WHITE PAPER
2019-02-14
MARKETING 4P 믹스 의사결정 데이터 사이언스
CEO MEO를 위한 인공지능 백서 – 매출 전선 전면에 활용하는 AI
이엠케이티 eMKT Inc.
벤처.기업부설연구소
www.emkt.co.kr
02)525-4246
abc@mkting.co.kr
ii
목차
매출전선에 AI활용 1
행태주의 패러다임과 데이터 사이언스 2
AI 활용 마케팅 서비스
행태주의 마케팅과 AI 활용 3
브랜드 MD 진단 및 제품화
제품*고객*상황 연관규칙
라이프 스코링 시트 플래닝
가격정책 진단 및 가격 탄력성
추천 및 목표고객 행동 예측
동태적 가격관리 전자쿠폰 결재
작성자 소개
백서는 이엠케이티 대표인 마케팅 전략 시뮬레이션 데이터 분석가인 이징호작성했습니다 .
학교에서는 MDS 척도를 연구하였으며, 광고대행사에서는 공간개발 프로그래밍과 다양한 업종의
국내외 클라이엔트 들의 마케팅 문제해결을 위한 실무 경력을 쌓았습니다. 이엠케이티 법인을
설립한 이래 브랜드 진단모델, 리서치 방법론, 행태주의 마케팅 패러다임, 제품개발 접근법 등의
저서를 출간하였으며, 전략 시뮬레이션, 라이프 스코링 등의 특허를 등록하였습니다. 현재는 행태주의
패러다임과 인공지능 데이터분석을 근간으로 하는 마케팅 트랜스 포메이션 플랫폼(mkting.com,
lifescoring.co.kr) 운영하고 있습니다.
1
매출전선에 AI활용
매출 증진, 시장점유율 확보를 위하여 어떤 방법으로 어떻게 의사결정 하십니까?
인공지능이 찾아주는 생성규칙과 행동예측으로 4P 믹스를 최적화 하십시요
자극-행동, 행동-행동의 규칙은
이론적 설명이나 잠재요인 모델링이나 가정이 없어도 모두가 공감할 수 있는
간단한 원칙이며 뛰어난 전술이다”
– 행태주의 마케팅 패러디임 설명 중에서 -
인공지(AI)은 확실히 주목해 볼 만한 기술임이 분명합니다. 하지만 지금까지 선
보인 대부분의 기술 인텔리전스 서비스제품이 그러하였듯, 일반 기업에서 마케팅
의사결정 과정에 AI활용하는 것은 쉽지 않았습니다. 도입 비용이나 전담인력
리스크는 차치하고 다채널 정보지표를 차트식으로 제공하는 그 이상이 필요합니
. MEO가 숙고하는 4P 믹스 관점에서 진단하고 해결방안과 해결수단을 처방
하고 시나리오 결과를 예측하고 지속적으로 모니터링 하는 것이 부족했기 때문입
니다.
마케팅 의사결정을 지원하려면 시장에 대한 이해, 우리 제품의 경쟁과 포지션
, 일상생활에서 누가 언제 어디에서 왜 제품을 사용하는 가에 대한 데이터 분석
제품*사람*상황의 연관 규칙을 진단하고, 목표고객 프로파일링을 정교화 하고
그들의 반응을 유발하는 자극 동인으로서의 4P 믹스를 조정하고 예측하여 다시
처방할 수 있는 툴을 제공해야 하는 것이 필요충분 조건입니다.
기술발전으로 인하여 설문 인지 데이터의 굴레를 벗어나 인터넷 로그 데이터나
소매점 구매정보 포스 데이터, SNS 정성 데이터 등을 포함한 다채널 정보를 빠르
게 분석할 수 있었지만, 우리 모두가 일상생활에서 제품이 사용되는 현장정보 및
행동 데이터의 중요성을 인지하면서도 다루지 못하였던 것은, 식음료 및 미용 의
류와 같은 일상생활제품(fast moving consumer goods) IoT 정보 네트웍을 구
현할 수 없었기 때문입니다.
그러나, 이러한 정보 사각지대도, ICT 기술 특히 모바일 앱의 발달과 제품과 사람
을 직접 연결하는 특허기술로써 해결되었습니다. 일상생활에서의 제품 사용정보
를 실시간 수집할 수 있게 되었으며, 기업은 자신의 제품이 누가 언제 어디서
떤 상황에서 어떤 동기로 사용하는 가를 현황판처럼 모니터링 할 수 있으며 인공
지능이 찾아주는 생성규칙과 행동예측으로 전략 플래닝을 현장에서 집행할 수
있게 되었습니다.
이제는 기계의 장점을
효과적으로 이용하여
시장을 이해하고 수요
통제할 수 있는 마케
역량을 개발할 때
입니다 .
행태주의 패러다임과 데이터 사이언스
데이터 사이언즈 AI 정보분석 기술은, 사용자가 현장에서 입력한 정보를 가지고 제품사용 행
동 및 제품선택 행동을 학습하고 이해하며 평가합니다. 행태주의 패러다임은, 행동 정보를
분석하여 데이터에 숨겨진 패턴과 연관성을 식별하여 인간 행동을 이해하고 행동발생을 예
측합니다. 그동안 사람의 마음에서 행동 원인을 찾고 소비자의 태도를 형성하기 위하여 많은
광고와 커뮤니케이션 자원을 투자하는 인지주의 패러다임과 사뭇 다릅니다
오늘날 마케팅 의사결정 장면에서 활용되고 있는 인공지능이해하려면 AI 네가지 개념과
2가지 서비스 형태를 구분할 필요가 있습니다 .
AI 활용 마케팅 서비스
지금까지의 마케팅 의사결정 지원 형태는 IBM이나 SAS가 보급하는 비지니스 인텔리전스
(Business Intelligence) 대표적 이었습니다. BI 용어는, 원시 데이터를 관리하고 비즈니스
분석에서 사용하도록 신뢰할 만한 정보로 바꾸는 기능, 서비스, 기술의 모음을 말합니다.
즈음에는, 머신러닝과 자연어 처리 (NLP; Natural Language Processing) 2 가지 기술을 특
화하여 여러 채널에서 수집한 다양한 빅데이터를 빠르게 분석하는 디지털 인텔리전스 기능
을 강화시키고 있으며, 제품 추천이나 광고 캠페인 성과를 높이려 활용되고 있습니다.
현재 마케팅 분석부문에서 상당히 상용화된 AI 활용 주제는 다음과 같습니다.
-제품 추천(Next Best Offer) : 고객 구매이력과 제품 고객 유사성에 분석에 의한 베스트 제
품 추천
-프로모션 최적화 : 다채널 정성적 데이터 및 로그 데이터 분석에 의한 맞춤형 프로모션 최
적화
-광고.프로모션 성과 분석 : SNS 자연어 분석에 의한 고객욕구 및 광고.프로모션 성과 분석
이러한 마케팅 분석주제에서 AI기법은 머신러닝과 자연어 처리가 공통된 기술이며, 텍스트
와 웹행동 로그 데이터 및 SNS 버즈 텍스트, 구매 데이터 등이 공통적인 디지털 분석 데이터
라고 할 수 있습니다.
디지털 데이터 수집이 손쉬운 채널에만 치중하는 데서 오는 웹분석 편중현상을 극복하기 어
려우며, 당연히 온라인 디지털 현상만을 터치하고 있어 원인적 변인인 4P 믹스 플래닝은 물
성과적 변수인 매출과도 직접적으로 인과관계를 연결시키지 못하는 간극이 생기게 됩니
.
딥러닝 (Deep Learning)
머신러닝 (Machine Learning)
자연어 이해 (NLU)
자연어 처리 (NLP)
2
3
행태주의 마케팅과 AI 활용
행태주의 마케팅 에서는 인공지능 두 가지 요소인 마신러닝과 자연어 처리(NLP)
사용하여 마케팅 인텔리전스 주제를 충분히 다루고 있습니다. 여기에서 사용
하는 마신러닝과 자연어 처리(NLP) 기술은 기계적 통계처리 기술로서 동일한
료에 대해서 분석한 결과물은 동일하다는 것을 의미 합니다.
그러나, 분석 자료 구성이 다르며 계획된 도식(scheme)을 다르게 한다면 특유의
결과물을 얻을 수 있게 됩니다. 이러한 의미에서 행태주의 마케팅에서 동일한 인
공지능 분석 기법을 활용하면서도 상당히 다른 마케팅 분석 주제를 수행할 수 있
음을 이해하는 것이 중요합니다. 이것이 패러다임이며 접근법이 다르다고 언급하
는 이유입니다. 행태주의 마케팅 분석 패러다임에서 분석하는 데이터 기본 유형
, 제품 사용의 사간과 상황입니다. 더 나아가 데이터는
TPO(Time.Place.Occasion)으로 분류되며, 사용동기(3차원 그리드)최종 육하
원칙(5W1H)으로 구성됩니다. 이를 데이터 파밍(farming)라고 하며 이는 척도구
(scaling, scoring)방법론의 일환이기도 합니다. 이렇게 데이터를 여러 기지로
구성하고 척도 전환하는 이유는 빅데이터에서 새로운 원리를 찾는 탐색적 방법
대신에, 비교적 적은 데이터에서도 지수를 산출함으로써 데이터 해석의 용이성은
물론이며 데이터 처리를 빠르고 효율적으로 하는 확인적 방법을 적용하기 때문입
니다. 부연하면 빅데이터에 상응하는 패스트 데이터(fast data) 분석 방식이라고
설명할 수 있습니다.
행태주의 마케팅 비지니스 상황에서 AI 기능을 활용하는 분석 주제는 다음과 같습
니다 .
제품*고객*상황 연관규칙 : 제품이 고객특성이나 사용상황에 맞추어 어떻게
사용되는 가를의 연관규칙을 도출함. 하루의 일상생활에서 제품사용이
어떻게 이루어 지는 가를 확인함. 제품 사용성 촉진이나, 시장기회발견,
제품 컨셉, 목표고객 프로파일링, TPO 시장세분화에 활용할 수 있음.
라이프 스코링 시트 플래닝: 10가지 상황 * 7가지 시간대의 라이프 시트에
누가/언제/어디서/무엇을/어뗗게 사용하는 가를 시각화함. TPO 프로모션
이나 중심 사용 상황이나 사용시간을 찾고 제품사용의 상황 네트웍을 구성
할 수 있음. 제품 4P 믹스 플래닝이나 TPO 프로모션에 활용할 수 있음.
인공지능 기술은 전세게
공통입니다. 그러나, 분석
자료 구성과 계획된 도식
(scheme)에 따라 특유의
결과물을 얻을 있게 됩
니다.
금융 정부
보건
생명
제조 에너지 통신
부정행위 적발
신용 분석
자동 금융 자문
스마트
센서 융합
안면 인식
예측
생체의학
영상
모니터
공급망 최적화
자동 결함 검출
에너지 예측
대화형 챗봇
맥락기반 마케팅
네트워크 분석
브랜드 MD 진단 및 제품화 : 행태주의 마케팅에서의 브랜드 포지셔닝/포지션은 머천다
이징 포지셔닝을 추구합니다. 머천다이징은 사용고객특성*사용상황*사용시간.계절*
용금액 기준에서 브랜드들의 차이 즉 포지션을 정하며 매트릭스상에 브랜드들을 매핑하
는 방법을 취합니다. 이러한 머천다이징 포지셔닝 방식은 의류제품이나 신변잡화에서
는 오랜전부터 사용되어온 전통적인 방식이며 식음료에서도 많이 적용되는 방식입니다.
머천다이징 진단은 제품의 라인업이나 신제품개발, 제품 컨셉 및 프로모션에 활용될 수
있습니다. 또한 MD 포지션 위치 마다 제품 선택확률을 구할 수 있어, 포지션 위치에서
의 경쟁강도와 시장점유율 경쟁정도를 계상할 수 있습니다. 제품의 전형성과 혁신성을
고려하여 4P 믹스의 제품화나 컨셉이나 광고비용등을 변경시키면 이에 따라 움직이게
되는 제품 포지션 위치를 계상할 수 있습니다.
가격정책 진단 및 가격 탄력성 : 기업의 가격정책이란, 준거 가격은 높게 형성하며 가격
혜택을 얻는 조건을 형성하여 프로모션 효과를 얻으려하는 것을 말합니다. 가격정책을
수립하는 데에 중요한 정보는,실제로 구매하고 있는 가격범위와 구매빈도 추이입니다.
특히, 고객충성도와 가격정보를 교차하면 고객침투 및 고객전환을 유도할 수 있는 가격
혜택 수준을 계상할 수 있습니다.
추천 및 목표고객 행동 예측 : 추천은 고객의 제품 구매이력을 분석하여 고객의 성향을
분류하거나, 구매제품간의 연관규칙을 분석하여, 다음에 구매가능한 제품 목록을 준비
하는 것입니다. 그동안의 추천 솔루션의 한계는 고객의 구매이력을 알지 못하는 신규고
객이나, 기존 구매한 제품의 만족도를 모르거나, 고객의 제품구매 용도를 모를 때나,
객이 조건을 제시하며 추천받기를 원할 때는 구매자 특성 유사성이나 상품 유사성의 규
칙을 생성하는 기존의 인공지능 분석으로는 대응할 수 없다는 것이었습니다. 행태주의
마케팅에서 개발하는 추천방식은, 고객이 탐색하려는 제품군의 MD 포트폴리오를 제시
하며 제품사용의 MD특성을 선택하는 조건하에서 가치가 부합하는 제품을 제안하는 추
천시스템입니다. 이러한 추천시스템의 장점은 특정 상황에서 문제를 해결하기를 원하는
편익 제품을 제안할 수 있다는 점입니다.
동태적 가격관리 전자쿠폰 결재 : 일반 생활제품의 가격은, 항공이나 호텔 대실 가격과
같이 동태적으로 가격을 책정하기 어렵습니다. 그러나 행태주의 마케팅에서는 앱 전자
쿠폰을 통하여 소매유통의 가격 프로모션과는 독립적으로 동태적 가격관리를 실행하는
시스템을 개발하고 있습니다.
이상과 같이 행태주의 마케팅은 동일한 인공지능 분석기술을 사용하면서도 분석 데이터 구성
이나 분석 스킴을 달리함으로써, 기업이 필요한 4P믹스 인텔리전스 서비스를 제공할 있습
니다. 더 많은 정보는 emkt.co.kr 플랫폼이나, [행태주의 마케팅]이나 [제품개발 접근법]
서에 담겨있습니다.
4
행태주의 마케
팅 패러다임은,
라이프 스코링
이라는 고유한
데이터 분석기
법으로 4P
의사결정에
필요한 마케팅
인텔리전스를
지원합니다