CRM Analysis : 세분화, 클러스터링, 타겟팅, 이탈 예측을 활용한 고객 데이터 모델링

다양한 니즈와 행동 패턴을 가지고 있는 고객을 목적에 맞게 세분화를 해보고, 이를 기반으로 고객을 이해해 봅니다.

1) 이론

– 고객 세분화의 이해

– 가치기반 세분화

– 행동기반 세분화

– 고객 세분화 case study

2) 실습

– kaggle 의 e-commerce의 데이터 기반으로 대표적인 세분화 기법인 RFM 기법을 적용하여 고객을 세분화

– RFM을 실제 기업에서 어떻게 사용하고 있는지 이해

– RFM을 각 산업에 맞게 응용하는 법을 배워서 여러 산업군에 맞게 적응하는 훈련

세그먼트와 다른 머신러닝 기법 중 하나인 군집분석을 통해 고객의 군집을 생성해보고 이를 기반으로 고객을 이해하고, targeting에 사용할 수 있도록 만들어 봅니다.

1) 이론

– 군집 분석의 이해 

– 군집 분석 평가

– 세그먼트와 군집 분석의 차이점 및 활용

– 다양한 군집 알고리즘 비교

– 군집 분석 case study

2) 실습

– 고객 관심사 및 앱사용성에 대한 군집 생성

– 군집의 특징을 파악해 해당 군집의 유저를 이해하고 이를 기반으로 각 집단을 대표하는 직관적인 이름 부여

– 이후 각 군집 정보를 기반으로 고객의 반응 정보를 살피고, 이벤트를 군집별로 접근할 수 있도록 전략 도출

연관성 분석을 통해 같이 팔리는 상품을 확인하고 이를 기반으로 묶음 상품을 기획해 보고 실습 데이터로 분석해 봅니다. 순차 연관성 분석을 사용하여 고객의 구매 카테고리가 어떻게 확장 되는지를 확인하고 이를 기반으로 상품 카테고리 확장 전략을 세워 봅니다. 

1) 이론

– 연관성 분석 및 순차 연관성 분석의 이해

– 연관성 분석 및 순차 연관성 분석 case study

2) 실습

– 거래 데이터를 기반으로 고객이 같이 구매하는 상품을 분석

– 어떤 상품을 묶음 판매를 할지, 혹은 어떤 상품을 구매한 유저에게 추천 이벤트를 할지 분석

– 연관성 모형 심화단계로 순차 연관성 알고리즘을 통한 확장 전략

고객의 구매 및 반응을 이끌어 내기 위해 발송하는 DM 및 PUSH 대상자를 머신러닝 알고리즘을 적용해 추출하고, 이를 기반으로 발송 했을 때 예상되는 효과 성과를 측정해 봅니다.  

1) 이론

– Targeting의 이해

– 지도학습 모델의 개발 프로세스

– 다양한 지도 학습 알고리즘 비교

– 모델을 만들 때 주의할 점 (데이터 분할)

– Targeting case study

2) 실습

– PUSH 응답 데이터를 기반으로 어떤 고객이 반응할 지 예측

– 주요 피처를 확인하여 이후 유사한 PUSH를 보냈을 때의 반응률 예측

고객 이탈을 가능성을 사전에 평가, 이를 기반으로 고객을 케어할 수 있는 모형을 개발하고 그 과정에서 얻은 정보를 사용하여 고객의 현재 상태를 평가해 봅니다. 

1) 이론

– 고객 이탈에 대한 고찰

– 지도학습 프로세스 리마인드

– 추정 및 분류 모형 접근

– 이탈 모형 개발 case study

2) 실습

– 통신사 고객 이탈 데이터를 활용한 고객 이탈 가능성 예측

– 이탈 가능성을 평가하여 이 중 어느 고객을 가장 우선시해서 액션 계획 수립

신용평점 모형에서 사용하는 로지스틱 회귀분석을 기반으로 한 평점표 모형(socore card model)을 이용하여 이탈 모형을 만들어 보고 각 변수의 이탈 영향력을 평가해 봅니다.

1) 이론

– score card model의 이해 

– 추정 및 분류 모형 접근

– 이탈 모형개발 case study

2) 실습

– 심화 단계로 피처별로 영향력을 평가하여 이탈에 가장 영향력이 높은 정보를 탐색하여 이탈 영향 요인을 파악