다 정확하게 해석되고, 상기 제 1∼제 5 분석 수법과 조합함으로써, 명세 데이터의 실적값을 가지지 않는 고객의 명세 데이터의 분석도 행할 수 있다. 이하, 이 데이터 해석에 대하여 도 22∼도 33을 참조하여 상세하게 설명한다.

도 22, 23을 참조하여, 상기한 명세 데이터의 수집(S1), 축적(S2)이 행해진 후의, 고객 DNA 분석에 있어서의 명세 데이터 해석 단계의 최초의 스텝으로서의 데이터 서머라이제이션(data summarization) 처리(S3)에 대하여 설명한다. 데이터 서머라이제이션 처리는 속성 데이터 및/또는 명세 데이터를 필요에 따라 이산화(離散化) 처리하고, 또한 이 속성 데이터 및/또는 명세 데이터를, 카테고리 데이터, 상위계층, 또는 대분류·중분류의 항목군으로 정리함으로써 데이터 마트(data mart)를 생성하는 처리이다. 데이터 마트를 생성함으로써, 속성 데이터 및/또는 명세 데이터를 해석하기 쉬운 데이터 항목으로 정리할 수 있다.

다음에 샘플링 처리, 모델링 처리(S5), 검증 처리(S6) 및 스코어링 처리(S7)에 대하여 설명한다. 여기에서, 후술하는 모델링 처리(S5), 검증 처리(S6) 및 스코어링 처리(S7)의 근간이 되는 본 발명의 예상 처리에 대하여 설명한다.

예상 처리는, 예를 들면, 베이시안 네트워크로 대표되는 확률 추론을 이용하여, 임의의 명세 데이터의 복수의 항목을 목적 변수로 하고, 다른 복수의 항목을 설명 변수로 하여 항목 간의 상관도로부터 복수의 항목의 확률값을 확률 추론에 의해 산출하는 것이다.

이하, 도 24∼도 30에 나타내는 예상 처리의 모델을 참조하여, 본 발명의 예상 처리에 대하여 설명한다. 도 24∼도 26에 나타내는 케이스(1)의 예상 처리는 예상 처리가 1계층 모델인 경우이다. 임의의 고객(A)의 예상 처리에 대하여, 결혼의 유무의 확률을 목적 변수로 하면, 이 때, 고객(A)의 명세 데이터가 없는 경우, 즉, 설명 변수에 아무것도 실적값의 데이터가 없는 상태에서는, 결혼의 유무의 확률값은 리서치계 데이터를 제공한 고객들의 데이터로부터 얻어지는 사전 확률값(기혼 약 0.57, 미혼 약 0.43)이 붙여진다. 마찬가지로 다른 설명 변수(조미료 구입, 반찬 구입, 심야시간 이용 비율)에 대해서도 아무것도 데이터가 없는 상태에서는, 명세 데이터를 제공한 고객들의 데이터로부터 얻어지는 조미료 구입의 사전 확률값(많음 0.2 적음 0.8), 반찬 구입의 사전 확률값(구입 있음 0.35, 구입 없음 0.65), 심야시간대의 이용 비율의 사전 확률값(많음 0.1, 보통 0.3, 적음 0.6)이 붙여진다.

도 25에 의하면, 다음에 고객(A)의 설명 변수 중 반찬 구입에 대하여 「구입 있음」의 명세 데이터가 얻어지면, 반찬 구입의 확률값(1.0)이 들어가, 예상 처리에 의해, 목적 변수인 미혼의 확률값은 0.43으로부터 0.63으로 올라간다.

도 26에 의하면, 또한 고객(A)의 설명 변수 중 심야시간대의 이용에 대하여 「많음」의 명세 데이터가 얻어지면, 확률값(1.0)이 들어가, 목적 변수인 미혼의 확률값은 0.63으로부터, 0.90으로 더 올라간다고 하는 예상 처리가 이루어진다.

다음에 도 27∼30에 나타내는 예상 처리의 모델을 참조하여, 2계층 모델인 경우의 예상 처리에 대하여 설명한다. 임의의 고객(A)의 예상 처리에 대하여, 직접 제작 지향의 확률을 제 2 목적 변수로 하면, 이 때, 고객(A)의 명세 데이터가 없는 경우, 즉, 설명 변수에 아무것도 실적값의 데이터가 없는 상태에서는, 직접 제작 지향의 확률값은, 리서치계 데이터를 제공한 고객들의 데이터로부터 얻어지는 사전 확률값(높음 약 0.48, 낮음 약 0.52)이 붙여지고, 제 1 목적 변수의 결혼의 유무의 확률값은 리서치계 데이터를 제공한 고객들의 데이터로부터 얻어지는 사전 확률값(기혼 약 0.57, 미혼 약 0.43)이 붙여진다.

다음에 고객(A)의 설명 변수 중 조미료 구입에 대하여 「구입 있음」의 명세 데이터가 얻어지면, 상기한 1계층 모델의 기구와 마찬가지로, 조미료 구입의 확률값(1.0)이 들어가, 예상 처리에 의해, 직접 제작 지향의 확률값은 0.48에서 0.71로 올라간다.

또한, 고객(A)의 설명 변수 중 반찬 구입에 대하여 「구입 없음」의 명세 데이터가 얻어지면, 반찬 구입의 확률값(1.0)이 들어가, 제 1 목적 변수인 결혼의 유무의 기혼의 확률값이 0.57로부터 0.68로 올라간다. 또한, 제 1 목적 변수인 결혼의 유무는 제 2 목적 변수인 직접 제작 지향에 대한 설명 변수이기도 하므로, 반찬 구입의 확률값(1.0)의 변동에 의해, 제 1 목적 변수 결혼의 유무의 확률값이 변동하고, 이 제 1 목적 변수의 변동이 제 2 목적 변수의 변동으로 전파되어, 제 2 목적 변수인 직접 제작 지향의 확률값은 0.71로부터 0.74로 더 올라간다.

도 30에 나타내는 바와 같이, 예상 처리는 설명 변수(부모)의 확률값의 변동이 제 1 목적 변수(자식)의 확률값을 변동시키는 처리이며, 제 1 목적 변수(자식)가 부가적인 설명 변수(부모)일 때, 제 2 목적 변수(자식(최초의 설명 변수에 대해서는 손자))의 확률값을 변동시키는 처리이다. 즉, 하나의 목적 변수가 차세대 이후의 목적 변수에 대해서는 설명 변수가 되고, 필요에 따라 링크되어 있는 모든 목적 변수(제 n 세대의 목적 변수)까지 설정할 수 있다. 즉 본 발명의 예상 처리는 임의의 설명 변수의 실적값이 들어가는 것이 링크되어 있는 모든 목적 변수의 확률값에 영향을 주어, 각 항목의 확률값을 산출하는 예상 처리를 한다. 또한 2계층 이상의 예상 처리에서는, 부모 세대의 설명 변수의 실적값이 들어감으로써 연동되어 있는(자식, 손자, 제 n 세대의 목적 변수) 변동에 영향이 전파되고, 각 항목의 확률값을 산출하는 예상 처리를 한다.

샘플링 처리(S4)는 전체 고객분의 명세 데이터를 해석하기 위한 예상 처리의 해석용 잠정 모델을 작성할 때, 정확도가 높은 잠정 모델을 작성하기 위하여 임의의 고객을 추출하는 동작이다. 즉 예상 처리의 해석용 테스트 모델을 위해, 임의의 수의 고객(예를 들면, 100만인분)의 서머라이제이션 후의 데이터 마트(예를 들면, 3000 항목의 데이터 마트)를 추출하는 처리를 한다. 이 샘플링 처리는 모델링 처리 전단계에서 이루어지는 처리이다. 샘플링 처리에서 해석 테스트 모델용으로 추출의 대상으로 하는 고객은 무작위로 추출할 수도 있지만, 후술하는 검증 처리에서 정확한 검증을 가능하게 하기 위하여, 확률값에 대한 대답을 갖는 고객, 즉 소정 항목 이상의 실적값의 명세 데이터가 축적되어 있는 고객 중에서 임의의 수의 고객을 추출하는 것이 적당하다.

모델링 처리(S5)는 전체 고객분의 명세 데이터를 예상 처리하기 전에, 상기의 샘플링 수단에 의해 샘플링한 명세 데이터에 해석용 테스트 모델에 의해 예상 처리를 하여 확률값을 산출하고, 그 결과의 확률값과 실제로 수집 축적된 명세 데이터로부터 얻어지는 대답, 즉, 사전 확률값을 검증하여, 스코어링용의 잠정 모델을 생성하는 처리이다.

모델링 처리는, 샘플링된 고객의 데이터에 대하여, 예상 처리의 해석용 테스트 모델에 의해, 예상 처리를 하는 각 목적 변수에 대하여 확률값이 산출된다. 다음에 해석용 테스트 모델에 의한 예상 처리에 의해 얻어진 확률값과, 사전에 실적값으로서 수집된 각 목적 변수에 대하여 얻어지고 있는 사전 확률값과의 차분을 산출하는 검증 처리를 행한다. 검증 처리의 결과, 사전 확률값과의 차분이 임의의 값 이하가 되도록, 목적 변수 또는 설명 변수의 항목의 교체, 또는 항목에 대한 이산화의 방식을 변경하는 등의 해석용 테스트 모델 수정 처리가 반복된 후, 사전 확률값과의 차분이 임의의 값 이하로 된 상태의 스코어링용의 잠정 모델이 결정된다. 또한, 이 모델링 처리는 명세 데이터가 수집 축적될 때마다 오래된 것이 되므로, 정기적으로 행해지고, 그때마다 실정에 입각한 예상 처리의 잠정 모델이 생성된다.

스코어링 처리는 상기 모델링 처리에서 생성된 잠정 모델을 모든 고객의 데이터 마트에 전개하는 처리이다. 이것에 의해, 모든 고객의 데이터 마트의 모든 항목에 대하여 확률값이 산출된다.

즉, 스코어링이 이루어지지 않은 상태에서는, 도 31의 실적 테이블에 나타내는 바와 같이, 고객에 대한 데이터는 실제로 수집된 속성 데이터, 명세 데이터이다. 이것에 대하여, 상기의 잠정 모델에 의해 예상 처리를 하면, 도 32에 나타내는, 고객 DNA 테이블이라고도 불리는 확률 추론후의 테이블에 나타내는 바와 같이 모든 항목에 대하여 확률값이 얻어진다. 또한, 필요에 따라, 도 33에 나타내는 바와 같이, 실적 테이블의 경향을 기초로 확률값을 임계값에서 판정하는 등의 처리를 더한 맵 추정값을 얻는 것도 가능하다.

이러한 처리에 의해 고객 데이터를 해석함으로써, 단시간에 다수의 고객의 데이터를 정확하게 해석할 수 있다. 또한, 고객수가 압도적으로 적은 경우에는, 샘플링 처리, 모델링 처리, 검증 처리를 생략하여 전체 고객분의 명세 데이터에 예상 처리를 시행하는 것도 가능하다.

상기한 바와 같이 실적 테이블의 실적값으로부터 명세 데이터 분석, 행동 분석, 이해 분석을 행할 수도 있지만, 실적값의 데이터량이 적은 고객에 대해서도 보다 정확도가 높은 요건 항목을 추출하고, 액션을 작성하기 위해서는, 고객 DNA 분석후의 확률값 혹은 맵 추정값을 명세 데이터 분석하고, 고객을 세그멘테이션 하고, 고객 DNA 분석후의 확률값 혹은 맵 추정값에 대하여, 행동 분석, 이해 분석을 행하여 요건 항목을 판정함으로써 보다 정확도가 높은 액션을 작성할 수 있다.

이와 같이 본 발명의 시스템(1)에 의하면, 서비스 포인트 시스템의 가입자인 고객으로부터 제공되는 데이터를 다양한 수법으로 분석하고, 분석 결과로부터 고객에게는 프로모션, 추천 등의 액션을, 얼라이언스 기업에게는 데이터의 제공 등의 액션을 계획하고, 액션의 제공을 실행하여, 이 액션이 어느 정도 효과가 있었는지를 검증하고, 또한 액션을 개선하는 액션의 계획, 액션의 실행, 액션 효과 측정, 액션의 개선의 사이클을 갖는 고객 데이터의 분석·검증 시스템을 제공할 수 있다.

또한 본 발명의 시스템(1)은 복수의 얼라이언스 기업에 걸쳐있는 고객 데이터를 분석할 수 있으므로, 고객은 복수의 기업에 걸쳐 이용할 수 있어, 자기의 생활 상황이나 지향에 맞는 추천나 프로모션을 받을 수 있고, 얼라이언스 기업은 자사에서 고객 데이터를 유지하지 않고, 타겟으로서 적절한 고객에 대하여 추천, 프로모션을 할 수 있음과 아울러, 상품 개발이나 상품 도입에 유용한 데이터를 제공 받을 수 있다.

(산업상의 이용가능성)

본 발명의 고객 데이터 분석·검증 시스템에 의하면, 고객으로부터 제공되는 데이터를 정확하게 분석하고, 분석 결과로부터 액션을 작성하여 실행할 수 있다.

1 고객 데이터 분석·검증 시스템
2 운용회사 시스템
22 분석 수단
23 앙케이트 수단
24 추천 수단
3 네트 얼라이언스 시스템
4 리얼 얼라이언스 시스템
5 고객 단말
6 점포 단말
7 기업 단말

Claims (8)

1. 얼라이언스 기업에서의 고객의 명세 데이터를 수집하는 수단과, 상기 명세 데이터를 축적하는 수단과, 상기 명세 데이터를 분석하는 분석 수단과, 고객을 세그먼트로 분류하는 수단을 갖고, 하나의 세그먼트로 분류된 고객의 명세 데이터의 항목과, 다른 세그먼트로 분류된 고객의 명세 데이터의 항목으로부터 구매 행동의 차이점에 영향을 주는 요건 항목을 판정하는 검증 수단을 갖는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
2. 제 1 항에 있어서,
   검증 수단은 하나의 세그먼트로 분류된 고객의 명세 데이터의 항목과, 다른 세그먼트로 분류된 고객의 명세 데이터의 항목 중 비공통성이 높은 항목을 구매 행동의 차이점에 영향을 주는 요건 항목으로 판정하는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
3. 제 1 항 또는 제 2 항에 있어서,
   검증 수단은 명세 데이터의 항목 중 이력계 데이터의 항목으로부터 요건 항목을 판정하는 행동 분석 수단인 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   검증 수단은 명세 데이터의 항목 중 리서치계 데이터의 항목으로부터 요건 항목을 판정하는 이해 분석 수단인 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   검증 수단에 의해 판정된 요건 항목을 일람화하는 액션 작성 수단과, 이 일람화한 요건 항목을 기업 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   검증 수단에 의해 판정된 요건 항목을 포함하는 추천을 작성하는 액션 작성 수단과, 이 추천을 점포 단말 및/또는 고객 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   검증 수단에 의해 판정된 요건 항목을 포함하는 프로모션을 작성하는 액션 작성 수단과, 이 프로모션을 점포 단말 및/또는 고객 단말에 제공하는 액션 실행 수단을 갖는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
   액션 실행전의 명세 데이터와, 액션 실행후의 명세 데이터를 비교하고, 액션후에 구매 행동을 일으킨 고객을 판정하는 수단을 갖는 것을 특징으로 하는 고객 데이터 분석·검증 시스템.

Images