성공적인 CRM을 위한 레시피

Source : http://www.zdnet.co.kr/itbiz/reports/trend/0,39034651,39167780,00.htm

 

이 글을 보시는 여러분들 중에 CRM라는 단어의 의미를 모르시는 분들은 없으리라 생각이 듭니다.
본 칼럼에서는 CRM과 관련된 기본적인 이론부터 접근해서 실행과 관련된 이슈들을 소개하는 자리를 마련해 보려고 합니다.
특별히 데이터를 중심으로 편성된 eCRM(웹 로그 포함) 분야로 제한하고 말씀드리지는 않겠습니다.
다만 정리된 내용들의 기반은 데이터를 분석하고 해석하는 부분이 많기 때문에 온라인과 관련된 내용이 많다는 점은 분명히 밝혀둡니다. 적어도 설명을 드릴 때 자료의 논리성을 확보하려면 저 역시 데이터에 기반한 논리가 필요하기 때문입니다.
자, 시작해 볼까요?
수익의 극대화라는 절대명제를 가진 기업에서는 궁극적으로 아래의 CRM 구조를 잘 만드는 것이 목표입니다.

clip_image001

오래된 자료이긴 합니다만, CRM의 대부분을 설명할 수 있는 그림 한 장을 뽑으라면 저는 이 그림을 추천해 드립니다.
(1번) 고객상호 작용
(2번) 고객식별
(3번) 고객접근 기록
(4번) (고객에게)적당한 오퍼(보상, 서비스) 결정
(5번) 오퍼(보상, 서비스) 실행
1번부터 3번까지를 ‘고객인지’ 부분이고, 4번부터 5번까지는 ‘고객응대’라고 보셔도 될 것 같습니다. 1번부터 5번까지의 모든 프로세스를 디지털화하여 운영하고 있는 기업도 있고, 직접 손님을 맞이하여 서비스를 제공하고 보내는 아날로그 기업도 있습니다. 또는 일부는 디지털, 나머지는 아날로그 등등 어떠한 형태로든 설명이 가능합니다.
문제는 여기서부터 시작이고 각 단계에서 얼마만큼 효율적으로 대응하는 하는가를 한번쯤 고민해 봐야 할 대목입니다.
Case1) 우리 식당에서는 고객이 방문도 많고 인사도 잘하는데(1번 고객상호작용) 단골 손님들은 없는 거 같네(4, 5번 고객 보상이나 서비스)?
Case2) 우리 웹 사이트 방문자수(3번 고객접근기록)는 감소하는 것 같은데 매출은 그대로네? 사이트 방문이 느는 것 하고 구매 고객(2번 고객식별)의 매출하고는 아무 상관없나 보다.
Case3) 월 매출이 성장해서 기분은 좋은데 이유가 뭐지?
다음으로 생각해 볼 것은 위의 그림에서 효율성 극대를 위해서 문제점을 적극적으로 해결할 수 있는 방안을 모색해야 하고 더 나아서는 각 단계별 처리 속도(고객대응)와 적재적소에서의 리소스 활용이 필요합니다. @

2. 고객알기
숨 고르기, CRM 알고 가자
기업에서의 CRM은 활동은 지난번 소개 드렸던 그림과 같이 순환구조(Closed-Loop)로 이해하셔야 하고, 순환구조의 개선이나 각 단계별로 병목현상이 발생하지 않게 하는 게 가장 중요하다고 볼 수 있겠습니다.
이번 시간의 주제는 “고객알기”입니다.
많은 기업들이 고객에 대한 정보를 획득(Acquisition)하기 위하여 노력하고 있습니다. 하지만 어디서부터 손을 대야 할지, 또는 고객과 관련된 데이터 너무 복잡하거나 많거나 하는 이유로 실제 고객과 관련된 정보에 안테나를 세우고 분석하는 업무담당자는 많지 않은 것 같습니다.
더욱이 오늘날 고객과 관련된 정보는 내부에도 있고 외부에도 많이 존재합니다. 컨설팅 업무를 진행하다 보면 랭키닷컴에 데이터로 이용자들이 경쟁사와 자사를 중복 방문하는 숫자가 점차 증가되고 있는 것을 보아도 쉽게 예측이 가능한 부분입니다.

clip_image001[4]

위 표의 왼쪽은 자사 내부에서 관리 하고 있는 정보들입니다. 인구통계학 정보는 기본적으로 사이트에 가입하는 시점에서 기본적으로 획득 가능한 정보이며, 이용행태와 고객성향정보는 웹 로그 분석이나 내부 운영정보에 Transaction(거래발생시 기록되는 정보)로 기록관리가 됩니다.
고객 등급 정보는 기업에 따라서 있는 경우도 있고 부분적으로 있는 경우도 있습니다. 마지막으로 고객 불만사항 정보는 Call Center나 ARS 또는 내부 Q&A를 통해 접수되는 정보들이 되겠습니다.
우측은 외부 고객 정보입니다. 기업에서 외부정보의 중요성은 점차 증대되어 가고 상황이며, 외부 고객 정보를 얻기 위해 다양한 리서치나 컨설팅, 그리고 최근에는 RSS를 통한 커뮤니티정보 획득과 커뮤니티 정보를 얻기 위한 솔루션까지 등장하고 있는 상황입니다.
이 시점에서 귀사의 고객정보들이 현재 파편정보로 획득되고 있지는 않은지, 혹은 이질적인 정보들로 인한 혼선이 생기지 않는지 판단해야 합니다.
좀더 심화하여 고객을 깊게 이해하기 위한 방법 몇 가지를 정리해 보았습니다.
첫째, 내부자료 검토
‘등잔 밑이 어둡다’는 말처럼 지금도 고객사에 방문하여 보면 내부에 엄청난 자료들이 있습니다. 특히 매출과 관련된 자료들은 다양한 분석을 하여 보고서로 활용하고 있습니다. 여기서 말하는 내부자료 검토란, 현재 매출과 상품위주로 구성된 보고서의 내용을 고객과 연결시켜 재검토 하자는 의미입니다.
예를 들어 ‘2007년 11월 A상품이 전월 대비 23% 증가하여 매출의 주요 점유율을 차지하였다.’ 라는 관점에서 ‘A상품은 신규고객의 매출 비중이 높음 상품’ 등의 고객과 관련된 정보를 함께 정리하는 방식입니다. 고객에 관련된 정보를 수록하는 것은 대상 고객층에 대한 마케팅 기획이나 대응논리를 전개해 나갈 수 있는 중요한 논리가 되기 때문입니다.
둘째, 원천 데이터를 분석해 보자
원론적인 이야기가 될 수도 있겠지만 고객의 가치를 산정하는 방식 중에 RFM(Recency, Frequency, Monetary) 방식이 있습니다. 고객 한 명에 대해 매출이 일어나는 시점을 기준으로 하여 최근성, 빈도, 금액의 가중 점수를 부과하여 고객의 점수를 산정하는 방식입니다.
RFM의 점수가 높다는 것은 자주 구매하거나 많은 매출을 발생시키거나 최근에 해당 상품을 인지하는 것을 의미합니다. 물론 기업들은 이러한 방식을 그대로 적용하지는 않습니다. 적용해야 될 변수들이 늘어났고, 이러한 측정치 만으로는 고객을 이해하는 것이 쉽지 않기 때문입니다.
그러나, 저는 이러한 데이터를 분석해 볼 것을 권합니다. 실제 데이터 가지고 분석을 하게 되면 고객에 대한 R/F/M 등과 같은 측정정보들에 대한 분포를 이해 하 실 수 있습니다. 고객들의 평균 객단가 수준이나 방문빈도 정보는 마케팅 기획업무를 하시는데 유용한 정보로 활용이 가능하고 이러한 측정지표를 가지고 응용하여 고객 세분화에 적용 하는 것이 가능합니다.
셋째, 외부 데이터 이용
고객 알기와 관련된 외부 데이터 이용에서는 일단 자사 이외에 고객의 프로파일 정보를 취득이 불가능 합니다. 다만, 고객들의 이용행태와 관련된 정보와 산업적인 특성 정보는 획득 가능한 정보입니다.
현재 랭키닷컴(rankey.com)에서는 기업에서 필요한 다양한 정보들을 제공하고 있습니다.
랭키통계 정보, 사이트 집중분석, 순위동향, 랭키순위 정보는 언제든지 열람이 가능한 형태로 제공되는 정보입니다. 보다 심도 있게 경쟁사와의 비교분석을 원하실 경우는 Insight2(ASP형태의 고급 데이터 제공 서비스)와 컨설팅 서비스(정량/정성분석 등)로 이용이 가능합니다.
넷째, 고객정보의 뷰(View) 작성
구슬도 꿰야 보배가 되듯이 고객과 관련된 정보 역시 정리가 필요합니다.
아래 그림은 고객을 중심으로 한 데이터의 관점을 정리한 것입니다.

clip_image002

크게 4가지 주제로 고객과 프로모션, 고객과 가치, 고객과 트래픽, 고객과 거래 나눌 수 있으며, 보고서를 작성하거나 내부 리포트를 만드실 경우에 참조로 활용 하시기 바랍니다.
* 프로모션
– 구매 프로세스 이탈고객을 이메일 프로모션 대상 고객으로 활용
– 프로모션의 효율적 의사결정을 위한 분석(프로모션 ROI) 가치
– 기본 관리 항목 도출(기본/구매/회원등급)
관리 포인트 도출(이벤트 효과에 대한 효율분석, 카테고리 연관구매, 반복구매주기 분석, 등급유지 상승을 위한 CSF분석, 회원 프로모션 기획 시 반영)
* 트래픽
– 프로모션 기간 동안 외부 유입경로(배너, 등록기타, 이메일, 직접접속)별 방문과 아이템 매출 연계정보
이벤트 별 방문자가 어떤 외부 유입 경로/서비스로 접근하였는지에 대한 시간적 분석(이벤트 참여자의 구매효과)
– 온라인 활동성과 구매 기여도 측정
– 컨텐츠에 대한 개별 기호도 및 접근경로
* 거래
– 일자 별 매출종합 정보 분석 / 방문한 이용자 매출정보에 대한 분석 @

3. 고객모델 만들기
지금까지 ‘고객알기’를 주제로 해서 내부의 고객정보와 외부의 고객정보에 대한 설명과 고객을 알아가기 위한 방법 네 가지를 설명 드렸습니다.
오늘 이야기 나눌 부분은 ‘고객모델’입니다. 고객모델은 고객의 구매와 온라인의 이용패턴과 관련된 행위 정보를 기반으로 고객을 세분화 하거나 이용등급을 나누는 것을 의미합니다.
가장 궁극적으로 고객의 모델을 만드는 이유는 고객에 대한 전략적 가치 판단의 기준을 찾기 위해서 입니다.
통신사나 금융기관에서는 고객의 정보를 잘 세분화하여 고객들의 프로파일을 관리하고 있습니다. 고객에게 알맞은 요금제도의 설계나 포인트의 사용 정보를 잘 분석하여 고객에 입맛에 맞는 상품들을 추천하기까지 하는 것은 고객들의 모델을 전략적으로 잘 활용하고 있음을 보여주는 예입니다.
만약 기업을 방문하는 고객 전부에게 똑같은 형식의 보상을 주는 방식을 사용하고 계시다면 그것은 고객에 대한 기초적인 분석 활동이 이루어 지지 못했음을 의미하는 것이고, 향후 고객에 대한 전략이 없는 것을 말합니다.

clip_image001[6]

이 같은 고객모델의 구성은 어떻게 할 것인가?
지금 추천해 드리는 방식은 RFM(R : Recency, F : Frequency, M : Monetary)의 고객 가치(CE : Customer Equity)모델과 고객의 생애가치LTV(Life Time Value, 고객생애의 가치 = 거래횟수 X 고객의 잠재수익성 X 고객의 거래 기간)모델을 적절히 배분하여 구성하는 방식입니다. 이는 사업의 성격에 따라 조금씩 상이해 질 수 있는 모델이며, 필요에 의해서는 다양한 구매의 패턴정보도 함께 구성한다면 더욱 고객사에 알맞은 고객 모델이 구성될 것 입니다.
고객모델의 구성은 가장 먼저 고객의 측정 데이터(R/F/M/L)들을 산출하여야 합니다(1). 적어도 6개월에서 1년 전의 고객들의 구매나 온라인의 이용행태에 대한 측정 데이터 기초통계정보를 활용하여 분포도를 확인해 봐야 합니다.
예를 들어 구매빈도(F : Frequency)의 데이터 통계 구성이 1과 4에 집중적으로 구성되어 있다고 한다면 구매빈도의 기준을 1과 4로 각각 잡아서 상-중-하로 구성하는 것도 하나의 고객의 등급 속성별로 구분하는 방식이 될 것입니다.
다른 측정데이터를 모두 분석하여 통계적 기준이나 합의에 의한 기준점을 찾은 이후에는 고객의 데이터 측정값의 기준으로 고객들을 나누어 보는 것입니다(2).
이렇게 하여 나뉘어진 고객의 등급별 정보는 등급별 속성정보로서의 의미와 전략적인 측면에서의 세분화된 정보가 됩니다(3). 여기서 중요한 것은 나누어진 고객의 등급별 속성정보를 지속적으로 관리하고 피드백 해봐야 한다는 것입니다(4). 기준에 의하여 나누어진 고객등급의 고객들이 필요에 의하여 좀더 세분화 될 수도 있고, 비슷한 속성등급으로 병합을 시켜야 할 경우도 필요하기 때문입니다.
장기적으로는 고객모델의 구성 이후에 주간이나 월간 분석자료에 등급별 이용현황(매출, 상품 등의 활동)을 추가로 분석하여 보다 전략적인 측면에서의 고객모델 활용을 만드는 것이 가장 중요합니다. @

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중

%d 블로거가 이것을 좋아합니다: