구매행동을 예측하기도 하고, 이탈행동을 예측하기도 합니다. 확률은 대개 스코어로 표시되어 상대적인 우선 순위를 알려 줍니다.
기록으로 남은 데이터만으로 분석을 한다는 것이 마이닝 담당자들이 주의해야 할 중요한 사항입니다.
CRM업무의 대상은 사람이지 "데이터"가 아니라는 점입니다.
마이닝은 엔지니어가 하고 해석은 마케팅 전문가가 하므로 데이터 분석만 하면 된다는 생각도 위험합니다.
데이터 분석 단계에서 부터 고객과 시장에 대한 이해와 감각(Marketing Insight)을 갖추고 마이닝과 모델구축 작업을 해야 합니다.
당사가 데이터마이닝 업무를 수행하는 과정에서는 "데이터"에만 빠져서 헤매는 누를 범하지 않겠습니다.
여기서 강조한 CRM분야에 전문화된 특성들을 최대한 살리면서 아래와 같은 프로세스로 데이터마이닝이 진행됩니다.
당사 데이터마이닝 Quick Win 프로세스
1) 데이터의 탐색 : 고객정보 및 관련정보의 탐색. 샘플링 기반의 데이터 분석.
분석을 위한 유의한 변수를 선정. 분석 목적을 인식하여 Validation Data Set
까지를 준비함.
2) 데이터의 변환 : 분석과정을 효율적으로 수행하기 위해서 데이터를 "마사지"합니다.
기존 데이터를 가감하여 파생변수를 생성한다든가 데이터를 구간별로 나누어
그룹핑하는 작업이 이에 해당됩니다.
3) 모델의 구축 : 최종 설정된 데이터 셋을 기반으로 데이터의 패턴을 찾아 내거나 예측 공식(모
델)을 설정합니다.
필요에 따라서는 앞의 1), 2) 과정을 다시 반복적으로 수행
할 필요도 있습니다. 적용되는 통계 기법을 무엇으로 선정하는지에 따라서
다르지만, 일반적으로 애용되는 고객행동 예측에서는 스코어링 모델을 구축하
는데 이때 스코어를 계산해주는 공식(회귀식)을 모델이라고 이해하셔도 좋습
니다.
4) 모델의 검증 : Validation과정에서는 흔히 미리 준비한 검증용 데이터 셋을 사용하여 가정한
대로 현상을 설명하는지를 확인해보는 과정입니다.
과거이력 데이터를 투입해
보고 과거의 행동들이 잘 설명되는 지를 확인하는 방식으로 모델을 검증합니
다.
마케팅담당자 시각에서는 과거 데이터셋을 가지고 검증하는 통계적 검증
방식은 불충분하다고 느끼기 때문에 실제 캠페인에서 성과가 나오는지를 검증
해야 합니다.
| 
.gif)
MS
Analysis Server with DM
