고객 구매 데이터란 무엇인가?

기업에서는 판매데이터와 구매데이터가 있다. 보통 사람들이 많이 접하는 데이터는 판매데이터이다. 구매데이터를 축적하는 회사들은 거의 없다. 심지어 쿠팡 구매 데이터라는 것이 빈약하다. 사업의 고객에게 개인화된 그리고 맞춤화된 제품과 서비스를 공급하기 위해서는  구매데이터를 축적해야 한다. 

 

구매 데이터 학습

고객 구매 데이터란 무엇인가? 

고객 구매 데이터는 제품이나 서비스, 구매시간, 지출 금액 등 고객 구매에 대한 정보이다. 이 데이터는 구매내역, 고객 구매패턴, 재공 가용성, 제품 외관 등 기타 관련 세부 정보를 나타낸다. 종종 고객 신원 데이터로 보강되어 기업이 제공하는 제품과 서비스를 이용하는 고객들의 신원과 연결된 모든 장치에서 이루어진 구매를 포괄하기도 한다. 이 데이터로 인해서 인사이트를 얻고 기업은 고객들의 다음 구매를 예측하고 추천하며 개인화된 경험을 제공할 수 있다. 

 

데이터는 어디서 오는가? 

주요 데이터 소스는 자사, 타사 또는 둘 다 이다. 

자사 소비자 정보는 기업 시스템의 거래 기록 및 영수증, 영업 및 지원 직원의 보고서, 웹사이트 참여 데이터에서 비롯된다. 웹사이트 참여 데이터는 등록 세부정보, 쿠키 및 IP 주소를 사용한 방문자 추적 등의 프로그램을 사용한다. 

 

제삼자 데이터는 회사 웹사이트와 경쟁업체 웹사이트를 추적하는 공급업체 파트너로부터 제공된다. 여기에는 소비자 마케팅, 광고 캠페인, 콘텐츠 배포 등의 마케팅 데이터를 포함한 온라인 활동에 서 얻은 통찰력이 포함되는 경우가 많다. 

 

구매 데이터의 속성들 

• 구매금액 
• 구매한 제품 또는 서비스 
• 구매시간
• 구매방식: 매장, 홈페이지, 모바일앱
• 구매방법 (신용카드 종류)
  구입장소
• 구매 방문기간 
• 구매 이유 : 광고 또는 개인 추천
• 방문 빈도
• 로열티 프로그램 참여
• 포인트나 쿠폰 사용
• 반품 및 환불 빈도
• 일정 기간동안 이루어진 총 온라인 주문
• 일정 기간동안 지출된 금액
• 비용 카테고리별 온라인 주문수
• 주문당 지출된 평균 금액
• 온라인 주문 간의 평균 일수 
• 지출 금액 : 가구, 선물, 어린이 용품, 홈케어, 컴퓨팅 홈 오피스, 정원, 여행, 의류, 미용, 애완동물, 자동차, 스포츠 및 레저 품목
• 마지막 온라인 주문 이후 시간
• 가장 자주 소매 구매 카테고리
• 강장 최근 소매 구매 날짜
• 인구통계- 이름, 주소, 전화번호, 이메일 

 

데이터 품질 테스트 방법 

구매 데이터는 빠르게 변화하는 카테고리 이다. 업데이트 빈도는 품질에 영향을 미치는데 일련의 과거 데이터를 수집하고 최신데이터와 비교하여 테스트하면 품질을 확인하는데 도움이 된다. 도출된 통찰력이 정확한지 확인하려면 데이터 일관성 테스트가 필수적이다. 

 

• 데이터가 자주 업데이트 되는지 확인한다. 
• 데이터가 의도된 사용 요구사항과 일치하는지 확인한다.
• 정확성과 일관성을 위해 데이터를 테스트 한다
• 데이터가 완전하고 간격이나 누락된 데이터 포인트가 없는지 확인한다.
• 데이터에는 개인 데이터 또는 개인식별정보가 포함되어 있으므로 개인정보보호를 준수하는지 확인해야 한다. 

 

구매 데이터를 어떻게 사용하는가? 

 

1. 구매 정보 : 고객이 매장이나 온라인에서 어디서, 언제, 무엇을, 어떻게 구매하는지에 대한 포괄적인 분석은 마케팅 담당자가 마케팅 투자를 극대화하기 위한 전략을 계획하는 데 도움이 된다. 구매 정보는 구매 패턴, 계절적 수요, 고객 충성도, 시장 점유율 및 성장 기회에 대한 통찰력을 제공한다. 일반적으로 구매 정보는 대량의 데이터를 처리하고 이를 통해 학습할 수 있는 기계 학습 알고리즘이 필요하다. 
2. 소비자 정보 : 소비자의 구매 선택 및 선호도에 대한 더 깊은 이해를 제공한다. 기업은 이러한 통찰력을 활용하여 프로모션 캠페인을 설계하고 광고 지출에 대한 더 높은 수익을 보장한다. 소비자 정보는 기업이나 시장요구사항을 이해하고 이에 따라 성장을 촉진하기 위한 전략을 조정하는데 도움이 된다. 비즈니스 리더와 투자자는 소비자 행동에 대한 통찰력을 활용하여 새로운 벤처를 시작한다. 
3. 이상 구매 탐지 : 데이터는 주문당 평균 지출금액, 가장 빈번한 구매 카테고리, 구매빈도, 구매 위치 등 고객의 구매 패턴을 나타낸다. 새로운 구매가 새로운 위치와 같이 이 패턴에서 벗어난 경우 사기 가능성이 있음을 식별할 수 있다. 기계 학습 도구는 구매 패턴을 학습하여 잠재적인 사기 행위를 감지하고 예방한다. 
4. 온라인 추천 엔진 : 좋은 추천은 고객이 브랜드, 매장 또는 온라인 플랫폼을 계속 사용할 수 있도록 보장한다. 기업들은 이러한 엔진을 사용해 기존 고객이 다시 방문할 수 있도록 제품이나 서비스를 홍보해 왔다. 온라인 추천 엔진은 고객 데이터를 분석하여 고객이 흥미롭고 유용하다고 생각할 수 있는 제품이나 서비스에 대한 제안을 생성한다. 이러한 엔진은 실시간 및 과거 데이터로부터 신속하게 학습하고 변화하는 고객 선호도에 대응한다. 정확한 권장 사항을 동적으로 생성하고 빠른 전환을 위해 고객 관심을 활용한다. 소비자 구매 데이터는 고객의 구매 내역을 제공하고 엔진이 일치하는 제품 및 서비스를 추천하는 데 도움이 된다.