Transcript 불량고객 판별 및 방지 프로그램

Auction
DATA BASE
MARKETING
- Behind Technology of One to One
Marketing & CRM Solution 2000.9
㈜ 옥션 DB마케팅실
A. 옥션 DB Marketing 추진전략
B.
기본적 Systems and Technology
1.
2.
3.
4.
5.
6.
C.
Data Warehouse
OLAP
Data Mining (Multi Dimension/C4.5 etc)
Personalizer (Recommendation System 포함)
SMTP Mail Server
CTI (NTMS) & Q&A
활용프로그램
1. 우량고객 발굴 및 유지 프로그램
2. 불량고객 판별 및 방지 프로그램
3. 경매 단계별 프로세스 관리 (TQM전개)
4. 고객 개인별 경매공간 제공
5. 이메일 서비스마케팅 전개
The Concept of Database Marketing in Auction
Database Marketing – The Basic Concept
The Purpose of DMS in Auction
- Providing High Qualty & Service (TQM방식)
- Optimizing Customer’s Long Term Relationship (CRM방식)
- Improving Sale & Profit
Data Modeling
Customer Targeting
Source Data Transference
Offering & Promotion
Information Analysis
Effect Anaysis
The Concept of Customer Interaction in Auction
E-MAIL
MOBILE
Data Warehouse
NTMS
CENTER
Operations Systems
FRONT
OFFICE
Basic Systems and Technology
AUCTION DB MKT Solution Architecture
NTMS Server
Source system
(11E/A NT Server)
Site
Vistor
Mail Server
Data Warehouse
Front
E.T.T
Data Warehouse Model
Membership Web Log
Sales
Meta-Data
Data
Warehouse
DB
OLAP System
Dimensional
DB
E-mail
DB Marketing
Control
Power User
Business
Analyst
Data Warehouse
Manager
DATA WAREHOUSE
DW = The Basic System for Realization of E-CRM
- Data Base for Online MKT
- Member’s Population/Geography/Social Statistics Data, Transaction Data, Product Data etc
- Muti Dimensional Analysis is possible (Especially Bidding Pattern Analysis)
Members Profile DB
Transaction DB
(Promotion Included)
Product DB
Biding DB
VOC DB
CSI DB (Survey)
WEB LOG
Extraction
Transformation
Server
DW
(DATA WAREHOUSE)
Auction DW Architecture
Technology Architecture
Web Server
Web Server
DB Server
Mail Server
-Data File
(Delta File AND Temp Table)
- Optimizing Performance
ETT Server
Meta
Data
DW Server
*
*
Data Dictionary Management
ETT
Delta File
Temp Table
- OLAP Cube Creation
-Application Management
- (Static,AD-HOC)
OLAP Client
(Web Browser)
OLAP Server
OLAP
OLAP(On - Line Analytic Processing) is for Final User
- MDSS (Marketing Dision Supporting System) : The User can analize The Information of Customer
- Reporting, Multi Dimesional Analysis, One to One MKT
Result
OLAP
-Performance Evaluation,
Sales Analysis,
DW
(DATA WAREHOUSE)
Auction Analysis etc
MINING
(Multi Dimensional Analysis)
- Non-Typical Reporting
Data Mining
옥션의 데이터 마이닝 솔루션은 연관규칙탐사, 신경망모형, 군집분석, 의사결정수 등의 방법을 사용하여 web site와
Email personalization 의 근간이 되는 회원 및 물품의 Classification과 매출증대를 위한 Cross-Selling Pattern, Up-Selling Pattern의
탐색기능 등을 수행함.
OLAP
DW
(DATA WAREHOUSE)
Data Mining
- Statistic Analysis
- Associations
- Neural Network
- Clustering
- Fuzzy
- Decision Trees
- Hybrid Model
- Integration Model
Result
Trend Visualization
Link Analysis
Quantitative Display
고객분류
Web Site 디자인 최적화
Mining Engine 구조
번호
UID
참여경로
참여경로
참여목적
참여목적
참조율
작성률
일관성
일관성
Page
유형
설문유형
유사도
유사도
1
1
2
0.90
0.82
Pwss1. thm
1.2
2
2
1
0.92
0.7
Pwss3. htm
0.4
3
2
2
0.88
0.99
Pwss2. htm
4
:
:
:
:
:
:
0.78:
4183
1
3
1.00
0.99
Pwss1. htm
3.24
4184
3
1
0.99
0.76
Psss4. htm
0.9
4185
2
2
0.86
0.88
Pwss4. htm
0.8
:
 유사도 측정
General
선발설문
Content
(INDEX)
‚
„
신규 일관성/참조율와의 평균 값으로 대체함
 참조율/일관성의 계산
.. Page 유형 제시
. 일관성/참조율 자료를 가져옴
Personalized
본 설문
(Content
PWSS)

데이터베이스
신규 DB 저장
일관성 참조율 저장
PERSONALIZER
개인화된 CRM 솔루션
- e-Business에서 고객관계관리(CRM)는 개인화가 핵심
-고객 프로파일, 웹 사이트의 로그 데이터, 거래 데이터 등을 추적하고 분석하여, 개인화된 컨텐츠를 제공하고
구매 가능한 아이템을 실시간으로 추천하는 강력한 차별적 기능을 제공
실시간 구매 추천(Real-time Recommendation)
- 고객의 구매 패턴을 실시간 예측, 구매 가능성이 높은 제품을 추천
 차별화된 상품구매 촉진
웹 컨텐츠 개인화(Web Contents Personalization)
- 고객의 관심사에 맞춘 웹 페이지 구성, 차별화된 Content를 보여줌
 방문회수와 방문시간 증가시킴
OLAP
DW
(DATA WAREHOUSE)
PERSONALIZER
MINING
Auction Personalizer – Basic Process Flow
인터넷 비즈니스 마케팅과 차별적 고객 서비스를 위한 eCRM 솔루션
원천
데이터
데이터
분석
데이터
추출
비즈니스
활용
고객행태분석
고객세분화
Web
Log
타겟고객선정
Transformation
고객
데이터
데이터
웨어하우스
Personalizer
일대일마케팅
실시간 상품추천
거래
데이터
Web 컨텐츠
개인화
캠페인
관리
Personalizer – Overall Architecture
Web Customer Personalization
Login
• Content 선호도
• Web Usage Behavior
• Prior Transaction
• Demographics
Individual
Characteristics
Segment 1
Web
Usage
Segmentation(Neural Network)
Segment N
Segment 2
Rule Induction(Decision Tree, Discriminant Analysis)
Prediction(CBR, Neural Network)
Transaction
Customer
Profile
Personalizer with Collaborative Filtering
Segment 3
• Personalized Web Content
• Personalized Product Recommendation
• Personalized Promotional Campaign
User Satisfaction
Business Problem Space
Web Page Access Increase
EC Sales Increase
Network Traffic efficiency Increase
Mining for Personalization
 CBR(Case Based Reasoning) 기법을 활용
 Web Marketing 관점에서 고객이 원하는 Contents를 제시함
 이용자 특성에서 지식과 규칙을 찾아내어 마케팅 의사결정에 반영함.
Personalization
. Content 선호도
. Web Usage Behaviar ,거래
. Demographics
실험설계
Login
Individual
Characteristics
Case Base
Personalized
Content
이용자 Satisfaction
Reference & Consistency
Rate Comparison
SMTP Mail Server
1) 빠른 SMTP
- 기존의 Sendmail의 방식에서 탈피하여 Domain Sorting이나 Domain Caching기능등 네트워크나 시스템의 부하를 최소화하여
메일을 전송하며 기존의 메일 서버에 비해 60~80배 정도 빠른 Performance를 낸다.
2) User Interface 제공으로 서버 상황의 실시간 Monitering 가능
- 기존의 메일 서버는 소스 Level에서만 볼 수 있었던 로그나 발송 결과를 원격에서 현재 발송량이나 발송률, 현재 접속중인
서버의 수 등을 실시간 모니터링 할 수 있다.
3)정확한 로그 분석
- 지원 Web 또는 Admin Email을 통하여 발송한 결과를 모니터링 할 수 있어 Return Mail에 대한 효율적인 처리 방안을 제공
Auction SMTP Server
SMTP Server
SMTP Server
-Multi SMTP Server
-Return Mail조치
-(Domain별 구분
email id err check)
-Return Mail에
대해서 다른
outbounding 전달
SMTP
Spool,
Queue
SMTP Server log Analysis
SMTP
Load
Balancing
SMTP Server
-Domain별
-Naming Rule
-Multi Thread
지원
CTI & Q&A
 NTMS concept evolved from TCP/IP network along with CTI.
E-CRM Solution
Call Center
NTMS
CTI
Internet
Commerce
Integration Tool
For VOC
(*) CTI : Computer Telephony Integration
(*) CRM : Customer Relationship Management
(*) VOC : Voice of customer
활용프로그램
1. 우량고객 발굴 및 유지 프로그램
2. 불량고객 판별 및 방지 프로그램
3. 경매 단계별 프로세스 관리 (TQM전개)
4. 고객 개인별 경매공간 제공
5. 이메일 마케팅 전개
우량고객 판별 및 유지 프로그램
-고객판별 기준은 TRANSACTION 데이터를 근거로 판별함
-상대적 판단기준과 절대적 판단의 2가지 방법을 병행하여 수행
-사용변수: 구매횟수와 구매금액 (1회 쿼터운영)
고
객
수
활동고객
거래횟수/금액
휴면고객
고
객
수
휴면기간
불량고객 판별 및 방지 프로그램
-불량판별의 기준은 판매/거부 횟수와 고객정보의 정확도에 따라 분류
-상호평가제도 도입
-약 3가지의 유형으로 관리하는 프로그램 도입
거래가 적고 판매/구매
거부횟수가 높은 집단
거래가 많고 판매/구매
거부횟수가 높은 집단
거래가 많고 판매/구매
거부횟수가 낮은 집단
경매단계별 프로세스 관리프로그램
- 각 프로세스 단계별 관리지표 수립
- 고객 MOT분석/발생 데이터의 검증
- 고객관점의 VALUE 측정
- 구매자관점/판매자관점의 2가지 측면
정
보
탐
색
입찰
낙찰
입금
배송
완료
고객 개인별 경매공간 제공
-개인의 니즈에 맞는 공간을 제공
판매 도움정보
모바일 정보
메일정보 등
구매 도움정보
이메일 서비스마케팅 전개
- 고객의 퍼미션을 득한 사항에 대하여 전개
- 고객의 퍼미션을 득하지 않아도 되는 메일 서비스 전개
- 이벤트/상품 측면과 고객측면의 타켓화된 메일 전개
고객특성별 반응율
측정을 통한 지식의 습득
텍스트마이닝기법의
전개 (학습DB보유)
옥션 DB마케팅의 구조
• Customer의 Web log, Transaction, 신상, Promotion, 불만, 제안, 문의, CSI 등의 DATA를 효율적으로
가공하여 Information화 함.
• 이러한 정보는 분석, 보고, 경보, 예측, Feedback channel을 통하여 개인별 정보 Tracking을 할 수 있도록
IT 기술을 구현하고 있음