롯데카드는 롯데그룹의 유통, 서비스 인프라를 활용하여 활발하게 금융 서비스를 제공하는 신용카드사입니다. 개인 소매 금융 현금 서비스, 무이자 할부 등의 서비스를 제공합니다. 같은 제 2 금융권인 증권사, 카드사, 캐피탈 뿐 아니라 제 1 금융권과 경쟁하며 차별화를 두기 위해, 고객 데이터를 중심으로 사업을 증진 시킬 방안을 찾게 되었습니다. 이를 위해서는 오프라인과 온라인 고객의 데이터를 통합하는 작업이 필요하여, 데이터 엔지니어링 컨설팅을 받게 됩니다. 어떤 결과를 얻었을까요?
고객 배경
롯데카드는 내부 CRM 데이터에 웹/앱 로그 데이터 결합하여 개인화 마케팅을 고도화하고자 했습니다.
롯데카드는 직접 수집하고 있는 CRM 데이터와, 롯데카드 웹/앱 방문 고객의 행동 데이터를 보완 후 서로 결합시키기를 원했습니다. 마케팅 고도화를 목표로 오프라인과 온라인 속 고객의 관심사와 행동을 보다 풍부하게 포착하여, 향후 ML 및 AI 기술 도입의 기반을 만들기 위함이었습니다. 그러나 이 데이터들은 누락도 있고 현업에서 직접 서로 매칭시켜 활용하기에는 양적, 질적으로 어려움이 많았습니다. 하여 비즈스프링은 필요한 데이터를 누락 없이 정제하여 실용성 높은 빅데이터 환경을 구성하는 방향으로 프로젝트를 진행하였습니다.
Challenge
솔루션
비즈스프링은 온·오프라인 결합 고객 데이터 구축하여 마케팅 수준 향상을 위한 기반을 마련했습니다.
마케팅 기술 영역에서 발전된 CRM에서 한발짝 더 나아간 Next CRM의 일환으로, CDP 개념이 부상하고 있습니다. 기존의 고객 관리 및 거래 데이터에 디지털 상 고객의 행동/기여 데이터를 용접하여 보다 입체적인 고객 이해를 이루어낸다는 것입니다.이러한 이해를 실현하기 위해, 산업 내 실무에서 필요한 데이터를 구체화한 후 기존 수집 중인 데이터를 보완하는 방식으로 데이터 베이스를 구성하도록 방향을 잡았습니다. 바로 실무에 적용 가능하도록 자동 정제와 적재 과정을 거치도록 기획하였으며, 특히 고객사에서 계획하고 있는 여러 분석 모델에도 활용 가능할 것을 염두에 두며 프로젝트를 진행하였습니다.
💡 적용 솔루션
1. 현업/비즈니스 인터뷰 통한 데이터 요건 및 활용 프로세스 명목화
데이터 수집 첫 단계로 1) 현재 수집 중인 데이터 2) 현업/비즈니스에서 필요한 데이터 3) 추가로 수집 가능한 데이터, 3가지 항목을 각각 조사하였습니다. 3)의 경우, 2)의 인터뷰를 통해 오디언스와 고객 세그먼트를 이해한 후 진행하여 보다 산업에 알맞은 데이터를 제안했습니다. 3가지 항목을 병합하여 데이터 요건 리스트 작성 후, 정제된 데이터 결과물이 각 부서의 실무에서 어떤 방식으로 어떻게 활용될 수 있는지 기획하였습니다.
2. 활성/잠재/이탈고객 등 대상 맞춤형 행동 지표 실시간 수집과 적재
구체화된 데이터 요건들을 실제로 수집하기 위해 태깅 작업을 설계하였습니다. 활발하게 활동 중인 고객인지, 잠재 고객인지, 이탈할 것으로 보이는 고객인지, 고객별 관심사와 주요 행동 패턴은 무엇인지 등을 체크할 수 있도록 모든 고객의 상세한 행동 데이터를 실시간으로 수집할 수 있도록 했습니다. 또 이러한 고객별 상세 데이터는 방문 page와 session, event 단위로 각각 전처리한 후, Google BigQuery에 자동 적재되도록 설정하였습니다. 추후에 데이터 베이스에 확장이 필요해도 유연하게 대응 가능한, 고객 빅데이터 환경이 갖추어진 것입니다.
3. 행동 데이터 사내 DB와 연계 후 내부 CRM DB에 자동 전달
고객 ID를 기준으로, BigQuery의 고객 행동 데이터와 CRM 데이터를 결합하는 작업과 CRM DB에 데이터를 업데이트하는 작업이 자동 스케줄링 되도록 설계하였습니다. 이로써 실무자들은 매일 최신의 기본 고객 정보와 행동 데이터를 함께 사용할 수 있게 되었습니다. 고객이 어떤 인구학적 특징을 가지며, 어떤 채널을 통해 유입되는지, 주로 어떤 상품을 살펴보는지, 얼마나 화면에 머무는지, 어떤 컨텐츠를 관심 있어 하는 지 등 행동 데이터를 세부적으로 확인하여 고객 이해를 심화할 수 있었습니다.
결과 도출
고객 빅데이터 환경 구축으로 개인 맞춤 마케팅과 명확한 퍼포먼스 측정이 가능해졌습니다.
금융권에서는 상품이나 서비스, 마케팅을 기획하는 단계에서 초개인화 전략을 사용하여 점차 유의미한 결과물을 내고 있습니다. 고객 개인에게 맞는 상품이나 콘텐츠를 추천하거나, 고객의 선호도 기반으로 새로운 상품을 기획하는 것이 그 예입니다. 이러한 전략을 위해서는 가능한 모든 연결 채널로부터 고객 데이터를 수집하고, 하나의 뷰(View)로 통합하여 고객을 보다 잘 읽어내어 대응하는 과정이 필요합니다.
본 프로젝트를 통해 롯데카드는 사내 전문가 영입 없이도 통합된 고객 데이터 뷰를 바로 실무에서 활용 가능하게 되었습니다. 마케팅과 판매 성과를 연결하고 그 과정 속 고객의 행동을 추적하여 보다 나은 고도화된 분석이 실현될 것입니다. 나아가 추후 ML과 AI 기술을 활용한 자동 고객 최적화 상품/서비스 추천 기능을 개발할 때, 그 밑바탕이 되어줄 것입니다.
Performance
지금까지 CRM과 로그 데이터 결합으로 개인화 마케팅 환경을 구축한 사례에 대해 소개했습니다.
위 사례는 금융권 기업에 대한 것이지만, 개인 맞춤 상품/서비스가 각광 받는 것은 모든 산업 전반에 걸쳐 두드러지고 있는 상황입니다. 그에 발맞춰 기업은 다양한 고객 정보를 얼마나 잘 모으고, 얼마나 잘 가공하여, 얼마나 잘 활용하는지에 따라 경쟁력을 갖추게 됩니다. 이러한 고객 정보, 특히 웹/앱 행동 데이터와 마케팅 데이터에 관련하여 비즈스프링은 20여년의 노하우를 가지고 있습니다. 기업, 그리고 기업의 고객에 맞춰 높은 수준의 데이터 엔지니어링 컨설팅을 진행해드립니다.
개인화 마케팅 환경 구축을 기반으로 고객에 대한 깊은 이해를 희망하는 분들께 도움이 되었길 바랍니다.
최신 마케팅/고객 데이터 활용 사례를 받아보실 수 있습니다.