데이터베이스 마케팅
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
데이터베이스 마케팅은 1980년대 직접 마케팅의 발전된 형태로 등장하여, 개별 고객의 데이터를 수집, 분석하여 마케팅 전략에 활용하는 방식이다. 고객 생애 가치와 같은 새로운 지표를 개발하고 재무 모델링과 계량 경제학을 적용하여 성장했으며, 1990년대 이후에는 고객 관계 관리(CRM) 및 마케팅 자원 관리(MRM) 시스템과 통합되었다. 데이터베이스 마케팅은 고객 데이터베이스를 구축하여 고객의 행동, 요구 사항, 태도에 대한 분석을 통해 고객을 세분화하고, 예측 모델을 개발하여 개인화된 마케팅을 가능하게 한다. 데이터의 노후화와 개인 정보 보호 문제가 주요 과제로 꼽히지만, 실시간 비즈니스 인텔리전스, CRM 시스템, 고객 육성 등을 통해 발전하고 있다.
더 읽어볼만한 페이지
- 다이렉트 마케팅 - 통신판매
통신 판매는 우편, 전화, 인터넷 등 매체를 통해 계약을 체결하고 상품이나 용역을 제공하는 방식으로, 편리성을 제공하지만 허위 광고 등의 문제도 있으며 전자상거래 등에서의 소비자보호에 관한 법률 등의 적용을 받는 판매 방식이다. - 다이렉트 마케팅 - 전단지
전단지는 행사 광고, 상품 홍보, 사회적 메시지 전달 등 다양한 목적을 위해 사용되는 저렴한 대량 마케팅 수단이다. - 경영학 - 의사결정
의사결정은 특정 결과를 위해 여러 선택지 중 하나를 고르는 과정으로, 불확실성, 인지적 편향, 구조에 따라 분류되며, 합리적, 비합리적 접근과 개인 및 집단 역학의 영향을 받고, 효과적인 의사결정을 위해 객관적인 정보와 인지적 편향 인식이 중요하며, 인공지능 발전으로 윤리적 논의가 필요하다. - 경영학 - 비즈니스 인큐베이터
비즈니스 인큐베이터는 초기 단계 기업의 성장을 위해 사무 공간, 자금 조달, 멘토링, 네트워킹 등의 지원을 제공하는 기관으로, 1959년 미국에서 시작되어 전 세계적으로 확산되었으며 일자리 창출과 지역 경제 활성화에 기여하지만 정부 지원 과다에 대한 비판도 존재한다. - 데이터베이스 - 지식 베이스
지식 베이스는 특정 주제 정보를 체계적으로 저장 및 관리하며 규칙 기반 추론으로 새로운 지식 도출에 활용되고, 웹 콘텐츠 관리 및 지식 관리 시스템으로 확장되어 온톨로지를 이용, 인공지능 기술과 결합하여 문제 해결책을 제시하고 경험을 통해 학습하는 시스템이다. - 데이터베이스 - 화이트리스트
화이트리스트는 특정 대상만 허용하고 나머지는 차단하는 접근 제어 목록으로, 정보보안, 무역, 금융 등 다양한 분야에서 활용되지만, 목록 선정 기준의 불명확성, 사회적 문제점 등의 위험성으로 투명하고 엄격한 관리가 필요하다.
| 데이터베이스 마케팅 |
|---|
2. 역사적 배경
데이터베이스 마케팅은 1980년대에 직접 마케팅의 발전된 형태로 나타났다. 전통적인 "리스트 브로커"는 오프라인 및 테이프 기반으로 제한된 데이터만 포함하고 있어 현대화가 필요했다.[1] 이와 함께, 고객 응답을 기록하는 새로운 기술 덕분에 직접 반응 마케팅이 성장하여 고객과 양방향 소통을 시작할 수 있게 되었다.
로버트 D. "밥" 케스트바움과 케이트 케스트바움은 고객 생애 가치와 같은 새로운 지표를 개발하고 재무 모델링 및 계량 경제학을 마케팅에 적용했다.[2] 1967년에는 컨설팅 회사 케스트바움 & Co.를 설립하여 로버트 블래트버그, 릭 코르토, 로버트 쇼 등 유명한 데이터베이스 마케터를 고용했다.
케스트바움은 쇼와 협력하여 BT, BA, 바클레이스를 위한 온라인 마케팅 데이터베이스를 개발했다.[3] 쇼는 케스트바움의 접근 방식에 전화 및 현장 판매 채널 자동화, 연락 전략 최적화, 캠페인 관리, 마케팅 자원 관리, 마케팅 책임 및 마케팅 분석 등의 기능을 통합했다. 이러한 시스템은 1990년대 이후 CRM 및 MRM 패키지에 통합되었다.[4]
1988년 쇼와 스톤의 저서 "데이터베이스 마케팅"에서는 데이터베이스 마케팅을 다음과 같이 정의했다.
:"데이터베이스 마케팅은 개별 주소 지정이 가능한 마케팅 미디어 및 채널(예: 이메일, 전화, 영업 인력)을 사용하여 회사의 대상 고객에게 도움을 제공하고, 그들의 수요를 자극하며, 고객, 잠재 고객 및 모든 상업적 연락처의 전자 데이터베이스 메모리를 기록하고 유지하여 향후 모든 연락처를 개선하고 모든 마케팅을 보다 현실적으로 보장하는 대화형 마케팅 접근 방식입니다."
2. 1. 1980년대 이전
1980년대에 데이터베이스 마케팅은 직접 마케팅의 새롭고 개선된 형태로 등장했다. 이 기간 동안 전통적인 "리스트 브로커"는 오프라인 및 테이프 기반이었고, 리스트에 제한된 데이터가 포함되는 경향이 있어 현대화의 압박을 받았다.[1] 동시에, 고객 응답을 기록할 수 있는 새로운 기술을 통해 직접 반응 마케팅이 부상하며, 고객과의 양방향 커뮤니케이션 또는 대화를 시작하는 것을 목표로 했다.로버트 D. "밥" 케스트바움과 케이트 케스트바움은 고객 생애 가치와 같은 직접 마케팅에 대한 새로운 지표를 개발하고 재무 모델링 및 계량 경제학을 마케팅 전략에 적용했다.[2] 1967년, 그들은 컨설팅 회사 케스트바움 & Co.를 설립했으며, 로버트 블래트버그, 릭 코르토, 로버트 쇼와 같은 여러 유명한 데이터베이스 마케터를 고용했다.
2. 2. 1980년대: 데이터베이스 마케팅의 등장
고객 응답을 기록할 수 있는 새로운 기술이 등장하면서, 1980년대에 데이터베이스 마케팅은 직접 반응 마케팅의 새롭고 개선된 형태로 부상했다.[1] 로버트 D. "밥" 케스트바움과 케이트 케스트바움은 고객 생애 가치와 같은 새로운 지표를 개발하고 재무 모델링 및 계량 경제학을 마케팅 전략에 적용했다.[2] 1967년, 그들은 컨설팅 회사 케스트바움 & Co.를 설립하고, 로버트 블래트버그, 릭 코르토, 로버트 쇼와 같은 여러 유명한 데이터베이스 마케터를 고용했다.케스트바움은 1980년대에 쇼와 함께 BT(2천만 고객), BA(1천만) 및 바클레이스(1천3백만)를 위한 여러 온라인 마케팅 데이터베이스 개발에 협력했다.[3]
2. 3. 1990년대 이후: CRM 및 MRM 통합
로버트 D. "밥" 케스트바움과 케이트 케스트바움은 고객 생애 가치와 같은 직접 마케팅에 대한 새로운 지표를 개발하고 재무 모델링 및 계량 경제학을 마케팅 전략에 적용했다.[2] 1980년대에 케스트바움은 로버트 쇼와 함께 BT(2천만 고객), BA(1천만) 및 바클레이스(1천3백만)를 위한 여러 온라인 마케팅 데이터베이스 개발에 협력했다.[3] 쇼는 전화 및 현장 판매 채널 자동화, 연락 전략 최적화, 캠페인 관리 및 조정, 마케팅 자원 관리, 마케팅 책임 및 마케팅 분석을 포함하여 케스트바움 접근 방식에 새로운 기능을 통합했다. 이러한 시스템의 디자인은 이후 널리 복제되어 1990년대 이후 CRM 및 MRM 패키지에 통합되었다.[4]3. 데이터베이스 마케팅의 성장과 진화
오늘날 소비자의 기호가 점점 까다로워지고 경쟁이 격화됨에 따라, 기업들은 전체 시장을 작은 단위로 세분화하고 특정 시장에 주력하는 경향이 있다. 그러나 이러한 접근 방식은 특정 세분 시장 내의 개인 고객에게 초점을 맞추는 것은 아니다.
마케팅은 개별 고객들의 다양한 욕구와 특성에 맞추기 위해 대량 마케팅에서 일 대 일 마케팅(직접 마케팅)으로 변화하고 있다. 즉, 개별 고객을 알고 있는 기업들은 고객에 대한 소를 극대화하기 위해 제품, 제시물, 메시지, 선적 방법 및 지급 방법을 고객별로 맞춤화하고 있다. 기업들은 개별 고객과 예상 잠재 고객에 대한 이름, 주소 및 기타 관련 정보를 획득하기 위해 고객 데이터베이스라는 강력한 수단을 가지고 있다.
고객 데이터베이스란 마케팅 목표를 달성하기 위해 현재 접근할 수 있으며, 조치를 취할 수 있는 개별 고객, 예상 잠재 고객에 대한 광범위한 자료를 조직적으로 수집하는 것이다. 고객 데이터베이스에는 개인의 인구 통계적 자료(연령, 소득, 가족 수, 교육 수준, 생일), 심리 묘사적 특성(라이프스타일 특성), 매체 이용 특성(구독 신문, 잡지) 및 과거 구매 내용(구매 일자, 빈도, 구매량) 등 고객의 특성을 파악하는 데 유용한 정보가 담겨 있어야 한다.[1]
플레처, 휠러, 라이트(1991)는 데이터베이스 마케팅의 성장을 이끈 환경적 요인으로 직접 마케팅의 역할 변화, 변화하는 비용 구조, 변화하는 기술, 변화하는 시장 상황을 제시했다.[1] 쇼와 스톤(1988)은 기업이 데이터베이스 마케팅 시스템을 개발하는 과정에서 미스터리 리스트, 구매자 데이터베이스, 조율된 고객 커뮤니케이션, 통합 마케팅의 네 단계를 거친다고 언급했다.[1]
3. 1. 직접 마케팅의 역할 변화
경쟁 우위를 위한 관계 마케팅으로의 전환이 이루어졌다. 전통적인 미디어의 효과가 감소하고, 기존 판매 채널의 과밀화 및 근시안적 접근이 나타났다.[1]3. 2. 변화하는 비용 구조
플레처, 휠러, 라이트(1991)는 데이터베이스 마케팅 성장의 환경적 요인 중 하나로 변화하는 비용 구조를 꼽았다.[1]- 전자 처리 비용의 감소.
- 마케팅 비용의 증가.
3. 3. 변화하는 기술
새로운 쇼핑 및 결제 방식이 등장하였고, 고객 커뮤니케이션을 차별화하는 경제적인 방법이 개발되었다.[1]3. 4. 변화하는 시장 상황
마케팅 활동의 영향 측정을 위한 요구가 증가하고 있으며, 소비자와 기업 시장의 분열이 나타나고 있다.[1]3. 5. 데이터베이스 개발 단계
쇼와 스톤(1988)은 기업이 데이터베이스 마케팅 시스템을 개발하는 과정에서 다음과 같은 네 단계를 거친다고 제시했다.[1]| 단계 | 설명 |
|---|---|
| 미스터리 리스트 | 기업이 데이터베이스 마케팅 시스템을 개발하는 과정에서 거치는 초기 단계이다. |
| 구매자 데이터베이스 | |
| 조율된 고객 커뮤니케이션 | |
| 통합 마케팅 |
4. 데이터 소스
데이터베이스 마케팅은 고객 수가 많은 회사에 특히 적합하다. 대규모 고객 집단은 맞춤형 방식으로 소통할 수 있는 고객 또는 잠재 고객 세그먼트를 찾을 수 있는 더 큰 기회를 제공하기 때문이다. 데이터베이스 마케팅은 금융 서비스, 통신, 소매와 같이 수백만 명의 고객에 대한 상당한 양의 거래 데이터를 생성할 수 있는 부문에서 많이 활용된다.[4]
데이터베이스 마케팅 응용 프로그램은 기존 고객 대상과 잠재 고객 대상으로 나눌 수 있다.
4. 1. 소비자 데이터 (B2C)
기존 고객에게 마케팅을 할 때는, 더 정교한 마케터들이 광범위한 고객 정보 데이터베이스를 구축한다. 여기에는 이름, 주소, 쇼핑 및 구매 내역, 인구 통계, 고객과의 과거 커뮤니케이션 내역을 포함한 다양한 데이터가 포함될 수 있다. 수백만 명의 고객을 보유한 대규모 회사의 경우, 이러한 데이터 웨어하우스는 종종 수 테라바이트 크기가 될 수 있다.[4]잠재 고객에게 마케팅을 할 때는, 데이터베이스 마케터들이 고객 및 잠재 고객에 대해 가능한 많은 데이터를 확보하려고 한다. 마케팅은 광범위하게 제3자 데이터 소스에 의존하는데, 대부분의 선진국에서는 이러한 데이터를 제공하는 많은 공급업체가 있다. 이러한 데이터는 일반적으로 이름, 주소, 전화번호와 함께 소비자가 제공하는 일부 정보 및 데이터 컴파일러가 추론한 인구 통계에 제한된다. 또한 기업은 경품 행사, 콘테스트, 온라인 등록 및 기타 리드 생성 활동을 통해 잠재 고객 데이터를 직접 획득할 수 있다.[4]
4. 2. 기업 데이터 (B2B)
기업간 거래(B2B) 기업 마케터는 기업 대 소비자(B2C) 기업보다 고객 및 잠재 고객 수가 적을 수 있다. 또한 고객과의 관계는 영업 사원, 대리점, 딜러와 같은 중개인에 의존하는 경우가 많으며 고객당 거래 횟수도 적을 수 있다. 따라서 기업 간 마케터는 B2C 마케터만큼 많은 데이터를 사용하지 못할 수 있다.[1]B2B 마케터는 개인을 대상으로 하는 것이 아니라 팀이나 "계정"을 대상으로 하여 단일 조직에서 많은 연락처를 생성할 수 있다는 점이 복잡하다. 직접 마케팅을 통해 어떤 연락처와 소통할지 결정하는 것은 어려울 수 있다. 반면에 기업 간 마케터를 위한 데이터베이스에는 해당 고객의 비즈니스 활동에 대한 데이터가 포함되는 경우가 많다.[1]
이러한 데이터는 시장을 세분화하거나 대상 고객을 정의하는 데 매우 중요하다. 예를 들어 통신 회사의 소프트웨어 라이선스 갱신 구매는 어떤 기술자가 소프트웨어 설치를 담당하는지 또는 소프트웨어 조달을 담당하는지 등을 식별하는 데 도움이 될 수 있다. 기업 간 환경의 고객은 제품에 대한 A/S가 필요하고 제품 업그레이드 및 서비스 제공에 대한 정보를 높이 평가하므로 충성도가 높은 경향이 있다. 이러한 충성도는 데이터베이스로 추적할 수 있다.[1]
고객 데이터의 출처는 회사가 고용한 영업 부서와 서비스 엔지니어에서 비롯되는 경우가 많다. 점차 고객과의 온라인 상호 작용은 B2B 마케터에게 저렴한 고객 정보 소스를 제공하고 있다.[1]
잠재 고객 데이터의 경우 기업은 비즈니스 데이터 컴파일러로부터 데이터를 구매할 수 있으며 직접 판매 노력, 온라인 사이트 및 전문 간행물에서 정보를 수집할 수도 있다.[1]
5. 분석 및 모델링
회사는 RFM 분석과 같이 고객 데이터를 분석하고, 로지스틱 회귀나 인공 신경망 같은 통계 기법을 활용하여 예측 모델을 개발한다.[6]
이 외에도 다음과 같은 분석 방법들이 활용된다.
| 분석 유형 | 설명 |
|---|---|
| 영향 평가 | 기업의 조치가 고객 행동에 미치는 영향 파악 및 고객 반응 예측[6] |
| 자산으로서의 고객 | 고객 생애 가치 측정, 획득 비용 및 고객 이탈률 등 요소 측정[6] |
| 교차 판매 분석 | 제품과 서비스 관계 파악, 인기 제품 조합 이해 및 교차/상향 판매 활용[6] |
| 중요한 지연 | 개인 구매 패턴 기반 고객 커뮤니케이션 제공, 충성도 및 고객 유지 개선[6] |
5. 1. 고객 세분화
회사는 고객에 대한 대규모 데이터베이스를 보유하고 있어도 "데이터는 풍부하지만 정보는 빈약"해질 위험이 있다. 따라서 데이터 분석에 상당한 주의를 기울인다. 예를 들어, 회사는 고객의 행동, 요구 사항 또는 태도의 차이에 대한 분석을 기반으로 고객을 세분화한다.[6] 행동 세분화의 일반적인 방법은 RFM 분석인데, 이는 고객이 과거 구매의 최근성, 빈도 및 금전적 가치를 기준으로 하위 세그먼트로 분류되는 방식이다. Van den Poel (2003)은 데이터베이스 마케팅 모델링에 일반적으로 사용되는 광범위한 변수의 예측 성능에 대한 개요를 제공한다.[6]또한 특정 방식으로 행동할 고객의 성향을 예측하는 예측 모델을 개발할 수도 있다. 예를 들어 마케터는 고객이 프로모션에 응답할 가능성을 기준으로 고객의 순위를 매기는 모델을 구축할 수 있다. 이러한 모델에 일반적으로 사용되는 통계 기법에는 로지스틱 회귀 및 인공 신경망이 있다.[6]
5. 2. 예측 모델 개발
특정 방식으로 행동할 고객의 성향을 예측하는 모델을 개발할 수 있다. 예를 들어, 마케터는 고객이 프로모션에 응답할 가능성을 기준으로 고객의 순위를 매기는 모델을 구축할 수 있다. 이러한 모델에 일반적으로 사용되는 통계 기법에는 로지스틱 회귀 및 인공 신경망이 있다.[6]5. 3. 기타 분석
6. 고객 데이터베이스
고객 데이터베이스는 기업이 마케팅 목표를 달성하기 위해 개별 고객 및 예상 잠재 고객에 대한 광범위한 자료를 조직적으로 수집한 것이다.
6. 1. 정의
오늘날 소비자들의 기호가 매우 다양해지고 경쟁이 심해짐에 따라, 기업들은 전체 시장을 작은 단위로 나누고 그중 특정 시장에 집중하는 경우가 많아지고 있다. 이러한 접근 방식은 좁게 정의된 시장 내 고객들을 더 잘 이해하기 위한 것이다. 그러나 이는 특정 시장 내 개별 고객에게 초점을 맞추는 것은 아니다.하지만 개별 고객들의 다양한 욕구와 특성에 맞추기 위해 마케팅은 대량 마케팅에서 일대일 마케팅(직접 마케팅)으로 변화하고 있다. 즉, 개별 고객을 알고 있는 기업들은 고객에 대한 이익을 극대화하기 위해 제품, 제시물, 메시지, 배송 방법 및 결제 방법을 고객별로 맞춤화하고 있다. 그리고 기업들은 개별 고객과 예상 잠재 고객에 대한 이름, 주소 및 기타 관련 정보를 얻기 위해 매우 강력한 수단을 가지고 있는데, 그것이 바로 고객 데이터베이스이다.
고객 데이터베이스란 리드 생성, 리드 검증, 제품이나 서비스 판매, 고객 관계 유지 등의 마케팅 목표를 달성하기 위해 현재 접근 가능하고 조치를 취할 수 있는 개별 고객, 예상 잠재 고객에 대한 광범위한 자료를 조직적으로 수집하는 것이다.
고객 데이터베이스에는 개인의 인구 통계적 자료(연령, 소득, 가족 수, 교육 수준, 생일), 심리 묘사적 특성(라이프스타일 특성), 매체 이용 특성(구독 신문, 잡지) 및 과거 구매 내용(구매 일자, 빈도, 구매량) 등 고객의 특성을 파악하는 데 유용한 정보가 담겨 있어야 한다.
6. 2. 포함 정보
고객 데이터베이스는 개인의 특성을 파악하는데 유용한 정보를 담고 있어야 한다. 여기에는 다음 정보들이 포함된다.[1]- 인구통계적 자료: 연령, 소득, 가족 수, 교육 수준, 생일
- 심리묘사적 특성: 라이프스타일 특성
- 매체이용 특성: 구독 신문, 잡지
- 과거 구매 내용: 구매 일자, 빈도, 구매량
7. 법률 및 규제
데이터베이스 마케팅이 성장함에 따라, 개인 정보 보호 옹호자들과 정부 규제 기관의 감시가 증가했다.[1]
7. 1. 해외 현황
유럽 위원회는 고객 데이터 사용 목적과 소비자가 어떤 데이터를 보관할 수 있는지 결정하는 데이터 보호 규칙을 제정했다.[1] 미국에는 신용 데이터 수집 및 사용을 규제하는 공정 신용 보고법(FCRA), 소비자 건강 데이터 수집 및 사용을 규제하는 건강 보험 이동성 및 책임법(HIPAA), 소비자가 전화 마케팅에서 전화번호를 차단할 수 있도록 하는 다양한 주 및 연방법이 있다.[1]7. 2. 국내 현황
대한민국에는 개인정보 보호법, 정보통신망 이용촉진 및 정보보호 등에 관한 법률, 신용정보의 이용 및 보호에 관한 법률 등 개인 정보 보호 관련 법규가 존재한다. 2020년 데이터 3법(개인정보 보호법, 정보통신망법, 신용정보법) 개정을 통해 가명정보 도입 등 데이터 활용의 법적 근거가 마련되었다.8. 과제 및 한계
데이터베이스 마케팅의 주요 과제 중 하나는 데이터를 획득한 시점과 사용하는 시점 사이에 시간 지연이 발생하여 데이터가 노후화되는 것이다.
8. 1. 데이터 노후화
데이터베이스의 주요 과제는 데이터를 획득한 시점과 사용하는 시점 사이의 시간 지연에 따른 데이터 노후화이다.[1] 실시간 비즈니스 인텔리전스가 일부 기업에서 이미 시작되었지만, 온라인 사업 비율이나 고도화된 소프트웨어 이용 등의 전제가 필요하기 때문에 대다수 기업에게는 아직 실현되기 어려운 상태이다. 구글, 델, 애플 등 기술 기업들은 이러한 인텔리전스를 최대한 활용하고 있으나,[1] 많은 기업에서는 기존의 전통적인 방법으로 고객과의 커뮤니케이션이나 신규 고객 확보가 이루어지고 있다. 데이터베이스의 주요 과제는 데이터 획득 후 사용 시점까지 데이터 신선도가 노후화되는 것이다.[1] 노후화된 데이터는 온라인 또는 오프라인 방법이나 실시간 근접 마케팅을 통해 최신화할 수 있다.[1]9. 발전
고객 데이터를 전자 형식으로 저장하여 데이터베이스 마케팅 목적으로 사용하는 아이디어는 수십 년 동안 존재해 왔다. 오늘날 사용 가능한 컴퓨터 시스템을 통해 기업은 실시간 비즈니스 인텔리전스를 얻게 되었고, 이는 1:1 마케팅 또는 개인화라고 불리는 것을 가능하게 한다. B2B 마케팅 및 기업 운영의 복잡성 때문에, 정교한 절차 생성을 위한 비즈니스 프로세스를 공식화하기 위해 마케팅 조직에 가해지는 요구 사항은 상당하다.
9. 1. 실시간 비즈니스 인텔리전스
컴퓨터 시스템의 발달로 기업은 개별 고객과 거래하는 동안 화면에서 고객 행동에 대한 포괄적인 기록을 얻을 수 있게 되었고, 이를 통해 실시간 비즈니스 인텔리전스를 획득할 수 있다. 이는 1:1 마케팅 또는 개인화를 가능하게 한다.실시간 비즈니스 인텔리전스는 일부 기업에서 이미 시작되었지만, 온라인 사업 비율이나 고도화된 소프트웨어 이용 등의 전제에 의존하기 때문에, 대다수 기업에게는 아직 손이 닿지 않는 상태이다.[4] 구글, 델, 애플과 같은 기술 기업은 이러한 인텔리전스를 최대한 활용하고 있다.[4] 그러나 많은 기업에서는 기존의 전통적인 방법으로 기존 고객과의 커뮤니케이션이나 신규 고객 확보가 이루어지고 있다.[4]
9. 2. 고객 관계 관리 (CRM) 시스템
오늘날의 고객 관계 관리(CRM) 시스템은 저장된 데이터를 직접 마케팅 목적으로 사용할 뿐만 아니라, 개별 고객과의 전체 관계를 관리하고, 보다 맞춤화된 제품 및 서비스 제공을 개발하는 데 사용된다. 콘텐츠 관리, 비즈니스 인텔리전스 도구와의 조합은 개인화된 정보 전달을 현실로 만들고 있다.[1]이러한 도구 사용에 대한 교육을 받은 마케터는 고객 육성을 수행할 수 있는데, 이는 문제 식별, 해결 가능한 옵션 학습, 적절한 솔루션 선택, 구매 결정 등 고객의 요구 사항을 충족하기 위해 적절한 시기에 적절한 정보를 사용하여 조직 내 각 개인과 소통하려는 전술이다.[1]
9. 3. 고객 육성
고객 육성은 문제 식별, 해결 가능한 옵션 학습, 적절한 솔루션 선택, 구매 결정 등 고객의 요구 사항을 충족하기 위해 적절한 시기에 적절한 정보를 사용하여 조직 내 각 개인과 소통하려는 전략이다.9. 4. 마케팅 IT 프로세스 전략가
대규모 마케팅 조직은 복잡한 비즈니스 프로세스 관리를 위해 마케팅 프로세스 전략 및 정보기술(IT) 전문가 또는 마케팅 IT 프로세스 전략가를 활용한다. 시스템 통합(SI) 업체도 새로운 기술 도구를 구성하고 배포할 때 마케팅 IT 프로세스 전략가와 동일한 역할을 수행할 수 있다.참조
[1]
서적
Successful Direct Marketing Methods
NTC Business Books
1997
[2]
뉴스
Direct News-line
2002-11-18
[3]
웹사이트
History Of CRM Software – An Exciting Journey From Ledger To SaaS
https://techonestop.[...]
2023-03-02
[4]
서적
Database Marketing
John Wiley & Sons
1988
[5]
간행물
"Success in Database Marketing: Some Critical Factors."
Marketing Intelligence & Planning
1992
[6]
논문
Predicting Mail-Order Repeat Buying: Which Variables Matter?
http://econpapers.re[...]
2003
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com