Pov 1 behind the scenes 6.4 final kor 1018
•
1 gostou•541 visualizações
BLE Presentation File_Imperative 1
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (20)
Semelhante a Pov 1 behind the scenes 6.4 final kor 1018
Semelhante a Pov 1 behind the scenes 6.4 final kor 1018 (20)
Pov 1 behind the scenes 6.4 final kor 1018
- 1. 고객 데이터를 활용한 고객 경험의 혁신 Fly First는 국제 항공사로서 1 수년 동안 고객 데이터를 수집하고 분석 해왔습니다. 그러나 Fly First의 CMO인 Jay는 그 동안 회사에서 기울인 노력이 피상적인 것에 불과했음을 깨달았습니다. © 2012 International Business Machines Corporation 1
- 2. 데이터 수집 전략의 수립 Jay는 최근 인터넷상에서 First Fly 에 대한 부정적 글이 자주 게시되고 있음을 발견합 니다. 더군다나 고객 데이터 분석결과를 ▶ 좌석배정 근거로 결정한 광고메시지도 그다지 효과 가 없다는 사실을 깨닫습니다. ▼ 기내식 메뉴 선택 고객님께서 탑승하게 되실 FF007 편의 우선, 데이터 수집 범위를 확대해서 고객 기내 메뉴를 선택해주시기 바랍니다. 에 대한 이해를 심화하는 것을 목표로 삼 10월 19일 저녁 식사 았습니다. Fly First 는 고객의 기내식 메뉴 ○ 연어구이와 청경채볶음 ○ 스테이크와 볶음누들 선택을 디지털 방식으로 바꾸고, 기내 구 매에 신용 카드만 허용하고, 디지털 설문 10월 20일 아침 식사 ○ 에그 베이컨 샌드위치와 제철 과일 샐러드 조사를 실시하기 시작했습니다. ○ 녹차죽과 정어리구이
- 3. Behind the Scenes 데이터 수집 채널의 확 데이터 수집 장 First 항공사는 운영중인 웹 Fly 사이트와 모바일 앱 외에도, 기 내 터치 스크린, 공항 무인발권 시스템, 공항 라운지에 데이터 수집 기능을 추가합니다. 새로운 고객 접점이 디지털화되 어 보다 상세한 고객 정보를 확 보할 수 있게 되었으며, 이 정보 는 예측 분석의 중요한 자료로 쓰입니다. 기내 터치 스크린 무인 발권 시스템 공항 라운지
- 4. Behind the Scenes 성향 분석 고객 성향데이터 수집 및 분석 전반적 고객 성향 시계열에 따른 고객 성향 변화 그리고 추가로 기업 내 정형화된 매우 부정적 데이터 소스 이상으로 고객정보 부정적 중립 긍정적 의 범위를 확대합니다. 다양한 SNS 채널에서 수집된 고객의 성 상위 5개 부정적 주제 영향력 평가 : 부정적 활동 상위 5명 상위 5개 긍정적 주제 영향력 평가 : 긍정적 활동 상위 5명 향 분석 및 고객의 영향력 평가 를 시작했습니다. 또한 Fly First 웹사이트를 주요 소셜 채널과 통 합했습니다.
- 5. Behind the Scenes 데이터 분석 데이터 마이닝 Fly First 항공사는 데이터 마이닝 을 이용하여 고객에 대한 예측 인텔리전스, 즉 고객의 최근 탑승 이력의 특징 및 앞으로의 비행 스케줄을 예측합니다. 마케팅 조직은 기내 및 공항에서 의 마케팅 프로모션에 대해 보다 SCHEDULE LOUNGE 객관적 근거에 기반한 의사결정 을 내릴 수 있습니다. ON TIME
- 6. Behind the Scenes IBM 소셜 분석 관련있는 콘텐트를 비즈니스 연관성에 확보된 인사이트를 자동으로 파악하고 제시 따른 콘텐트 제공 조직 내 커뮤니케이션 관리자 화면 대화식 시각화 및 분석 정형/비정형 의미연계 •크롤링 (정보 색인) 검색 중심 데 데이터 (Semantic) 타사 공급업체 이터 탐색 •정보 추출 및 복합주제 (Faceted) Cognos 다국어 •인프라 규모 산정 검색 인덱스 보고서 및 분석 웹 컨텐츠 분석 플랫폼 •데이터베이스 통합된 UI
- 7. 종합적인 분석을 통해 “승객의 목소리”에 집중 데이터 분석 • 트위터와 여행을 주제로 한 카페 및 블로그 게시물과 댓글 수십만 건을 분석하여 Fly First 항공상에 대한 기 업 평판, 승객의 관심사, 메 자주 언급된 항공사 자주 언급된 주제 First Fly 정시운행 시지 및 소셜 활동에 대한 Jet Set 항공운임 라운지 마일리지 반응을 모니터링합니다. Skyline 운행스케줄 엔터테인먼트 직원 웹서비스 보안 Trans world 수화물 기내식
- 8. 고객 정보의 연결 Jay와 그의 팀은 기업 내/외부에서 확보한 여러 데이터 소스를 결합하여 고객에 대한 상세하고 개별적인 그림을 그릴 수 있게 되었습니다. 이들은 마케팅 응답결과와 같은 ‘상호작용 데이터’를 비롯 소셜 미디어에 서 획득한 ‘성향 데이터’, 탑승 이력 등의 ‘행동 데이터’, 좌석 선호사항 등의 ‘서술 데이터’를 갖게 되었습니다. 상호작용 데이터 성향 데이터 행태 데이터 서술 데이터 (Interaction Data) (Attitudinal Data) (Behavioral Data) (Descriptive Data)
- 9. Behind the Scenes 정교한 성향 분석 데이터 분석 •고객의 성향을 분석하고 주요 관심사, 핵 심 키워드 및 출처에 따라 구분합니다. •성향의 흐름을 기반으로 시계열(Time 수화물 운행 스케줄 series) 분석을 완성합니다. 라운지 보안 정시 운행 •성향 분석을 기반으로 증거에 기반한 메 기내식 시지를 결정합니다. •Fly First 항공사의 기업 평판 및 소셜 활동 SCHEDULE 에 대한 반응을 파악하여 현재 상황 및 변 LOUNGE 화를 정확하게 평가합니다. ON TIME •새로운 소셜 미디어 채널을 식별하고 표 적화하여 지지 기반을 강화합니다.
- 10. Behind the Scenes 예측 분석 마케팅팀은 수 캠페인 데이터 주요 성과 웹 페이지 • 구매 기록 예측인자 및 추천 집된 데이터를 • 행사 참여 • email 오픈/클릭 캠페인 결과 분석하여 고객 • … 개개인의 잠재 성향 데이터 • 트위터 적인 행동과 • 댓글 • 블로그 마케팅 캠페인 요구를 예측할 • … 분석 평가 수 있었습니다 고객 데이터 고객 프로필을 바탕으로 순위대로 캠페인에 노출되었을 경우 최고의 제안 . • • 인구통계 정보 계정 활동 응답할 가능성이 있는 사 3개를 선정 고객 서비스 • 제품 보유 람이 누구인지 예측 • 채널 활동 • 정보 요청 불만 조정/계획 예측 행동 • • …
- 11. 데이터 수집 및 소비자 성향 분석 개별 고객에 대한 성향 정보를 토대로 마케팅 을 실시하자 고객들의 반응은 더 증가했고 긍 정적 언급도 많아졌습니다. 고객에 대한 데이터 수집량을 늘리기 위해 본인에 대한 정보를 더 많이 제공하는 고객에 게 인센티브를 제공하기 시작합니다. (예: 설문조사 완료 시 마일리지 제공)
- 12. Behind the Scenes 친화도 분석 친화도 분석 어떤 특정 주제가 소셜 서비스 상 에서 어떤 반응을 보이는 지를 보 여 줍니다. 매 우 부 부 중 긍 Fly First 마케팅 캠페인에서 사용된 친화도 정 정 립 정 안전 마케팅 메시지가 얼마나 고객에게 항공운임 정시 운항 관심을 끌 수 있을 지 소셜 친화도 비행 스케줄 라운지 관계와 비교할 수 있는 통찰력을 기내식 수화물 획득함에 따라 캠페인 메시지에 대 직원 마일리지 한 평가가 가능해집니다. 웹서비스 기내영상
- 13. 개별 고객에 대한 종합적인 이해 Flight Network 결과적으로는 이러 Merged Network 한 모든 데이터 분석 의 결과로 얻어진 가 장 큰 변화는 개인으 로서의 고객에 대한 ■ 우수고객 종합적인 인사이트 ■ 일반고객 ■ 경쟁사 고객 를 확보했다는 점입 Amy Bearn 항공사 니다. 32, Married, mother of 3, Accountant Flight Score: 91 CPG Score: 76 Fashion Score: 88 유통회사 Social Network 기존 데이터
- 14. 고객 수익성 향상 그 결과 고객의 좌석 업그레이드 또는 기내식 구 매와 같은 행동을 예측할 수 있고, 소셜 네트워크 분석을 활용하여 고객의 네트워크를 이해하고 있습니다.
- 15. 변화하는 흐름을 파악, 새로운 메시지에 대한 아이디어 확보 • 여러 웹사이트 및 각종 소셜 플랫폼에 분석 서 이야기 되는 동일 주제에 대한 토론 을 분석, 가중치가 적용된 요약정보를 제공 • Fly First 기업 평판, 캠페인 및 고객 서 비스와 관련된 주제를 파악, 위험여부 또는 사업 기회를 확인 • 광범위한 연계 주제 및 이벤트를 더 효 과적으로 타깃팅 • 승객이 사용하는 어휘 및 선호하는 토 론 주제가 포함되도록 소셜 미디어 캠 페인을 확대
- 16. 고객 서비스 향상을 위해 고객 통찰력 적용 Jay와 그의 팀은 이제 고객의 행동에 대 한 새로운 통찰력을 바탕으로 고객을 위 한 혁신적인 경험을 기획할 수 있습니다. 이제 시카고 행 비행기를 탑승하기 위해 Gate에서 대기 중인 Fly First 승객 - Rick 과 Andrea의 예를 살펴 보겠습니다. Andrea Smith Rick Boor 상용 고객 상용 고객 First Fly 애용 선호 항공사 없음 소셜 미디어 영향력이 있음 소셜 미디어 영향력이 있음 라운지 패스: 있음 라운지 패스: 없음 기내식 : 일반식 기내식: 채식
- 17. 앞선 분석기술을 사용하여 고객 경험을 사전에 계획하고 관리 기계적 결함으로 비행이 지연되었습 니다. Rick은 양해를 구하는 SMS 문 자와 함께 3개월짜리 라운지 패스를 받았습니다. Andrea도 기내면세품 Dear Andrea, 25% 할인 쿠폰이 포함된 이메일을 우선 기체결함으로 인해 고객님께 불편을 끼쳐드린 점 다시 한번 죄송의 말씀을 드립니다. 받았습니다. 추후 저희 First Fly 의 기내 면세품 구입시 25%할인이 가능한 쿠폰을 동봉합니다. 이러한 차별화된 보상은 패턴 기록을 First Fly 고객서비스 팀 바탕으로 고객의 선호 사항을 알아내 는 예측 분석을 적용하여 시스템에서 자동으로 생성된 것입니다.
- 18. 분석결과의 실제 적용 Rick은 바로 First Flight의 보상 서비스를 이용했 습니다. 그는 공항 라운지에서 음료를 마시면서 트위터를 통해 First Fly 항공사에 대한 호의적인 의견을 공개적으로 공유했습니다. 우수 등급 고객인 Andrea는 라운지에서 휴식을 취한 다음 비행기에 탑승하여 면세품을 주문할 때 할인 쿠폰을 사용했습니다.
- 19. Behind the Scenes 소셜 네트워크 분석 Fly First 팀은 소셜 네트워크 분석을 적용하여 주변인에게 추천할 가능성 이 높은 고객과 그렇지 않은 고객을 식별했습니다. 마케팅 팀은 이를 통해 추천 프로모션 의 대상으로 삼을 타깃 고객을 더 정 확하게 선별할 수 있습니다.
- 20. Behind the Scenes 소셜 통찰력과 예측 분석을 연계할 수 있는 종합적인 분석 역량 • Fly First는 개별 사용자를 대상으로 (또 는 개별 사용자 그룹) 구성된 대시보드 를 통해 데이터를 쉽게 유형화 하거나 관련 보고서를 즉시 추출, 문제 발생 시 고객이 만족할만한 ‘차선의 조치’를 취 할 수 있는 역량을 갖추게 되었습니다.
- 21. 고객 통찰력을 적용했을 때의 영향력 Fly First에 대한 소셜 미디어 상의 의견들이 부정적인 성향에서 중립적인 성향으로 개선되었음이 확실히 관찰되었습니다. 특히 매우 부정적이었던 고객들이 중립적이거나 지지하는 듯한 태도로 바뀌고 있습니 다. 라운지 수익이 증가하고, 추천을 통한 멤버십 등록도 증가했습니다. 고객 통찰력은 특정 대상을 겨냥한 프로모션에 활용 되고 있습니다. 전반적으로, 마케팅 비용은 줄고 성과 는 향상되었습니다.
- 22. Behind the Scenes 의사결정 관리 Fly First는 모든 고객과의 상호 작 용을 1:1로 개인화하기 위하여 “의 사결정 체계”를 구현했습니다. 가령 예측 분석을 통해 좌석을 비 즈니스 클래스로 업그레이드할 가 능성이 있는 고객을 식별합니다. 이러한 분석결과를 기반으로 회사 정책(예: 업그레이드할 수 있는 티 켓 유형)이 결정됩니다.
- 23. 고객 데이터를 활용한 고객 경험의 혁신 23 © 2012 International Business Machines Corporation 23