분석 CRM (Analytical CRM)

⚠️ 이 문서는 기업의 방대한 고객 데이터를 지식과 통찰력으로 변환하는 분석 CRM의 개념, 데이터 마이닝 원리, 운영/협업 CRM과의 관계, 그리고 실무 적용 방안을 다룹니다.

핵심 인사이트 (3줄 요약)

본질: 분석 CRM (Analytical CRM)은 운영 CRM(콜센터, 영업 등)과 다양한 외부 채널에서 수집된 고객 데이터를 통합(Data Warehouse)하고, OLAP 및 데이터 마이닝 기법을 통해 고객의 숨겨진 패턴과 행동을 분석하는 시스템이다.

가치: 고객 세분화(Segmentation), 이탈 예측(Churn Analysis), 교차/상향 판매(Cross/Up Selling) 기회 발굴을 통해 마케팅 캠페인의 투자 대비 수익률(ROI)을 극대화하고 개인화된 고객 경험을 설계하는 핵심 두뇌 역할을 한다.

융합: 과거 통계 기반 분석에서 나아가, 최근에는 머신러닝(ML) 및 인공지능(AI)과 결합하여 예측형 분석(Predictive Analytics)을 수행함으로써, 기업의 CRM 아키텍처에서 단순 데이터 저장소를 넘어 '인텔리전스 엔진'으로 진화하고 있다.

Ⅰ. 개요 및 필요성 (Context & Necessity)

개념: CRM(Customer Relationship Management)은 고객 관계 관리를 뜻한다. 그중 분석 CRM은 고객과 기업 간의 접점에서 발생한 모든 트랜잭션과 행동 데이터를 수집, 분석하여 의사결정을 지원하는 백오피스(Back-office) 분석 시스템이다. 무엇을(What), 언제(When), 왜(Why) 샀는지 분석하여 다음 행동을 예측한다.
필요성: 기업이 성장하며 고객 수는 폭발적으로 늘고, 옴니채널(Omni-channel) 환경에서 고객의 접점(터치포인트)은 다변화되었다. 단순히 콜센터에 전화를 걸거나 매장에 방문한 이력(운영 CRM 데이터)만 가지고는 "이 고객이 다음 달에 이탈할 것인가?", "어떤 쿠폰을 줘야 가장 잘 반응할 것인가?"를 알 수 없다. 수백만 건의 파편화된 데이터 속에 숨겨진 마케팅 황금알을 캐내기 위해서는 고도화된 데이터 정제 및 분석 도구가 필수적이다.
💡 비유: 운영 CRM이 매장에서 고객의 주문을 받고 불만을 접수하는 "바쁜 점원"이라면, 분석 CRM은 매장 안쪽 사무실에서 모든 영수증과 CCTV 기록을 모아 "비 오는 날엔 30대 여성이 파전을 많이 찾는구나"라는 규칙을 찾아내어 점원에게 내일의 전략을 지시하는 "똑똑한 매니저(전략가)"와 같다.
등장 배경 및 발전 과정:
1. 운영 중심의 한계: 1990년대 CRM은 단순히 영업 사원 자동화(SFA)와 콜센터 고객 원장 관리에 집중했다. 데이터는 쌓이지만 활용되지 않는 '데이터 무덤' 현상이 발생했다.
2. DW 및 데이터 마이닝 부상: 2000년대 초반, 전사적 데이터 웨어하우스(DW, Data Warehouse) 기술이 발전하며 산재한 데이터를 한곳에 모으기 시작했고, OLAP(온라인 분석 처리)이 도입되었다.
3. 예측 분석과 AI 결합: 현대의 분석 CRM은 단순 통계 요약을 넘어 머신러닝(랜덤 포레스트, 딥러닝 등)을 활용한 고객 행동 예측 모델링으로 진화하여 AI 기반 마케팅 자동화의 중추가 되었다.

  ┌─────────────────────────────────────────────────────────┐
  │                 CRM 3대 아키텍처 생태계                   │
  ├─────────────────────────────────────────────────────────┤
  │                                                         │
  │     [협업 CRM (Collaborative)] : "고객과의 소통"           │
  │        SNS, 웹사이트, 모바일 앱, 파트너 포털                 │
  │               │                                         │
  │               ▼ (상호작용 데이터)                          │
  │     [운영 CRM (Operational)]   : "일선 업무 자동화"          │
  │        영업 자동화(SFA), 마케팅(EMA), 고객 서비스(콜센터)      │
  │               │                                         │
  │               ▼ (거래, 이력, 클레임 데이터)                 │
  │  ====================================================== │
  │     [분석 CRM (Analytical)]    : "패턴 분석과 예측" (Brain) │
  │        DW (Data Warehouse) ──▶ 데이터 마이닝 (OLAP/ML)    │
  │               │                                         │
  │               └──────── (인사이트 피드백) ────────▶      │
  │                   "이탈 위험 고객 명단", "추천 상품"          │
  └─────────────────────────────────────────────────────────┘

[다이어그램 해설] 분석 CRM은 단독으로 존재하지 않는다. 협업 CRM과 운영 CRM 프론트엔드에서 수집된 로우(Raw) 데이터가 ETL(추출/변환/적재) 과정을 거쳐 데이터 웨어하우스에 쌓인다. 분석 CRM은 이 통합된 데이터를 씹어 삼켜(데이터 마이닝), "A라는 상품을 구매한 고객은 B도 살 확률이 높다"는 인사이트를 만들어 다시 운영 CRM(영업 사원의 추천 화면)과 협업 CRM(웹사이트 맞춤형 배너)으로 피드백을 던져주는 순환 고리의 핵심(Brain)이다.

📢 섹션 요약 비유: 고객이 남긴 수많은 발자국(데이터)을 просто 모아두는 것이 아니라, 그 발자국들을 현미경으로 분석해 다음 발걸음이 어디로 향할지 정확히 예측하는 범죄 수사 프로파일링 기법과 같습니다.

Ⅱ. 아키텍처 및 핵심 원리 (Deep Dive)

시스템 구성 요소

요소명	역할	세부 기술 및 기능	비유
DW / Data Mart	데이터 통합 저장소	이기종 시스템(ERP, 콜센터 등)의 데이터를 주제별로 적재	대형 물류 창고
OLAP 도구	다차원 데이터 분석	다차원 큐브(Cube)를 통한 Drill-down, Roll-up 탐색	다각도 관찰용 프리즘
Data Mining 엔진	숨은 패턴 추출	군집화(Clustering), 연관 규칙(Association), 분류(Classification) 알고리즘	금광을 캐는 굴착기
캠페인 관리 엔진	분석 결과의 실행	도출된 타겟 리스트를 바탕으로 마케팅 프로모션 기획/실행	작전 지시서

핵심 분석 기법: 데이터 마이닝 (Data Mining) 모델

분석 CRM의 본질은 데이터 마이닝에 있다. 비즈니스 목적에 따라 크게 세 가지 핵심 알고리즘이 적용된다.

군집 분석 (Clustering): 고객 세분화(Segmentation). 사전 정의된 기준 없이 데이터의 유사성을 바탕으로 고객을 n개의 그룹으로 묶는다. (예: VIP 그룹, 체리피커 그룹). K-Means 알고리즘이 대표적이다.
연관 규칙 (Association Rules): 장바구니 분석. "기저귀를 산 고객이 맥주를 산다"는 동시 구매 패턴을 찾는다. 지지도(Support), 신뢰도(Confidence), 향상도(Lift) 지표를 사용한다. (Cross-selling에 활용)
분류 예측 (Classification & Prediction): 과거 데이터를 학습하여 새로운 데이터의 결과를 예측. 이탈 예측(Churn Prediction)이나 신용 불량자 예측에 쓰인다. 의사결정 트리(Decision Tree), 로지스틱 회귀분석, 랜덤 포레스트 등이 쓰인다.

 ┌───────────────────────────────────────────────────────────────┐
 │               분석 CRM의 고객 이탈 예측 (분류 모델) 과정            │
 ├───────────────────────────────────────────────────────────────┤
 │                                                               │
 │  [1단계: 데이터 수집 및 전처리]                                   │
 │   고객 속성(나이, 성별) + 거래 이력(최근 3개월 결제액 감소)          │
 │   + 행동 이력(콜센터 불만 접수 2회, 앱 접속률 50% 급감)             │
 │                                                               │
 │  [2단계: 모델 학습 (머신러닝)]                                     │
 │    알고리즘: 의사결정 트리 (Decision Tree)                       │
 │                                                               │
 │               [최근 1개월 결제액 10만원 이하인가?]                │
 │                 / (Yes)                   \ (No)              │
 │          [콜센터 클레임 1회 이상?]          [이탈 확률 낮음]         │
 │          / (Yes)         \ (No)                               │
 │   [🚨 이탈 위험군(90%)]   [관찰 필요군(40%)]                     │
 │                                                               │
 │  [3단계: 인사이트 도출 및 운영 CRM 피드백]                          │
 │   - 이탈 위험군 1,000명 리스트 추출                                │
 │   - 콜센터 시스템(운영 CRM)에 자동 전달 → "해지 방어 특별 쿠폰 발행"  │
 └───────────────────────────────────────────────────────────────┘

[다이어그램 해설] 단순히 "결제 금액이 떨어진 고객"을 감으로 잡는 것이 아니라, 수만 명의 과거 이탈 고객 데이터를 머신러닝으로 학습시켜 이탈로 가는 '결정적 조건의 조합(규칙)'을 수학적으로 찾아낸다. 위 그림에서 결제액이 줄어든 것과 불만 접수가 겹치는 패턴이 강력한 이탈 신호임을 시스템이 자동 추출했다. 분석 CRM은 이 패턴을 현재 고객에게 대입해 이탈 확률이 90%인 타겟을 선별하고, 이를 실행 부서(운영 CRM)에 자동으로 넘겨 즉각적인 방어 조치를 취하게 한다.

RFM 분석 (Recency, Frequency, Monetary)

CRM 분석의 가장 기초적이고 강력한 고객 가치 평가 모델이다.

R (Recency): 얼마나 최근에 구매했는가? (최근성)
F (Frequency): 얼마나 자주 구매했는가? (빈도)
M (Monetary): 얼마나 많은 금액을 지불했는가? (금액)

이 세 지표에 가중치를 두어 고객별로 점수를 매긴 후 1등급부터 10등급까지 나누어, 최상위 VIP에게는 차별화된 리워드를 제공하고, 이탈 위험이 있는 휴면 고객에게는 활성화 캠페인을 집중하는 타겟 마케팅의 기준을 제시한다.

📢 섹션 요약 비유: 분석 CRM은 요리사(마케팅팀)가 최상의 요리(캠페인)를 만들 수 있도록, 냉장고 안의 잡다한 재료(데이터)들을 신선도와 종류별로 완벽하게 다듬어 최적의 레시피(규칙)와 함께 제공하는 수석 주방 보조와 같습니다.

Ⅲ. 융합 비교 및 다각도 분석

비교 1: 운영 CRM vs 분석 CRM

비교 항목	운영 CRM (Operational CRM)	분석 CRM (Analytical CRM)
주요 목적	일선 업무(영업, 서비스) 효율화 및 자동화	데이터 분석을 통한 전략적 인사이트 발굴
주 사용 대상	영업 사원, 콜센터 상담원, 매장 직원 (Front-office)	데이터 사이언티스트, 마케팅 전략가 (Back-office)
데이터 처리	OLTP (Online Transaction Processing), 실시간 갱신	OLAP (Online Analytical Processing), 배치성 대량 조회
핵심 기술	SFA(영업 자동화), 헬프데스크, 챗봇	DW, Data Mining, 시각화(Dashboard)
시간 관점	"현재" 발생하고 있는 고객의 요구 해결	"과거" 패턴을 바탕으로 "미래" 행동 예측

운영 CRM이 고객과 만나는 창구라면 분석 CRM은 그 창구 뒤에서 전략을 짜는 참모부다. 운영 CRM 없이 분석 CRM만 있다면 분석할 데이터가 들어오지 않는 빈 껍데기이고, 분석 CRM 없이 운영 CRM만 있다면 콜센터 직원은 많아지는데 매출은 오르지 않는 맹목적인 노동의 반복이 된다.

  ┌──────────────────────────────────────────────────────────────┐
  │         마케팅 캠페인에서의 운영과 분석 CRM의 핑퐁 (Ping-Pong)    │
  ├──────────────────────────────────────────────────────────────┤
  │                                                              │
  │  1. [분석 CRM] (기획 단계)                                     │
  │     과거 3년치 구매 데이터 마이닝 → 여름휴가 패키지 반응률 높은     │
  │     '30대 1인 가구 직장인' 타겟 5만 명 추출                      │
  │             │                                                │
  │             ▼ 리스트 이관                                      │
  │                                                              │
  │  2. [운영 CRM] (실행 단계)                                     │
  │     추출된 리스트로 이메일/카카오톡 쿠폰 일괄 발송 (마케팅 자동화)  │
  │     고객 콜센터 문의 응대 이력 기록                              │
  │             │                                                │
  │             ▼ 캠페인 반응 결과(오픈/클릭/구매 여부) 전송           │
  │                                                              │
  │  3. [분석 CRM] (평가 및 피드백 단계)                             │
  │     캠페인 ROI 분석 → 예측 모델 재학습 (오답 노트) → 모델 고도화   │
  └──────────────────────────────────────────────────────────────┘

[다이어그램 해설] CRM 생태계의 선순환 구조를 보여준다. 분석 CRM이 타겟을 좁혀주면(정밀 타격), 운영 CRM이 그들에게 캠페인을 실행한다(발사). 가장 중요한 것은 3단계의 피드백 루프다. 캠페인을 발송했는데 안 산 사람은 왜 안 샀는지, 예상외로 구매한 고객의 특징은 무엇인지 등 반응 데이터를 다시 분석 CRM이 넘겨받아 예측 모델의 오차를 줄여나간다. 이 루프가 무한히 반복되며 시스템은 점점 더 지능화된다.

과목 융합 관점

데이터베이스 (DB): 분석 CRM의 근간은 스노우플레이크/스타 스키마로 설계된 다차원 데이터 웨어하우스(DW) 아키텍처다. RDBMS의 한계를 넘어 대용량 집계 연산을 빠르게 처리하기 위한 OLAP 큐브 구성 기술이 필수적이다.
인공지능 (AI/빅데이터): 전통적인 통계 기반 마이닝에서 하둡(Hadoop)/스파크(Spark) 에코시스템 위에서 딥러닝과 강화학습을 수행하는 빅데이터 예측 분석 플랫폼으로 진화하고 있다.
📢 섹션 요약 비유: 운영 CRM이 최전방에서 적과 직접 맞서 싸우는 '전투 부대'라면, 분석 CRM은 후방에서 지형과 적의 동향 데이터를 분석해 다음 타격 지점을 좌표로 찍어주는 '전술 통제소'입니다.

Ⅳ. 실무 적용 및 기술사적 판단

실무 시나리오

시나리오 — 통신사의 고객 이탈(Churn) 방어 방안 마련: 번호 이동(이탈) 고객이 급증하여 마케팅 비용이 고갈되는 상황.
- 판단: 모든 고객에게 혜택을 주는 것은 비용 낭비다. 분석 CRM에 가입 개월 수, 단말기 약정 잔여일, 최근 통화 품질(Drop 횟수), 요금제 변경 이력 등을 입력값으로 로지스틱 회귀나 XGBoost 기반 이탈 예측 모델을 구축한다. 매일 새벽 배치(Batch)를 돌려 상위 5%의 고위험군을 추출하고, 콜센터 운영 CRM 화면 팝업으로 연동하여 아웃바운드(Outbound) 해지 방어콜을 선제적으로 수행한다.
시나리오 — 이커머스 업체의 연관 상품 추천 (Cross-Selling):
- 판단: Apriori 알고리즘(연관 규칙)을 사용하여 방대한 장바구니 데이터를 분석. "맥주를 살 때 기저귀를 같이 산다"는 식의 규칙을 찾아낸다. 도출된 규칙을 웹사이트 프론트엔드(협업 CRM)에 API로 쏴주어, 고객이 A 상품을 클릭했을 때 "이 상품을 본 고객이 함께 산 상품" 배너를 동적으로 노출해 객단가를 높인다.

기술사적 의사결정 플로우

  ┌───────────────────────────────────────────────────────────────────┐
  │             분석 CRM 프로젝트 아키텍처 설계 의사결정 플로우             │
  ├───────────────────────────────────────────────────────────────────┤
  │                                                                   │
  │   [데이터 소스 및 성숙도 평가]                                       │
  │                │                                                  │
  │                ▼                                                  │
  │      전사 DW 통합 및 데이터 품질(정합성/중복제거)이 확보되었는가?       │
  │          ├─ 아니오 ──▶ 분석 CRM 도입 보류. [MDM/DW 구축 프로젝트 선행] │
  │          │             (Garbage In, Garbage Out 방지)             │
  │          └─ 예                                                    │
  │                │                                                  │
  │                ▼                                                  │
  │      요구사항이 과거 실적 집계인가, 미래 행동 예측인가?                 │
  │          ├─ 과거 집계 ──▶ 전통적 BI 대시보드 / OLAP 구축              │
  │          │                                                        │
  │          └─ 미래 예측 ──▶ 머신러닝 기반 Predictive Analytics 도입   │
  │                │                                                  │
  │                ▼                                                  │
  │      분석 결과를 실행(마케팅/영업)에 연동할 수 있는가?                 │
  │          ├─ 아니오 ──▶ 사일로 현상 발생 위험. API 기반 운영 CRM 연동 필수 │
  │          └─ 예 ─────▶ 완결된 폐쇄 루프(Closed-loop) CRM 구축 성공    │
  └───────────────────────────────────────────────────────────────────┘

[다이어그램 해설] 현업에서 분석 CRM 프로젝트가 실패하는 가장 큰 원인은 두 가지다. 첫째, 데이터 클렌징(정제)이 안 된 상태에서 무턱대고 AI 알고리즘만 도입하려는 'GIGO(Garbage In, Garbage Out)' 문제다. 데이터 통합(DW)이 선결되어야 한다. 둘째, 기껏 훌륭한 타겟 리스트를 뽑아놓고 영업팀이 이를 무시하는 '사일로(Silo)' 문제다. 기술사는 분석 엔진 자체의 성능보다, 분석된 결과가 현업의 운영 시스템에 **자동화된 프로세스로 꽂히는지(Integration)**를 아키텍처 설계의 최우선으로 검증해야 한다.

안티패턴

단순 리포팅 도구를 분석 CRM으로 착각: 엑셀이나 뷰어 도구를 통해 어제 매출이 얼마인지 집계(Reporting)하는 것은 과거를 보는 BI(Business Intelligence)일 뿐이다. 분석 CRM은 '왜(Why)' 이런 결과가 나왔고, 내일은 '누가(Who)' 어떻게 행동할지를 선제적으로 모델링하는 예측적 기능이 포함되어야 한다.
📢 섹션 요약 비유: 분석 CRM 구축은 최첨단 레이더(알고리즘)를 사는 것보다, 레이더 화면을 보고 즉시 미사일을 쏠 수 있는 지휘 통제망(운영 시스템과의 연동)을 구축하는 것이 승패를 가르는 핵심입니다.

Ⅴ. 기대효과 및 결론

정량/정성 기대효과

구분	도입 전 (직관/경험 의존 마케팅)	분석 CRM 기반 타겟 마케팅	개선 효과
정량	불특정 다수 대량 문자/이메일 발송 (Mass)	이탈률, 반응률 예측 기반 타겟 발송	마케팅 비용 40% 이상 절감, 응답률 상승
정량	단일 상품 판매	연관 규칙 기반 교차 판매(Cross-sell) 제안	고객당 평균 객단가(ARPU) 및 LTV 20% 상승
정성	모든 고객에게 동일한 스팸성 접근	RFM 기반 개인화된 메시지 전달	고객 피로도 감소 및 기업 브랜드 충성도 향상

미래 전망

차세대 AI CRM (AI-infused CRM): 세일즈포스의 아인슈타인(Einstein)처럼, 데이터 사이언티스트 없이도 시스템 스스로 이메일 오픈 최적 시간을 예측하고, 다음 베스트 액션(Next Best Action)을 영업 사원에게 추천해 주는 '초개인화 자동화 엔진'으로 진화하고 있다.
실시간(Real-time) 분석 CRM: 과거에는 야간에 배치(Batch)로 데이터를 돌려 다음 날 아침 리스트를 뽑았다면, 최근의 스트리밍 데이터 처리 아키텍처(Kafka 등)는 고객이 웹사이트를 둘러보는 그 '순간(Micro-moment)'에 즉각적으로 분석을 수행해 실시간 팝업 쿠폰을 쏘는 방향으로 진화했다.

참고 표준

CRISP-DM (Cross-Industry Standard Process for Data Mining): 분석 CRM 프로젝트 시 데이터 마이닝을 수행하는 산업계 표준 6단계 프로세스 (비즈니스 이해 → 데이터 이해 → 준비 → 모델링 → 평가 → 전개).

분석 CRM은 기업이 가진 가장 귀중한 자산인 '고객 데이터'에 생명력을 불어넣는 연금술이다. 데이터가 석유라면, 분석 CRM은 이를 정제해 자동차를 움직이게 하는 정유소와 같다. 무한 경쟁 시대에 감과 경험에 의존하는 마케팅은 종말을 고했다. 데이터에 기반한 정밀한 타겟팅과 예측만이 기업의 마케팅 ROI를 방어하고, 고객 한 명 한 명에게 '나를 알아주는 기업'이라는 경험을 선사할 유일한 해답이다.

  ┌──────────────────────────────────────────────────────────────────┐
  │             분석 CRM의 궁극적 목표: LTV(고객 생애 가치) 극대화            │
  ├──────────────────────────────────────────────────────────────────┤
  │                                                                  │
  │     가치(Value)                                                   │
  │      ▲                                                           │
  │      │                              [충성 고객군]                   │
  │      │                          * 상향 판매(Up-sell) 성공          │
  │      │        [성장 고객군]          * VIP 리워드 제공               │
  │      │    * 교차 판매(Cross-sell) ───▶                            │
  │      │       (장바구니 분석 적용)                                   │
  │      │                                                           │
  │      │ [신규 유입]                                 [이탈 위험군]     │
  │      │             (RFM 세분화 적용)            * 해지 방어 모델 가동  │
  │      │                                            ▼ (이탈 지연)    │
  │      └─────────────────────────────────────────────────────▶ 시간 │
  │                                                                  │
  │  핵심: 고객의 라이프 사이클 매 단계마다 분석 CRM이 개입하여 가치 하락을 │
  │        막고 우상향 곡선을 그리도록 지휘 (LTV 곡선 면적 극대화)          │
  └──────────────────────────────────────────────────────────────────┘

[다이어그램 해설] 고객 생애 가치(LTV, Life Time Value)는 한 고객이 일생 동안 기업에 가져다주는 이익의 총합이다. 분석 CRM의 궁극적인 존재 이유는 이 LTV 그래프의 면적을 넓히는 것이다. 신규 고객에게는 두 번째 구매(Cross-sell)를 유도하는 분석을, 성장한 고객에게는 더 비싼 프리미엄 요금제(Up-sell)를 제안하는 분석을, 떠나려는 고객에게는 방어 쿠폰 타이밍(Churn prediction)을 제공함으로써 고객이 머무는 기간은 늘리고 기여하는 금액은 높이는 전략 지도를 그린다.

📢 섹션 요약 비유: 분석 CRM은 마치 평생을 곁에서 지켜보며 내 취향과 습관, 심지어 감정의 변화까지 미리 눈치채고 맞춰주는 아주 노련하고 세심한 프라이빗 집사를 두는 것과 같습니다.

📌 관련 개념 맵 (Knowledge Graph)

개념 명칭	관계 및 시너지 설명
운영 CRM (Operational CRM)	분석 CRM에 원천 데이터(거래, 클레임 이력 등)를 공급하고, 도출된 분석 결과를 영업/마케팅 일선에서 실행하는 짝궁 시스템
협업 CRM (Collaborative CRM)	콜센터, 웹, 모바일, SNS 등 고객과의 모든 접점(채널)을 뜻하며, 비정형 인터랙션 데이터가 분석 CRM의 풍부한 재료가 됨
데이터 웨어하우스 (DW)	사내 곳곳에 흩어진 고객 데이터를 하나의 구조화된 그릇에 통합하여 분석 CRM이 쿼리할 수 있게 하는 필수 인프라
데이터 마이닝 (Data Mining)	거대한 데이터 속에 숨겨진 고객의 행동 규칙(군집, 연관성, 분류)을 알고리즘으로 발굴하는 분석 CRM의 핵심 심장
RFM 분석	고객의 구매 최근성, 빈도, 금액을 수치화하여 VIP부터 휴면 고객까지 등급을 나누는 가장 직관적이고 강력한 세분화 모델
LTV (고객 생애 가치)	한 고객이 기업과 거래하는 전 기간에 걸친 수익 총합으로, 분석 CRM 캠페인 성공의 최종적인 정량적 성과 지표

👶 어린이를 위한 3줄 비유 설명

운영 CRM이 마트에서 손님들에게 물건을 팔고 영수증을 모으는 '계산대 직원'이라면, 분석 CRM은 그 수만 장의 영수증을 연구하는 '탐정'이에요.
탐정은 영수증을 돋보기(데이터 마이닝)로 들여다보고, "아! 비 오는 날에는 사람들이 우산이랑 파전을 같이 많이 사는구나!"라는 비밀을 찾아내죠.
그래서 내일 비가 온다는 예보가 있으면, 직원에게 "입구에 파전이랑 우산을 같이 올려놔!"라고 미리 알려주어 물건이 더 잘 팔리게 도와주는 똑똑한 시스템이랍니다.