1

經營學 碩士學位 請求論文

e-CRM을 위한 고객분류 방안 연구

A Study on the Method of

Customer Segmentation for e-CRM

2002年 2月

仁荷大學校 大學院

經營學科(生産 및 MIS專攻)

林 榮 奎

2

經營學 碩士學位 請求論文

e-CRM을 위한 고객분류 방안 연구

A Study on the Method of

Customer Segmentation for e-CRM

2002年 2月

指導敎授 金甲中

이 論文을 經營學 碩士學位 論文으로 提出함

仁荷大學校 大學院

經營學科(生産 및 MIS專攻)

林 榮 奎

3

이 論文을 林榮奎의 經營學 碩士學位

論文으로 認定함

2002年 2月

主審 印

副審 印

副審 印

4

[ 국문 초록 ]

e-CRM을 위한 고객분류 방안 연구

經營學科 林榮奎

指導敎授 金甲中

인터넷을 기반으로 한 기업들은 웹사이트상에서 생존을 위한 치

열한 경쟁을 하고 있으며, 고객들의 관심을 끌기 위한 새로운 대안

들을 제시하고 있다.

또한 점점 더 방대해지는 정보 속에서의 혼란으로 인하여 네티즌

들은 많은 시간들을 투자하고 있으며 기업들은 이러한 고객들을 잡

기위한 방법을 모색하고 있다. 기업에게 있어서 고객들의 비중이 중

요한 위치를 차지하게 되면서 새로운 고객관리 방안을 도입하게 되

었다. 그래서 기업들은 고객관계관리(CRM : Customer Relationship

Management)라는 IT기술을 적용시키게 되었고, 이러한 고객관리

방안을 적용하여 기업의 이익을 극대화 시키려 하고있다.

현재, 웹사이트 안에서 고객들의 성향을 파악하기 위한 하나의 방

안으로 로그데이터를 활용하고 있다. 이 로그데이터의 히트(Hits),

5

페이지 뷰(Page View), 체류시간(Duration Time), 방문(Session), 방

문자(Visitor) 등을 이용하여 고객들의 성향분석을 파악하여 웹사이

트의 전반적인 부분과 고객관리에 효율성을 높일 수 있다.

이 논문에서는 이러한 로그 데이터(Log Data)와 트랜잭션 데이터

(Transaction Data)를 통합 데이터 웨어하우스에 저장을 한 후 데이

터 마이닝(Data Mining)을 전개하여 실용적인 고객분류를 하기위한

활용방안을 모색해 보고자 한다.

6

[ A b s t r a c t ]

A S tudy on the Method of

Customer Segmentat ion for e-CRM

Young � Kyu, Lim

Dept. of Business Administration

Graduate School

INHA University

Advisor : Pro. Kim, Garp Choong

The scale and importance of information is becoming greater

than ever, and more and more people find the Internet as a fast

and convenient median to gain access to such new information.

We experience a tremendous increase of Internet users during

the past couple years and the ever increasing market on the net

attracts more companies to develop new marketing strategies to

deal with the new type of market on-line. Customer satisfaction

is one of the most important goals for companies, and companies

face the challenge to satisfy the needs of their customers who

want faster and easier access to the companies’ product and

service information. Moreover, the market on the net is a

7

valuable opportunity the company can’t ignore for its’ increase in

sales and marginal profits by eliminating many of the distribution

process along with the costs. So to satisfy the customers and to

maximize the companies’ profit, many companies enter the

Internet market. The competition to survive is great among the

Internet based companies, and new strategies are constantly

introduced to attract more customers. To derive maximize

customer satisfaction companies need an efficient customer

management system that can analyze the targeted customers and

the needs of the customers. IT technology such as CRM

(Customer Relationship Management) is a new customer

management system that can maximize the companies’ profit

through better customer managing. For a better understanding of

customers’ preference CRM gathers Log Data from the web site.

The Log Data contains hits, page view, duration time, session,

and visitor, wh ich can be used to analyze customers’ preference.

With the data companies seek to increase the efficiency of

customer management and moreover the general performance of

the website.

The Log Data and Transaction Data are gathered into a larger

group o f data called General Data Warehouse. Through Data

Mining we are trying to find an efficient way to categorize

customers by using the gathered data.

8

[ 목 차 ]

제 1 장 서 론................................................................1

제 1 절 연구의 배경.................................................1

제 2 절 연구목표 및 구성..........................................3

제 2 장 CRM의 이해......................................................4

제 1 절 CRM 변화과정..............................................6

제 2 절 CRM 범위와 기대효과..................................10

제 3 절 e-CRM에서의 충성고객 확보방안..................13

제 3 장 CRM에서의 고객관리.........................................15

제 1 절 고객과 고객관리의 중요성............................15

제 2 절 새로운 상황을 위한 고객관계관리..................17

제 3 절 고객관계의 전략적인 가치............................21

제 4 장 고객분류에 대한 구성요소..................................24

제 1 절 로그 데이터................................................24

제 2 절 고객 데이터................................................26

제 3 절 상품 데이터................................................27

9

제 5 장 고객분류에 대한 분석기법..................................29

제 1 절 고객 정보관리.............................................29

제 2 절 로그 분석...................................................33

제 3 절 데이터 마이닝.............................................38

제 4 절 분석기법 정리.............................................41

제 6 장 e-CRM을 위한 고객분류 모형 설계.....................43

제 1 절 통합 데이터 웨어하우스의 구성요소...............43

제 2 절 e-CRM을 위한 고객분류 모형.......................45

제 3 절 고객분류 모형의 특징..................................53

제 4 절 기존 기업들의 고객분류와 다른점..................55

제 7 장 결론 및 향후 연구방향......................................57

참고 문헌.......................................................................59

10

[ 표 차례 ]

[표2-1] CRM과 e-CRM의 비교..........................................7

[표2-2] 우량고객유지 및 충성고객의 극대화 방안...............14

[표4-1] 국내 유명 웹 사이트의 고객등록 항목...................27

[표4-2] 해외 웹 사이트에서의 상품 항목.........................28

[표5-1] 로그분석의 의미............................................34

[표5-2] 사이트 중심의 측정분석 내용...............................37

[표5-3] 이용자 중심의 측정분석 내용...............................37

[표5-4] 데이터 마이닝의 접근방법....................................39

[표5-5] 고객분류에 대한 분석기법....................................42

[표6-1] 고객 신상정보 입력 테이블..................................44

[표6-2] 고객 로그입력 테이블..........................................45

[표6-3] 인터넷 정보입력 테이블.......................................45

[표6-4] 패턴분류의 분석내용...........................................53

[표6-5] 인터넷 업계의 데이터 마이닝 활용 사례................54

[표6-6] 고객분류의 차이점..............................................56

11

[ 그림 차례]

[그림2-1] CRM의 확장......................................................5

[그림2-2] CRM 변화과정...................................................9

[그림2-3] 기업의 가치변화 방향.......................................10

[그림2-4] CRM의 범위....................................................12

[그림3-1] 산업분야별 고객 이탈방지효과...........................17

[그림4-1] 로그데이터 기본항목........................................26

[그림5-1] CRM전략 수립을 위한 고객분석 방법..................30

[그림5-2] RFM 분석방법.................................................31

[그림5-3] 고객 생애가치의 개념도....................................32

[그림6-1] e-CRM을 위한 고객분류 모형............................46

[그림6-2] 로그 데이터의 정제과정....................................47

[그림6-3] 트랜잭션 데이터의 생성....................................48

[그림6-4] 통합데이터 웨어 하우스....................................49

12

제 1 장

서 론

제 2 장

CRM의 이해

제 3 장

CRM에서의 고객관리

제 4 장

고객분류에 대한 구성요소

제 5 장

고객분류에 대한 분석기법

제 6 장

e-CRM을 위한 고객분류 모형 설계

제 7 장

결론 및 향후 연구방향

논문의 구성

13

제 1 장 서 론

제 1 절 연구의 배경

세계를 하나로 이어주는 정보기술의 발달로 인하여 경제 흐름이

기업체 중심에서 고객중심으로 바뀌어 가고 있다. 과거 80년대 이

전의 시장은 정보의 이동이 불투명하여 고객들의 권리를 제대로 행

사할 수 없는 기업체 중심의 시장이었으나, 혁명적인 비즈니스 환경

변화에 따라 다양한 매체와 도구를 통한 정보의 수집이 다양해지고

있어, 현재 사회에서는 고객의 요구가 많아지고 제품 구매 시 많은

정보의 선택이 가능해져 고객의 의사가 중요해지는 고객중심의 시

장으로 변해가고 있고, 예전의 오프라인이 아닌 온라인 상에서의 웹

사이트를 구축하여 고객들을 끌어들이기 시작하였다. 그러나 무분별

한 기업들의 웹사이트 구축으로 인하여 많은 정보들이 고객들을 혼

란스럽게 만들기 시작했고, 기업들은 고객들을 끌어들이기 위한 새

로운 방안들을 모색하게 되었다. 최근 많은 기업들은 고객의 중요성

을 더욱 인식하고 고객가치의 향상을 통하여 수익극대화를 이룰 수

있는 방안을 찾고자 노력하고 있다. 이러한 노력들은 고객관계관리

(CRM : Customer Relationship Management)의 형태로 수행되고 있

다.

고객관계관리(CRM : Customer Relationship Management)에서의

가장 중요한 것은 고객이다. 즉 기업들에게 중요한 고객들을 확보하

고 세분화하여 기업의 이익에 반영될 수 있는 고객들을 분류하는

것은 무척 중요한 부분이다.

14

현재 기업에서는 고객분류의 한 방법으로 웹사이트에서 웹 로그

데이터를 활용하여 고객을 분류하고 있다. 즉, 고객들의 성향이나,

인구 통계학적인 근거 등의 내용을 토대로 웹사이트를 방문하는 고

객의 전반적인 정보를 관리하고 통제하고 있으나 로그데이터에는

많은 한계점을 가지고 있다.

본 논문에서는 고객관리의 중요성을 인식하여, 기업들의 고객데이터

(Customer Data)자료와 컨텐츠 데이터(Content Data)를 분석하여

트랜잭션 데이터(Transaction Data)를 만들어 웹 로그데이터와 연계

하여 데이터 마이닝(Data Mining) 기법들을 통하여 좀 더 세분화된

고객분류 방안에 대하여 논의하고자 한다.

15

제 2 절 연구목표 및 구성

고객관계관리(CRM : Customer Relationship Management)에서의

가장 중요한 부분은 고객이며, 이러한 고객들의 데이터를 활용하여

기업들은 어떻게 관리하고 세분화 시켜야 하는지에 관하여 많은 방

안을 고려하고 있다. 하지만 각자의 개성을 가진 고객들의 성향을

파악하기란 여간 어렵지가 않으며 또한 누가 기업에게 이익을 가져

다 주는지에 대한 세심한 관심이 필요할 것이다.

이에 본 논문에서는 웹사이트상에서 들어오는 고객들의 로그데이

터(Log Data)와 기업들이 가지고 있는 고객데이터(customer Data)

와 유,무형의 컨텐츠 데이터(Content Data)를 데이터 마이닝(Data

Mining)을 이용한 패턴분석을 통하여 고객의 성향이나 패턴을 조기

에 발견하여 고객분류 전개 시 기업의 이익과 비용절감 차원에서의

방안을 모색해 보고자 한다.

본 논문의 구성은 1장에서는 연구 배경과 구성에 대하여, 2장에서

는 CRM의 이해를 알아보고, 3장에서는 고객관리의 중요성에 대하

여, 4장에서는 고객분류에 대한 구성 요소들을, 5장에서는 고객분류

에 대한 분석 기법들을, 6장에서는 CRM을 위한 고객분류 모형 설

계와 특징들을, 7장에서는 결론과 향후 연구방안에 대하여 논하고자

한다.

16

제 2 장 CRM의 이해

고객관계관리(CRM : Customer Relationship Management)활동 이

란 지속적인 성장을 유지하기 위하여 가치 있는 고객을 파악, 획득

및 유지하는 일련의 활동이며 여기에는 마케팅, 판매, 고객 서비스

등이 포함된다. 따라서 CRM의 구현은 이들 대 고객 관련 활동들과

관련된 조직, 업무 프로세스 및 IT 인프라의 고객가치 위주로의 재

편을 의미 한다고 Anderson Consulting(1999)은 정의하고 있다.

Kalakota & Robinson(1999)은 전사적인 관점에서 통합된 마케팅,

세일즈 및 고객서비스 전략을 통해서 개별고객의 평생가치(Life

Time Value : LTV)를 극대화 시키는 것이라고 CRM을 정의하고 있

고, Gartner Group은 신규고객획득, 기존 고객유지 및 고객 수익성

을 증대 시키기 위하여, 지속적인 커뮤니케이션을 통해 고객행동을

이해하고, 영향을 주기위한 광범위한 접근이다라고 정의하고 있다.

CRM에 대한 정의를 종합적으로 살펴보면, 고객관리에 필수적인

기술 인프라(Technology Infrastructure), 시스템 기능, 사업전략, 영

업 프로세스, 조직의 경영능력, 고객과 시장에 관련된 영업정보 등

을 고객 중심으로 정리하고 통합하여 고객과의 접촉을 통해 이루어

지는 모든 고객활동(Customer Interaction)을 개선함으로써 고객과

장기적인 거래 관계를 구축하고 이를 통해 기업의 경영성과를 지속

적으로 개선하려는 목적을 달성하기 위한 새로운 경영 방식이라 말

할 수 있겠다.[2001. 마케팅]

17

정보기술의 발달로 인하여 고객관계관리(CRM : Customer

Relationship Management)가 적용되면서 개별 고객단위로의 고객

가치 측정이 가능해졌으며, 충성도 높은 고객과 관계를 구축하고 이

를 지속적으로 유지 할 것인가를 이해하고 가장 효율적인 방법을

찾을 수 있는 방법을 알 수 있게 되었고, 기업 내-외부의 데이터를

전체의 조직관점에서 통합 시스템을 구축하고 이러한 기반 하에서

기업에 필수적인 고객정보를 데이터 마이닝(data mining) 분석을 통

하여 기업의 신속한 의사결정을 할 수 있도록 정보를 제공하는 역

할을 하였다. 즉 고객관계관리는(CRM : Customer Relationship

Management)은 궁극적으로 고객 Loyalty향상을 통한 고객의 평생

가치(LTV : Life Time Value)증대를 목적으로 한다.

[그림2-1] CRM의 확장

자료 : 경영과컴퓨터. 2000.6 p271

18

제 1 절 C R M 의 변화과정

고객들의 유지관리를 위한 CRM의 개념은 90년대 중반에 나왔고

국내에는 98년도부터 외국계 컨설팅 회사가 CRM패키지를 판매하면

서 도입되었다. 기존의 기업활동은 제품 중심적 이었으나 시장개방

과 경쟁심화, 소비자 욕구의 다양화에 따라 불특정 다수를 향한 대

중 마케팅이 한계를 드러내면서 기업은 제품중심의 활동에서 고객

중심의 활동으로 전환을 하였다.

인터넷의 발전과 함께, 기존에는 크게 중요시 되지 않았던 무형의

자산들이 큰 가치를 나타내게 되었는데, 기업의 지적자산과 고객과

의 관계, 고객에 관련된 정보 등의 무형 자산들이 기업의 경쟁력을

위해서는 없어서는 안될 중요한 자산으로 인식되고 있고, 이러한 변

화 속에서 고객은 더욱 더 복잡, 다양해지고 있다. 이러한 상황 속

에서 다른 기업보다 경쟁력을 가지고 고객의 요구에 대응해 나아가

려면 고객에 대한 이해가 매우 중요하며, 고객관계관리에 대한 새로

운 방안이 필요하게 되었다. e-CRM은 고객만족을 극대화 하면서

동시에 관련비용을 감소 시킬 수 있는 새로운 고객관리 개념이라고

할 수 있다.

e-비즈니스의 열풍으로 [표2-1]과 같이 CRM에서 인터넷 상의

CRM으로 좀더 진보적인 발전을 거듭하였는데, e-CRM이 되면서,

고객의 주문처리 속도가 빨라지고 절차도 단순하고 명확해졌다. 고

객의 불만이나 추가적인 서비스의 요구에도 신속하게 대응할 수 있

어 고객의 만족도가 높아졌고, 통합된 정보의 공유로 처리과정의 단

19

순화와 오류가 줄어들었으며 그에 따른 비용감소를 줄일 수 있으므

로 궁극적으로는 영업수익을 기대할 수가 있게 되었다.

[표2-1] CRM과 e-CRM의 비교

CRM의 변화과정은 기업이 고객에 대한 관심의 변화를 살펴보면

알 수 있다. 고객에 대한 관심의 변화는 크게 몇 가지 단계를 거치

게 된다. 대량생산으로 기업은 상품을 생산하는 것만으로는 제품 판

매량을 늘리는 데 한계를 느끼게 되면서 본격적으로 고객에 대한

관심이 생겨났고, 이러한 과정에서 기업은 상품판매 상승에 대한 기

회를 고객에게 어떠한 방식으로 접근해야 하는지에 대한 접근을 발

20

전시키게 되었다. 처음 등장한 기법은 매스(mass) 마케팅을 중심으

로 세분화 마케팅, 틈새 마케팅 등의 다양한 방식의 기법들 이었다.

이러한 기법들은 또 한번의 변화를 가지게 되는데 틈새(niche) 마

케팅에서 조금 더 발전한 DB(Data Base)마케팅으로 이어져 갔다.

DB마케팅은 IT(Internet Technology)기술의 발전에 힘입어 기업의

내,외부 정보를 통합하여 마케팅 활동에 이용한 것인데 이는 고객의

데이터를 통합, 분석함으로써 진보된 방식의 마케팅 기법을 제공하

고 있다.

이러한 기법은 Individual Marketing, One-to-one Marketing,

Relationship Marketing으로 진보하게 되는데, 1 세대 DB마케팅은

매스 마케팅으로 Direct Mailing과 같은 대량의 자료를 이용하였고,

2 세대 DB마케팅은 고객 데이터를 활용하여 콜 센터(Call Center),

DM 등을 활용한 마케팅을 주로 하였다. 3세대 마케팅은 CRM, 즉

고객과의 관계를 개선하고 고객의 가치를 창출 유지하는 방향으로

하는 마케팅으로 발전하게 되었다. 이러한 각각 세대의 장-단점을

살펴보면 다음과 같이 요약할 수 있다. (e-bizgroup, 2001)

1 세대에서는 매스(mass) 마케팅, 세분화(Segmentation) 마케팅,

틈새(niche) 마케팅으로 분류 할 수 있다. 이 세대의 특징으로는 주

로 계정계 시스템에 있는 원장중심의 고객정보를 이용함으로써 비

정형화된 리포트의 생성이 불가능하고 변화에 대하여 신속한 대응

이 어려웠으며 고객정보의 통합이 어려웠다.

21

2 세대에서는 IT기술을 이용하여 기업의 내, 외부자료를 통합하여

마케팅 활동을 지원하는 것으로 Data Warehouse, OLAP, Q/R과 같

은 정보기술을 이용하여 마케팅 활동을 실시하는 것으로 정의할 수

있다. 이 세대의 특징으로는 비 정형화된 리포트의 생성이 가능하며

변경된 데이터에 대하여 적용이 유연하지 않고, 고객의 접점과 통합

이 이루어지지 않았으며, 체계적인 데이터의 통합이 이루어지지 않

았다.

3 세대에서는 고객과 관련된 기업의 내, 외부자료를 분석, 통합하여

고객특성에 기초한 마케팅 활동을 계획하고, 지원하며, 평가하는 것

으로 대표할 수 있다. 이 세대의 특징으로는 고객수익성을 우선 시

하여 콜센터(Call Center), 캠페인 관리도구와 결합을 통해 고객정보

를 적극적으로 활용하는 것으로 대변될 수 있다. 이 시기에 사용된

기술로는 데이터 마이닝(Data Mining), 고객 접점의 통합, 데이터

변경에 대한 유연성, 캠페인 실시에 대한 관리 등의 특징을 가지고

있다.

[그림2-2] CRM 변화과정

자료 : Knowledge Capital Group (2000)

22

제 2 절 C R M 범위와 기대효과

1998년에 The Economic Intelligence에서 조사한 기업의 가치 변

화방향을 보면, 1998년의 [그림 2-3]과 같이 기업체들의 관심을 갖

는 부분 중 제품/서비스가 45%정도로 가장 많은 부분을 차지하였

고, 고객지향적 부분이 18%정도로 나타났다. 이에 반해 프로세스

지향이 17%정도로 가장 낮은 부분을 차지 하였으나, 2003년에는

적은 부분을 차지하였던 고객지향이 51%정도로 가장 많은 부분을

차지 할 것이라고 조사결과에 나타났다. 이와 같이, 기업중심(제품/

서비스중심)에서 고객중심으로 더욱 더 치우쳐 질 것이고 고객관계

관리는 기업들의 관심에 있어서 많은 부분을 차지할 것이다.

[그림2-3]기업의 가치 변화방향

자료 : The Economic Intelligence 1998

즉, 기업활동의 초점을 제품이 아닌 고객에 놓는다면, 또 변화하

는 고객에 대한 적응력을 높인다면 기업의 경쟁력은 한층 더 높아

질 것이다. 그럼 고객관계관리(CRM)를 구축하기 위해 범위를 살펴

23

보도록 하자. 범위로는 고객유지, 고객확보, 고객개발로 분류를 할

수 있다.

1) 고객유지

기업들은 기존 고객들을 유지하기 위해서 CRM을 도입하였다.

CRM의 고객유지는 고객의 불만을 예방하고 불만이 발생했을 때 효

과적으로 대처하는 수동적인 노력과 고객에게 부가적인 혜택을 제

공하는 능동적인 노력이 효과적으로 실행될 때 좋은 결과를 기대할

수 있는데 기업이 고객유지 활동을 통해 고객에 대한 분석방법과

고객 행동에 관한 심층적인 지식을 얻게 됨에 따라 CRM의 관심은

[그림2-4]와 같이 고객확보와 고객 개발에까지 확장되게 되었다.

2) 고객확보

외부의 데이터베이스를 활용하여 새로운 고객을 확보하는 것을

의미하는데, 고객유지 활동을 통해서 기업은 주된 유지대상이 되는

우량 고객들의 특성을 파악하고 분석하여 수요의 잠재력을 가지고

있는 고객들을 우선적으로 확보해야 된다.

2-1) 기존고객을 통한 신규고객 확보

기존고객의 권유를 활용해 고객을 개발하는 방법으로는 기존고객

이 마치 자사의 파트너 같은 입장에서 신규고객을 유치하는 것과

신규고객이 될 가능성이 있는 소비자의 정보를 제공하는 것이다.

2-2) 제휴를 통한 신규고객 확보

정보를 위한 제휴와 정보를 가진 회사가 대고객 커뮤니케이션의

24

주체가 되어 제휴회사의 마케팅을 대신 수행해 주는 방법이 있다.

3) 고객 개발

고객개발은 일단 확보한 고객의 가치를 높이는 것으로 교차판매

(cross-selling)방식과 추가판매 방식(up-selling)이 있다. 교차판매

방식은 기존구매 품목 이외에 새로운 상품을 구매하도록 유도하는

활동이고, 추가판매방식은 특정 카테고리 내에서 상품 구매액을 늘

리도록 유도하는 방식이다.

[그림2-4] CRM의 범위

자료 : 김재문, e-비즈니스 모델에 맞는 CRM, 거름, 2001.02, P69

CRM의 기대효과로는 2가지로 나눌 수가 있는데, 첫 번째로는 기

존 사업측면으로, 정보통신 기술의 발전과 E-비즈니스의 혁명으로

인하여 가속화된 가격경쟁의 구도를 벗어나 고객과 우호적인 관계

를 구축함으로써, 장기적인 관점에서 매출증대, 비용증가와 같은 수

25

익을 확보 할 수 있고, 두 번째 신규사업 측면으로는 고객과의 관계

와 고객에 대한 지식을 기반으로 한 사업다각화가 가능하다. 기존의

사업다각화는 대부분 기술적인 연관성이나, 생산공정성의 연관성을

바탕으로 한 것이었으나, 고객과의 우호적인 관계를 구축해서 완전

히 다른 새로운 방향으로 다각화 할 수 있다.

제 3 절 e -C R M 에서의 충성고객 확보 방안

충성 고객이라 함은 고객 분류 중에서도 단골고객의 성향이 매우

높으면서, 기업의 입장에서는 수익을 개선시켜주고 고객관리를 할수

록 신뢰성과 기여가치가 향상되는 경향을 지닌 고객을 말한다. e-

CRM의 기본 관점은 고객을 차별화 하겠다는 것으로 중점관리 할

만한 우량고객을 찾고 그들의 충성도를 유지 시키도록 하는 전략

수립이 e-CRM의 Keyword라고도 할 수 있다. [표2-2]과 같이 우량

고객유지 및 충성고객의 극대화를 6단계로 분류할 수 있다.

26

[표2-2] 우량고객유지 및 충성고객의 극대화 방안

여기서 기존 우량 고객을 유지하는 비용이 새로운 신규고객확

보와 더불어 우량고객을 만들어 나가는데 들어가는 비용이

1/6~1/8이라는 점을 인식하고 우량고객에게 적합한 개개인별 오퍼

(Offer)를 제공하는 것이 중요하다.

27

제 3 장 CRM 에서의 고객 관리

제 1 절 고객관리의 중요성

산업 발전의 급격한 변화와 더불어 고객들이 기업에 대한 기대와

요구가 다양화 되고있다. 고객만족경영은 점점 더 중요한 위치를 차

지하고 있으며, 과거의 마케팅은 기업이 상품을 만들어 특별한 고객

정보분석 없이도 상품에 대한 홍보 및 광고가 주류를 이루었다. 하

지만 현재는 이러한 마케팅 활동에 의한 기업들의 수익을 향상시키

는데 한계를 느끼고, 이러한 상황에서 고객에 대한 이해를 바탕으로

한 마케팅 활동이 등장하게 되었다.

이처럼 기업은 고객이 가장 중요한 존재라는 것을 깨달아야 한다.

첫째, 고객은 기업에게 이윤을 안겨주는 존재이고, 둘째, 고객이 기

업에 의존하는 것이 아니라 기업이 고객에게 의존하는 것이다. 셋째,

기업은 고객에 의해 존재하는 것이고, 넷째, 기업이 고객에게 서비

스를 베푸는 것이 아니라 고객이 서비스 할 기회를 제공해 줌으로

써 호의를 베푸는 것이다. 기업은 고객의 요구에 부응함으로써 고객

만족을 제고 시키고 이를 통한 재구매 행동의 촉진 및 우호적인 구

전을 통한 다른 고객의 구매가능성을 제고 시킬 수 있게 된다. 이제

는 고객을 생각하지 않고서는 성공 할 수 없으며, 고객의 수용이나

요구를 제대로 이해하지 못하거나, 또 이들의 성향을 파악하여 제품

이나 서비스 개발 및 전달의 기준으로 삼지 않고서는 생존할 수 없

는 시대에 접어들었다.

28

기업환경의 변화 속에서 경쟁력을 유지하며 고객만족을 이루고

매출을 증대 시키기 위해서는 신뢰성 있는 고객관계(Loyal

Customer Relationship)를 지속적으로 구축해 나가야 한다. 마케팅

활동의 성과를 평가하는 중요한 지표로서 시장점유율이 있다. 일반

적으로 기업들은 시장에 대한 경쟁력은 시장점유율로 표현하고 있

고, 기업들은 시장 점유율을 높이기 위한 노력을 많이 하고있다. 전

체 시장의 규모, 즉 전체 고객의 수가 증가하는 추세인 경우에는 시

장점유율 증가가 바로 이익 증가에 긍정적인 영향을 미친다.

그러나 시장이 포화상태 인 경우에는 반대의 결과를 초래할 수

있다. 왜냐하면 포화상태의 시장에서는 경쟁기업의 고객을 우리의

고객으로 전환시켜야 하고, 전환에 따라 고객에게 발생할 수 있는

수준의 대가를 고객에게 지불해야만 시장점유율을 높일 수 있기 때

문이다. 또한 기존고객은 기업의 제품 또는 서비스에 익숙하기 때문

에 신규고객에 비하여 낮은 수준의 서비스로도 만족시킬 수 있다.

뿐만 아니라 기존제품과 서비스가 소비패턴에 고정되어 있거나 전

환에 따른 추가비용 또는 불편함 때문에 어느 정도의 가격변동에는

민감하지 않다.

신규고객의 경우는 가격의 사소한 차이로 이탈할 가능성이 상대

적으로 크다. 판매노력 관점에서도 신규고객에 대한 판매는 기존 고

객에 대한 판매와 비교하여 보통 8배의 노력이 소요된다. 이러한

제반 사항을 종합하여 분석하며 기존고객의 이탈율을 5% 정도까지

도 증가 할 수 있는 것으로 조사되었다.

29

[그림3-1] 산업 분야별 고객 이탈 방지 효과 *단위%

자료 : Learning From Customer Definition : The royalty effect :the

hidden force behind growth, profit, and lasting value “Frederick F.

Reicheld and Thomas Teal, Harvard Business Review,1996

그러므로 회사는 중요한 이익을 가져오는 고객들에 대한 좀 더

체계적인 관리 및 활용이 필요하게 되었고, 기업들은 고객관계관리

(CRM : Customer Relationship Management)에 관심을 가지게 되었

다.

제 2 절 새로운 상황을 위한 고객관계관리

타겟 마케팅은 모든 고객이 아닌 적합한 일부의 고객에 마케팅

노력을 집중하는 것을 강조한다. 원투원(One to One) 마케팅은 한

사람 한 사람에 이를 정도로 개별적인 고객에 대한 차별적인 마케

30

팅을 전개할 것을 강조한다. 관계 마케팅은 각각의 고객과 장기적인

관계를 강조한다.

타겟 마케팅은 전략적인 마케팅이라고도 불리며 마케팅의 기본으

로 여겨져 왔으나 오늘날에는 다소 진부한 느낌을 준다. 마케팅 대

상을 고객보다는 시장이라는 집단으로 보는 경향이 강하기 때문일

것이다. 이에 비해 관계 마케팅이나 원투원 마케팅은 개별 고객을

강조하고 있다. 각각의 개념들은 조금씩은 다른 부분을 설명하고 있

지만 CRM의 성격을 파악하기 위해서는 이러한 일련의 개념들을 살

펴볼 필요가 있다.

기업들은 고객관계관리에 대한 기대가 크지만 아직도 CRM의 정

의에 대한 의견들이 분분하다. "현재 고객들과 잠재적인 고객들로부

터 얻을 수 있는 가치의 총합에서 높은 점유율을 얻기 위한 통합된

전략적 접근"과 "한 조직이 조직과 고객간의 관계와 고객의 회사에

대한 수익성을 극대화하기 위하여 그 고객에 대한 종합적인 관점을

취하는 것" 등으로 각자의 개념과 생각으로 정의를 내리고 있다.

이처럼 전세계적으로 CRM은 관심을 모으고 있는 이슈이지만 서

로 다른 정의들이 많아 개념상의 혼란을 주는 경우가 많다. 이러한

기존의 정의들을 평가하기 보다는 주요한 특성들을 살펴 보면, 앞의

정의들에서와 마찬가지로 CRM은 고객이라는 대상을 관리의 핵심주

제로 하는 업무전체를 범위로 한다. 이익 또는 가치를 고객과의 장

기적인 관계를 통해 획득하려는 입장을 취한다. 그리고 궁극적으로

는 고객의 충성도를 높임으로써 이익을 확보하고자 한다.

31

수익성 없는 고객주의나 단기적인 수익성만을 강조하는 고객무시

주의는 CRM과는 배치되는 사고이다. CRM은 장기적인 가치를 극대

화하는 것을 목표로 한다. 또 CRM은 고객과 기업이 합리적인 혜택

을 주고 받는 과정에서 상호의 이익을 극대화하는 것을 목표로 한

다.

최근 증권사 지점 단위 약정고에 대한 최고 기록을 세운 어느 증

권사의 한 지점에 대한 기사에서 지점장은 "고객이 돈을 버니까 계

속 거래하는 것"이라고 성공의 이유를 밝힌바 있다[이코노미스트

99년 8월 10일자]. 이 지점에서는 고객의 투자에 대한 권유에 지점

자체적인 원칙을 수립하여 적용해서, 고객의 리스크(Risk)를 관리해

주었다고 한다. CRM의 사고 방식은 이와 같이 기업과 고객 양측 모

두의 만족을 추구하는 Win-Win전략이다.

또 관계 마케팅이라는 책의 저자로 유명한 컨설턴트인 메케너는

"제품이 실패하는 원인을 하나로 말할 수는 없지만, 틀림없이 핵심

적인 요인들 중의 하나가 시장 지향이 아니라는 점일 것이다. 차별

화는 단지 개발자의 마음속에만 존재할 뿐이다"라고 지적하였다. 고

객의 반응을 무시하고 독백만을 하는 기업들을 책망하는 것이다. 또

그는 "성공적인 사업은 타고난 재능(주어진 여건 또는 조직 구성원

들의 개인적 능력) 때문일 수도 있으나 고객을 이해하려는 의지와

능력 또한 마케팅에 필수적인 것"이라고 언급하면서 고객중심 사고

방식의 필요성을 강조하였다. CRM은 이러한 요구에 부응하여 고객

을 이해하고 그것을 바탕으로 고객과 기업 양측을 만족시키기 위한

32

장기적인 조치를 합리적으로 취해가는 것이다.

기업과 고객 모두를 만족시키기 위해 CRM은 고객과 고객관련 업

무에 대한 정밀한 측정을 시도하며 이를 정교하게 분석하려고 한다.

많은 마케팅 담당자들이 자신들은 시장을 잘 안다고 생각하기 좋아

하지만 그들이 아는 것은 자신이 경험한 것과 그것으로부터 유추한

시장의 아주적은 측면들 뿐이다. 또 오늘날과 같이 급변해가는 환경

하에서는 사업 그 자체가 늘 새로운 실험과도 같다. 확신할 수 있는

것은 많지 않고, 결국 지속적인 측정과 분석을 바탕으로 새로운 결

정을 내릴 수밖에 없다.

한편 CRM을 기존의 데이터베이스 마케팅이나 고객관리방식과 구

별하기 위해 세가지 측면을 생각해 볼 수 있다.

1. CRM은 업무 및 프로세스 혁신을 추구한다는 점이다.

기존의 데이터베이스 마케팅은 단지 DM반응율 향상과 같은 미세한

목표들을 중심으로 관리했다면 CRM은 고객과 접하는 프로세스 전

체의 효과 및 효율성을 추구한다.

2. 다 기능적인(Cross-Functional) 업무프로세스의 통합 추구이다.

고객에 대한 모든 정보를 통합하고 이를 이용하여 통합된 업무 프

로세스와 조직에 의해 처리하고자 하는 것으로, 전사적인 고객중심

주의라는 사상과 업무시스템의 통합이라는 두 가지가 결합되는 것

이다. 이로 인해 업무 처리상의 효율성을 높일 수 있게 되고 고객

입장에서의 편의성도 제고될 수 있다.

33

3. 고객 접점업무에 대한 연구개발을 지속적으로 수행해야 된다.

많은 제조 업체들이 제품과 생산과정에 대한 연구개발을 수행해왔

던 것처럼 마케팅이나 고객 서비스 등 고객 접점의 업무에 대해서

도 과학적인 방법을 적용하고자 하는 것이다. CRM은 OLAP이나 데

이터 마이닝과 같은 진보된 정보기술을 바탕으로 고객을 분석하여

고객에 대응하기 위한 방법을 연구하고 개발해야 한다.

제 3 절 고객관계의 전략적인 가치

많은 기업들이 새로운 고객을 획득하는 것을 지상의 과제로 여겨

왔고, 미국의 피터 트러커 교수는 "고객 창조(customer creation)"를

오래 전부터 강조해왔다. 오늘날에도 새로운 고객의 확보는 경영자

들을 포함한 대부분의 기업 관계자들에게 있어서 가장 지배적인 철

학으로 자리잡고 있다. 그러나 고객관계관리(CRM : Customer

Relationship Management)로 대표되는 최근의 고객중심적 마케팅

패러 다임은 이전에 지배적이었던 마케팅 사상과는 조금은 다른 입

장을 취하고 있다. 이와 같은 새로운 고객중심주의가 확산되고 있는

것은 마케팅 환경이 크게 달라져 가고 있음에 근거를 둘 수 있다.

고객들의 인구 통계적인 특성과 행동 양식이 이전의 그것과는 판

이하게 달라져 가고 있고, 정보통신 기술의 발달로 인해 고객들은

과거와는 비교 할 수 없을 정도로 월등히 많은 정보를 가지고 있으

며 자신의 이익을 위해 지능적으로 판단할 수 있는 능력을 가지고

34

있다. 한편 전세계적으로 경제 성장이 둔화되어 가고 있고, 기업의

생산 기술 향상으로 과잉 생산화 되고, 반대로 고객은 부족해져 가

고 있는 상황이다.

결국 각 기업에게 있어서 생존에 대한 경쟁적인 압력이 가속적으

로 거세지고 있고, 여기서 '경쟁'의 의미는 줄어 들어가는 시장에서

의 상대적인 점유율 제고를 위해 투쟁하는 것이라 할 수 있다. 이러

한 상황들 속에 직면함에 따라 고객이 충분하여 기업이 고객 또는

시장을 어디서든 마음대로 고를 수 있던 시절에 비하여 한 사람의

새로운 고객을 얻기 위해서 투입해야 하는 원가가 높아짐을 의미한

다.

이 상황을 설명하기 위해 최근에 많이 언급되는 유명한 이야기

중 하나가 '신규고객의 획득에는 기존 고객의 유지에 비해 다섯 배

에 달하는 마케팅 원가가 소요된다'는 것이다. 이 말이 사실이라면

기존 고객의 유지가 신규 고객을 확보하는 것에 비해 월등히 채산

성이 높을 것이다. 물론 새로운 고객의 확보가 전혀 불필요한 것이

라 할 수는 없겠지만 고객이 이탈하는 것을 막는 것은 가장 중요한

마케팅 과제가 된다는 것을 알 수 있다.

상식적으로 고객을 유지하기 위해서는 고객을 만족시켜야 할 것

이다. 그러나 기업은 고객만족을 높이려고 노력하기는 하지만 고객

만족을 극대화 시키는 것을 목표로 삼지는 않는다. 고객을 유지할

수 있는 수준 즉, 단지 경쟁자 보다 상대적으로 높은 수준만큼 고객

을 만족시키는 것으로 충분한 것이다. 고객만족을 높이기 위해 가격

35

이나 서비스 등 고객의 만족을 좌우하는 요소들에 더 투자할수록

고객과의 거래로부터 얻을 수 있는 전체 이익이 감소하기 때문이다.

이 때문에 기업들은 고객가치를 높이고 그들의 만족도를 높이는 것

과 채산성을 유지하는 것 두 가지 목표간의 적정한 배합점을 찾기

위해 고심하게 된다.

그러나 오늘날의 시장에서는 치열한 경쟁 덕분에 고객들은 많은

기회를 가질 수 있고, 기업이 고객을 위해서 최선을 다한다고 해도

고객이 만족해 한다는 보장은 없다. 결국 기업들은 매우 복잡하고

어려운 의사결정을 내려야 할 것이다.

36

제 4 장 고객분류에 대한 구성요소

e-CRM에서 고객분류를 하기위한 구성요소로는 웹사이트 상에서

의 로그데이터와 기업이 가지고 있는 고객데이터(Customer Data)와

유,무형의 상품데이터(Content Data)가 있다.

제 1 절 로그데이터

사용자가 웹사이트를 이용하면 이에 대한 기록이 로그(데이터)라

는 형태로 흔적이 남는다. 로그분석이란 이러한 로그 테이터(Log

Data)를 기반으로 다양한 정보를 추출해 내는 것이라 할 수 있다.

즉, 웹사이트의 로그파일은 방문자가 사이트에 방문한 경우 정확히

방문한 흔적(로그파일)들을 남기기 때문에 이러한 방문자의 정확한

데이터를 기반으로 고객분석을 통한 마케팅 피드백(Feedback)을 할

수 있는 고객분석 방법이다.

로그데이터의 기본항목으로는 접속(Hits), 페이지 뷰(Page View),

체류시간(Duration Time), 방문(Session), 방문자(Visitor) 등이 있다.

(1) 접속(Hits)

방문자가 웹사이트를 접속했을 때 연결된 파일의 숫자를 말하는

것으로 한 페이지를 전송할 때 그 안에 포함된 그래픽, HTML등의

모든 파일을 히트(Hit)로 계산한다.

(2) 페이지 뷰(Page View)

37

현재 웹사이트를 평가할 수 있는 단위기준으로 가장 많이 사용하

고 있는 단위이고, 하나의 HTML문서를 보는 것을 말하는 것이다.

(3) 방문시간(Duration Time)

한 방문자가 특정 웹 페이지에 얼마나 오래 머물렀는가를 시간을

기준으로 기록하는 것을 말한다. 방문시간이 길다는 것은 그 페이지

에 관한 관심이 많기 때문에 컨텐츠 분석과 관리 등의 효과적인 분

석을 할 수 있으나 인터넷 이용자들이 여러 개의 브라우저를 동시

에 띄워 놓은 상태에서 작업을 하는 경우가 많기 때문에 이러한 측

정 방식을 통한 결과분석이 효과적이지 못하고 있다.

(4) 방문(Session)

한 방문자가 특정 웹사이트에 접속해서 연속적으로 페이지를 본

후 다른 사이트로 이동하는 과정을 하나의 방문으로 기록하는 것을

말한다. 이러한 측정은 보통 하나의 IP어드레스를 통하여 접속한 경

우 서버에 로그가 기록되며 기록된 IP어드레스을 통하여 파악하고

있다. 그러나 변동 IP어드레스를 사용하는 방법에 의하여 서로 다른

방문자를 동일한 세션으로 인식할 우려가 있고 또 방문자가 일정한

기간이 지난 후에 다시 그 웹사이트에 접속을 하면 이를 또 다른

세션으로 기록을 하게 된다.

(5) 방문자(Visitor)

특정 웹사이트를 한 번 이상 접속한 사용자들의 수를 파악하는

방법으로서 방문자의 증가추이 및 충성고객 등을 파악하는 중요한

요소이다. 이러한 방문자 측정은 쿠키나 사용자 인증을 통하여 방문

38

자의 방문경로 및 웹사이트 방문행태를 분석하여 웹사이트의 컨텐

츠 관리 및 전략수립에 이용할 수 있다.

[그림4-1] 로그데이터 기본항목

제 2 절 고객 데이터( C u s t o m e r D a t a )

Customer Data는 기업들이 기본적으로 고객들에게 얻은 데이터

로서, 유,무형의 상품을 실제 구입한 고객들의 데이터와 캠페인을

전개하여 얻은 고객데이터, 웹사이트에 가입할 때 요구 되어지는 고

객의 기본정보 이름, 성별, 나이, 거주지, 직업별 등의 내용과 고객

의 추가정보 등을 들 수 있다. 이러한 고객데이터를 이용하여 기업

들은 기본적인 마케팅 방법들을 수행할 수 있다.

39

국내에서 웹사이트 기업들이 필요로 하는 고객항목 데이터는 [표

4-1]과 같다.

[표4-1] 국내 유명 웹사이트의 고객등록 항목

자료 : 김형택, e-비즈니스 모델에 맞는 CRM, 2001,02

제 3 절 상품 데이터( C o n t e n t D a t a )

Content Data는 기업들이 웹사이트에서 다루고 있는 유,무형의

상품이나 서비스에 대한 데이터를 말한다. 고객들이 소비하는 품목

40

에 따라서 기업들은 유,무형 상품들의 수요예측을 할 수 있다.

해외 웹사이트들의 유,무형 상품에 대한 항목은 [표4-2]과 같다.

[표4-2] 해외 웹사이트에서의 상품 항목

41

제 5 장 고객분류에 대한 분석 기법

고객들을 분석하기 위한 방법으로는 현재 나와있는 여러 가지 기

법들이 있다. CRM에서 활용되고 있는 RFM(최근성(Recency), 빈도

(Frequency), 금전적 규모(Monetary))분석이나 LTV(고객가치)분석,

고객 세분화 분석이 있고, 로그분석으로는 기간별 분석, 시스템분석,

에러분석, 사용자분석, 페이지분석이 있고, 데이터 마이닝(Data

Mining)에는 연관성(associations)규칙, 연속성(sequence)규칙, 분

류(classifications)규칙과 군집화(clustering) 등이 있다.

제 1 절 고객 정보 관리

고객에 대한 정보 관리는 CRM에서 가장 핵심적 요소들 중의 하

나이다. 그 목적은 경쟁사보다 잘 관리해야 할 고객을 선별하고 관

리 방법을 결정하기 위한 것이고, 이를 위해 고객에 대한 적극적인

측정이 필요하다. 기존 고객들이 어떻게 구성되었는지 파악하는 작

업으로 수익성 전환과 차별화 된 고객서비스 전개를 위해 고객분석

은 크게 고객가치분석평가와 고객 세분화 두 가지로 나눌 수 있다.

1. 고객 평가

고객가치에는 기업의 가치관이 반영된다. 고객의 미래가치와 현재

가치 중 어느 것이 더욱 중요 할 것인가 하는 부분은 기업의 전략

적인 목표에 따라 달라진다. 고객가치 개념을 기업차원에서 자원

(resource)을 집중해서 관리해야 할 대상이라고 정의한다면, 고객가

치의 개념은 기업의 전략적 가치를 어디에 두느냐에 따라 달라진다.

42

따라서 어떠한 고객이 우수한 고객인지를 사전에 정의하고, 이러한

기준에 맞게 고객가치를 정의해야 한다.

일반적으로 기업에서 고객가치는 기업 스스로 정한 수익가치(수

익의 마일리지 등)에 의해 등급화 시켜 사용되고 있는 실정이지만,

최근에는 주로 수익측면을 반영하는 방법인 RFM(Recency,

Frequency, Monetary), 고객의 과거와 미래가치를 포괄하는 생애가

치를 평가하는 방법인 LTV(Life Time Value) 등의 개념이 도입되고

있다. 즉, 고객가치 분석에는 RFM분석과 LTV분석 방법이 있다.

[그림5-1] CRM전략 수립을 위한 고객분석 방법

자료 : 김형택, e-비즈니스 모델에 맞는 CRM, 2001,02

(1) RFM(Recency, Frequency, Monetary) 분석 방법

RFM이란 구매의 최근성(Recency), 빈도(Frequency), 금전적 규

모(Monetary)를 뜻하는 것으로 고객 세분화를 위한 구매패턴 분석

에 이용된다. 가장 최근에 많은 횟수로 많은 액수의 상품을 수매하

는 고객이 기업의 입장에서 가장 가치 있는 고객이라는 판단 하에

Recency, Frequency, Monetary를 분석하여 고객 개개인을 평점화

하여 랭킹을 정하고 자사에 이익을 주는 우량고객을 선별하는데 이

용된다.

43

[그림5-2] RFM 분석방법

(2) LTV(Life Time Value) 분석방법

LTV(평생고객가치)란, 고객이 자사에게 평생에 걸쳐 제공하는 이

익을 현재가치로 환산한 금액을 말한다. 즉, 평생가치란, 주어진 기

간동안 고객으로부터 실현될 이익의 순 현재가치(Net Present

Value)라 할 수 있다. 또는, 한 고객이 한 기업의 고객으로 존재하

는 전체 기간동안 기업에게 제공할 것으로 추정되는 재무적 공헌도

의 합계라고도 할 수 있다.

LTV 산정은 크게 단순 LTV의 산정과 이의 단점을 보완한 개선된

LTV 모델이 있다. 단순 LTV 모델의 경우 평균구매액을 기준으로 거

래기간에 대한 구매액을 산정하는 방식으로 LTV=평균구매액×거래

기간으로 나타낼 수 있다. 그러나 이러한 단순 LTV 계산은 미래의

불확실성을 고려하지 않은 경우로서 고객행동의 변동, 현재가치, 이

익관점 등을 고려하지 않은 방법이라고 할 수 있다. 이의 단점을 보

44

완한 것이 발생 할 수 있는 여러 가지 불확실성을 염두에 둔 LTV

산정 방식이다. 변동 가능성이 높은 고객행동의 변동, 현재가치, 이

익관점 등을 고려하여 LTV를 산정하는 방식으로 고객의 평생가치를

산정하는 방식이다. 불확실성을 고려한, 즉 여러 가지 환경을 고려

한 LTV 산정방식을 통하여 좀 더 정확한 고객수익성을 계산할 수

있게 되었으며, LTV의 값을 통하여 더욱 세밀한 고객 세분화를 이

루게 된다.

[그림5-3] 고객 생애 가치의 개념도

자료 : 김재문, 비즈니스모델에 맞는 e-CRM, 거름, 2001.02

45

2. 고객 세분화 전략

고객 세분화는 모든 고객을 마케팅 활동의 동일한 대상으로 바라

보는 매스 마케팅의 시각에서 탈피하여 목적에 따라 고객을 세분화

시킨 후 특정 마케팅 활동의 목표 고객을 적절히 선별하자는 의미

에서의 고객 이해이다. 이러한 고객 세분화는 주로 다음과 같은 목

적을 가지고 있다.

첫째, 우수 고객의 차별화.

둘째. UP, CROSS-SELL 대상고객 차별화

셋째, 프로모션 반응 고객 차별화

넷째, 고객의 거래 형태별 차별화

고객을 세분화하는 방법은 여러 가지가 있다. 일반적으로 고객을

세분화할 때에는 하나의 변수만을 사용하지 않고 여러 변수를 결합

하여 사용하는데, 그 이유는 가능한 비슷한 부류로 고객을 분류하기

위해서다. 고객 세분화를 일반적으로 많이 사용되는 것은 인구통계

학적, 심리적, 행동적, 지리/언어적 변수, 구매 이력 사항 등이다.

제 2 절 로그 분석

로그분석은 고객이 웹사이트에 접속을 하면 웹 서버의 로그파일

에 그 자취가 남게 되는 데이터를 가지고 분석을 하게 된다. 이 분

석을 통하여 많은 전반적인 활동을 할 수 있는데, 주요 고객 층이나

고객구매패턴, 주구매시간, 구매탐색경로 등의 데이터를 추출할 수

46

있으며 이러한 데이터를 기반으로 인터페이스 설계나 상품 레이아

웃 등의 설계, 고객서비스의 강화 등의 다양한 대 고객마케팅을 펼

칠 수 있다. 또한, 이벤트나 마케팅캠페인을 전개하여 확보한 고객

들을 수익성 있는 고객으로 전환하기 위한 마케팅 활동을 할 수 있

다.

[표5-1]로그분석의 의미

웹사이트 내에서 로그데이터를 이용하여 기간별분석, 시스템분석,

에러분석, 사용자분석 등을 할 수 있다.

1. 기간별 분석

기간별 분석은 엑세스 로그데이터 정보를 바탕으로 방문객의 접

속상태를 일별평균과 최대접속으로 나누어 월별, 요일별, 일별 및

47

시간대별로 분류하여 접속이 가장 집중되는 상황을 한눈에 파악 할

수 있으며, 이러한 정보는 웹 서버의 효과적인 관리와 이벤트나 홍

보광고 등을 집행한 시점에 방문자의 기간별 접속실태를 파악하여

효과적인 매체집행과 사이트 운영전략에 관한 전략을 수립하는데

도움을 준다.

2. 시스템 분석

시스템 분석은 광고 및 프로모션 집행할 때 평가자료로서 사용할

수 있으며, 어떤 나라의 방문자가 가장 많은지, 어떠한 검색엔진을

사용했는지 등의 전반적인 사용자의 경로를 파악 할 수 있으며 이

러한 정보를 토대로 주요 고객들을 파악 할 수 있다. Agent 로그파

일은 사용자의 웹 브라우저와 사용하는 OS(Operate System)에 대

한 시스템 환경에 관한 전반적인 정보를 제공해주기 때문에 사용자

의 시스템 환경을 고려한 웹 페이지 디자인 및 프로그램을 사용하

여 최적화된 웹 서비스를 제공해 줄 수 있다. 레퍼럴 로그

(Referrer_Log)와 에이전트 로그(Agent_Log)에 기록된 데이터를 바

탕으로 웹 서버에 접속하기 전의 방문객의 위치정보와 방문객의 시

스템환경 정보를 파악 할 수 있다.

3. 에러분석

에러 분석은 월별, 요일별 및 시간대별로 분석하여 에러가 발생하

는 원인과 시간 등의 웹 서버에서 발생하는 모든 에러들을 분석해

낼 수 있다. 만약 특정시간대에 에러가 집중 된다면, 웹 서버 컴퓨

터의 상태를 점검, 관리하거나 컴퓨터의 과부하도 점검해야 된다.

또한, 웹사이트를 관리할 때 사용자들이 불편함을 느끼지 않고 사이

48

트에서 필요한 정보를 빠르고 쉽게 찾을 수 있도록 제공해 줄 수

있다.

4. 사용자 분석

사용자 분석은 방문자의 등록여부와 접속방법 등에 의해서 구분

을 하고, ID와 Password를 통한 회원인증이 필요한 경우 등을 분리

하여 분석하는 방법이다. 고객서비스 차원에서 등록 사용자가 즐겨

찾는 페이지 또는 카테고리에 대한 데이터 베이스도 구축 할 수 있

으며, 일반 사용자의 경우 지역에 따른 국가별, 국내 지역별 및 사

용자의 도메인 이름을 추출해 내 업종별 분석을 토대로 다양한 서

비스를 기획 할 수 있다. 유료 서비스 또는 회원제를 운영하는 경우

등록사용자의 사용시간, 사용 데이터량 등의 데이터를 토대로 가격

결정의 기준을 마련할 수 있다.

5. 페이지 분석

페이지 분석은 디렉토리 별 메뉴별 두 가지로 분류할 수 있으며

사용자가 가장 많이 찾는 페이지, 가장 오래 읽는 페이지, 가장 최

근에 방문한 페이지, 가장 먼저 또는 끝으로 즐겨 찾는 페이지 등을

보여 줄 수도 있다. 이러한 페이지분석 데이터를 토대로 사이트 메

뉴를 사용자들이 많이 이용하는 메뉴로 우선 설정할 수 있으며 웹

사이트의 디자인을 설계할 때나 사용자의 페이지 이용형태에 맞는

인터페이스를 설계할 때 유용하게 활용할 수 있다.

위의 분석을 통하여 방문기간이나, 참조 사이트, 시스템환경, 웹

사이트 에러 등을 분석해 낼 수 있다. 또한 [표5-2],[5-3]과 같이

49

웹사이트를 중심으로 한 사이트중심 측정분석과 패널들을 이용한

이용자중심 측정분석을 할 수 있다. 이러한 측정 분석으로 웹사이트

내에서 접속하는 고객들의 기본적인 동향 등을 파악할 수 있다.

[표5-2] 사이트 중심의 측정 분석 내용

[표5-3] 이용자 중심의 측정 분석 내용

50

제 3 절 데이터 마이닝

데이터 마이닝(Data Mining)이란 기업이 보유하고 있는 일일 거래

자료, 고객자료, 상품자료, 마케팅 활동의 피드백 자료와 기타 외부

자료를 포함하여 사용 가능한 데이터를 기반으로 숨겨진 지식, 기대

하지 못했던 패턴, 새로운 법칙과 관계를 발견하여 의사결정이나 마

케팅 전개에 필요한 부분에 정보를 활용하는 것이다. 예를 들어 마

이닝의 결과로 어떤 고객은 다른 고객에 비해 특정 상품을 더 잘

구매하는 경향이 있다는 사실을 알아낼 수 있다. 기업은 이 두 유형

의 고객에 대한 차이를 알게 됨으로써 불특정 대중이 아닌 목표 고

객에 집중된 마케팅을 수행할 수 있다. 또한, 데이터 마이닝은 사용

자의 질의나 보고서가 효과적으로 밝혀낼 수 없었던 데이터 웨어하

우스 내의 정보를 밝혀낸다. 데이터베이스 안으로 침투하여, 데이터

내의 패턴을 발견하고 규칙을 추론하여, 이러한 패턴과 규칙은 의사

결정을 지원하고 기업환경의 변화를 예측하는 데 사용될 수 있다.

데이터 마이닝을 통해 얻을 수 있는 정보의 형태는 매우 다양하

며, 이에 따라 다양한 기법이 존재한다. 크게 2가지의 접근방법으로

나누어 진다.

첫 번째로, Supervised data는 이미 입력된 각각의 case에서의

결과가 결정이 되어있는 데이터를 말하며, 즉, 결과가 이미 정해진

과거 데이터로부터 입력과 결과사이의 어떤 패턴과 관계가 있는가

를 찾아내고 이를 바탕으로 미래의 결과를 예상함으로써 보다 효율

적인 의사결정을 지원하고자 하는데 데이터 마이닝(Data Mining)이

51

이용된다.

두 번째로, Unsupervised data는 고객단위로 여러 가지 입력변수

를 가지고 있지만 Supervised data와 같은 결과변수(Target)를 가지

고 있지는 않다. Unsupervised data의 Data Mining은 예, 아니오와

같은 답을 얻고자 하는 것이 아니라 입력 변수들을 중심으로 데이

터사이의 연관성이나 유사성 그 자체에 중점을 둔다.

[표5-4] 데이터 마이닝(Data Mining)의 접근방법

Supervised Data Prediction에서 쓰이는 방법 중에 의사결정나무

(Decision Trees)는 분류 또는 예측을 목적으로 하는 어떤 경우에도

사용될 수 있는 기법이다. 분석의 정확도 보다는 분석과정의 설명이

필요한 경우에 더 유용하게 사용되며, 시장 세분화, 고객 세분화 등

을 할 수 있다.

52

Unsupervised Data Prediction에 쓰이는 데이터 마이닝 방법으로

는 사건들의 연관성(associations)규칙, 연속성(sequence)규칙, 분

류(classifications)규칙과 군집 구분(clustering) 등을 들 수 있다.

1. 연관성(associations)규칙과 순차적 패턴(sequential Patten)

연관성은 동시에 발생하는 사건 그룹 내에서 사건들 사이에 존

재하는 친화성 혹은 패턴을 말한다. 연관성 규칙의 대표적인 예는

IBM의 '시장바구니 분석(Market Basket Analysis)'을 들 수 있는데,

이것은 슈퍼마켓에서 소비자들이 구입한 물품들의 목록을 분석함으

로써 콘칩이 구매되는 경우의 50%는 소비자들이 콜라도 함께 구매

한다는 것과 같은 패턴을 발견하는 것이다.

순차적 패턴(sequential Patten)은 연관성 규칙의 변형이라고 할

수 있으며, 사건들이 시간적인 관계를 가지는 것을 말한다. 예를 들

어 배낭을 구입한 고객은 다음에 텐트를 구입하는 경향이 있는 경

우, 배낭의 구입과 텐트의 구입에는 순차적 패턴이 존재한다.

2. 분류(classifications)규칙

분류 규칙은 어떤 항목이 속하는 그룹의 특성을 가장 잘 나타낼

수 있는 특징들을 발견하는 것으로, 가장 활발히 연구가 이루어지고

있는 분야이다. 많은 기업들이 안고있는 공통적인 문제 중의 하나는

단골고객의 이탈이다. 이탈하는 고객들과 그렇지 않은 고객들의 차

이를 발견함으로써, 기업은 어떠한 고객이 앞으로 이탈할 가능성이

있는지 예측할 수 있으며, 고객유지 및 유치전략을 보다 효과적으로

개발할 수 있을 것이다.

53

3. 군집구분(clustering)

군집구분은 분류규칙 탐사와 관련되어 있으나, 어떠한 그룹도 사

전에 정의되어 있지 않다는 점에서 분류규칙과 다르며, 군집구분은

데이터 내에 존재하는 상이한 그룹을 구분해 내는 기법이다.

데이터 마이닝을 성공적으로 수행하려면 비즈니스 문제와 기술에

대해 깊이 있게 이해해야 한다(Edelstein, 1996). 데이터 마이닝에서

가장 중요한 요소 중의 하나는 마이닝에 사용될 데이터의 질이다.

광부가 금을 캐내고자 한다면 금이 묻혀 있을 만한 적절한 장소에

서 채굴하는 것처럼, 데이터 웨어하우스를 구축하여 보다 질 높은

데이터를 바탕으로 마이닝이 수행될 때, 데이터 마이닝의 잠재적인

가치는 증대될 것이다.

제 4 절 분석기법 정리

지금까지 앞 절에서는 고객분류를 하기위한 분석기법에 대하여

알아 보았다. 먼저, CRM에서의 분석기법으로는 고객가치분석과 세

분화로 나누어지며 RFM분석, LTV분석들을 통하여 우량 고객들을

선별하거나, 고객들을 세분화 할 수 있다. 또한, 로그 데이터(Log

Data)를 이용하여 일반적으로 사용되어지는 사이트 중심분석과 패

널들을 이용하는 확장된 로그분석 방법인 이용자 중심분석으로 나

눌 수 있으며, 사이트에 들어온 패널들이나 방문 고객들로부터 주요

고객층, 주구매시간, 고객구매패턴, 구매탐색경로 등의 다양한 사이

54

트 동향이나 구매고객 성향을 파악 할 수 있으며, 이러한 분석 자료

들을 데이터 마이닝(Data Mining)하면 새로운 규칙이나 패턴들을 이

끌어 낼 수 있다. 이러한 패턴과 규칙들을 이용하여 보다 더 정확한

분석을 할 수 있다. 이처럼, 고객분류에 대한 분석 기법들을 정리하

면, [표5-5]과 같다.

[표5-5] 고객분류에 대한 분석기법

기업들은 이러한 분석기법을 통하여 구매고객이나 고객성향 등을

파악하여 효과적인 마케팅 방법들을 적용 할 수 있다.

55

제 6 장 e-CRM 을 위한 고객분류 모형 설계

고객분류를 하기위해서는 데이터 웨어하우스(Data Warehouse)를

구축하여야 한다. 고객중심의 마케팅을 전개하기 위해서는 로그데이

터 뿐만 아니라 고객의 등록정보, 구매이력, e-Mail, 컨텐츠 데이터

등을 통합하여 데이터 베이스(Data Base)를 구축하여야 한다. 이러

한 분석이 제대로 되어 있지 않으면 고객의 변화에 적절한 대응을

하지 못할 것이다.

제 1 절 통합 데이터 웨어하우스의 구성요소

먼저, 고객(Customer Data) 데이터, 컨텐츠(Content Data) 데이터,

트랜잭션 데이터(Transaction Data)는 기존 데이터 내에서의 논리적

테이블로부터 고객에 적극적으로 대응할 수 있는 항목들을 추출하

여 데이터 변형작업을 거쳐 데이터를 상호유기적으로 분석 할 수

있도록 DB포맷을 바꿔 통합 데이터 웨어 하우스로 보내져야 된다.

여기서 사용되어지는 고객정보에는 5가지의 종류가 있다.

1. 고객 신상정보

고객의 일반적인 데이터로 고객들의 신상정보 항목은 [표6-1]과

같으며, 데이터들이 모여 데이터 베이스를 이루며, 여기서 Primary

key는 고객ID로 사용 되어진다. 고객 ID는 고객들을 식별하는 중요

한 요소가 된다.

56

[표6-1] 고객 신상정보 입력 테이블

2. 고객 접촉상황

신상품에 대한 소개 팜플릿을 보내 주었는지, 설문조사에 대한 응

답이 접수되었는지 등의 접촉상황 등이 기록된다. 이러한 각각의 프

로모션 등을 한 개의 테이블로 정리하고 모든 고객들의 프로모션에

대한 인덱스만이 기록되어진다. 이러한 고객접촉 상황은 분석 후 마

케팅 캠페인 분석에 사용 되어진다.

3. 고객의 거래기록

고객과 상품의 거래상황 등을 기록하고 처리한 것으로 고객데이

터의 고객ID와 상품데이터의 상품ID는 거래데이터로 기록 되어진다.

또한, 현금과 신용결제, 제품배송 등에 대한 정보 등이 기록되어 진

다.

4. 고객 로그 정보

고객들의 로그데이터 정보는 웹사이트 상에서의 전송된 로그파일

의 형식에 따라 많은 차이가 있지만 일반적으로 통합 데이터 웨어

57

하우스에 사용하는 항목은 다음[6-2]과 같다, 여기서의 일반 고객

들과 패널들의 고객ID는 고객 신상정보에서와 같이 Primary key로

사용 되어진다.

[표6-2] 고객 로그입력 테이블

5. 고객 인터넷 정보

고객의 인터넷 정보는 인터넷에 있는 정보를 미리 DB화하여 고

객분석에 사용 되어진다.

[표6-3] 인터넷 정보입력 테이블

제 2 절 e -C R M 을 위한 고객분류 모형

빠르게 변화하는 시장에서의 탄력적인 대처와 고객들의 니즈를

58

적절히 파악하고 고객에 대한 이해를 바탕으로 고객이 원하는 제품

과 서비스를 지속적으로 제공하여 수익성을 최대화하기 위한 고객

관계관리(CRM : Customer Relationship Management)라는 체제도입

은 기업들에게 선택이 아닌 필연적인 요구 사항이 되었으며, 또한,

기업들이 이러한 고객관리를 하기위해서는 무엇보다도 고객이 가장

중요하다. 본 논문에서 제안하는 e-CRM을 위한 고객분류 모형은

[그림6-1]과 같다.

[그림6-1] e-CRM을 위한 고객분류 모형

참고 : 김형택, 웹로그 분석, 비비컴, 2001,06

59

e-CRM을 위한 고객분류 모형의 전개과정에서 첫번째 작업은 웹

사이트에 접속한 고객들의 인터넷 로그화일 항목들 중 분석에 필요

한 항목들을 통합하는 모델을 작성하는 것이다.

웹 로그 데이터란 정제되지 않은 방대한 양의 데이터를 의미한다.

정제되지 않은 웹 로그데이터(Web Log Data)를 활용하기 위해서

데이터 클린징(Data Cleansing)을 실시하여야 한다. 데이터 클린징

(Data Cleansing)이란 불필요한 데이터를 제거하여 사용할 수 있는

데이터로 정제하는 일련의 과정을 의미한다. 데이터 클린징(Data

Clean)을 통해 산출된 클린 로그(Clean Log)는 사용자의 로그인/로

그아웃(Log In & Log Out), 특정페이지 접속횟수 등을 기록한 세션

(Session)을 파악해 내는 세션 인식과정을 거치게 된다. 이러한 정

제를 거친 클린 로그데이터(Clean Log Data)는 이동경로 데이터 베

이스에 정리 되어진다.

[그림6-2] 로그 데이터의 정제과정

60

두 번째로, 트랜잭션 데이터(Transaction Data)는 고객 데이터

(Customer Data)의 이름, 주소와 같은 기본 정보와 컨텐츠 데이터

(Contents Data)의 유,무형의 상품 정보들을 결합하여 트랜잭션 데

이터(Transaction Data)에 저장하여 어떤 상품을, 얼마나, 어떤 경

로 등으로 구입했는지에 관한 데이터들을 트랜잭션 데이터

(Transaction Data) 테이블에 저장된다. 여기서 중요한 것은 트랜잭

션 데이터(Transaction Data)에서의 고객ID와 상품ID를 Primary Key

로 생성하여 데이터 일관성을 유지하여 거래내용을 저장하여 보관

하기 때문에 전체 데이터를 유지 또는 관리하는데 있어 비용절감과

효율적이고 탄력적인 데이터를 관리할 수 있다.

[그림6-3] 트랜잭션 데이터(Transaction Data)의 생성

61

지금까지 설명한 고객 데이터(Customer Data)와 컨텐츠 데이터

(Contents Data)에서 산출되어진 트랜잭션 데이터(Transaction

Data)와 웹 로그(Web Log)에서 산출되어 세션인식을 마친 클린 로

그 데이터(Clean Log Data)를 결합하여 통합 데이터 웨어하우스를

구축한다. 즉, 웹사이트 이용자의 구매내역을 기록하고 있는 트랜잭

션 데이터(Transaction Data)와 사이트 이용(검색)사항 등을 기록한

로그데이터를 이용하여 새로운 데이터 베이스(Data Base)를 구축한

다.

[그림6-4] 통합데이터 웨어 하우스

62

이렇게 구축된 통합 데이터 웨어하우스(Integrated Data

Warehouse)에 데이터베이스 질의언어(SQL : Structured Query

Language)를 입력하여 원하는 데이터를 추출해 낸다.

웹 사이트에서는 단순히 하나의 정보만을 원하는 것이 아니다. 통

합 데이터 베이스로(Integrated Data Warehouse)부터 여러 가지의

결과물을 얻어내려고 할 것이다. 즉, 여러 개의 데이터베이스 질의

언어(SQL : Structured Query Language)로부터 산출된 여러 종류의

방대한 양의 데이터들은 하나 하나의 데이터 마트(Data Mart)에 각

각 저장되게 된다. 데이터 마트(Data Mart)에 저장되는 데이터는 하

나의 데이터베이스 질의언어(SQL : Structured Query Language)로

부터 산출되어진 동일한 결과물 들이다.

데이터 마트(Data Mart)를 구성하고 있는 각각의 데이터들은 일련

의 패턴을 찾아내는 패턴분석을 거치게 된다. 이 패턴분석 과정에는

연관성 규칙(Association Rule), 순차적 패턴(Sequential pattern),

군집화(Clustering), 분류(Classification) 등의 기법을 사용한다.

1. 연관성 규칙(Association Rule), 순차적패턴(Sequential pattern)

웹 마이닝(Web Mining)에서 연관성 규칙은 방문자들이 방문하는

페이지들의 연관성들을 발견하는 것으로 예를 들어 Log분석에 관한

페이지를 방문한 고객은 e-CRM 관련 페이지도 방문한다는 연관성

규칙을 발견하는 작업이다.

이러한 연관성 규칙을 평가하는 기준으로는 지지도(Support), 신

63

뢰도(Confidence), 향상도(lift or improvement)가 있다.

지지도(Support)는 전체 사용자 중에서 Log분석 및 e-CRM 페이

지에 접속한 사용자의 비율로 측정되며 신뢰도(Confidence)는 log

분석 페이지를 방문한 사용자 중에서 e-CRM 페이지도 함께 방문

한 사용자의 비율로 나타낸다. 향상도(lift or improvement)는 Log분

석 페이지가 e-CRM을 방문하도록 유도하고 있는지의 값을 계산하

는 것으로 1보다 크면 Log페이지가 e-CRM 페이지를 방문하도록

유도하는 비율이 높은 것이며 1보다 작으면 연관성이 낮다는 것을

의미한다. 의미 있는 연관성 규칙을 발견하기 위해서는 일정한 값의

지지도와 신뢰도를 가져야 하고, 향상도가 항상 1 이상이 되어야

한다.

순차적 패턴은 시간순서로 방문한 집합에서 어느 한 페이지의 접

속이 다른 페이지의 접속 이후에 나타난다. 이와 같은 방문간의 순

차적 패턴을 찾아내는 것이다. 이러한 순차적 패턴은 방문자들의 클

릭흐름 데이터의 시간적 패턴을 기반으로 고객등록정보나 구매정보

와 연결하여 고객들의 접속패턴을 예측할 수 있다.

2. 군집화(Clustering)

웹 마이닝(Web Mining)에서의 군집화(Clustering)는 유사한 행동

들의 패턴을 보이는 사용자의 그룹을 묶는 것이다. 군집화에서 사용

자의 군집은 사용자의 세션정보를 기반으로 하는 세션간의 유사성

(Similarity)과 혹은 비유사성(Dissimilarity)을 측정하여, 이를 그룹으

로 묶어 분석하여 구매가격에 의한 사용자 분류, 카테고리 이용에

64

따른 고객별 이용성향 등을 분석할 수 있다.

3. 분류(Classification)

분류는 기업의 고객분류 기준이나 마케팅 활용을 위한 미리 정해

진 규칙에 의해 몇 개의 그룹으로 분류하는 것으로 예를 들면, 기업

이 고객을 관리하기 위해 우량고객집단, 불량고객집단과 같은 식으

로 나누는 것을 말한다. 분류기법을 기반으로 우량 고객들 중 다른

사이트로 이탈할 고객들은 누구이며, 그 특성은 어떤지, 또는 특정

제품을 구매하는 사용자들은 누구이며 어떤 특성을 갖는지 등의 내

용을 분석해 낼 수 있다.

패턴분석(Patten analysis)은 웹 마이닝(Web Mining)의 마지막 단

계로 패턴 발견과정에서 찾아낸 규칙이나 패턴 중에서 유용하지 않

거나 의미 없는 규칙과 패턴을 걸러낸 고객들의 패턴을 이해하고

해석하는 작업이다. 이러한 분석들을 이용해서 충성고객과 잠재고객,

일반고객을 파악할 수 있으며, 기업이 원하는 세부적인 질문들 즉,

사무직에서 근무하는 30대 남자가 원하는 상품품목이나, 특정 지역

에 거주하는 사람들이 선호하는 상품들 등의 복잡하고 어려운 세부

적인 질문들과 고객분류를 통한 마케팅에서의 원가절감 등이 가능

할 수 있다.

65

[표6-4] 패턴분류의 분석 내용

이처럼 클린 로그데이터(Clean Log Data)와 트랜잭션 데이터

(Transaction Data)를 정제하여 데이터 베이스에 저장한 후 데이터

마이닝(Data Mining)을 이용한 패턴분석(Patten analysis)을 전개하

면 기업들이 고객관리를 하는데 있어서 고객특성과 구매성향을 분

석해 일련의 동일한 Marketing Promotion을 취할 수 있다.

제 3 절 고객분류 모형의 특징

고객분류 모형에서 기존에 있는 데이터들을 정제하여 통합 데이

터 웨어하우스(Integrated Data Warehouse)에 저장하고 저장된 데

이터들을 데이터 마이닝(Data Mining)하여 각 패턴에 적합한 기법들

을 통하여 다양한 고객분석을 수행 할 수 있다.

웹 마이닝(Web Mining)에서 로그정보는 웹의 특성상 지속적이고

66

비교적 번번히 데이터가 발생하여 방대한 데이터를 처리하는데 어

려움이 있어 웹 마이닝(Web Mining)에 장애요인이 되기도 하지만

실시간으로 고객의 웹사이트 방문행태의 정보와 구매 정보들이 구

축되기 때문에 고객등록정보, 구매정보 등이 데이터 베이스와 연결

하여 능동적으로 고객대응 전개를 할 수 있는 장점이 있다.

웹 마이닝(Web Mining)에서 중요한 것은 고객등록정보, 구매정보

등을 활용하여 고객들의 성향을 파악하고 행동을 예측 할 수 있는

분석 기법이다. 웹 마이닝을 통한 분석기법은 온라인에서 고객들의

다양한 반응정보가 다양한 패턴으로 이루어져 있기 때문에 이러한

패턴(Patten)을 발견하고 패턴분석을 통해 가망고객, 충성고객, 잠

재고객 등을 발굴하여 개별화 된 오퍼(Offer)를 제공하여 고객대응

을 전개 할 수 있다.

[표6-5] 인터넷 업계의 데이터 마이닝 활용 사례

67

제 4 절 기존 기업들의 고객분류와 다른 점

기존의 기업들이 고객관리에 있어 평준한 기준을 적용하던 방식

에는 마케팅 비용과 고객불만 등의 문제점을 가지고 있다. 고객들을

관리하고 유지함에 있어 따르는 비용과 업무의 가중화, 판매수익과

같은 많은 문제점들이 내포되어 있으며, 무분별한 마케팅으로 인하

여 고객들은 방대한 많은 정보들로 인하여 정작 마케팅을 시도했던

기업들에게 불신감을 주게 되었다. 기업들은 앞으로 무분별한 마케

팅을 자제하고, 고객에게 맞는 마케팅을 통하여 충성고객을 확보하

는데 중점을 두어야 할 것이다.

기존의 고객관리 모형은 고객데이터와 컨텐츠 데이터, 거래 데이

터를 각각 따로 관리했기 때문에 유지, 관리에 대한 비용과 데이터

의 효율성 면에서도 많은 문제점들을 가지고 있었으나, 이 논문에서

제시하는 모형은 고객데이터(Customer Data)의 고객ID와 컨텐츠 데

이터(Content Data)의 상품ID를 Primary Key로 사용하여 트랜잭션

데이터(Transaction Data)의 Primary Key로 새로운 테이블을 생성하

여 관리하므로 유지관리비가 절감되며, 이러한 ID를 표준화 시킴으

로 인하여 데이터의 효율성면에서도 효과적이라고 할 수 있다.

또한, 필터링 된 클린 로그데이터와 트랜잭션 데이터를 데이터 웨

어 하우스에 통합하여 데이터 마이닝의 패턴분석을 통하여 그에 맞

는 마케팅을 전개함으로 인하여 고객들은 기업들에게 만족을 느끼

고 더 나아가서는 고객들과 동등한 입장에서 고객들과의 깊은 유대

관계를 형성할 수 있다.

68

[표6-6] 고객분류의 차이점

69

제 7 장 결론 및 향후 연구 방향

기존 기업들의 마케팅 방법으로는 고객데이터를 활용하여 e-Mail

이나 기타의 방법으로 고객들에게 무작위로 마케팅을 전개 하였으

나, 이런 방법은 기업들에게 마케팅 비용절감과 기업의 이익에 별

소득이 없었고, 정제되지 않은 정보로 인하여 고객들은 더욱 혼란스

러워 하였다.

기업들의 비즈니스에서 일반적으로 통용되는 파레토 법칙에서와

같이 전체고객의 20%가량이 전체매출의 80%를 차지하는 것으로

상위20%에 포함되는 고객 매출이 나머지 80%인 고객들의 매출과

같다는 것을 말하고 있다. 이처럼 기업 입장에서는 모든 고객을 평

등하게 대우할 수 없는 근본적인 근거라고 할 수 있겠다.

이 논문에서 제시한 고객분류 방안에 대한 연구에서는 고객들이

기업들에게 관심이 있거나 상품에 관심이 있는 고객들을 데이터 마

이닝을 이용한 패턴분석을 통하여 고객의 성향이나 패턴을 조기에

발견하여 정확한 분석을 전개 할 수 있으며, 이러한 고객분류를 통

하여 고객에게 알맞은 마케팅 방식을 적용하여 마케팅 효과를 극대

화 함으로서 얻는 이득과 그에 따른 마케팅 비용절감효과, 그리고

충성도에 따른 고객들을 충성고객이나 일반고객, 잠재고객으로 분류

하여 각 군들을 중점관리 할 수 있다. 또한 이러한 군들에게 각기

다른 많은 혜택들을 부여하여 고객들의 충성도를 효과적으로 높일

수 있다.

70

본 논문에서 제시한 고객분류방안은 2가지의 문제점을 가지고 있

는데, 첫 번째로는 기업들의 상품목록이나 업종에 따라서 고객분류

방법을 달리해야 된다는 것이며, 두 번째로는 실제 기업들의 로그

데이터와 고객 데이터, 컨텐츠 데이터를 바탕으로 하지 못했다는 것

이다. 이에 따라 향후에는 기업이 가지고 있는 기업들의 상품과 업

종에 따른 고객데이터(Customer Data)와 컨텐츠 데이터(Content

Data)를 연계하여 고객분류방안에 대한 연구가 필요 하겠다.

71

[참고 문헌]

[ 국내 문헌]

김기운외 2인, 데이터웨어하우스 기반의 고객관계관리 모델링:프로

세스및 데이터 관점, Information Systems Review, vol.2, no2,

2000.12

김재문, 비즈니스 모델에 맞는 e-CRM, 거름, 2001,02

김형택, 효과적인 인터넷 마케팅을 위한 웹로그 분석, 비비컴,

2001,06

김재형, 인터넷비지니스 기반의 CRM를위한 웹로그분석에 관한 연

구, 한양대, 200.06

MINET, 마케팅 신조류, 경문사 1995

백승, e-CRM환경에서의 최적고객관리를 위한 고객지원시스템 도입

방안에 관한 연구, 건국대, 2000.02

박찬욱, 데이터베이스마케팅, 연암사, 1998.08

아사오카 토모오외 2인, CRM에서 CRE로, 영진Biz.com, 2000.08

아이비즈넷㈜, 인터넷비지니스, 21세기북스, 2000

이코노미스트 99년 8월 10일자

이화직, CRM의 이론과 사례, 한국능률협회, 2000.06

월간 경영과 컴퓨터, 2000 6월호

진서훈, Analytical eCRM 소개(웹 마이닝을 중심으로), 오픈타이드,

2001

최현희, eCRM실무지침, 삼각형 프레스, 2001.07

72

[ 국외 문헌]

Accrue Software Inc, Web Mining White Paper, Accrue White

Paper, 2000

Bamshad Mobasher,N.Jain, E.Han and J.Srivastava,”Web

Mining:Pattern Discovery from World Wide Web Transaction”,

Technical Report TR96-050, Department of Computer Science,

University of Minnesota, 1996

Eric Scmitt, Measuring Web Success, Forrester Report, 1999

Golterman, Jeff ”Using CRM Economics to Build a more Profitable

Enterprise”, Gartner Group, 1999

Knowledge Capital Group (2000)

Learning From Customer Definition : The royalty effect :the hidden

force behind growth, profit, and lasting value “Frederick F.

Recheld and Thomas Teal, Harvard Business Review,1996

OVUM, “CRM in the front office”, 1999

The Economic Intelligence 1998

73

[ U R L 목록]

http://www.ciokorea.com/

http://www.clickmind.co.kr/

http://www.crm.co.kr/

http://www.crmguru.com/

http://www.dbminfo.com/

http://www.dni.co.kr/

http://www.e-bizgroup, 2001

http://www.ecrm21.com/

http://www.gocrm.net/

http://www.i-biznet.co.kr/

http://www.itiscom.co.kr/

http://www.korea.internet.com/

http://www.naro.co.kr

http://www.webpro.co.kr/

http://www.winibiz.com/

http://www.weblog.com/