Top > Info > Data Mining > 1-2-8. Data Mining과 캠페인 관리 Process의 통합
▷▶ Data Mining과 캠페인 관리 Process의 통합
여기서는 통합된 Data Mining/캠페인 관리를 적용하는데 사용되는 두 가지 단계를 설명하고자 한다. 첫 번째 단계는 Data Mining Tool을 사용하려 모델을 생성하는 것이다. 두 번째 단계는 이 모델을 가지고 자동화된 Database Marketing 캠페인에 대한 환경을 구축하는데 사용하는 것이다.
단계 1 : 모델 생성
모델링 분석가는 Data Mining Application을 사용하여 예측 모델을 생성한다. 이러한 모델링은 주로 캠페인 생성과는 완전히 분리되어 있다. 모델 생성의 복잡성은 Database 크기, 각 고객에 대하여 알려진 변수의 개수, Data Mining Algorithm의 종류, 모델러의 경험등 많은 요인들에 의하여 결정된다.
캠페인 관리 도구와의 연계는 적절한 모델이 찾아졌을 때 시작된다. 이 시점에서 Data Mining 사용자는 Drag & Drop 방식과 같은 간단한 방법으로 모형을 캠페인 관리 Application으로 전송한다
단계 2 : 데이터에 대한 동적인 Scoring
동적인 점수 생성은 Data Mining 도구에서보다 캠페인 관리 도구 안에서 기 지정된 고객 세분에 점수를 생성하는 것을 말한다. 동적인 점수생성은 기간이 많이 소요되고 반복적인 작업을 피하며 전체 데이터베이스를 대상으로 점수를 생성할 필요를 없애준다. 대신에, 관련된 고객군만을 대상으로 필요로 할 때만 저수를 생성하게 된다. 관련된 고객군만을 대상으로 점수를 생성하고 수작업을 없애는 것은 마케팅 주기를 단축시키게 된다. 그리고 필요로 할 때 고객 세분만을 대상으로 점수를 생성하는 것은 최신의 결과를 보장하게 된다
캠페인 관리 시스템에 모델이 있게 되면 사용자는 예측 모델을 사용하여 마케팅 캠페인을 계획하기 시작할 수 있다. 모형은 캠페인 관리 시스템에서 구동된다.
동적인 Scoring의 예제 : 동적으로 점수가 생성된 고객 세분에 어떻게 정의되는지의 예제
Where Length_of_service=9
and Average_balance>30,000
and In_Mode(promo9).score>0.80
이 예제에서:
① Length of service=9는 12개월 계약중 9개월째 되는 고객들을 대상으로 모델링을
하며, 그럼으로써 가장 경쟁사가 공격하기 쉬운 시기에 있는 고객들만 타겟으로 삼는
것이다.
② Average balance>30,000은 매월 평균적으로 30,000원 이상을 사용하는 고객들을
선택한다.
③ Promo9은 Data Mining Application으로 생성한 예측 모형의 이름이다. 고객은
모형으로 간주되는 바 0.80의 점수를 넘는 사람이어야 한다. 이 기준은 모델에서
지정한 고객들만을 캠페인에 제한한다. 즉, 그러한 고객들은 경쟁사로 옮기는 것을
방지할만한 유인책이 가장 요구되는 사람들이다.
마케팅 캠페인이 동적인 Scoring을 수행하기 위한 특정한 예측 모델을 가동시키면,
결과물은 주로 임시 점수 테이블로 저장된다. 점수 테이블은 Data Warehouse 내에서
사용가능하며, Data Mining Engine은 캠페인 관리 시스템에 전달하고 마케팅 캠페인
실행이 계속된다.
[ Back to the Page ]
Top > Info > Data Mining > 1-2-8. Data Mining과 캠페인 관리 Process의 통합