17년의 데이터 분석 경험이 알려주는 빅데이터 산업의 비밀
17년의 데이터 분석 경험이 말해주는 빅데이터 산업의 비밀
이 글은 17년의 데이터 분석 경험을 가진 게스트 Chen Chen과의 다큐멘터리 인터뷰를 바탕으로 작성되었습니다. 산업.
이번 호 독점 인터뷰 게스트: Chen Chen
이력: 현 Dentsu Aegis Network 데이터 분석 부서 수석 이사 – Merkle(DAN – Merkle) 중국(상하이/난징) , 현재 Merkle Nanjing Company의 총책임자. 미국, 캐나다, 중국의 컨설팅 업계와 업계 선두 기업에서 데이터 마케팅, 위험 분석, 정량 모델, 고객 관계 관리 전략 분야에서 17년 이상의 경험을 보유하고 있으며 마케팅, 정량적 방법에 있어 탄탄한 기반을 갖추고 있습니다. , 계량경제학, 통계학을 전공했으며 소매 업계의 마케팅 모델 및 신용 평가 모델에 대한 은행/금융/광범위한 프로젝트 배경을 확립했습니다.
Q: 기업이 데이터의 가치를 탐구하고 싶지만 여러 가지 이유로 인해 데이터 자체에 불완전한 차원이 있거나 누락된 차원이 많이 있는 경우. 수년간의 프로젝트 경험을 활용하여 이러한 유형의 기업이 데이터를 효과적으로 사용할 수 있는 방법을 공유해 주시겠습니까?
첸 첸: 광고와 마케팅의 경우 데이터 차원이 더 유용할수록 좋습니다. 기업 자체 CRM이 매우 완벽하더라도 이를 다른 데이터 소스로 보완하는 것은 기존 고객 그룹을 이해하고 다음 마케팅 활동을 준비하는 데 매우 도움이 될 것입니다.
사실 어떤 데이터 제공업체도 브랜드의 마케팅 정보 요구 사항을 모두 충족할 수는 없습니다. 브랜드에 필요한 것은 자신과 가장 관련성이 높은 고품질 데이터 콘텐츠를 구매하고 결합하는 것입니다. Merkle은 구매력과 강력한 파트너 네트워크를 활용하여 브랜드가 전 세계에서 필요한 데이터를 찾을 수 있도록 지원하며 데이터 통합 및 착륙 효과 분석과 결합되어 고객에게 전략적 이점을 제공합니다.
머클이 일반적으로 사용하는 사용자 라이프사이클에 따라 사용자 라이프사이클을 잠재 사용자와의 접촉(고객 확보 단계), 기존 고객 유지(상호작용 단계), 유지 분석(재구매 촉진 단계)으로 구분합니다. ). 고객 확보 단계에서 Merkle은 다른 데이터 소스와 결합하여 데이터 차원을 강화할 수 있습니다. 예를 들어, 우리가 잘 알려진 온라인 영어 교육 브랜드를 서비스할 때, 고객의 자체 데이터가 모델링을 지원하기에 충분하지 않았기 때문에, 우리는 고객의 데이터를 향상시키기 위해 운영자 데이터와 유명 기술 회사의 데이터를 사용했습니다. 정확도가 많이 향상되었습니다.
게다가 운영자 데이터와 연결되는 장점도 있습니다. 운영자는 자연스럽게 소비자와 접촉할 수 있는 채널을 가지게 되므로 이번 프로젝트의 2단계에서는 모델을 활용하여 전환 가능성이 가장 높은 소비자를 선정할 예정입니다. . 문자 메시지와 팝업창을 전송하여 적절한 접점에서 마케팅 활동을 진행합니다.
대화형 단계에 있다면 데이터 차원이 많을수록 사용자 행동/상태에 따라 사용자를 더 잘 그룹화하여 개인화된 상호 작용을 달성할 수 있습니다. 예를 들어, 고객이 "NBA 팬 서클"을 만들 수 있도록 NBA에 LoyaltyPlus 플랫폼 솔루션을 제공했습니다. "Fans Circle"은 Merkle이 NBA China를 위해 여러 데이터 소스에서 고객 데이터를 수집, 정리 및 통합하여 멤버십 전략을 수립함으로써 구축한 고객 충성도 시스템으로, 팬의 행동과 상태를 기반으로 팬 그룹을 설립하고 개인화 된 방식으로 팬과의 효과적인 상호 작용.
현재 이 로열티 시스템에 등록한 팬은 64명이며, 수집된 회원 상호작용 데이터는 고객 세분화 및 맞춤형 서비스에 활용되어 폐쇄형 마케팅 효과를 달성할 것입니다. 유지율 분석을 위해 보다 경쟁력 있는 제품 분석을 수행하여 사용자가 손실을 입는 이유를 파악하세요.
사용자 라이프사이클의 다양한 기간에 따른 다양한 대응 전략
Q: 회사는 어떤 상황에서 최적화를 위해 데이터 분석/모델 사용을 고려할 것이며, 구체적으로 이를 수행하는 방법은 무엇이며, 무엇을 할 것입니까? 구현 효과는 어떻게 평가되나요?
첸첸: 근본적으로 데이터 분석/모델링/통계 등은 모두 데이터 자산을 보다 과학적으로 측정하기 위해 사용되는 방법입니다. 내 관점에서는 데이터가 있고 에너지가 충분하다면 데이터에서 사용자를 감지하고 마케팅 효과를 높일 수 있습니다.
회사를 두 가지 범주로 나누어 보겠습니다. 하나는 사용자 성장에 중점을 두는 회사이고 다른 하나는 고객 유지에 중점을 두는 회사입니다. 물론 이 구분이 그리 엄격하지는 않으며 많은 회사가 동등한 관심을 갖고 있습니다. 둘 다에. 사용자 성장에 관심을 갖는 것은 고객을 확보하는 것을 의미합니다. 어떤 회사도 고객을 확보할 필요는 없습니다. 그러나 인터넷의 등장과 데이터의 증가로 인해 고객을 확보하는 구체적인 방법이 많이 바뀌었습니다.
인터넷이 처음 등장했을 때는 누구나 온라인에서 고객을 확보하는 것이 쉽고 저렴하다는 것을 알았습니다. 예를 들어 검색 엔진에 유료 광고를 게재하거나 SEO를 수행하는 것은 매우 중요한 결과를 가져왔습니다.
이제 어떡하지? 온라인 트래픽은 점점 더 비싸지고 있습니다. 자동차나 교육과 같은 특정 산업의 경우 판매 리드 비용이 수십 또는 수백 위안에 이릅니다. 그렇다면 현재 환경에서 더 많은 사람들에게 다가갈 수 있는 효과적이고 저렴한 방법을 찾는 방법은 무엇일까요? 잠재 소비자는 회사에 매우 중요합니다.
현재 우리의 접근 방식은 고객이 정확한 고객 확보 전략과 완전한 CRM(CustomerRelationship Marketing) 솔루션을 맞춤화하도록 돕는 것입니다.
우선 고객의 기존 고객 확보 프로세스를 이해하고, 업계 및 고객 고유의 특성을 바탕으로 솔루션을 제안하고, 구현 후 과거 데이터와 비교하여 효과도 확인할 수 있습니다. , 우리는 또한 What을 배웠고 특정 작업이나 구현 단계를 조정하여 폐쇄 루프 최적화 결과를 형성했습니다. 잘 알려진 컴퓨터 브랜드 고객을 예로 들어보겠습니다. 고객을 확보하는 원래 방법은 온라인 및 오프라인 활동을 수행하고 일부 사용자 리소스를 온라인으로 구매하는 것입니다. 그러나 우리는 모델을 사용하여 사람을 선택할 수 있습니다. 브랜드에 관심이 있는 사람은 이를 기반으로 활동을 수행하여 비용과 노력을 절약합니다.
이후 전환 단계에서는 원래 고객에게 연락하는 방법이 콜센터나 직접 판매를 통해 이루어집니다. 예를 들어 데이터를 결합하여 사용자의 진정한 의도와 구체적인 요구 사항을 확인할 수 있습니다. 연락 후 개인화된 추천을 할 때 또는 모델을 사용하여 이러한 사용자를 그룹화한 다음 전환을 촉진할 수 있습니다. 이는 둘 다 매우 좋은 방법입니다.
Merkle CRM 솔루션 흐름도
고객 유지에 중점을 두는 기업의 경우 사용자 가치 및 라이프사이클 시스템을 구축하는 데 도움을 드릴 수 있습니다. 사용자 가치의 주요 목표는 투자 기준으로 작용하는 것이며, 사용자에 대한 투자는 고부가가치 사용자에게 보다 빈번하고 편리한 서비스를 제공하는 등 마케팅 활동에서 다양한 사용자에게 맞춤형 접촉 전략을 제공하는 등 다양한 형태를 취할 수 있습니다.
우리는 사용자 가치를 결정할 때 사용 기간, 이탈, 위험, 마케팅 및 서비스 비용, 거래 내역, 예상되는 미래 수익성 및 수익 등 다양한 요소를 고려합니다. 또한, 라이프사이클이 변화함에 따라 사용자 가치도 변화하게 됩니다. 이는 이러한 변화 동안 마케팅 효과를 완전히 증폭시키고 의사결정의 정확성을 높일 수 있는 역동적인 과정입니다. 컴퓨터 산업의 예를 다시 살펴보면, 사용자의 과거 구매/보증/온라인 검색 및 기타 행동을 결합하여 각 사용자에게 수명 주기 단계를 제공한 다음 적절한 시점에 사용자에게 연락할 수 있습니다.
Q: 빅데이터 산업에 관심이 있는 청년들에게 조언을 해주실 수 있나요?
첸 첸: 빅데이터 산업에 종사하려면 먼저 차분함을 가질 수 있어야 한다고 생각합니다. R, Python 등 일반적으로 사용되는 데이터 분석 도구 한두 가지를 마스터할 수 있어야 합니다. 그래야만 데이터 이해와 분석을 위한 직관적이고 심층적인 학습 과정이 있으며, 신입생의 수학적, 논리적 사고 능력도 훈련할 수 있습니다.
물론 이것이 업계 진출을 위한 기본 전제조건이다. 그렇다면 통계 및 비즈니스 분석 능력에 대한 확실한 기초를 갖추고, 데이터 분석 결과로부터 비즈니스 응용이나 기타 관련 전문 분야에 대한 통찰력과 응용 방향을 빠르게 도출할 수 있어야 합니다. 간단히 말해서, 모델을 실행하고 차트를 그리는 것만으로는 충분하지 않으며, 모델 결과와 데이터 시각화 표현을 통해 실제 스토리와 의미를 추론하고 요약할 수 있어야 합니다.
이러한 기본 능력과 기술을 습득한 후에는 지속적인 학습 정신을 유지하고 업계의 최신 개발 및 동향을 지속적으로 따르고 이해하며 여러 산업을 수평적으로 통합할 수 있어야 합니다.
또한, 빅데이터 분석 전공자는 다양한 부서, 다양한 유형의 고객과 소통하고 설명해야 하는 경우가 많기 때문에 경력 후반부에 지속 가능한 발전의 경쟁력을 유지해야 하는 경우에는 전문직과 비전문직을 활용할 수 있습니다. 언어와 다양한 배경 수준. 파트너 간의 효과적인 의사소통도 필수적인 기술입니다.
데이터 통합/강화, 데이터 분석 및 모델링에 대한 프로젝트 경험을 공유해주신 Chen Chen님께 감사드립니다.