최홍국 디비엠코리아 대표 약력
80년 고려대 심리학과 졸업
82년 미국 스티븐스 인스티튜트 오브 테크놀로지대 산업심리학 석사
93년 영국 옥스퍼드대 정치심리학 박사과정 수료
94년 코래드 Ogilvy & Mather 조사국장·연구위원
98년 청와대 국정 홍보조사 자문위원
현재 디비엠코리아 대표이사
무한경쟁시대를 사는 최근 기업들에게 CRM(Customer Relationship Management)과 인터넷 기반의 eCRM이 주목을 받고 있다.
CRM이란 고객관계를 지속적으로 축적하고 분석해 고객에게 최적의 제품 및 서비스를 제공하고 기업의 수익을 극대화하기 위한 시스템적 방법이라고 할 수 있다.
CRM 구현을 위한 구성요소로는 데이터웨어하우스·데이터마트와 같은 데이터 저장소와 OLAP·데이터마이닝을 이용한 분석기법들, 그리고 이를 활용하는 채널로서 캠페인관리, SFA(Sales Force Automation, CSS(Customer Support & Service), DM 등이 있다. 구현단계는 기업의 비즈니스 내용에 따라 다르지만 일반적으로 다음과 같은 단계를 거친다.
먼저 CRM 시스템의 정보기술적 구현에 앞서 현황분석을 통한 프로젝트 마스터 플랜의 기획이 필요하다. 마스터 플랜이 작성되면 데이터베이스(DB) 정비작업 단계로 들어간다. 기업에 따라 데이터웨어하우스를 새로 구축하거나 고객관점으로 확장 및 변경하는 작업을 수행한다. 이 단계에서는 가망고객 자료 및 고객 신용정보, 영업직원 보유정보, 이벤트를 통한 자료, 경제정보, 인구통계학적 정보 등 다양한 정보가 하나의 통합된 DB형태로 구축된다. 이러한 데이터들은 프로젝트의 환경에 따라 다양한 소스 시스템으로부터 전송받게 되는데 이러한 부분을 처리하기 위해 ETT(Extract, Transfer, Transformation) 시스템을 사용한다.
ETT 시스템은 기업 내 정보기술(IT) 환경의 무절제한 데이터를 데이터웨어하우스로 이동시키기 전에 기업조직과 환경에 맞는 최적의 데이터로 변경하는 작업을 수행한다. 고객접점에서부터 내부에 이르기까지 형성된 운영계 시스템 데이터뿐만 아니라 메타데이터 역시 정제 및 변형작업을 수반하므로 프로젝트 환경에 따라 최적화된 형태의 ETT 시스템을 필요로 함은 자명하다. 일반적으로 데이터웨어하우스 구축시 50∼60%의 시간과 노력이 ETT 작업에 든다고 하므로 데이터웨어하우스의 성패가 여기에 달려 있다고 봐도 과언이 아닐 것이다.
고객관점의 데이터웨어하우스가 구축되면 데이터 규모와 비즈니스 방향에 따라 데이터마트를 구축한다. 데이터웨어하우스가 비대해져 OLAP(On Line Analytical Processing) 또는 데이터마이닝 작업시 과도한 시스템 부하와 시간을 요하는 경우나 특정한 주제(예:3개월 동안 부서간 매출규모의 변화 및 향후 예측)에 의한 분석을 필요로 하는 경우에 소규모 데이터웨어하우스인 데이터마트를 구축하게 된다.
이렇게 형성된 데이터웨어하우스 및 데이터마트가 기업의 의사결정에 필요한 정
보기반 구축의 초석이라고 한다면 OLAP와 데이터마이닝은 이러한 초석을 활용해 기업 의사결정을 지원하는 기술(DSS:Decision Support System)로서 축적된 정보의 효과적인 분석 및 활용 도구라고 할 수 있다.
OLAP 시스템은 고객세분화, 구매성향분석, 이탈고객 특성분석, 불량고객 특성분석, 우수고객 특성분석, 우수점포 및 영업직원 특성분석 등 다양한 분석을 통해 고객접점에서의 활동과 의사결정에 필요한 정보를 신속하고 정확하게 제공하는 기능을 수행한다. OLAP 시스템은 OLAP 데이터가 저장되는 물리적인 장소 및 OLAP 데이터의 처리공간에 따라 구분되는데 일반적으로 네 가지 모델로 분류된다.
ROLAP는 관계형 DBMS의 기능을 그대로 이용할 수 있으므로 상세수준 데이터를 대상으로 하거나 차원구성 항목들이 급격히 변경되는 경우에 적합한 모델이다. MOLAP는 다차원 데이터의 저장과 프로세싱에 동일한 엔진을 사용해 다수의 사용자를 대상으로 빈번한 데이터 입출력이 일어나거나 복잡한 대규모의 다차원 연산 필요시에 적합하다.
HOLAP는 ROLAP와 MOLAP의 장점을 모두 통합하기 위한 모델로 통합성과 기능성이 뛰어나기는 하지만 현실적으로 개발 및 유지보수가 어렵고 고비용을 요구하므로 널리 쓰이지는 않고 있다. DOLAP(Desktop OLAP)는 분석에 필요한 데이터를 클라이언트에 특수한 파일형태로 저장하므로 비교적 설치와 관리가 용이하고 유지보수 부담이 적으며 낮은 비용으로 구축할 수 있지만 대용량 데이터 처리가 불가능하므로 소규모 데이터마트에 특화 적용된다.
OLAP가 비즈니스 관점에서 유용한 질문에 대한 해답을 제시해 준다면 데이터마이닝 작업은 축적된 정보들을 이용해 이러한 유용한 질문을 찾아주는 역할을 한다. 데이터마이닝은 자료로부터 새로운 지식을 창출해 내는 프로세스의 핵심적 과정이며 어떤 프로세스인가에 따라서 다양한 기법들이 연속적으로 적용된다. 예를 들면 교차판매를 시도할 가능성이 큰 고객들을 확인하기 위해 고객 DB를 세분화하는 기법을 적용한 후 세분화된 고객집단에서 구매행동의 공통점을 발견하게 된다.
실제로 비즈니스에 필요한 관계 및 패턴의 조사를 위해서 여러 가지 마이닝 기법들이 사용된다. 대표적인 기법들로는 연관규칙분석, 분류분석, 군집분석, 추정분석과 같은 것들이 있다. 이 외에도 모델링, 타임시리즈 포캐스팅(time-series forecasting), 모델 비주얼라이제이션(model visualization) 등 다양한 마이닝 기법들을 통해서 비즈니스에서 유용한 패턴 및 관계를 밝혀내게 된다.
OLAP와 데이터마이닝은 데이터웨어하우스(또는 데이터마트)의 분석을 통해 추후 고객관계의 최적화를 위한 전략수립 및 비즈니스 의사결정에 있어 중요한 정보를 지원한다. 예를 들어 고객 프로파일링과 세그먼테이션을 통해 유사고객을 하나의 부류로 묶어서 시장의 세그먼테이션을 구성하며 현재 고객행동양식에 근거해 미래의 고객행동양식을 예측, 이탈가능 고객을 추정한다.
또 고객의 현재가치, 현재수입, 예측한 미래의 수입과 소비형태에 의거해 스코어링(scoring)하고 이를 통해 LTV(Life Time Value)를 측정하며 현재와 미래의 고객관련 위험도를 분석해 연체 위험도를 분석하기도 한다. 이러한 고객가치 측정은 CRM의 성공이 얼마나 효율적으로 개개인의 고객정보를 전략적인 자산으로 활용하는가에 달려 있다는 점에서 무척 중요하다고 할 수 있다.
분석된 정보들로부터 도출된 전략을 활용하기 위해 다양한 마케팅 채널을 활용하게 된다. 대표적인 마케팅 채널로는 영업(대리점, 영업점), 콜센터, DM, 캠페인관리, 고객서비스 센터 시스템 등이 있다.
지금까지 살펴본 것과 같이 CRM의 성공을 위해서는 고객접점의 여러 채널들과 연계되는 데이터마트의 구축 및 차별화된 분석기법의 적용이 선행돼야 하며 신속, 정확한 정보의 전달과 활용을 위한 유기적 순환관계를 형성하기 위해 시스템 통합과정을 거쳐 구현돼야 한다.
eCRM의 구현에 있어서도 웹호스팅을 통한 데이터 축적과 이를 기반으로 한 웹마이닝 과정, 그리고 마이닝을 통해 도출된 결과를 고객 접점의 마캐팅 채널에 활용하는 프로세스는 앞서 기술한 바와 유사하다.
하지만 데이터 추출 경로가 주로 웹사이트라는 점, 웹사이트내에서 발생하는 클릭 스트림 데이터와 이를 이용한 웹마이닝, 웹호스팅 결과 나타나는 거대 DB, 그리고 대표적 고객접점이 웹사이트 자체라는 차이점들로 인해 개별 구성요소들은 다른 형태로 구현된다.
데이터웨어하우스에 해당하는 웹 하우스에는 웹사이트를 통해서 제공되는 여러 가지 고객관련 데이터가 저장되는데 고객 프로파일 데이터와 고객 히스토리 데이터로 나눌 수 있다. 프로파일 데이터는 고객이 웹사이트에 가입시 입력한 정보 등으로 고객에 따른 개별적 특성을 말한다. 히스토리 데이터는 고객이 특정상품 및 서비스를 검색하는 행동, 사이트의 특정정보에 접근하는 행동(예:특정상품 동영상을 다운로드), 거래시 행동, 사이트의 오류에 접근하는 행동 등 웹사이트에서 일어나는 수많은 고객행동들을 포함한다.
이러한 고객 히스토리에 관한 데이터는 웹서버 및 애플리케이션 서버의 로그 데이터를 원천으로 제공된다. 이러한 데이터 가운데 사이트 내에서의 클릭경로에 따라 결정되는 것을 클릭 스트림 데이터라고 한다.
eCRM에서 분석의 대상이 되는 대부분의 정보는 이러한 클릭 스트림 데이터에 기반을 두고 있다. 기간별 데이터 축적은 기존 CRM과 비교해 무척 커지게 된다. 그러므로 효과적인 분석을 위해 목적에 따라 여러 개의 데이트마트를 형성하는 것이 일반적이다. 또 OLAP 보다는 웹마이닝 기법을 통해서 의사결정시스템(DSS)을 형성한다(OLAP를 이용해 분석하는 것은 데이터의 성질과 규모상 너무나 큰 오버헤드를 감수해야 한다).
웹마이닝을 기반으로 분석된 결과는 목적 및 기술적 제약에 따라 즉각적, 또는 일정기간 후 고객접점에서 고객에 따라 차별화된 콘텐츠와 서비스를 제공하기 위해 이용된다. 이는 앞서 설명한 기존의 CRM에서와 대동소이하다고 할 수 있다. 일반적으로 관련업계에서 기존의 CRM을 위해 최소 5년의 데이터 축적이 필요하다고 한다. 이에 비해 eCRM에서는 1년 정도의 웹하우징 데이터를 통해 CRM을 시행할 수 있다는 점은 매력적이지 않을 수 없다.
CRM 전문가들조차도 준비 및 구축 과정에서의 막대한 노력과 비용에 비해 결과는 기대수준을 만족시키지 못할 수 있다는 우려를 표명하고 있다. 또한 어떤 CRM 솔루션 사업자들도 비즈니스의 성공을 보장해 주지는 못하고 있다. 그럼에도 불구하고 CRM 및 eCRM 사업은 그 규모와 기술에 있어서 계속적으로 진보해가는 일로에 있고 고객의 욕구는 더욱 다양화, 고급화될 것이 명확하다. 이런 현실에서 고객의 욕구를 충족하고 경쟁력을 강화하는 통합 시스템의 필요성은 부인할 수 없다.