손보사 CRM 추진 사례 2001. 3. 22. 조 영 빈 Billycho@unitel.co.kr

목 차 1. 추진 배경 1.1. K사의 전략적 이슈 1.2. 비전 및 추진 전략 2. 추진 과정 3. 시스템 구축 및 활용 목 차 1. 추진 배경 1.1. K사의 전략적 이슈 1.2. 비전 및 추진 전략 2. 추진 과정 3. 시스템 구축 및 활용 3.1. 프로젝트 개요 3.2. 시스템 구성도 3.3. DW/DM 3.4. OLAP 3.5. Data Mining 3.6. Campaign management 3.7. 통합과 연계 4. 시사점

중소형사 그룹의 입지 약화 및 전문 보험사 그룹의 증가가 예상됨 1. 추진 배경 1. 1. K 사의 전략적 이슈 보험 시장 환경 변화에 어떻게 대응할 것인가? 중소형사 그룹의 입지 약화 및 전문 보험사 그룹의 증가가 예상됨 IMF 이전 현 재 향후(2002년) 대형 보험사 대형 보험사 대형 보험사 중소형 보험사 중소형 보험사 외국계 보험사 전문 보험사 외국계 보험사 외국계 보험사

소형사로서의 강점과 대형사의 약점을 고려한 보다 현실적인 마케팅 전략 방향 설정 필요 1. 추진 배경 1. 1. K사의 전략적 이슈 소형사로서의 강점과 대형사의 약점을 고려한 보다 현실적인 마케팅 전략 방향 설정 필요 대형사 대비 소형사로서의 강점 적극 활용 대형사가 대응하기 어려운 전략을 조기 시행 시장 선점 및 차별화 요소로 적극 활용 가능 기본 방향 고려 사항 외국 Niche Player Best Practice가 국내 시장 환경에서 적용 가능성 검토 - 특정 고객층만 대상의 전문보험사(USAA, Progressive) 외국 Direct Channel Best Practice 국내 적용 시 문화적 Gap 극복방안 검토 - 특정 채널만의 전문 보험사(Direct Line) 검토 결과 기존 고객, 기존 조직 및 기존 상품을 보유한 상황에서는 Niche Player는 부정적 기존 조직과 Direct Channel의 효율적인 연계를 통한 중소형사로서의 차별화가 바람직 생존 전략 국내 환경을 고려한 Direct Channel 구축 수익성과 성장성 측면에서 대외 경쟁력 확보 해결 과제 차별적 이미지 선점(positioning) 및 이를 통한 제휴 마케팅의 활성화 수당 수수료 체계 다원화를 통한 기존 조직의 점진적인 고능률화 및 생산성 향상 Direct Channel 단계적 도입(Tele Marketing, Call Center, Cyber Insurance) 기존고객 Value 증대를 위한 최신 정보기술(IT)의 도입 및 활용

1. 추진 배경 1. 2. 비전 및 전략 IDMS 2000을 기반으로 한 최고의 Direct Channel 전문 보험사 - Direct Communication 및 Cyber Image 기업으로 고객에게 Positioning - 1단계(2000년 3월까지) 2단계(2002년 3월까지) 3단계(2003년 3월까지) 고 저비용/고효율 /차별화 완성 Direct Channel 전문 보험사로 발전 금융 Portal 제휴 서비스 구축 상생 전략 FIS를 통한 차별적 이미지 수익성 Direct Channel Infra 구축 새로운 비전의 수립 저 저 차별화 고 Direct Channel이란 Sales(신규고객 유치) 측면 뿐만 아니라 고객과의 Direct Communication & Relation (이탈방지, 연계판매[Cross sell], 추가판매 [Up sell] 및 서비스 등)을 통하여 기존채널의 고객 유지 관리를 강화하는 개념임 주) IDMS 2000 : 고객정보를 기반으로 하는 [Information-based] Direct Marketing System 으로 K사의 기반 시스템명

IDMS 2000을 기반으로 한 CRM Process의 효율적 운영 (Free Internet Service) 1. 추진 배경 1. 2. 비전 및 전략 IDMS 2000을 기반으로 한 CRM Process의 효율적 운영 Direct Channel Infra 구축 고객 통합 DB 구축 채널 운영 고객 가치 증대 (CRM) FIS (Free Internet Service) 보유 고객 유지 (갱신율 제고) 기존 채널 (설계사, 대리점) E-Business 제휴 보유 고객 정보 연계 가입 증대 금융 Portal 서비스 체제 구축 Customer Database (DW) 신 채널 (Direct Channel) e - Insurance Call Center 추가 판매 제고 신규 고객 유치 신규 고객 정보 상생 체제 구축 (Win-Win 체제) 채널/고객 특성별 상품 개발 판매채널(Sales) + 기존채널 보완

2. 추진 과정 기술 검토 및 업체 선정 프로젝트 진행 Test Marketing 전략 수립 피드백 TFT 구성 (’99.4) ’99. 2. ~ ’99.3 ’99. 9. ~ ’00.1 ‘00.2 ~ ’00.7. ’00.7. ~’00.9 ’00. 7. ~ ’99. 4. ~ ’99.8 ’00.9 ~ ’01.2. ’01.1 ~ ’01.3 TFT 구성 (’99.4) : 3 명 마케팅 전략 수립 - 비전 및 중장기 전략 수립 - CRM System - Direct Channel - CRM Process 고객 분석 - 이탈/연계고객 특성 분석 - 고객 세분화 요소 기술 검토 업체 선정 - 컨소시엄 구성 내부 팀 구성 - 마케팅실 주관 - 정보시스템부/ 현업 참여 1차 프로젝트 - Pilot Project - Direct Channel . Call Center . e-Insurance 2차 프로젝트 - CRM 시스템 완성 - 각 시스템 연계 1차 테스트 - Pilot Project 기술 검증 - Call Center Flow 검증 - 마케팅사이클 자동화 테스트 2 차 테스트 - Cyber Channel - 전프로세스 검증 테스트 마케팅 결과 검토 - 기술 보완 - 마케팅 시나리오 - 데이터 보완 - 업무 프로세스 개선 등

(Customer Relationship Management) Legacy System (Main System) 중심 3. 시스템 구축 및 활용 3. 1. 프로젝트 개요 프로젝트 목 적 시장환경변화와 마케팅 패러다임 변화에 적극적으로 대응키 위하여 데이터 웨어하우스, 데이터 마이닝, OLAP 등 최신 정보기술 (IT) 을 활용하여 가치 있는 신규고객의 창출, 기존고객의 가치증대, 판매채널의 생산성 향상을 위한 마케팅 시스템 프로세스를 구축하며 향후 One to One 마케팅 및 CRM (Customer Relationship Marketing) 체제로 이행키 위한 기반 시스템으로 활용코자 함 기본 전략 단계적 도입을 통한 효과 극대화 및 위험 최소화 테스트 마케팅 시행 Call Center 및 e-Insurance와 통합 구축 기존 보유 자원의 최대 활용 및 기간 시스템과 연동 Mass Marketing One-to-One Marketing (Customer Relationship Management) 시장점유율에 초점 고객 점유율에 초점 신규 고객 획득 중심 고객의 평생가치 증대 중심 인적 판매채널 의존(설계사,대리점) 판매채널의 다양화(TM,DM,IM) 감에 의한 마케팅 IT가 기반이 된 과학적인 마케팅 Legacy System (Main System) 중심 마케팅 의사결정 지원시스템 중심(DW등)

3. 시스템 구축 및 활용 3. 1. 프로젝트 개요 CRM SYSTEM : 1 (4개월), 2차 (4개월) 로 분리 진행 진행 일정 CRM SYSTEM : 1 (4개월), 2차 (4개월) 로 분리 진행 e-Insurance 및 Call Center : 1차에 진행 (5개월) 2000. 1 2 3 4 5 6 7 8 9 10 11 1차 2차 TEST 1 차 - CRM 시스템 : Direct Channel Marketing (Call Center, e-Insurance) 을 위한 재사용 가능하고 미래 지향적인 DW 구축 및 Call Center Test Marketing - 신규 고객에 초점 - Call Center : 기간계 시스템과 DW와 연계 - e_Insurance : 기간계 시스템, DW 및 FIS 연계 2 차 - CRM 시스템 완성 : Direct Channel 및 기존 시스템과의 연동을 통한 신규고객 창출 및 기존고객의 이탈방지, 추가가입을 유도하는 CRM 시스템 완성 - Call Center, e-Insurance, DW, 기간계와의 자동화된 연동

3. 시스템 구축 및 활용 3. 2. 시스템 구성도 캠페인정보 고객리스트 SAS/E-Miner 운영계 기종: OS: UNIX DBMS: SAS 보험 설계사 고객 Data Warehouse 마이닝전략 Key 내 부 데이터 E- Insurance 스코어/모델 OPERA@web 캠페인 전략 (시나리오) 기종: OS: NT DBMS:Oracle 외 부 데이터 기종: OS:UNIX DBMS:DB2 캠페인 결과 기종: OS: UNIX DBMS: SAS Call Center 캠페인 전략수립 기종: OS: NT DBMS:Oracle 캠페인 결과/반응정보 OLAP 마케팅 정보 사용자 층 기종: OS: DBMS:Oracle

3. 시스템 구축 및 활용 3. 3. DW/DM DW 업무 범위 고객과의 접촉에 대출에 관한 정보 관한 정보 상품/계약 정보 대출 신마케팅 정보 상품정보 계약공통 - 고객별계약정보 자동차 계약 장기 계약 화재특종 계약 대출자 정보 대출기본 정보 대출상품 정보 대출담보 정보 신용 정보 영업설문서 정보 고객접촉 정보 - DM발송반송 - 의사소통 정보 - 이벤트결과 캠페인활동 정보 - 고객반응 정보 상품과 계약에 관한 정보 사고 발생 및 처리에 관한 정보 모집조직에 관한 정보 고객에 관한 정보 내부조직 정보 고객 정보 보상 정보 기본정보 조직평가정보 - 점포평가 - 교육과정출근관리 - 표준활동판정 정보 영업실적정보 - 자동차손해/갱신/ 자동이체율 - 보험료실적 개인고객정보 - 고객 기본 정보 - 가족관계정보 - 마이닝 평가정보 - 직업 정보 - 보험가입이력 정보 - 재무 정보 - 설계사시험 정보 - 선호도 정보 법인고객 정보 - 고객기본정보 - 법인재무정보 - 임직원정보 - 타법인출자 정보 보상공통 정보 - 고객별사고정보 자동차 보상 정보 - 사고발생처리정보 - 소송발생처리정보 - 구상발생처리정보 장기 보상 정보 화특 보상 정보

3. 시스템 구축 및 활용 3. 3. DW/DM DM 업무 범위 장기보험 계약 추이 분석 자동차보험 계약 추이 분석 자동차보험계약성향 장기보험계약성향 상품/보종별 판매 현황 피보험자별 판매 현황 담보/특약별 판매 현황 차종/배기량별 판매 현황 표준할인 할증별 판매현황 유입경로별 판매 현황 자동차보험 계약 추이 분석 상품/보종별 판매 현황 납기/만기별 판매 현황 계약자/피보험자별 현황 가입담보/금액별 판매현황 실효/해지/부활 계약 현황 고객 통합 분석 캠페인 내역 분석 판매채널성향분석 영업채널성향 캠페인활동 고객성향 성별/연령별 현황 학력/지역별 현황 근무기간별 현황 자격등급별 현황 근무기간별 실적/소득 현황 정착수당 지급현황 영업활동 추이분석 고객 성별/연령별 응답 분석 고객 마이닝 평가점수별 응답분석 캠페인 성과분석 고객 상태별 성별/지역별 고객 현황 마이닝 점수별 고객현황 고객 개인별 보험가입이력 현황

3. 시스템 구축 및 활용 3. 3. DW/DM 논 리 모 델 물 리 모 델 1. 모델에 대한 설명 1. LDM 리뷰 2. 이슈정의 2. PDM 확정 3. 논리모델 확정 논리모델->물리모델 변환 1차 모델의 리뷰 이슈 재정리 1. PDM 설명 DW팀, 정보시스템부 참여 DW팀, 정보시스템부, 현업담당자 참여 2. 매핑초안 정의 DW팀, 정보시스템부, ETT담당자 참여 ETT를 위한 기본정보 제공 Source vs.Target 정의

3. 시스템 구축 및 활용 3. 3. DW/DM 논 리 모 델 물 리 모 델 1. 사용자요구사항정의 1. LDM 리뷰 2. 논리모델 확정 2. PDM 확정 신규 요구사항 정의 LDM 확정 논리모델->물리모델 변환 1. PDM 설명 DW팀, 정보시스템부 참여 DW팀, 정보시스템부, 현업담당자 참여 2. 매핑초안 정의 DW팀, 정보시스템부, ETT담당자 참여 ETT를 위한 기본정보 제공 Source vs.Target 정의

3. 시스템 구축 및 활용 3. 3. DW/DM 논 리 모 델 물 리 모 델 1. 사용자요구사항정의 1. LDM 리뷰 2. 논리모델 확정 2. PDM 확정 신규 요구사항 정의 LDM 확정 논리모델->물리모델 변환 DW Data Source 검토 1. PDM 설명 DM팀, 마케팅실, 정보시스템부 참여 DM팀, 마케팅실, 정보시스템부 참여 2. 매핑초안 정의 DM팀, 정보시스템부, ETT담당자 참여 ETT를 위한 기본정보 제공 Source vs.Target 정의

OLAP Web 사용자용 Interface구성 3. 시스템 구축 및 활용 3. 4. OLAP OLAP 진행 절차 Client Server 1.Report양식정의 1.Broadcast서버 Setting 스케줄링 등록 2.Meta_Data 작업 3.Brio Report작업 2.OnDemand서버 Setting Document 등록 4.정형화된 Report 정보시스템부 참여 DM팀, 마케팅실, 정보시스템부 참여 Web OLAP Web 사용자용 Interface구성 마케팅실참여

3. 시스템 구축 및 활용 3. 4. OLAP OLAP 사례

3. 시스템 구축 및 활용 3. 5. Data Mining Integration 고객 접점 관리 마케팅 관리 고객 분석 CRM - 중심의 시스템 통합 전략의 최대 목표치 :고객 가치 증대 - 고객/ 시장 세분화를 통한 target 마케팅 추진 - 상품, 채널, 고객 ,시장 분석을 통해 전략 수립 기능 강화 - 정보를 이용한 체계적인 영업 활동 지원 - 보유 고객 유지, 연계 가입 증대, 신규 고객 유치 - 접촉고객에 대한 로열티 증대를 통한 고정 고객화 (설계사, TM, 웹) 관리 다채널 고객 접점 Integration 다채널 통합 캠페인 기획 고객 접점 관리 예측적 분석 기술적 분석 마케팅 관리 고객 중심의 DW 고객 분석 고객 정보

3. 시스템 구축 및 활용 3. 5. Data Mining 프로젝트 목표 1차 프로젝트 : 가망 고객을 대상으로 다이렉트 채널에서 신규 가입 모델링 중심으로 진행 대상고객 판매채널 가망고객/ 잠재 고객 콜 센터/인터넷 가입 가입시의 선호 접촉 채널 및 환경에 대한 정보제공 채널 선호도/ 가격 민감도 서비스 민감도 파악 순수가망고객 가 망 고 객 이탈고객 재가입 유도 순수가망고객 고객별 재가입 예측

3. 시스템 구축 및 활용 3. 5. Data Mining 2차 프로젝트 : 기존 고객을 대상으로 전 채널에서 LTV 를 높이기 위한 모델링 중심으로 진행 세분화된 국제화재 기존 고객별 차별 고객 화 마케팅 적용 고객 Loyalty 증대 고객 세분화

3. 시스템 구축 및 활용 3. 5. Data Mining 1차 프로젝트 산출모델 모 델 채택 변수 기대 효과 채널 수용도 모 델 채택 변수 기대 효과 채널 수용도 예측모델 신판매채널 수용도 성별, 연령, 지역, 보험가입사, 보험사 변경여부, 사고처리 유무, 연속 가입기간 1.35배 효과 채널 선호도 지역, 연속 가입기간 1.57배 효과 기존채널 선호 성별, 연령, 지역, 보험가입사, 보험사 변경여부, 사고처리 유무, 연속 가입기간 1.36배 효과 우편 선호도 지역, 보험사 변경여부, 사고처리 유무 1.43배 효과 전화 선호도 성별, 연령, 지역, 보험가입사, 보험사 변경여부, 사고처리 유무, 연속 가입기간 1.47배 효과 우편+전화 선호도 지역, 보험사 변경여부, 사고처리 유무 1.48배 효과 인터넷 선호도 연령, 지역, 사고처리 유무, 연속 가입기간 1.48배 효과

영업조직 고객 연령차, 영업조직 폐기/해촉구분, 3. 시스템 구축 및 활용 3. 5. Data Mining 1차 프로젝트 산출 모델 모 델 채택 변수 기대 효과 가격 민감도 예측모델 가격 민감도 성별, 연령, 지역, 보험가입사, 보험사 변경여부, 사고처리 유무, 연속 가입기간 1.50배 효과 가격할인 수용도 성별, 연령, 지역, 보험 가입사, 보험사 변경여부, 사고처리 유무, 연속 가입기간 1.11배 효과 서비스 민감도 예측 모델 지역, 사고처리 유무 1.80배 효과 이탈 재가입 예측 모델 장기보험가입여부, 지역, 월평균 수당, 배서유무, 영업조직 고객 연령차, 영업조직 폐기/해촉구분, 납방 - 분할 방법(횟수),신규.갱신 구분 2.17배 효과 사용변수 - 채널수용도, 가격 및 서비스 민감도 : 성별, 연령, 지역, 자동차 보험 가입사, 가입사 변경여부, 사고처리 여부, 연속 가입 기간등 7개 변수 - 이탈 재가입 모델 : 자동차 및 장기 계약사항, 보험가입경력, 영업조직특성등 20 개변수 사용

3. 시스템 구축 및 활용 3. 5. Data Mining 2차 프로젝트 산출 모델 모 델 내 용 이탈 예측 모델 모 델 내 용 이탈 예측 모델 - 자동차 보험 가입 고객중 이탈고객의 중요한 특성 파악을 통해 고객의 이탈 가능성을 예측하여 점수화 연계 예측 모델 - 자동차 보험 고객중 장기보험에 가입한 고객 (연계고객) 과 자동차보험에만 가입하고 있는 고객 (비연계고객) 들의 중요한 특성 파악을 통해 각 고객별로 연계가능성을 예측하여 점수화 고객 LTV 산출 고객의 과거 기여도 반영 : 고객 행동의 변동성, 현재 가치, 수익성 관점 고려 과거의 추세를 통하여 미래의 가치를 예측 : 고객 과거 자료의 통계적 분석을 통한 미래가치 반영 1) 자동차 잔존 가능성 예측 모델 2) 장기 유지 가능성 예측 모델 3) 자동차 사고 가능성 예측 모델 상기 요소를 이용하여 자동차 보험 고객지수, 장기 보험 고객지수 및 통합 고객 지수 산출 고객 Segmentation 자동차 보험 이탈율과 장기보험 연계 판매율에 따라 16개 그룹으로 고객 Segmentaion

3. 시스템 구축 및 활용 3. 5. Data Mining 이탈 예측 모델 모델링 결과 이탈 예측 모델 활용 알고리즘 채택변수 기대효과 이탈 예측 모델 Logistic Regression (변수선택 Stepwise entry 0.05, stay 0.05) 연속가입경력, 판매조직의 3개월 비례성수당, 정상장기가입건수, 할인할증 표준율, 판매조직의 나이, 판매조직 해촉/폐기 여부, 판매조직과 피보험자의 나이차이, 판매조직의 지역, 수납방법, 대인사고 발생여부, 전계약사, 가입담보조합, 피보헙자 연령, 차령, 판매조직 평균 총수당, 피보험자 직업, 차종재분류, 가족한정, 복수차량가입건수, 판매조직의 3개월 평가성수당, 판매조직의 종류, 판매조직의 차월수, 사고건수, 납입방법, 판매조직의 3개월 총수당, 판매조직의 성별. 1.82배 효과 활용 알고리즘 : 다양한 알고리즘을 사용하여 모델링한 후 최적의 효과를 나타낸 모델에 사용한 알고리즘 채택변수 : 최적의 효과를 나타내는 모델의 알고리즘에서 채택되어 모델구축에 사용된 변수 기대효과 : 모델을 적용하지 않았을 경우 효과(Base line)가 1.0이라면 기대효과는 모델을 적용시켰을 때의 확률값 상위10%집단의 효과를 나타냄 ( E-miner Assessment의 Lift Value)

3. 시스템 구축 및 활용 3. 5. Data Mining 연계 예측 모델 연계 모델링 결과 장기연계모델 Logistic Regression (Forward Selection (Enter-10%) 1회 정당보험료 그룹, 연령한정, 설계사/대리점 연령 그룹,차량용도, 배기량, 장기비율 그룹, 복수차량가입건수 그룹, 책임단독/책임+임의 구분, 영업조직 고객 연령차 그룹, 가입경력코드, 신규/갱신 구분, 할인할증 표준율 그룹,일반보험 기입유무, 판매조직과 피보험자의 지역동일여부, 판매조직성별과 피보험자성별의 조합, 피보험자 직업, 가입담보조합그룹, 월비례성 수당그룹, 납입방법, 피보험자 연령그룹, 피보험자 지역, 사고유무, 대리점/설계사성별 조합, 표준활동 재그룹, 수납형태 재그룹, 설계사/대리점 지역, 근무개월수재그룹, 월평균수당 재그룹, K사 연속가입경력 3.36배 효과 채택변수 모델 활용 알고리즘 기대효과

3. 시스템 구축 및 활용 3. 5. Data Mining 종합적 고려 ! LTV 산출 LTV 구성 요소 운영계 또는 DW 를 활용한 고객의 데이터를 이용한 고객의 과거 시점의 점수 산출 고객유지율 원가 구조 시장이자율 LTV 모델 구성요소 Marketing Mix 원가시스템 금융시장상황 경영 환경 가 중 치 고객존속기간 고객사고율 고객수익성 이자수입 비용 거래이력 수익성 관점 사고이력 속성 관점 예측 관점 과거 미래 고객 지수 산출시에 계산식으로써 반영 고객에게 일관성 있는 지수를 부여하기 위하여 고객의 판단기준에 대한 배점처리 및 상품별 가중치 처리 운영계 또는 DW 를 에서 고객의 데이터를 취득하여 마이닝을 통한 미래 예측치 산출 종합적 고려 !

3. 시스템 구축 및 활용 3. 5. Data Mining 고객 세분화 자동차 보험 개인계약을 이탈율과 연계판매율에 따라 16개의 그룹으로 Segmentation 낮음 높음 이탈율 높음 낮음 1.1 1.2 1.3 1.4 건수 그룹번호 분포 2.1 2.2 2.3 2.4 연계율 3.1 3.2 3.3 3.4 4.1 4.2 4.3 4.4

3. 시스템 구축 및 활용 3. 5. Data Mining 고객 세분화 12개의 유의미한 속성변수를 이용하여 segment된 집단의 특성을 평가 우수 고객군 이탈율이 낮고 연계율이 높은 집단 지속적인 관계유지를 통해 Loyalty 강화 우수고객군 이탈방지강화군 이탈방지 강화군 이탈율이 높고 연계율이 높은 집단 이탈방지 Promotion 전개 연계판매 강화군 이탈율은 낮으나 연계율이 높은 집단 연계강화 Promotion 전개 연계판매강화군 집중대상관리군 집중관리 대상군 이탈율이 높으며 연계율이 낮은 집단 집단 세분화후 기대효과가 큰 집단에 Promotion 전개

3. 시스템 구축 및 활용 3. 5. Data Mining 활용 및 발전 방향 현황 파악의 활용 현황 파악 분석표를 토대로 테스트 마케팅 전략 및 마케팅 프로세스를 정립 시키고 마케팅 전략 수립의 기본방향을 제시 현황 분석표 Matrix 타겟 마케팅 보험가입경력 일반 공동물건구분 신규/갱신구분 대출여부 일반보험가입건수 보험사 변경여부 가입경력 장기보험가입건수 정상장기보험가입건수 전 계약사 전계약사 그룹 연속가입 경력 적용보험료 복수차량건수 가입상태 분납방법 정상일반보험가입건수 √ 상 정상장기 일반보험 가입유무 중 세부 구분 변수 Business process 구분 이탈율의 폭 중요도 조직/채널 관리 마케팅 세부전략 취약점(Risk) 관리 테스트마케팅 모델의 확률값은 Current Status 에서 고객당 예측값이고 역으로 예측치보다 더 좋은 결과를 올리려면 예측치에 영향을 많이 주는 변수에 해당되는 Business(marketing) Process에 대한 재 정립이 필요함. Ex) 이탈율이 높은 변수에 해당되는 Business(marketing) Process 는 이탈율을 재고할수 있는 마케팅 전략을 수립

3. 시스템 구축 및 활용 3. 5. Data Mining 활용 및 발전 방향 예측 확률값(Scoring 결과)의 활용 상위 10% 고객에 대한 마케팅 타겟 선정 상위 20% 고객이 주는 수익과 캠페인 비용과의 비교 후 캠페인 비용결정 상위 30% 고객이 총 수익에 차지하는 비중에 맞는 마케팅 전략 수립 세분화된 집단 내의 고객간의 상대적인 위치를 파악 상위 10% 상위 20% 상위 30% 상위 40% 상위 50% 상위 60% 상위 70% 상위 80% 상위 90% 상위 100%

3. 시스템 구축 및 활용 3. 5. Data Mining 고객 관리 Process 개선 활용 및 발전 방향 가망 고객 관리 가망고객 확보 고객 세분화 고객군별 차별화된 가입전략 미가입 확보 root 관리 개념적 세분화 예측값에 의한 세분화 차별화된 채널 전략 차별화된 캠페인 전략 차별화된 마케팅 전략 가입 기존고객 관리 Process 기존 고객 관리 고객/채널/시장 분석 기존 고객 모델링 적용 Base : 고객 가치 증대 차별화된 캠페인 전략 차별화된 마케팅 전략 상품 분석,실적 분석 cross / up selling 분석 이탈 고객 분석 고객 세분화 분석 고객 수익성 분석 상품 선호도 분석 고객 행동 분석 캠페인 반응 분석 채널별 고객 성향 분석 예측 모델 or OLAP 이용 하여 고객 세분화 이탈 예측 모델 연계 가입 예측 모델 채널 선호도 예측 모델 상품 선호도 예측 모델 수익 예측 모델 위험도 예측 모델 이탈 후 재가입 예측 모델 마케팅 전략 실시 고객 접점 관리 채널별 고객 차별과

3. 시스템 구축 및 활용 3. 6. Campaign Management Opportunity Execution CM 개요 ☞ 마케팅 전략에 따라 정의된 고객을 대상으로 일련의 Marketing Cycle을 자동화하는 시스템 Segment Definition Planning Campaign ROI Prediction Transmission Manager Campaign Assessment Response Manager Schedule Score Mining Opportunity Assessment Response Execution 마케팅 기회 탐색 캠페인의 계획 및 설계 각 채널을 통한 캠페인의 실행 캠페인 진행 상황 확인 및 반응의 수집 캠페인 응답에 의한 효과 분석 Mktg. Strategy

3. 시스템 구축 및 활용 3. 6. Campaign Management Data Warehouse Modeling CM의 역할 Data Warehouse Modeling Data Warehouse 데이터를 이용한 대상 고객 추출 데이터의 정확성 검증 및 테이블간의 조인 확인 캠페인 결과 분석을 위한 Data Mart 생성 OLAP 분석을 통해 발견된 다양한 마케팅 기회 요소 반영 마이닝 결과를 활용한 대상 고객 정의, 대상 고객 분류 캠페인의 신속성, 정확성을 통한 대고객 애호도 제고 수익 증대 Data Mart ETT Mining Campaign Management

3. 시스템 구축 및 활용 3. 6. Campaign Management CM의 위치 캠페인정보 고객리스트 운영계 Data Warehouse SAS/E-Miner 마이닝 스코어 마이닝 전략 Key 마이닝 분석 내 부 데이터 고객 정보 계약 정보 마이닝 스코어 캠페인 정보 채널 정보 E- Insurance OPERA@web 캠페인 전략 (시나리오) 외 부 데이터 캠페인계획 캠페인 일정 및 실행 Call Center 캠페인 결과 고객반응 수집 및 평가 캠페인정보 관리 고객반응정보 관리 TEMP DB 캠페인 전략수립 캠페인 결과/반응정보 OLAP 마케팅 관련 정보 조회 캠페인 정보 조회 마케팅 정보 사용자 층

3. 시스템 구축 및 활용 3. 6. Campaign Management 1차 프로젝트 목 표 목 표 마이닝 스코어 데이터(선호 채널)를 바탕으로 신규 가망 고객을 대상으로 콜 센터와 Direct Mail을 이용하여 첫째, 마케팅 프로세스의 자동화 수립 및 확인 둘째, 캠페인을 실행함으로써 신규 고객을 유치 테스트 마케팅 시나리오 K사에서 이탈한 고객 중 자동차 보험 만기 월이 7월인 고객을 대상으로 신판매 채널을 통해 재가입을 유도한다. 목 적 1차 전략 : 이탈 고객 중 7월에 자동차 보험 만기가 도래하는 고객 2차 전략 : 1차 전략의 대상고객 중 응답한 고객 대상고객 자동차 보험 가입 여부 응 답 실행방법 6월 19일 DM 발송, 6월 21일 Call Center를 통한 Call 실시

3. 시스템 구축 및 활용 3. 6. Campaign Management 대상 고객 선정의 편리성 증대 2 차 프로젝트 CM Tool 의 Version-up 대상 고객 선정의 편리성 증대 채널 전송 정보의 유연화 ☞ 향후 채널의 수가 늘어날 경우에도 또 다른 커스터마이징 작업 불필요 Excel Download, Print 기능의 추가 ☞ 마케터의 보고서 작성 용이

3. 시스템 구축 및 활용 3. 6. Campaign Management 채널별 목표 CM Tool 의 Customizing 채널별 목표 : 캠페인 실행시 각 채널별 목표를 설정함으로써 캠페인의 설계를 세련화 함 ☞ 캠페인별 조직별(채널별) 목표 고객수, 목표 계약건수, 목표 연간 보험료, 목표 영수 보험료 설정 및 실제 값들 조회 채널(콜 센터) 가용량 조회 : 캠페인 설계시 콜 센터의 캠페인 현황을 조회함으로써 채널 용량에 맞는 캠페인을 기획 ☞ 통화량 내역 : 마감년월, 총 통화콜수(O/B, I/B), TMR 평균활동 일수, 1인당 하루평균 통화콜수 예상가용 DB : 차수, 입력년월일, 잔여DB수, 총 TMR수, 일일평균콜수(1인당), 예상DB종료기간 영업 이익 계획 및 조회(ROI조회 기능 보강) : ROI 기능 이외에 K사의 특성에 맞는 항목들로 캠페인의 효과를 예측하고 결과를 확인 ☞ 보종별 마케팅 비용, 채널 비용(직접판매비율, 간접판매비율, 통신비), 기타경비율, 목표 업무수지율

3. 시스템 구축 및 활용 3. 6. Campaign Management 채널 사용량 조회(통화량내역/예상가용 DB) 채널별 목표

3. 시스템 구축 및 활용 3. 6. Campaign Management 마케팅 시나리오 1 마케팅 시나리오 1 <OPERA@web 을 이용한 설계 화면> <시나리오 1> Random하게 뽑은 1,000명 고객 목 적 RANDOM SAMPLING 보험 만기가 도래한 고객을 대상으로 콜 센터와 조직을 통해 보험 갱신을 유도 대상고객 보험 만기가 2001년 1월 8일 ~ 1월 17일인 고객 중 Random하게 뽑은 1000명의 고객 응 답 K사 자동차 보험 갱신 여부 1000명을 네 그룹으로 나누어 1.캠페인 정보(조직) & call 2.캠페인 정보(조직) 3.Call 4.Control 캠페인의 효과 측정 실행방법

3. 시스템 구축 및 활용 3. 6. Campaign Management Before After 5.6 프로젝트 평가 CM 도입 효과 Before After 개인 고객을 대상으로 캠페인 활동 전무 최적화된 마케팅 전략 설정의 어려움 마케팅 시뮬레이션 불가능 개인 고객을 대상으로 다양한 캠페인 활동 OLAP,Mining을 통한 최적의 마케팅 전략 다양한 마케팅 시뮬레이션 가능 정확한 대상자 선정시간 및 비용 절감 전략설정 마케팅 세부단계별 전문담당자에 의한 수동적 진행 여러 분야의 전문인력 확보 필요 인력 및 비용 낭비 초래 프로세스 진행 및 관리 미흡 마케팅 프로세스 통합, 자동 진행 마케팅 담당자에 의한 손쉬운 진행 인력 절감 스케줄에 의한 프로세스 관리 용이 5.6 프로젝트 평가 마케팅 프로세스 다양한 채널관리의 어려움 마케팅 이력 관리의 어려움 마케팅 반응 분석시 자료수집의 복잡성 다양한 채널관리 가능 마케팅 이력 관리 및 수행된 전략과 연계한 전략 수행 용이 채널관리/ 피드백관리

3. 시스템 구축 및 활용 3. 7. 통합과 연계 고 객 TEMP DB 운영계 Data Warehouse Mining 마이닝 분석 모델 구축/스코어링 내 부 데이타 스코어/모델 설계사/대리점 고객 정보 계약 정보 마이닝 스코어 캠페인 정보 채널 정보 캠페인 전략 (시나리오) Campaign Management 전략이관 및 캠페인계획 캠페인 일정 및 실행 고객반응 수집 및 평가 고객 프로파일링 고객프로파일 캠페인정보 고객반응정보 고 객 외 부 데이타 ETT E_Insurance 캠페인 결과 캠페인정보 고객리스트 캠페인 전략수립 Call Center TEMP DB 캠페인 결과/반응정보 마케터 Mart & OLAP 마케팅 정보 사용자 층 마케팅 정보 조회 및 분석 캠페인 정보 조회

4. 시사점 1. Big Picture 가 있는가? - 중장기적인 전략/ 전사적인 공감대 2. CRM은 Process 가 우선되어야 한다. - 자사의 CRM Process에 적합한 시스템의 도입 3. CRM 시스템은 기반 인프라다. - 기존 시스템과 연계 통합 프로세스 - 확장성, To-be 관점 4. 강력한 Sponsorship 확보는 필수. - 일관성, 추진력, 공감대

4. 시사점 5. On-Line과 Off-Line 고객이 다르지 않다. - 고객은 Single Image를 원한다 - 채널의 연계, Data의 통합 6. Solution 벤더(업체)는 벤더일 뿐이다. - CRM 업체는 CRM을 모른다. - Project Managing/내부 인력의 양성 7. 시스템 구축은 CRM의 시작이다. - 누가 어떻게 운영할 것인가? - 성급한 성과의 판단은 실패의 지름길(?) 8. 테스트, 테스트, 테스트