KR20170030401A - 고객 경험 분석 데이터에 기초하여 고객을 그룹별로 분류하는 고객 그룹 분류 방법 및 이를 이용한 고객 그룹 분류 시스템 - Google Patents

Abstract

본 발명은 전자상거래 등의 온라인 웹 사이트를 방문한 고객들의 다양한 활동들을 속성별로 분류하고, 이 속성별로 해당 고객이 어떤 속성값을 가지는지를 기준으로 동적으로 고객들을 다양한 그룹으로 분류하고, 분류된 고객에 대해 적합한 최적의 마케팅 활동을 수행할 수 있도록 하는 도구를 제공하는 것을 목적으로 한다.
본 발명에 따르면, 온라인 서비스에 접속 중인 고객의 각종 활동 현황을 속성별로 분류해서 고객 경험 분석 데이터로 기록하고, 이 고객 경험 분석 데이터를 기준으로 고객을 그룹별로 분류하는 고객 그룹 분류 방법에 있어서, 고객 경험 분석 데이터를 구분하는 여러 개의 속성들 중 하나의 속성을 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정과, 상기 여러 개의 속성 들 중 다른 하나를 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정을 상기 여러 개의 속성별로 반복하는 제1단계와, 상기 제1단계에서 개별 속성별로 선정 범위와 논리 연산 부호가 모두 정해지고 나서, 그룹 생성 요청이 있으면, 자신의 속성값이 상기 속성별로 설정한 선정 범위에 속하게 된 고객의 명단을 속성별로 선정하고, 상기 논리 연산 부호에서 정한 연산 방식에 따라 고객의 명단을 논리 연산하는 제2단계와, 상기 제2단계에서 속성별 고객 명단을 연산하여 얻는 고객 명단을 지정한 그룹으로 생성하여 저장하는 제3단계를 포함하는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.
이상과 같은 구성의 본 발명을 제공함으로써, 전자상거래 서비스 시스템 등에서 고객들의 활동을 여러 속성으로 분류하고, 해당 속성의 데이터를 기준으로 고객들을 비슷한 특성을 가진 고객 그룹으로 분류하고 해당 그룹별로 보다 효율 높은 적절한 타깃 마케팅을 실행할 수 있게 되었다.

Description

고객 경험 분석 데이터에 기초하여 고객을 그룹별로 분류하는 고객 그룹 분류 방법 및 이를 이용한 고객 그룹 분류 시스템 {User Group Clustering Method On the Basis of Analysis for Customer Experience Data}

본 발명은 웹 사이트 등의 소프트웨어로 구성된 서비스 시스템에서 고객의 경험을 분석하고 이 분석된 결과를 기초로 고객을 그룹별로 분류하고 분류된 고객에 대해 온라인 마케팅 등을 실행할 수 있도록 하는 방법 및 이 방법을 이용한 고객 경험 분석 시스템 또는 고객 그룹 분류 시스템에 대한 것이다.

종래의 온라인 사이트 고객 분석 시스템에는, 고객이 가입하고, 상품을 검색하고, 상품 또는 서비스에 대해 문의하고, 상품 등을 구매하고, 회원 탈퇴를 하는 등의 다양한 활동을 분석하는 분석 활동을 수행하고 있다.

이러한 분석 활동의 결과는 고객을 분류하는 기준으로 사용되고 있는데, 고객을 분류(세그멘테이션: Segmentation 또는 클러스터링 : Clustering)하는 것은 유사한 특징을 가진 고객을 대상으로 삼아(타깃팅: Targeting) 마케팅 활동을 수행함으로써, 마케팅 활동의 효율을 높이기 위한 것이다.

마케팅전략 중에, 많이 알려진 ‘STP 전략’은 고객 분석과 경쟁자 분석을 통해 자사 상품 또는 서비스의 경쟁 우위를 점하기 위한 전략을 수립하는 과정인 바, 그 절차는 자신의 서비스를 위한 고객을 세분화(Segmentation)한 후 주요 목표 고객 설정하고(Targeting), 해당 목표 고객을 위한 시장에서의 위치를 선정하는(Positioning) 과정으로 진행되며, 그 출발점은 고객의 활동을 분석하여 고객을 동질성을 갖춘 고객 집단으로 세분화하는 것이다.

고객을 세분화 하는 방법의 다른 예로는 온라인 쇼핑몰 등에서 많이 사용되는 다차원 분석 기법으로 ‘RFM 분석’ 이 있다. ‘RFM 분석’은 고객 활동 관련 데이터 중 최종구입시기(Recency), 구입빈도(Frequency), 구입금액(Menetary)의 세 가지 고객 데이터를 기준으로 고객을 세분화하는 다차원 분석 기법이다. 도 1은 이러한 RFM에 의한 다차원 분석 기법에 따라, 고객들을 분류하는 사례이다. 도시한 것처럼, 고객 집단을 중요하지 않은 고객과 우량 고객 등으로 분류할 수 있다.

최근에는 데이터마이닝이라는 관점에서 고객을 분류하는 방법으로 클러스터링(Clustering)이 많이 시도되고 있는데, 클러스터링은 여러 가지 속성을 가지는 집단의 구성요소를 비슷한 속성을 가지는 그룹(또는 클러스터)으로 나누는 방법이다. 전자상거래 사이트 운영 관점에서 회원들을 속성데이터에 기초해 분류하고, 비슷한 프로필 또는 비슷한 활동 이력을 갖는 그룹을 찾는 용도로 사용되고 있다.

클러스터링의 구체적인 방법으로는 가령 전자상거래 사이트의 경우, 연령, 성별, 가입기간, 구입 회수, 지출금액 등을 속성에 대해서 분류할 값의 범위를 정해 세그먼트를 나누고 세그먼트별로 분류하는 방법을 예로 들 수 있는데, 수집된 데이터를 기준으로 데이터간의 거리를 자동으로 구하고, 개별 데이터를 클러스터링할 수 있다.

데이터마이닝 관점에서 고객을 분류하는 다른 방법으로는 의사결정나무(Decision Tree)를 이용하는 방법이 있다. 이는 특정한 상황이 발생한 경우 그 발생 결과에 영향을 미치게 하는 속성의 영향도와 상호 관련성을 시각화 하는데, 여러 속성들을 표시할 때, 영향도가 높은 순서로 트리구조로 나열하기 때문에 의사결정나무라고 한다. 전자상거래 사이트에서 상품구매에 영향을 준 고객 속성을 찾아내기 위해 활용된다.

최근에는 데이터 처리를 위한 하드웨어와 소프트웨어 기술이 발전함에 따라, 대용량 데이터의 처리가 쉬워지게 되었다. 이에 따라 빅데이터라는 관점에서의 데이터 분석이 화두로 되고 있다.

종래의 이러한 데이터마이닝 기법들은 데이터를 분석하여, 특징적인 현상을 찾기 위한 목적으로 사용되고 있다. 그러나, 고객들의 다양한 활동을 다차원적으로 분석하고, 이 분석 결과에 기초하여 고객들을 동적으로 그룹화(또는 클러스터링)하여 마케팅 활동에 적용하려는 요구에는 적절히 대응되는 해결책이 제시 또는 응용되고 있지 못한 것이 현실이다.

본 발명은 위와 같은 요구에 대응하는 해결책을 제시하기 위한 것이다. 본 발명에 따르면, 전자상거래 등의 온라인 웹 사이트를 방문한 고객들의 다양한 활동들을 속성별로 분류하고, 이 속성별로 해당 고객이 어떤 속성값을 가지는지를 기준으로 동적으로 고객들을 다양한 그룹으로 분류하고, 분류된 고객에 대해 적합한 최적의 마케팅 활동을 수행할 수 있도록 하는 도구를 제공하는 것을 목적으로 한다.

본 발명에 따르면,

온라인 서비스에 접속 중인 고객의 각종 활동 현황을 속성별로 분류해서 고객 경험 분석 데이터로 기록하고, 이 고객 경험 분석 데이터를 기준으로 고객을 그룹별로 분류하는 고객 그룹 분류 방법에 있어서,

고객 경험 분석 데이터를 구분하는 여러 개의 속성들 중 하나의 속성을 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정과, 상기 여러 개의 속성 들 중 다른 하나를 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정을 상기 여러 개의 속성별로 반복하는 제1단계와,

상기 제1단계에서 개별 속성별로 선정 범위와 논리 연산 부호가 모두 정해지고 나서, 그룹 생성 요청이 있으면, 자신의 속성값이 상기 속성별로 설정한 선정 범위에 속하게 된 고객의 명단을 속성별로 선정하고, 상기 논리 연산 부호에서 정한 연산 방식에 따라 고객의 명단을 논리 연산하는 제2단계와,

상기 제2단계에서 속성별 고객 명단을 연산하여 얻는 고객 명단을 지정한 그룹으로 생성하여 저장하는 제3단계를 포함하는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한, 본 발명에 따르면, 상기 고객 그룹 분류 방법에서의 논리 연산은 AND 연산으로 사전 설정되며, 그 결과, 고객의 명단은 제시한 속성 중 선택된 속성에 해당하는 속성값을 가진 고객 명단의 교집합으로 구성되는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한, 본 발명에서는 상기 고객 그룹 분류 방법에서 제1단계의 선정 범위를 지정할 때, 해당 선정 범위의 속성값을 가지는 고객이 몇 명인지 수량을 표시하는 수량 표시 단계를 추가로 포함하는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한, 본 발명에서는 상기 고객 그룹 분류 방법에서 제1단계의 선정 범위를 지정할 때, 해당 선정 범위의 속성값을 가지는 고객의 분포도를 그래프로 표시하는 분포도 표시 단계를 추가로 포함하는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한 본 발명에서는 상기 고객 그룹 분류 방법의 제3단계에서 생성된 그룹들을 논리연산하여 새로운 그룹을 생성할 수 있는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한, 본 발명에서는 상기 고객 그룹 분류 방법에서 제3단계에서 생성 저장된 그룹의 고객 명단은 정기적으로 지속 갱신되는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한 본 발명에서는 상기 고객 그룹 분류 방법에서 속성별로 분류해서 기록된 고객 경험 분석 데이터의 기록 형식은 로그 파일인 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

또한 본 발명에서는 상기 고객 그룹 분류 방법에서 속성별로 설정되는 선정 범위는 백분율을 기준으로 상하위를 설정하는 것을 특징으로 하는 고객 그룹 분류 방법을 제공한다.

이상과 같은 구성의 본 발명을 제공함으로써, 전자상거래 서비스 시스템 등에서 고객들의 활동을 여러 속성으로 분류하고, 해당 속성의 데이터를 기준으로 고객들을 비슷한 특성을 가진 고객 그룹으로 분류하고 해당 그룹별로 보다 효율 높은 적절한 타깃 마케팅을 실행할 수 있게 되었다.

도 1은 종래의 RFM 분석 방법을 설명하기 위한 도면
도 2는 본 발명에 따라 구성된 시스템의 고객 경험 분석 방법을 설명하기 위한 개념도
도 3은 본 발명에 따라 구성된 시스템의 고객 경험 분석 과정에서 속성별로 선정범위를 정하는 과정을 설명하기 위한 화면 구성도
도 4는 본 발명에 따라 구성된 시스템의 고객 경험 분석 과정에서 속성별로 선정범위를 정한 후, 그룹화를 하는 과정을 설명하기 위한 화면 구성도
도 5는 본 발명에 따라 구성된 시스템의 고객 경험 분석 과정에서 속성별로 선정범위를 정해 그룹을 생성한 후, 해당 그룹을 정한 기준 속성 및 속성값과 해당 속성값을 가진 고객 명단을 확인하는 과정을 설명하기 위한 화면 구성도
도 6은 본 발명에 따라 구성된 시스템의 고객 경험 분석 결과 생성한 그룹에 대해서 마케팅활동을 지시하는 과정을 설명하기 위한 화면 구성도

이하 상세한 설명은 도면과 특허청구범위를 통해 확인할 수 있는 바와 같다.

1. RFM 모델링 개념도

Claims (8)

1. 온라인 서비스에 접속 중인 고객의 각종 활동 현황을 속성별로 분류해서 고객 경험 분석 데이터로 기록하고, 이 고객 경험 분석 데이터를 기준으로 고객을 그룹별로 분류하는 고객 그룹 분류 방법에 있어서,
   
   고객 경험 분석 데이터를 구분하는 여러 개의 속성들 중 하나의 속성을 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정과, 상기 여러 개의 속성 들 중 다른 하나를 선택하고 해당 속성별로 선정 범위와 논리 연산 부호를 설정하는 과정을 상기 여러 개의 속성별로 반복하는 제1단계와,
   
   상기 제1단계에서 개별 속성별로 선정 범위와 논리 연산 부호가 모두 정해지고 나서, 그룹 생성 요청이 있으면, 자신의 속성값이 상기 속성별로 설정한 선정 범위에 속하게 된 고객의 명단을 속성별로 선정하고, 상기 논리 연산 부호에서 정한 연산 방식에 따라 고객의 명단을 논리 연산하는 제2단계와,
   
   상기 제2단계에서 속성별 고객 명단을 연산하여 얻는 고객 명단을 지정한 그룹으로 생성하여 저장하는 제3단계를 포함하는 것을 특징으로 하는 고객 그룹 분류 방법.
   
2. 제1항에 있어서, 상기 고객 그룹 분류 방법에서의 논리 연산은 AND 연산으로 사전 설정되며, 그 결과, 고객의 명단은 제시한 속성 중 선택된 속성에 해당하는 속성값을 가진 고객 명단의 교집합으로 구성되는 것을 특징으로 하는 고객 그룹 분류 방법 .
   
3. 제1항 또는 제2항에 있어서, 상기 고객 그룹 분류 방법에서 제1단계의 선정 범위를 지정할 때, 해당 선정 범위의 속성값을 가지는 고객이 몇 명인지 수량을 표시하는 수량 표시 단계를 추가로 포함하는 것을 특징으로 하는 고객 그룹 분류 방법.
   
4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 고객 그룹 분류 방법에서 제1단계의 선정 범위를 지정할 때, 해당 선정 범위의 속성값을 가지는 고객의 분포도를 그래프로 표시하는 분포도 표시 단계를 추가로 포함하는 것을 특징으로 하는 고객 그룹 분류 방법.
   
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 고객 그룹 분류 방법의 제3단계에서 생성된 그룹들을 논리연산하여 새로운 그룹을 생성할 수 있는 것을 특징으로 하는 고객 그룹 분류 방법.
   
   
6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 고객 그룹 분류 방법에서 제3단계에서 생성 저장된 그룹의 고객 명단은 정기적으로 지속 갱신되는 것을 특징으로 하는 고객 그룹 분류 방법.
   
   
7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 고객 그룹 분류 방법에서 속성별로 분류해서 기록된 고객 경험 분석 데이터의 기록 형식은 로그 파일인 것을 특징으로 하는 고객 그룹 분류 방법.
   
   
8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 고객 그룹 분류 방법에서 속성별로 설정되는 선정 범위는 백분율을 기준으로 상하위를 설정하는 것을 특징으로 하는 고객 그룹 분류 방법.

Images