오뚜기의 데이터 분석 이야기
1. 데이터 분석 - 시작은 변수 설계로 부터(2) [오뚜기의 데이터분석 이야기]
오뚜기
2009. 11. 12. 08:15
지난 번 글에서는 변수 기획을 위해 알아야 할 데이터의 유형에 대해 먼저 살펴 보았습니다.
오늘은 이어서 우리 주변에 어떤 데이터들이 있고 이것을 어떻게 변수화 할 수 있는지 살펴보도록 하겠습니다.
특히, 일상적인 주변 데이터보다는 마케팅 관점에서 우리들이 고객에 대해 알고있거나, 알 수 있는 정보들을 정리해보면 아래와 같습니다.
1) Socio-Demographic Data
번역하면 사회-인구통계학적 데이터입니다. 보통 고객이 회원으로 가입할 때 제공하는 성별, 연령, 직업, 주소와 같은 것들이지요. 특히, 주소 데이터는 아파트 이름일 경우 평당 가격으로 환산하여 그 고객의 소득 수준을 가늠해 보는 등 아이디어를 통해 약간의 변환으로 보다 유의미한 분석이 가능해 집니다.
2) Transactional Data
고객의 거래 내역 데이터입니다. 거래라고 하면 오프라인 매장을 운영하는 경우 매출액, 구매 상품, 방문일이 될 것이고, 온라인 매장의 경우 신규 가입일, 주요 이용 메뉴, 메뉴 이동 경로 등이 될 것입니다. 거래 내역 데이터 역시 창의적인 아이디어와 약간의 가공을 통해 보다 유의미한 변수를 생성할 수 있습니다.
예를 들어
Rule of Two 라는 마케팅 법칙이 있지요. Rule of Two 라는 것은 고객이 처음 구매하고, 두번째 구매를 하게 되면 단골 고객이 될 가능성이 높아진다는 것이지요. 그렇다면 마케터의 입장에서는 신규 고객이 첫 달에 얼마나 자주 방문하고 구매를 했느냐가 중요하게 됩니다. 이를 분석하려면 신규 고객의 가입 후 특정 기간 동안의 방문 일수와 구매 회수, 구매 금액 등을 데이터화 해야 합니다.
그래서, 이런 변수가 만들어 지는 것이지요. Visit_cnt_New_Customer, Buy_cnt_New_Customer, Amount_Buy_New_Customer... 변수는 마케터도 DB 엔지니어 및 개발자도 상호 이해할 수 있는 수준으로 적당히 코드화 시켜 만들면 됩니다. 방금 제가 예로 든 변수는 솔직히 긴 감이 없지않아 있구요. 이해를 돕기 위해 이렇게 만들어 보았습니다. 실제 프로젝트를 할 때는 상호 이해할 수 있도록 변수 및 코드 정의서를 만들어야겠지요.
여기서, 또 하나 느껴지는 부분이 있을 듯 합니다. 변수가 잘 만들어지느냐, 못 만들어지느냐는 실제 분석 업체의 개발자, 컨설턴트에 달린 것이 아니라는 것이지요. 아. 물론 그들은 경험과 노하우가 있기 때문에 충분히 아이디어를 제공해 줄 수는 있을 것입니다. 그러나, 보다 더 중요한 것은 고객과 시장을 잘 이해하고 있는 담당자가 이런 고객들은 이렇더라는 특성을 많이 알고 그것을 변수 기획자에게 이야기 해 주거나, 그들이 고객에 대해 이런 가설이 있는데 검증하고 싶다라든지 하는 정보를 많이 알려주어야 한다는 것입니다.
대체로, 고객과 시장에 정통한 마케터들이 수많은 호기심과 가설을 가지고 있을 때 좋은 변수가 나올 수 있지요.
이와 관련해서 역시 저의 통계분석 선생님 마케팅엔지니어 코리아 이정훈 대표는 "마케터의 아날로그 적 지식이 엔지니어의 디지털 코드로 변환이 잘 돼야 한다고 주장했고, 그래서 하이브리드 직종인 마케터 + 엔지니어 = 마케팅 엔지니어가 조직의 관심을 받고 꽃을 피울 날이 올 것이라는 예측을 하고 계시지요."
음. 선도적인 회사들은 이미 그런 인재들을 뽑아 중용하고 있는듯 하네요.
핫.. 변수 이야기하면서 또 삼천포로...
3) Psychographic Data
고객의 사회 심리학적 특성을 알 수 있는 이 데이터들은 회사 안 보다는 밖에 더 풍부합니다.
예를들어, 마케터가 소속된 회사가 모 DSLR 카메라 제조사라고 하겠습니다. 그리고 이들이 교보문고와 제휴해
사진책을 구매한 고객의 데이터를 획득했다고 할 것 같으면 아주 파워풀한 데이터가 되겠지요.
이와 같이 Psychographic Data 는 Co-marketing 적 관점에서 제휴를 통해 획득할 수 있습니다.
Psychographic 데이터도 아이디어를 통해 다양하게 변수 정의를 할 수 있으며, 여기서는 자주 이용되고 있는 AIO 변수를 소개드리겠습니다.
AIO 분석은 소비자 행동론 이론에 근거하여 시장을 세분화함에 있어 고객의 Activity(활동), Interest(관심), Opinion(의견)을 중심으로 고객을 정의하는 방법입니다.
위에서 예를 든 교보문고에서 사진책을 구매한 이력이 있는 고객은 Interest 가 사진에 있다고 볼 수 있겠지요. 한편, 여행사와 제휴해서 어떤 고객이 필리핀에서 번지점프를 했다는 데이터를 얻었다면 해당 고객에 대해 Activity 가 번지점프다라고 데이터를 입력할 수 있을 테구요. 한겨레 신문을 보느냐, 조선일보를 보느냐는 Opinion 데이터로 볼 수 있겠지요.
이렇게 이론에 근거해 고객의 심리학적 특성을 변수화 할 수도 있겠으나, 단순히 우리 제품에 대해 긍정적이다/부정적이다/중립적이다 이런 식의 프레임으로 고객을 분류해 볼 수도 있겠습니다.
이 역시 마케터가 얼마나 창의적인 아이디어와 호기심을 가지고 있느냐에 따라 달라지는 부분입니다.
음.. 원래 변수 기획 파트는 두 편으로 끝내려고 했는데 쓰다 보니 마지막으로 실 사례를 보여드려야 겠다는 생각이 드네요. 언젠가 기회가 되면 다시 다뤄보겠습니다.
오늘은 이어서 우리 주변에 어떤 데이터들이 있고 이것을 어떻게 변수화 할 수 있는지 살펴보도록 하겠습니다.
특히, 일상적인 주변 데이터보다는 마케팅 관점에서 우리들이 고객에 대해 알고있거나, 알 수 있는 정보들을 정리해보면 아래와 같습니다.
1) Socio-Demographic Data
번역하면 사회-인구통계학적 데이터입니다. 보통 고객이 회원으로 가입할 때 제공하는 성별, 연령, 직업, 주소와 같은 것들이지요. 특히, 주소 데이터는 아파트 이름일 경우 평당 가격으로 환산하여 그 고객의 소득 수준을 가늠해 보는 등 아이디어를 통해 약간의 변환으로 보다 유의미한 분석이 가능해 집니다.
2) Transactional Data
고객의 거래 내역 데이터입니다. 거래라고 하면 오프라인 매장을 운영하는 경우 매출액, 구매 상품, 방문일이 될 것이고, 온라인 매장의 경우 신규 가입일, 주요 이용 메뉴, 메뉴 이동 경로 등이 될 것입니다. 거래 내역 데이터 역시 창의적인 아이디어와 약간의 가공을 통해 보다 유의미한 변수를 생성할 수 있습니다.
예를 들어
Rule of Two 라는 마케팅 법칙이 있지요. Rule of Two 라는 것은 고객이 처음 구매하고, 두번째 구매를 하게 되면 단골 고객이 될 가능성이 높아진다는 것이지요. 그렇다면 마케터의 입장에서는 신규 고객이 첫 달에 얼마나 자주 방문하고 구매를 했느냐가 중요하게 됩니다. 이를 분석하려면 신규 고객의 가입 후 특정 기간 동안의 방문 일수와 구매 회수, 구매 금액 등을 데이터화 해야 합니다.
그래서, 이런 변수가 만들어 지는 것이지요. Visit_cnt_New_Customer, Buy_cnt_New_Customer, Amount_Buy_New_Customer... 변수는 마케터도 DB 엔지니어 및 개발자도 상호 이해할 수 있는 수준으로 적당히 코드화 시켜 만들면 됩니다. 방금 제가 예로 든 변수는 솔직히 긴 감이 없지않아 있구요. 이해를 돕기 위해 이렇게 만들어 보았습니다. 실제 프로젝트를 할 때는 상호 이해할 수 있도록 변수 및 코드 정의서를 만들어야겠지요.
여기서, 또 하나 느껴지는 부분이 있을 듯 합니다. 변수가 잘 만들어지느냐, 못 만들어지느냐는 실제 분석 업체의 개발자, 컨설턴트에 달린 것이 아니라는 것이지요. 아. 물론 그들은 경험과 노하우가 있기 때문에 충분히 아이디어를 제공해 줄 수는 있을 것입니다. 그러나, 보다 더 중요한 것은 고객과 시장을 잘 이해하고 있는 담당자가 이런 고객들은 이렇더라는 특성을 많이 알고 그것을 변수 기획자에게 이야기 해 주거나, 그들이 고객에 대해 이런 가설이 있는데 검증하고 싶다라든지 하는 정보를 많이 알려주어야 한다는 것입니다.
대체로, 고객과 시장에 정통한 마케터들이 수많은 호기심과 가설을 가지고 있을 때 좋은 변수가 나올 수 있지요.
이와 관련해서 역시 저의 통계분석 선생님 마케팅엔지니어 코리아 이정훈 대표는 "마케터의 아날로그 적 지식이 엔지니어의 디지털 코드로 변환이 잘 돼야 한다고 주장했고, 그래서 하이브리드 직종인 마케터 + 엔지니어 = 마케팅 엔지니어가 조직의 관심을 받고 꽃을 피울 날이 올 것이라는 예측을 하고 계시지요."
음. 선도적인 회사들은 이미 그런 인재들을 뽑아 중용하고 있는듯 하네요.
핫.. 변수 이야기하면서 또 삼천포로...
3) Psychographic Data
고객의 사회 심리학적 특성을 알 수 있는 이 데이터들은 회사 안 보다는 밖에 더 풍부합니다.
예를들어, 마케터가 소속된 회사가 모 DSLR 카메라 제조사라고 하겠습니다. 그리고 이들이 교보문고와 제휴해
사진책을 구매한 고객의 데이터를 획득했다고 할 것 같으면 아주 파워풀한 데이터가 되겠지요.
이와 같이 Psychographic Data 는 Co-marketing 적 관점에서 제휴를 통해 획득할 수 있습니다.
Psychographic 데이터도 아이디어를 통해 다양하게 변수 정의를 할 수 있으며, 여기서는 자주 이용되고 있는 AIO 변수를 소개드리겠습니다.
AIO 분석은 소비자 행동론 이론에 근거하여 시장을 세분화함에 있어 고객의 Activity(활동), Interest(관심), Opinion(의견)을 중심으로 고객을 정의하는 방법입니다.
위에서 예를 든 교보문고에서 사진책을 구매한 이력이 있는 고객은 Interest 가 사진에 있다고 볼 수 있겠지요. 한편, 여행사와 제휴해서 어떤 고객이 필리핀에서 번지점프를 했다는 데이터를 얻었다면 해당 고객에 대해 Activity 가 번지점프다라고 데이터를 입력할 수 있을 테구요. 한겨레 신문을 보느냐, 조선일보를 보느냐는 Opinion 데이터로 볼 수 있겠지요.
이렇게 이론에 근거해 고객의 심리학적 특성을 변수화 할 수도 있겠으나, 단순히 우리 제품에 대해 긍정적이다/부정적이다/중립적이다 이런 식의 프레임으로 고객을 분류해 볼 수도 있겠습니다.
이 역시 마케터가 얼마나 창의적인 아이디어와 호기심을 가지고 있느냐에 따라 달라지는 부분입니다.
음.. 원래 변수 기획 파트는 두 편으로 끝내려고 했는데 쓰다 보니 마지막으로 실 사례를 보여드려야 겠다는 생각이 드네요. 언젠가 기회가 되면 다시 다뤄보겠습니다.