산업별 빅데이터 분석 및 이용방향(Feat.마케터가 알려주는 돈이되는 빅데이터 분석)

데이터 분석은 산업에 따라 다를 수 밖에 없습니다.

 

1. 금융

금융업계는 상대적으로 정확한 고객의 데이터를 보유하고 있기 때문에 활용 가치가 높은 편입니다.

 

보험 회사의 경우 데이터를 활용하여 사기를 감지하고, 적절한 보험료를 산정합니다.

고객의 데이터를 분석해서 고객의 생애 가치를 도출하고 고객에게 맞는 최적의 상품을 기획하고 추천합니다.

 

은행도 고객 데이터를 활용하여 적금/예금 등의 상품을 만들어내고 판매합니다.

 

금융, 제조, 유통 등 다양한 분야에서 데이터를 분석, 활용합니다.

 

2. 제조

직접적인 고객 커뮤니케이션을 위한 데이터 활용보다는 제품 생산 관련 효율화 및 품질 검사 쪽에 활용이 치우쳐집니다.

 

하지만 유통 채널이 고객의 데이터를 우선적으로 장악하게 되는 시장 구조상 제조업의 경우는 아직도 고객 데이터가 풍부하지 않아 대고객을 위한 데이터 분석과 이용은 여전히 한계가 많습니다.

 

전자업계의 경우 고객 구매 데이터를 기반으로 분석을 통한 마케팅 기회 발굴이 이루어지고 있으며, 제조업의 특성상 상권에 대한 데이터 분석을 통해서 고객을 이해하고 영업점별 차별화를 통해 매출에 도움이 되도록 노력합니다.

 

 

3. 통신

요즘 통신사의 화두는 IP TV 서비스입니다.

영화 추천으로 유명한 넷플릭스, 왓챠와 같은 OTT가 2000년대 초 중반에 등장한 시대의 변화와 더불어, 우리나라 통신사도 강력한 인터넷 네트워크를 기반으로 각자의 IP TV 서비스를 시작했습니다.

 

IP TV 서비스의 핵심에 해당하는 영상 콘텐츠 추천을 위해 통신사들은 빅데이터 분석팀과 같은 조직을 신설하고 데이터 분석가를 대거 영입하고 있습니다.

 

고객의 데이터를 분석해서 고객이 관심 있을 만한 영상 콘텐츠를 추천해 IP TV 서비스 매출을 높이려는 것입니다.

 

4. 유통

유통은 데이터를 분석해서 상대적으로 다양한 마케팅을 시도할 수 있는 곳입니다.

 

오프라인 매장은 고객의 구매 데이터를 활용해서 개인화된 쿠폰을 제공하고, 고객의 매장 내 동선 및 방문 데이터를 분석해서 매장 진열에 활용합니다.

 

매장에서 고객의 시선이 더 자주 오래 머무르는 곳에 전략 상품을 배치하고, 고객이 원하는 상품을 좀 더 빨리 찾기 쉽게 진열하고, 같이 진열하면 매출이 증가할 상품의 조합도 고려합니다.

 

온라인 쇼핑몰의 경우는 고객의 모든 행동이 거대한 데이터로 저장되기 때문에 이를 활용하여 매장을 구성하고 상품을 추천하며, 고객이 많은 상품 속에서 원하는 상품을 찾기 쉽도록 효율적인 알고리즘을 적용하여 상품 검색을 돕습니다.

 

구매에 따른 고객의 등급별 멤버십 제도를 만들고 이벤트를 기획하기도 하는데, 궁극적으로 실시간 개인화 추천 서비스를 지향합니다.