Beyond Big Data MEGA MART_V0.9

© Copyright IBM Corporation 2012

XX마트 임직원 여러분

Big Data 어떻게 준비하고 계세요?

2012. 09

IBM Korea

JongMyoung Park, Ph.D.

- 1 - © Copyright IBM Corporation 2012IBM Confidential

Why Big Data ?


Big Data Challenge

고객 데이터 수집 활동, 멀티미디어 콘텐츠의 폭발적 증가, 스마트폰 보급, SNS 활성화 등을 통해기존의 관리/분석 체계로는 감당하기 어려울 정도의 큰 규모의 데이터 환경에 직면함

•1960s - Navigational DBMS

•1970s-1980s - Relational DBMS

•1990s - Data Warehouse

•Today – Big Data

•The evolution of information management

technology

일반적인 데이터베이스 SW가 저장, 관리, 분석할 수 있는 범위를 초과하는 규모의데이터

•DB의 규모에 초점을 맞춘 정의(McKinsey, 2011)

Big Data Definition

Big Data는 다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를추출하고 (데이터의)초고속 수집, 발굴, 분석을 지원하도록 고안된 차세대 기술 및아키텍처

•DB가 아니라 업무 수행에 초점을 맞춘 정의(IDC, 2011)


Big Data Proposition

환경 변화를 신속하게 감지, 대응하는 역량이 중요해지면서, 기업 경쟁력의 중요 요소로 Big Data분석력이 부상하고 있고, 모바일 스마트 혁명에서 변화의 핵심 자원 역할을 수행

산업 혁명

철, 석탄

IT 혁명

인터넷

모바일

스마트 혁명

Big Data

Big Data Insight

소비자 행동 / 시장 변동 예측

BM 혁신, 신사업 발굴

Innovation

원가 절감, 제품 차별화, 투명성 증가

기업 경쟁력 강화

Competition

산업 부문 전반의 생산성 향상

GDP 증가

Productivity

Big Data Benefit


Big Data Reference

분석 능력이 없는 기업에게는 Big Data는 불필요한 부산물에 불과하나, 적절한 역량을 갖춘기업에게는 새로운 가치 창출의 기회로 경영활동에 접목할 수 있는 Biz 역량 강화에 주력

•O2

• 실시간으로 Big Data를처리하여 스마트폰을통한 ‘SNS+LBS’결합프로모션 제공

• O2 + placecast + Starbucks

•Facebook

• 7.5억 가입자 정보를실시간으로 처리하여광고주가 원하는광고대상을 제공

• CM Photographics, StorQuest

•Marine Institute Ireland (SmartBay)

• 센서를 통한 해양 자원정보 분석을 통해 wave energy 사업지원, 공공안전 정보 제공 및 수산, 관광 관련 정보 제공

•Walmart

• 실시간 재고 분석시스템을 통한공급자에게 상품 재고현황에 대한 정보 제공

• 납품업체의 재고 관리효율성 높임

•Volvo

• 소비자의 운전 과정에서수집된 센서 데이터를통해 제품 개발단계에서 알기 어려운결함과 소비자의 잠재니즈를 파악

• 사후 관리 비용 크게경감

•Hertz

• e-mail, online으로받은 고객 메시지를sentiment-based tagging solution을도입 수작업부분을자동으로 전환

•KTH (Traffic Management)

• 다양한 센서로 부터실시간 수집된 정보로교통 상황을 분석하여정확한 운행 소요시간예측

• 최적화된 도심교통 관리체계 구축

•Ontario Institute

• 미숙아에 대한모니터링 장비로 부터수집된 데이터를처리하여 감염등에 대한생리적 패턴 정보 분석

• 다양한 의료모니터링적용성

•Faces

• IBM 직원 조회시스템으로 실시간 조회및 IBM 직원의 업무생산성 향상

• Hadoop, Voldemort기반

•“ 개인 식별이 어려운

SNS 등의 다양한

외부 데이터와

조직 내부 데이터를 함께

분석 할 수 있는

Data Insight를 강화하여

경쟁력/생산성 증대

및 새로운 BM 발굴을

추진하고 있음 ”

시사점

•Productivity

•Competition

• Innovation


Big Data Compliance

Big Data Insight의 기업 내/외부 활용 시 개인 정보의 범위와 목적에 따라 규제 사항 및 정보 활용동의 수준 세분화, 전문화된 외부 업체를 활용하는 방안 등을 검토 해야 함

법/규제 사항 Compliance 이슈(예상) 대응방안

정통망법

개인정보보호법

통신비밀보호법

수집/활용 대상 개인정보 항목 및목적의 고지 의무화 (22조, 23조)

개인정보 활용에 대한 동의 절차의무화 (24조의 2, 25조)

Big Data로 분류되는정보 항목이

개인 정보 규제대상은 아닌가?

확장되는 데이터이용 방안에 따른추가 데이터 활용

동의는필요한가?

개인정보의 ‘처리’에 대한 원칙명시 (2조, 3조, 15조)

영상정보를 개인정보로 취급하여관리 방침 명시 (25조)

개인정보의 활용 목적 – 통계활용 목적 상세 명시 (18조)

통신 ‘감청’에 대한 제한 명시(2조, 3조)

Case 1

- XX마트 외부 데이터 수집 및 사용

Case 2

- XX마트 내부 데이터를 내부에서 사용

Case 3

- XX마트 내부 데이터를 외부에서 사용

제3자 이용 및 제공에 관한 동의 관련약관 및 동의서 검토

Big Data 활용에 따른 신규 서비스별외부 제공 데이터의 관리 방안 마련

XX마트 멤버십 가입 시 사용되는 정보활용 동의의 활용 목적 부분 검토

신규 활용 목적에 따른 고객에 고지 의무이행을 위한 방안 마련

소셜 미디어, 블로그 등의 데이터Crawling 전문 3rd party와 계약

전문 통계/분석 기관 (SNS 분석 포함) 이용


XX마트 Big Data Recommendation


XX마트 Big Data Recommendation

XX마트가 보유한 다양한 데이터로부터 different detailed dimensions of data 를 보는 능력은새로운 비즈니스 전략과 수익 창출의 기회를 찾을 수 있음


분산되어 있는 고객의 정보를 통합하여, 다양하게 접수된 고객 행동을 분석할 수 있는 기반을마련하며, 고객을 모든 접점에서 동일하게 인지할 수 있어 고객에게 일관된 서비스/경험을 제공함

XX마트 현황 Benchmarking

단위 시스템에 산재되어 별도 관리되는 고객관련 정보를 고객관점에서 통합함

고객 별 이력, 응대, 활동 정보는 통합 관리하여 고객에 대한 이해력을 증대할 수 있는 기반을 구축함시사점

운영 데이터

POS 자료

상품 정보

마케팅 Activity 정보

매장 운영 정보

시장/환경 데이터

Market Trend

경제시장 자료

잠재적 고객

거래 기록 자료

고객 데이터

멤버십 기반 구매 이력

멤버십 이용행태

사고방식 연구

고객 중심 정보통합

(DB)

관찰 데이터

고객 행태 관찰

직원 행태 관찰

상담 이력(정형/비정형)

POS

콜센터 매장온라인몰

Customer

Insight 도출

고객 데이터 관리를 위한 체계 및 기준 미흡

다른 소스에서 온 정보들은 동일한 고객의 행동으로인지불가, 유기적으로 연계되지 않음

Manual Data Gathering

Behavior속성

상품마스터 DB 고객 DB

Opinion

Offering 수행을 위한 Needs 도출

판촉정보

다양한 시스템에 분산된 다양한 정보

매장

POS

구매이력

콜센터

XX마트 Big Data Recommendation – 고객 정보 관리 체계


가치 세분화에 따른 전략수립

고객의 가치와 행태에 대한 유의미한 해석이 가능하고, 효과적인 마케팅활동을 기획할 수 있는 고객Insight 기반 세분화 모델을 정립하는 것이 성공적인 마케팅 활동의 관건임


고객을 얼마나 다면적으로, 심도 있게 이해할 수 있느냐가 비즈니스 성공의 관건이 됨

고객가치에 대한 “단순 점수화”보다는 수익성/미래가치/로열티와 같은 다면적 요소를 이해하려는 “고객 분석View”를 잘 정립하는 것이 중요

가치 있는 고객을 식별하여, 원하는 Benefit을 제공하여 고객 충성도 높임

시사점

고객 세분화 모델 (1,2,3..)

가치

분류

행태

분류

고객 분석

View 1

수익성

미래가치

충성도

고객 분석View 2

구매식품

쇼핑시간

쇼핑습관

1. 고객 분석 View 정립 - 어떻게 이해하는가?

2. 세분화 모델에 따른 고객 관리 전략 수립

로열티 프로그램

운영

행태 세분화에 따른 전략 수립

매출액중심의평면적인

고객등급 분류

단기간의 실적 위주로 정확한 고객의 소비 패턴을 파악할 수 없음

효과적인 마케팅 오퍼링 기획의 한계 차별화된 마케팅오퍼링 기획

누가 의미 있는 고객인가?

고객의 라이프스타일에 맞는 오퍼링은 ?

“라이프 스타일 분석”“기여도 분석”

XX마트 Big Data Recommendation – 고객 분석 체계


고객 정보를 바탕으로 분석된 Insight 기반의 마케팅 전략과 연계된 프로그램 운영을 통한 경영 성과창출이 요구됨


마케팅 전략 – 전략 TASK – 마케팅 프로그램의 3단계가 연계된 활동을 통해 전략적인 성과를 달성하고 있음

기간별 고객-상품-채널에 대한 분석을 바탕으로한 프로그램 수립으로 매출 극대화시사점

대상 선정 기준 불명확으로

응답율 낮음

응답율 저조로 미사용 DM

발송비용 과다발생

고객 Needs 파악 없이

상품쿠폰 발행

’11년 마케팅비용 집행현황

전단행사(46억, 37.4%)

쿠폰행사(19.3억, 15.7%)

총124억원

MP 포인트(29.8억, 24.2%)

경품행사(21.6억, 17.6%)

운영 프로그램에 대한 명확한 프로세스가 부재함

고객에 대한 분석없이 관행적으로 비용이 집행됨

StrategyStrategic

TasksProgram / Activities

Mission statement 및 전략과 연계된 프로그램 수립

2

1

“모든고객에게혜택을”

Loyalty Program

“회원고객대상구매금액의

5% Cash back＂

“건강의동반자”

Well-being category 강화

“월 4$ 에 300가지약 제공 프로그램＂

건강관련category

강화를 통한BI 제고

포인트 및캐쉬백

강화를 통한loyalty 제고

EBM1)을 통해 타켓 마케팅으로 매출 극대화

1) EBM : Event Based Marketing

고객

상품

채널

52W

방학

Events Calendar

Description

Events Define

Calendar 기반

Event수립및 실행

XX마트 Big Data Recommendation – 마케팅 프로그램 운영 체계


고객의 구매성향을 파악하고 온라인 및 오프라인 매장의 매출증대를 위해 SNS를 연계한 온라인비즈니스 활성화가 요구됨


Social 네트워크 활동을 통한 온라인 및 오프라인 매장 유입률 및 매출 증대 달성

온라인 비즈니스 활성화를 통한 온라인 채널 매출 비중 증가 (XX마트 1% vs. 선진 유통기업 4% 이상1))시사점

온라인과 오프라인 채널간 시너지 (방문고객 증가) 미흡

일방향 활동으로 인한 고객과의 interaction 기회 상실

오프라인온라인

소비자웹사이트방문 구매

매장 방문구매

Social

온라인과 오프라인 간

소극적인 연계활동

방문관계 구축형 social활동이

아닌 일방향 제품

Promotion

Social Initiative의Shopping Advisor 및

소비자 성향 파악역할 정의

온라인 채널의역할 재정의

“오프라인 구매동기 부여 및온라인 매출

증대”

1) 2011년 매출 기준: XX마트, 선진유통 기업( 이마트, 롯데쇼핑)

오프라인온라인

소비자

웹사이트방문 구매

매장 방문구매

소비자

SNS쿠폰 혹은구매 동기

제공

쿠폰 혹은구매 동기

제공

방문 유도

Interactive Shopping

기업

소비자성향 파악

XX마트 Big Data Recommendation – 온라인 비즈니스 활성화


Big Data Case Study


Big Data를 활용한 2020년 주목해야 할 업체

가장 많은 상품을 보유, 매월 새로운 카테고리를추가하고 있음클라우드, One click등 첨단 기술과 물류 인프라 보유

고객이 검색하기 위해 가장 먼저 찾는 곳고객을 가장 잘 이해할 수 있는 곳

고객의 관심분야가 무엇인지, 조언을 구하는사람이 누구인지, 무엇을 구매했는지 알 수있음

쇼핑 경험과 관련 된 표준을 제공하고, 매장서비스와 컨텐츠를 결합하는 방식으로 마켓리더가 됨


Zozotown은 380만 명의 멤버십 가입자를 보유하고 있는 일본 최고의 온라인 패션몰이다. 이미 연 매출 상승 150%를 달성하며급속도로 성장하던 이 Zozotown은 기존의 탄탄한 비즈니스 모델을 바탕으로 다음 단계의 새로운 모델을 구현하고자 했다. 그것이바로 “Customer Engagement”이다.

일본의 의류유통업체 Zozotown

왜 스마터한가?

패션 쇼핑문화의 변화

- 실시간으로 업데이트되는 소비자 개개인의 구매 데이터를 통한 매출의 극대화

더욱 빠르고, 효과적인 캠페인 구현

- 캠페인 매니지먼트를 통해 고객 인사이트를 반영한 캠페인 구현이 가능

- 캠페인의 효과 극대화를 위한 신속한 튜닝 가능과 유연성 확보

- 새로운 프로모션을 위한 time-to-market 시간 감소

“One-to-One” 패션 마케팅 솔루션이 가져다 준 이익

장바구니 Conversion rate(전환율) 10배 증가

새로운 캠페인을 기획하고 시행하는 시간 약 90% 감소 (60 campaigns in 6M)

- 고객 보유율 확대(이탈방지)

- 온라인 사이트에서의 고객 맞춤형 접근방식 실현

해외 Big Data 적용 사례 - Zozotown


고객 DATA 분석을 통한 Best Buy의 광고비 절감 사례

RMI

Action-Cluster:1

Action-Cluster:2

Action-Cluster:3

Action-Cluster:N

성과 관리

Reporting

•DW를 통한 고객 DATA Action-Clustering

•Competitive Opportunity

수요예측

Campaign 최적화를 통한

ROI 극대화

Market

Media

Stores

Customers

• Customer Allocation• “Which customers should receive dollars and

how much should they receive”?

Media

• Media Allocation • “Which media types do customers respond

to and how much should they get”?

Geography

• Geography and Store Allocation• “Which geographies are the most productive

and how much should they get”?

Marketing

Capital

•Transactions

•from Data

•Warehouse

Observations

•Demographic

•Descriptions

External Data

•Merchandise

•Marketing

•Store

Variables•Contact

•Activity

Treatments

•Analytic

•Information

•Store

•(by Cluster)

Consolidated Data

Information Formation

• Pre-Processed Decisioning Scores

• Financial Performance

• Profile & Attribute Analysis

• Goal Priorities & Constraints

• Risk Adjusted Lifetime Value

• Forecasted Treatment Response

Feature Vector

Development

Un-systematic Risk & Reward Systematic Risk & Reward

•(0,0)

•(1,0)

•(2,0)

•(1,1)

•(2,1)

•(2,2)

•(3,0)

•(3,1)

•(3,2)

•(3,3)

•Initial •Demand

•Outcome #1

•Outcome #2

•Outcome #3

•Outcome #4

Predicted vs Viewed Exposures

0.000

50.000

100.000

150.000

200.000

0 50 100 150 200

Number of Catalog Pages Viewed

Pre

dic

ted

•New

•Lapsed

•On th

e M

arg

in

•Best

•11%

•14%

•9%

•34%

•Core Customers

•Loyal

•41%

•24%

해외 Big Data 적용 사례 – Best Buy (1/3)


기존의 고객 Segmentation은 2~3가지 View로만 이루어져

있어 실제 고객의 복잡성을 예측하기에는 어려움

광고비 절감을 위해 Action Clustering을 통한 다차원 고객 View Segmentation 진행 후, 분석및 검증을 진행하여 광고에 대한 Customer Insight를 도출함

Cluster별 예측 및 DATA에 의한을 검증 통해 Customer

Insight 도출

•Transactions

•Sale

s

•Geography

•Inco

me

•Preferred Product

Categories •Preferred Channel

•Participation in Loyalty Program

•Use of In-House

Credit Card

•Use of Service

Programs•Return / Exchange Behavior

•Breadth of Categories Shopped

•Length of Time as

Customer

•Recency + Frequency + Value

•Response to Media

•Time until Repurchase in

Key Categories

•다차원 View (8~13 Dimension)

•Homogeneous

•Differentiated

•Actionable

•Actual

•Forecast

•Predicted vs Viewed Exposures

•0 •50 •100 •150 •200

•Number of Catalog Pages Viewed

•Pre

dic

ted

•Customer

•Insight

• Holt-Winters Exponential Smoothing

Action Clustering 분석 및 검증



도출된 Customer Insight 기반의 마케팅 프로그램 실행을 통한 $39MM의 광고비 절감 효과를달성함

•Customer

•Optimally Funds Across Action Cluster

•Customer Strategy

•Articulates and Optimally Funds Top Initiatives

•Media Types

•Computes Optimal Media Effectiveness

•Annual Budget

•Allocates Against Policy and Budget Constraints

•Geography

•Allocates to store / Region / DMAs

프로그램 기획 성과 관리

5단계에 걸친 광고비 절감을 위한 마케팅 프로그램 기획을

진행함•가장 문제가 되었던 Cluster 들에서$1B 이상의 금액에 대해 추가로 매출인식

•최적화 모델을 이용하여 목표이상의추가적인 원가절감 달성 ($39MM)

•Fact-driven organization 이라는기업 문화의 변화를 이끌어냄

•다른 분야에도 해당 분석을 적용

•Outperformed

•Surplus

•Culture



Big Data 아래를 걸어가시겠습니까?


Beyond Big Data

XX MART

Documents

Beyond Big Data MEGA MART_V0.9