[정보] 빅데이터(Bigdata)시대의 마케팅활용

날고싶은 커피향

빅데이터(Bigdata)시대의 마케팅활용 관련 자료입니다. 

내용 참고 하시기 바랍니다. 

이제는 빅데이터를 많이들 활용하고 있는 것 같습니다. 

빅데이터(Bigdata)시대의 마케팅활용 from Marketcast

Transcript

1. BigData 시대의 마케팅 활용 마켓캐스트 대표 김형택 (trend@webpro.co.kr)

2. 이 자료는 2012년 9월 19일 벤처기업협회 빅데이터 비즈니스 세미나에서 “빅데이터(Bigdata) 시대의 마케팅 활용”주제로 발표한 자료 입니다. 발표자료에 관한 문의 및 추가정보는마켓캐스트( www.marketcast.co.kr)를 참고해주시기 바랍니다.

3. 1Marketing Communication 의 변화

4. 존재(Presence) 편재(Ubiquity)

5. 고객의 TPO(Time, Place, Occasion)접점을 기반한 실시간 개인화 및 다양한 브랜드 경험 전달

6. 지금 , 바로, 이순간(Nowism) Nowism

7. ATL은 소비자의소비자의 개성화, 분중화로 인 제품에 대한 인지 TV-Keyword한 소비자와의 새로운 관계형성의 필요 ATL 도나 태도에 영향 Banner AD (Above the Line) 을 주는 간접적인 마케팅 커뮤니케이 Keyword AD일방적인 커뮤니케이션보다는쌍방간의 커뮤니케이션이나 션 수단체험을 더 중시하기 시작 Integrated Marketing Engagement미디어에 대한 소비자의 태도의 변화 Communication기업 측면에서도 브랜딩을 위 Event해 고객과의 모든 접점을 관리 BTL은 소비자의 구 Viral브랜드 관점에서 BTL영역간의 BTL 매유발이나 촉진이 PPL 라는 보다 직접적인전략적 조정이 가능 (Below the Line) 마케팅 커뮤니케이 OOH 션 수단 E-mail Social IMC(Integrated Marketing Com) Nowism

8. 2Marketing Tech 및 DB의 변화

9. Communication Targeting Engagement Experience ManagementSource: http://www.lumapartners.com/ Marketing Technology Landscape

10. Source: Teradata Big Communication Nowism

11. “ 향후 활용하고자 하는 BigData 종류 ” 70.0% 66.0% 60.0% 53.3% 60.0% 50.0% 50.0% 40.0% 40.0% 26.7% 30.0% 25.0% 30.0% 20.0% 20.0% 15.4% 0 12.6% 12.1% 11.1% 9.8% 7.9% 10.0% 7.6% 7.3% 5.8% 5.6% 4.7% 10.0% 6.5% 0.0% 0.0%Source: http://www.keyman.or.jp BigData 활용 데이터종류

12. 영역 진행개요 내부데이터 Database 외부데이터 File Management 소스 File,Multimend 크콜링 검색엔진 로봇을 이용한 데이터 수집 수집 ETL 소스데이터의 추출, 전송,변환, 적재 NoSQL DB 비정형 데이터 관리 저장 Storage 빅데이터 저장 Servers 초경량 서버 MapReduce 데이터의 추출 Processing 다중업무처리 처리 NLP(Neuro Lingustic Programing) 자연어 처리 Machine Learning 기계학습을 통한 데이터 팬터발견 분석 serialization 데이터간의 순서화 Visualization 데이터 도표 및 그래픽 Acqusition 데이터 재해석 및 구현 레포팅Source: 한화증권 리서치 센터 BigData 처리 프로세스

13. 구분 내용 데이터 마이닝 대용량의 데이터, 데이터베이스 등에서 지식, 경향, 규칙등의 유용한 정보를 발견 (Data Mining) 정보의 연관성(순차패턴, 유사성)을 파악하여 의사결정에 적용 텍스트 마이닝 자연어로 구성된 비정형 텍스트 데이터에서 패턴 또는 관계를 추출하여 정보 발견 (Text Mining) 사람들이 표현하는 언러를 이해할 수 있는 자연어처리 기술이 기반 인터넷상에서 수집된 정보를 데이터 마이닝으로 분석통합 웹 마이닝 콘텐츠 마이닝(웹검색, 수집데이터), 구조마이닝(웹사이트 구조), 활용마이닝(사용자 이용 (Web Mining) 형태) 등으로 세분화 소셜 마이닝 소셜미디어에 올라오는 글과 사용자를 분석해 소비자 흐름 및 패턴 발견 (Social Mining) 마케팅, 트렌드, 리서치 등의 다양한 분야 활용 사람들의 행동패턴을 예측하기 위해 사회적 행동과 관련된 정보기기 현실 마이닝 (핸드폰,GPS, CCTV)통해 분석 (Reality Mining) 휴대폰 등 모바일 기기들을 통해 현실에서 발생하는 인간관계 및 행동패턴 추론Source: 한화증권 리서치 센터 BigData 데이터 마이닝 기법 Nowism

14. DB 마케팅 1to1 마케팅 Context 마케팅 Concierge 마케팅~ 90년대 말 00~05년대 말 06~現在 Future 고객 Activity 고객 Interaction 고객 Context 고객 Think Web(Log) Social Sensor NeuroDMPOS E-mail Location BioERP Search Marketing Data Paradigm Shift

15. Relevance Reliability 명동 Micro segmentation 13:00(Contact Management) 쇼핑 즉시성 발라드 14:00 비 문제해결 상호작용 체험성 브랜드관계구축 TPO의 결합된 Concierge Micro Targeting & Context

16. 3Marketing 분석범위 및 사례

17. Source: McKinsey Global Institute analysis Marketing BigData 분석 범위

18. 연령대/성별기 일반적이고 동일한 Offer 오픈/클릭 Offer현재 준Targeting 동일한 전달 제공 중심의 단순한 A 메시지 결과분석 Targeting 고도화 Offer 타겟집단 Offer A 고객니즈 / 행동 니즈/행동 기 니즈별 Multi-Offer 테스트 Campaign향후 반Targeting 설정을 통한 다양한 Offer 차별화된 전달 제공 결과분석 B 메시지 Offer C Needs 기반 분석

19. 디지털카메라가 있는 당신을 위한 메일제목디지털카메라 최적의 서비스!! 메일내용 디카 통합검색에서 관련 키워드 입력 고객 추출 (http://search.XXX.com/search/index.php?Query= 캐논 디카)디지털카메라 포토 타사이트 검색을 통해 관련 키워드 입력후폰카 유입한 고객 추출 (http://search.empas.com/search/all.html?q=DSL DSLR R)디카추천 올림푸스 쇼핑에서 디지털카메라관련 상품 클릭한 고객 추출 소니 Needs 기반 분석 타겟팅

20. - 소셜미디어 회사인 코스믹스(Kosmix) 인수- 트위터의 트윗, 페이스북의 Feed 등을 해석하여 인물, 사건, 장소, 제품, 조직 등의 관계 분석.- 변화하는 소비자의 패턴을 분석하여 적재적소에 필요한 물품을 빠르게 제공함 으로써 불필요한 재고 낭비 방지,고객이 원하는 물품을 충분히 공급할 수 있기 때문에 점포당 고객 만족도 향상 월마트 소비자 행동패턴분석

21. - 세계 최대의 카지노 호텔 그룹 해라스 엔터테인먼트는 토털리워드(Total Reward)라는 고객 로열티프로그램에 입각해 거대한 데이터 베이스와 실시간 분석시스템을 구축- 방문일시, 주로즐기는 게임, 지출금액, 게임시간, 좋아하는 식사, 음료 등의 고객들의 다양한 행동패턴의사결정 수립- 50만명의 고객데이터를 분석한 결과 진정한 충성고객은 부자여행객, 도박중독자가 아닌카지노 근교에 사는 평범한 50~60대 직장인 었음. 기존의 호화시설 및 쇼 대신 세심한 고객서비스에 주력하는 방식으로 마케팅을 전환 해라스 엔터테인먼트 고객행동패턴분석

22. - 고객들의 영화 취향 데이터를 분석하고 고객이 가장 선호할 영화를 추천하는 시스템 개발(시네매치), 고객이 과거에 대여한 영화목록과 시청한 영화에 부여한 평점 등의 데이터를 분석(10만 개의 영화정보, 1,600만 명 고객의 시청이력 정보에 대한 분석 추진- 각 고객별 웹사이트 내 실시간 행동패턴을 분류하여 개인별 맞춤형 페이지를 구축하고, 최적화된 영화 콘텐츠를추천하여 하루 평균 50억 개 추천- 넷플릭스 고객 중 60%는 추천 받은 콘텐츠를 이용하였으며, 총 콘텐츠의 90%가 최소 한달에 한번씩 대여 Nexfilx 고객추천

23. - 300만명이 넘는 가입자로부터 매일 170억건 이상의 통화 및 송수신 내역을 담은 데이터 발생,이를 분석해 다른 통신사로 옮긴 고객이 사전에 보였던 특유의 패턴발견- 고객간 소셜네트워크를 분석, 영향력이 큰 고객을 따라 지인들이 동반 이탈하는 현상 발견, 이탈 징후 보이는 고객에게 맞춤형 추가혜택 제공하여 Lock-in 유도- 시스템 구축 직후인 2011년 2/4분기 이탈 고객수 5만명 으로 1/4분기 9만9천명 절반수준 감소 T-Mobile 고객이탈 분석

24. - 공공 보조금 이 매우 낮은 동물원인 신시내티 동물원(Cincinnati Zoo & Botanical Garden)은 관람객을 늘리고식음료 과 유통 판매를 향상 모색- 6개월 동안 신시내티 동물원을 방문한 13,000명 이상의 관람객이 입장료 외에는 돈을 쓰지않음. 입장객 과 식음료 판매 데이터를 분석하여 여름 기간동안 하루가 끝날 무렵 아이스크림 가판대를 추가로 몇 시간 더 열어둠으로써아이스크림을 하루에 2,000달러 이상 판매 신시내티 동물원 매출분석

25. - 일본의 Nishitetsu Store 는 2012년 3월 빅데이터를 이용한 회계시스템 구축(Hadoop)- 매월 그룹 단위의 상품 원가율을 입고액과 매출액으로 산출하는 회계시스템에서 매일 단위 상품의 원가율을 산출하는 체계로 변경하여 단일 상품별 원가율 과 원가 변동추이를 분석하여 이익율이 높은 상품에 대한 일자별 주력마케팅 정책을 수립 Nishitetsu 마진분석

26. - 로손의 구매데이터, PONTA 카드의 결제데이터, Yahoo Japan 의 인터넷 행동 데이터를 기반 분석- 고객의 구매여부 및 충성도를 분석하여, 제품 수요예측 활용, 야후의 고객행동데이터를 결합하여 고객 마케팅 캠페인 적용(1일 2500만건 분석)- 고로케를 가장 많이 구매하는 연령층이 60세 이상으로 나타났으며, 카드데이터 분석 결과 도보 5분거리의 손님이 가장 많은 것으로 분석 구매 데이터 LAWSON CVS 3500만 회원중 로손 고객은 300 만명 PONTA Card Yahoo Japan 결제 데이터 인터넷 행동데이터 LAWSON 고객구매패턴분석

27. Source: www.geovision.co.kr Geo vison 상권분석

28. Source: 한화증권 리서치 센터

29. 4Marketing 분석의 변화

30. Local Search Payment eBay

31. Nike “Fuel Band ”

32. Agile Route “Shopperception”

33. MKT 4P Big Data 4PProduct ConciergePrice ConfidencePlace ContextPromotion Connect (seamless) Big Data 4P

34. URL: www.marketcast.co.krE-mail: trend@webpro.co.krTwitter: @youforyouFacebook: facebook.com/trendcast