학습
한 걸음씩,
개념의 순서대로.
쉬운 개념에서 어려운 개념 순서예요. 소단원 끝 퀴즈를 모두 풀면 ✓ 표시가 붙고, 단원마다 얼마나 왔는지 보여요. 용어 사이의 선후 관계는 개념 지도에서 한눈에 볼 수 있어요.
- CRM의 정의 CRM은 고객을 기억하고, 이해하고, 알맞게 대하면서 관계를 오래 이어 가는 일이에요. 세 글자가 무엇을 뜻하는지, 말이 두 가지 뜻으로 쓰이는 이유부터 봐요. 읽기
- CRM이 하는 일 데이터로 고객을 기억하고, 그 데이터로 관계를 이해하고, 그 이해를 고객의 경험으로 돌려줘요. 고객의 반응이 다시 데이터가 되어 고리가 이어져요. 읽기
- CRM이 아닌 것 CRM은 자주 오해돼요. 소프트웨어다, 쿠폰이다, 마케팅팀의 일이다. 무엇이 아닌지 알면 무엇인지가 더 또렷해져요. 읽기
- CRM의 역사 장부에서 데이터베이스로, CRM 소프트웨어에서 인터넷과 AI로. 도구는 계속 바뀌었지만 단골을 기억하는 일은 그대로예요. 읽기
- 관계 4단계 고객의 마음은 인지, 관심, 신뢰, 충성의 순서로 깊어져요. 단계는 건너뛰기 어렵고, CRM은 고객이 지금 어느 단계인지 보고 그 단계에 맞는 것을 건네요. 읽기
- 고객 생애주기 고객 생애주기는 구매 행동으로 고객의 단계를 나눠요. 신규, 성장, 충성, 휴면, 이탈의 다섯 단계와 다시 돌아온 재활성이 있고, 단계를 가르는 기준은 업종의 구매 주기에 맞춰 사람이 정해요. 읽기
- 단계 사이의 흐름 단계별 인원은 한 장의 사진이고, CRM이 실제로 움직일 수 있는 것은 단계 사이를 옮겨 가는 비율이에요. 두 번째 구매율, 휴면으로 가는 비율, 재활성률 같은 문을 넓히면 새 고객을 더 데려오지 않아도 활동 고객이 늘어요. 읽기
- 고객 데이터의 네 종류 고객 데이터는 산 것, 한 것, 말한 것, 누구인지의 네 종류예요. 어떤 질문에 어떤 데이터가 답하는지 알면 "데이터는 많은데 모르겠다"가 사라져요. 읽기
- 회원과 동의, CRM이 보는 범위 매출 시스템은 모든 돈을 세고, CRM은 동의한 회원의 돈만 세요. 두 숫자의 차이는 오류가 아니라 CRM이 보는 범위예요. 분석은 지금 몇 %를 보고 있는지 말하고 시작해요. 읽기
- 데이터 착시 데이터는 거짓말을 하지 않지만, 누구의 이름으로 언제 기록됐는지를 모르면 사람이 착시를 봐요. 숫자와 현장이 다르게 말할 때 먼저 확인할 세 자리예요. 읽기
- 세분화, 무엇으로 나눌까 고객을 나누는 기준은 인구통계, 구매 행동, 관심사, 관계의 깊이예요. 좋은 기준은 묶음마다 다르게 대할 수 있는 기준이고, 묶음 수는 다르게 대할 수 있는 만큼만이에요. 읽기
- 고객 등급, 기준이 만드는 계단 VIP 같은 고객 등급은 세분화를 계단으로 만든 거예요. 기준은 금액만이 아니라 최근성과 횟수를 함께 보고, 등급은 데이터가 아니라 기준이 만들어요. 강등과 혜택 중심의 함정을 알아 둬요. 읽기
- 타겟팅과 반응률 세분화한 묶음 중 이번에 보낼 대상을 고르는 일이 타겟팅이에요. 결과는 반응률로 보지만, 반응률만 올리는 건 쉬워요. 문자가 새로 움직인 사람을 따로 세야 효과가 보여요. 읽기
- 개인화, 이름을 부르는 것 너머 개인화는 문자에 이름을 넣는 일이 아니에요. 그 사람에게 맞는 때에, 맞는 내용을, 맞는 길로 건네는 일이에요. 지나치면 불쾌해지고, 동의 없이는 할 수 없어요. 읽기
- 매출을 세 숫자로 나누기 매출은 고객 수 × 구매 빈도 × 객단가예요. 같은 10% 하락도 어느 숫자가 움직였느냐에 따라 할 일이 달라요. 재방문율은 빈도를 받치는 바닥이에요. 읽기
- RFM, 세 숫자로 고객 보기 마지막으로 산 지 얼마나 됐나(R), 얼마나 자주 샀나(F), 얼마나 썼나(M). 세 숫자를 함께 읽으면 지금 연락해야 할 고객이 보여요. 등급은 데이터가 아니라 기준이 만들어요. 읽기
- CLV, 고객 한 명의 값 CLV는 객단가 × 1년 구매 횟수 × 거래 기간이에요. 거래 기간이 가장 크게 움직여요. 고객을 얻는 비용(CAC)과 비교해야 남는 장사인지 보여요. 읽기
- 유지율과 이탈률 유지율은 기간 초에 있던 고객 중 기간 말에 남은 비율이고, 신규는 빼고 세요. 이탈률은 작아 보여도 매달 복리로 쌓여서 1년 뒤 고객 수를 크게 가르고요. 읽기
- NPS, 추천할 마음을 재다 질문 하나로 고객의 마음을 재요. 9~10점은 추천, 7~8점은 중립, 0~6점은 비추천이고, NPS는 추천 비율에서 비추천 비율을 뺀 값이에요. 평균과는 다르게 움직여요. 읽기
- 충성 고객 충성은 행동(꾸준히 다시 산다)과 태도(좋아하고 권한다) 두 축으로 봐요. 행동만 높은 타성 충성은 더 가까운 곳이 생기면 떠나고, 태도만 높은 잠재 충성은 자주 못 와도 쉽게 떠나지 않아요. 읽기
- VIP 제도 VIP 제도는 충성 고객에게 더 많이 돌려주는 로열티 프로그램이에요. 누구를 뽑을지는 고객 등급에서 봤고, 여기서는 무엇을 돌려줄지를 봐요. 할인에 기댄 혜택은 해마다 커져야 하고, 문턱 앞의 몰아 사기를 부르고, 어차피 살 사람에게 비용을 써요. 읽기
- 이탈 신호 이탈은 갑자기 오지 않아요. 방문 간격이 늘고, 문자를 안 열고, 사는 품목이 줄어드는 신호가 먼저 보여요. 그리고 같은 공백도 고객마다 뜻이 달라서, 모두에게 같은 날수를 대기보다 그 고객의 평소 간격과 비교해 읽어요. 읽기
- 휴면 고객 되살리기 휴면 고객을 되살리는 일은 이유를 찾고, 다시 오기 쉬운 고객부터, 그 고객이 좋아하던 것을 기억해 건네는 일이에요. 효과는 보낸 고객의 복귀율에서 보내지 않은 대조군의 복귀율을 빼서 재요. 읽기
- 캠페인 설계 캠페인은 정해진 고객에게, 정해진 기간에, 하나의 목표를 위해 건네는 CRM 활동 한 번이에요. 목표, 대상, 제안, 채널과 시점, 측정을 시작하기 전에 한 장에 적어 두면, 끝난 뒤 잘됐는지 말할 수 있어요. 읽기
- 메시지 좋은 CRM 메시지는 누가 보내는지, 왜 나에게 오는지, 무엇 하나를 건네는지, 다음에 무엇을 하면 되는지가 한눈에 보여요. 그리고 같은 고객에게 여러 부서의 메시지가 겹치지 않게 접촉 횟수의 상한을 정해요. 읽기
- A/B 테스트 A/B 테스트는 무작위로 나눈 두 묶음에 한 가지만 다르게 건네고 반응을 비교해요. 차이가 나왔을 때 우연인지 보려면 차이의 95% 범위에 0이 들어 있는지 보고, 작은 차이일수록 많은 사람이 필요해요. 읽기
- 성과 측정과 이벤트의 함정 캠페인의 성과는 반응률이 아니라 대조군과 비교한 순효과로 재요. 행사의 성과는 행사 기간만이 아니라 앞뒤 기간을 합쳐 봐야 당겨온 매출이 보이고, 비용까지 빼야 남는 것이 보여요. 행사가 잦아지면 고객은 행사 날에만 오게 돼요. 읽기
단원 8 · 소단원 7개
찾을 수 있게 두는 기술, 자산 관리와 DAM
분류 체계, 메타데이터, 버전과 승인본, 권한과 공유, 도입이 실패하는 구조, CRM과 DAM이 만나는 자리
- 왜 같은 자료를 두 번 만들까 찾는 것보다 다시 만드는 게 빠른 순간, 만들어 둔 자료는 자산이 아니에요. 자산 관리와 DAM이 왜 생겼는지부터 봐요. 읽기
- 분류 체계, 하나로 정하기 폴더를 나누는 기준이 분류 체계(택소노미)예요. 첫 번째 규칙은 하나, 맨 위 기준은 하나만 두는 거예요. 읽기
- 이름과 메타데이터 폴더가 "어디에 두는가"라면 메타데이터는 "무엇인지 적어 두는 것"이에요. 찾는 힘은 폴더보다 메타데이터에서 나와요. 읽기
- 원본, 가공본, 버전, 승인본 가로로는 원본과 가공본, 세로로는 버전. 덮어쓰지 말고 쌓고, 승인본은 하나만 표시하면 "최종_진짜최종"이 사라져요. 읽기
- 권한과 공유 누가 보고, 누가 고치고, 누가 나눌 수 있나. 공유 링크, 다운로드 승인, 브랜드 포털로 회사 밖까지 경계를 넓혀요. 읽기
- 도입은 왜 실패할까 좋은 시스템을 들여도 쓰이지 않는 데는 구조가 있어요. 정착을 가르는 질문은 하나, 쓰는 사람에게 이익이 돌아가는가예요. 읽기
- CRM과 DAM이 만나는 자리 CRM은 보낼 사람을 정하고, DAM은 보낼 것을 들고 있어요. 캠페인은 둘이 만나야 나가고, 연결 고리는 자산의 권리 정보예요. 읽기
- AI로 고객 데이터 읽기 AI는 많은 고객 데이터를 빠르게 요약하고, 고객의 말을 분류하고, 패턴을 찾아 줘요. 다만 데이터의 착시와 빈칸도 그대로 읽고, 그럴듯한 숫자를 지어낼 수 있어서, 질문은 사람이 세우고 숫자는 원본에서 다시 확인해요. 읽기
- 예측 점수와 기준선 AI는 고객마다 이탈 가능성을 점수로 매겨 줘요. 점수는 예언이 아니라 가능성이고, 어디서 끊어 연락할지(기준선)는 사람이 정해요. 기준선을 낮추면 놓치는 고객이 줄지만 헛연락이 늘어요. 이 둘이 정밀도와 재현율이에요. 읽기
- AI로 메시지 만들기 생성형 AI는 메시지 초안을 빠르게 여러 개 만들어 줘요. 좋은 결과는 좋은 프롬프트에서 나오고, 프롬프트의 뼈대는 캠페인 설계서예요. 만든 초안은 사실, 말투, 약속, 개인정보를 사람이 확인하고, 어느 초안이 나은지는 A/B 테스트로 고객에게 물어요. 읽기
- 사람이 맡을 일 AI가 읽고, 예측하고, 쓰는 일을 맡을수록 사람의 일은 목표와 기준을 정하고, AI가 모르는 맥락을 더하고, 공감이 필요한 자리에 서고, 결과에 책임지는 쪽으로 옮겨 가요. 자동화가 관계를 해치는 순간은 대개 사람이 빠진 자리에서 생겨요. 읽기