산업공구 유통 선도업체인 크레텍은 경쟁사들의 다양한 가격전략으로 인하여 가격에 민감한 고객들의 이탈 등 치열한 경쟁에 직면해 있다. 고객관계관리 강화를 통하여 이런 상황을 타개하여야 하는 크레텍은 내부적으로 축적되어 있는 거래데이터 및 고객데이터를 활용 하여 고객 맞춤형 상품추천을 하고, 고객군 분석을 통해 이탈고객 관리 방안을 마련할 수 있었다.
산업공구 유통 시장에서 경쟁력 강화를 위한 고객관리 방안
[크레텍 온라인주문시스템 CTX 홈페이지]
산업공구 유통시장은 고객들이 제품 가격에 민감하여 거래처의 변동이 심한 편이다. 따라서 경쟁사에 비해 가격이 저렴할수록 유리하기 때문에, 유통사들 간에 가격을 공개하지 않는 편이다. 하지만 크레텍은 시장 표준가격을 제시하기 위해 국내에서 유통되는 대부분의 공구에 대한 자사 판매가격 정보를 CTX에 공개하였다. 그 결과 고객들의 편의성을 높이고 가격에 대한 신뢰를 얻을 수 있었지만, 경쟁사 또한 크레텍의 가격정보를 쉽게 얻어, 이 보다 좀 더 낮은 가격으로 고객을 유인하고 있어 많은 고객들이 이탈하는 문제를 경험하고 있었다.
지역 및 판매유형을 고려한 상품 추천
크레텍은 우선 거래 데이터로부터 고객에게 추천할 상품 목록을 도출하기로 하였다. 이는 방문영업을 통해 시장 선도기업으로 성장했던 최고경영자의 경험에 비추어 볼 때, 결국 고객이 필요로 하는 상품을 먼저 추천해주는 것이 경쟁사들의 추격을 따돌릴 수 있는 성장 동력이라고 판단했기 때문이다.
[연관성 분석 프로세스]
먼저 효과적인 분석을 위해 지역적 특성이 뚜렷하다고 판단되는 지역으로 서울과 대구를 선정했다.
다음으로 연관성 규칙 분석을 통해 지지도와 신뢰도, 향상도 값이 현저히 높게 나오는 규칙들을 선별 및 분류하여 특정 상품을 기준으로 함께 구매될 가능성이 높은 연관 제품 목록을 추려냈다. 또한 그 목록과 고객별 구매 정보를 결합하여 잠재 유망고객을 도출했다.
[연관성 규칙 및 유망고객 도출]
⇒ 제품 추천결과의 효과가 저조한 원인을 조사한 결과, 원인은 크게 2가지였다. 첫째는 고객의 판매형태에 따 라 추천 상품에 대한 흥미도가 크게 차이가 나타난다는 것이다. 잠재고객 명단 중 30% 이상이 납품업체로, 최종고객인 공장의 발주변경이 없는 이상 신상품을 구매할 이유가 그들에게는 없었다. 둘째로 광역지역 안 에서도 지역 간 특색 차이가 컸다. 가령 소매상들이 대부분인 대구중구와 중공업이 발달한 대구북구는 구매 하는 공구의 특성이 달랐던 것이다.
따라서 ① 시군구 단위를 기준으로 지역을 세분화하고 ② 고객의 판매 유형을 기준으로 고객군을 분류하여 보다 정교화된 상품추천이 가능하도록 추가 분석을 진행하였다.
[지역별 상위 10순위 판매목록 및 판매유형별 고객군집 정보]
이렇게 도출된 정보를 기준으로 세부지역별 판매유형별로 세분화 하여, 대구 중구에 있는 소매상 고객 대상 추천 알고리즘을 적용하였다. 보다 효과적인 알고리즘을 도출하기 위해 ① 사용자 기준 협업필터링(사용자간 구매패 턴의 유사함을 기준으로 추천) ② 제품 기준 협업필터링(제품간 구매패턴의 유사함을 기준으로 추천) ③ 연관성 규칙(association rule) ④ popular 방식(그룹 내에서 가장 많이 팔린 제품목록 제시)의 4개 알고리즘을 적용하였다. 그 성능을 테스트한 결과 ④ popular 방식 기준 제품 2개 추천 시 재현율(추천한 제품목록 중 실제 고객이 구매한 제품 비율)이 80%이상으로 가장 우수하게 나타났다.
데이터 기반의 수요 예측을 확대하다
[매출 시계열 분석 및 예측]
과거 매출 정보기반의 시계열 분석기법을 통해 정확도가 높은 수요예측이 가능하다는 것을 확인한 크레텍은 직접 시계열분석 기법을 적용해서 그 효과성을 검토하였다. 프로젝트 2차 분석시점이 지난 9월 및 10월 매출을 대상으로 지수평활법 기반의 매출예측을 실시한 결과 예측오차율이 1%대로 정확도가 매우 높았다. 보다 정교화된 분석기법을 통해 예측정확도 향상의 효과를 경험한 크레텍은, 더 많은 제품을 대상으로 수요 예측을 실시하고 재고 및 납기일 관리 기준과 영업부서의 목표 매출의 벤치마킹 자료로 활용할 예정이다.
지수 평활법 (exponential smoothing)
지수 평활법의 기본 개념은"최근 관측한 값에 높은 가중치를 주고, 먼 과거의 관측치에는 낮은 관측치를 주어 가중 평균값을 구한는 것"입니다.
[ 시계열 특성에 따른 지수평활법 기법 결정 ]
(1) 시계열 자료에 추세(Trend)가 있는지, 추세가 있다면 1차 선형인지 아니면 비선형 인가?
- 추세 없음 (No Trend) --> Simple Exponential Smoothing
- 1차 선형 추세 (Linear Trend) --> Two Parameter Exponential Smoothing
- 2차 비선형 추세 (Quadratic Trend) --> Three Parameter Smoothing
(2) 시계열 자료에 계절성(Seasonality)이 있는가?
- 계절성 없음 (No Seasonality)
- 계정성 있음 (with Seasonality) --> Winters' Method
(3) 시계열 자료의 계절성이시간이 지남에 따라 고정(fixed)되어 있는지 아니면 확산(increasing)되는가?
- 고정(상수) 계절 변동 (fixed seasonal variation) --> Additive Model
- 확산 계절 변동 (increasing seasonal variation) --> Multiplicative Model
위의 설명을 각 시계열 자료 패턴별로 시도표 예시와 함께 decision tree 형태로 구분해서 지수 평활법 (exponential smoothing) 기법을 짝지어보면 아래와 같습니다.
[ 지수 평활법 기법 별 수식 ]
를 지수 평활법으로 예측하고자 하는 t 시점의 시계열 값이라고 하고,
를 t 시점의 계절 요소값,
를 t 시점에서의 오차라고 했을 때,각 지수평활법 기법별로 모형의 수식을 표기해보면 아래와 같습니다. 지수평활법 기법 간 수식을 비교해보면 좀더 잘 이해할 수 있을 것입니다.
추세와 계절성이 모두 없는 단순 지수 평활법 (Simple Exponential Smoothing):
추세는 없고 고정계절변동이 있는 가법 윈터스 방법 (Additive Winters' Method Exponential Smoothing with No Trend):
추세는없고 승법 윈터스 방법(Multiplicative Winters' Method Exponential Smoothing with No Trend):
1차 선형 추세는 있고 계절성은 없는이중 지수 평활법(Two Parameter Exponential Smoothing):
1차 선형 추세와 고정계절변동이 있는가법 윈터스 지수 평활법(Additive Winters' Method Exponential Smoothing with Linear Trend):
1차선형 추세와 확산계절변동이 있는 승법 원터스 지수 평활법(Multiplicative Winters' Method Exponential Smoothingwith Linear Trend):
2차 비선형 추세는 있고 계절성은 없는 삼중 지수 평활법(Three Parameter Exponential Smoothing):
2차 비선형 추세와 고정계절변동이 있는 가법 윈터스 지수 평활법(Additive Winters' Method Exponential Smoothingwith Quadratic Trend):
2차 비선형 추세와 확산계절변동이 있는 승법 윈터스 지수 평활법(Multiplicative Winters' Method Exponential Smoothing with Quadratic Trend):
매출 상승을 견인한 데이터 기반 고객관리
[이탈고객 프로모션에 따른 업체별 3개월 평균]
크레텍은 빅데이터 분석을 통하여 제시된 추천 알고리즘과 고객군 특성 정보를 적극적으로 마케팅에 적용하였다. 온오라인 고객 맞춤형 상품(브랜드 포함) 추천, 이탈위험 고객 및 신규 고객 대상 G 및 E제품 프로모션 실시, 수요예측 시계열 분석 기법 적용 이후 제품 매출의 상승을 경험하였다. 특히 2017년 5~7월까지 매출이 거의 없어 이탈위험이 예견되던 고객들을 대상으로 8~10월 G 및 E에 대한 구매 프로모션을 실시한 결과, G 및 E브랜드를 구매하지 않은 프로모션 실패 고객군은 평균 95만원 구매가 일어난 반면, 프로모션 성공 집단의 경우 전체 평균보다도 높은 비약적인 매출상승 및 이탈방지를 확인할 수 있었다.
