DekaBank는 고객 개별적 관계를 개선하였다.

예측적 분석을 통해 좀 더 효과적인 뮤츄얼 펀드 마케팅을 전개하였다.

 독일에서는 저축은행은 어디에나 있으며 작은 마을에도 쉽게 찾아볼 수 있다. DekaBank 는 독일 저축은행 파이낸셜 그룹의 중앙기관으로 도매은행업과 뮤츄얼 펀드를 운용하고 있다. 2005년 기준, 이 그룹의 대차대조표상의 합계는 1150억 유로이며 자산은 1400억 유로, 자기자본은 37억 유로로 독일의 금융 서비스 공급자의 선두기업중의 하나 이다.

 

능률적으로 적절한 고객에게 적절한 서비스를 제공하자

다른 은행들과 마찬가지로 DekaBank는 고객 개인들과의 관계를 구축하기 위하여 노력해야 했다. 캠페인 관리 업무의 목표는 안전한 마케팅 의사결정뿐 아니라 개별 고객들에 대한 정보를 사용하여 각 개인에게 최고의 서비스를 제공하는 것에 있었다.

 

 German Sparkassen 그룹의 수많은 저축은행은 뮤츄얼 펀드 시장에서 DekaBank의 분석과 캠페인 서비스에 의존하였다. DekaBank는 다양한 은행 고객의 타겟 그룹에 제공해야 하는 서비스와 금융 상품을 차별화하기 위하여 데이터마이닝 툴이 필요했다.

 

중앙기금 서비스 제공자 DekaBank의 CRM 팀과 Database Marketing 팀은 IBM SPSS Statistics와 IBM SPSS Modeler를 이용하여 저축은행의 적절한 고객을 찾아낼 수 있었고 이것은 그들의 목표를 달성할 수 있게 하였다. CRM과 데이터베이스 마케팅팀의 매니저인 Dirk Meggert 는 이렇게 말했다.  “우리는 독점판매 파트너에게 우리 캠페인을 좀더 매력적으로 제공할 수 있게 하려고 했고, 우리는 수집된 데이터들이 무한한 잠재성을 가진 것을 알게 되었다. IBM SPSS 솔루션은 이미 전문가들 사이에서 매우 잘 알려져 있었으며, 우리가 필요한 적정한 가격에 구매할 수 있었다. IBM SPSS Statistics 는 중요한 모든 통계적인 기능과 과정을 갖추고 있었으며, 이 프로그램은 수백만 명의 고객의 데이터도 다를 수 있었다.”

 

보다 쉽게 타겟 그룹을 정하고 적절한 캠페인을 개발할 수 있었다.

캠페인을 보다 쉽게 전개하기 위하여 DekaBank는 스트림을 만들고, 캠페인 점수를 개발하여 이 점수를 사용하여 제어할 수 있게 하는 데이터마이닝 솔루션인 IBM SPSS Modeler를 선택하였다. Modeler를 사용하는 데에는 트레이닝 시간이 많이 걸리지 않았으며, 이 소프트웨어의 스트림을 수정하는 것은 매우 쉬웠다.

 

 새로운 보증기금의 이슈는 이 시스템의 첫 번째 실전 테스트였다. DekaBank의 CRM 직원은 비슷한 펀드의 예전 구매자들의 일반적인 성향을 분석하기 시작했다. 그 결과는 타겟으로 하는 고객들이 있는 각 은행 지점의 컨설턴트들에게 보내졌다. “우리는 이 금융 상품의 전형적인 구매자들을 정의하였다. 예를 들면 특히 펀드 사용자는 주로 연령층이 높고 장기간상품을 구매할 확률이 높았다. 우리는 모든 지역의 고객들에게 메일의 문구, 전단지의 형태, 전화상의 가이드라인을 통해 우리의 접근방법을 맞춰야 했다.” 라고 Meggert는 말했다.

 

 보증기금에 관심 있어하는 고객을 선택하기 위하여 Meggert 와 팀원들은 통계적 절차를 이용하여 10개의 평가 종류를 가진 스코어링 모델을 개발하였다. 이 모델은 DekaBank의 시스템에 이미 저장이 되어있는 인구 통계학, 상품관련, 지역변수에 따른 현재와 과거의 고객 데이터가 사용되었다. 모든 “후보자(고객)”들은 모델의 기준에 따라 평가되고, 순위가 매겨졌다. 목표하는 접근방법에 가장 적합한 고객은 첫 번째 등급에, 그리고 가장 덜 적합한 고객은 10번째 등급에 매겨졌다.

 

 DekaBank는 보증기금에 관심 있을 것 같은 고객의 리스트뿐 아니라 영업과 프로모션 자료들이 포함되어있는 서비스 패키지를 함께 포함 시켰다. 이것은 각 저축은행 지점의 컨설턴트들에게 그 고객들에게 영업을 할 때 사용할 수 있게 하였다. 그들은 우편을 통해 1차적으로 컨택을 하고 그 이후에는 서비스 직원들에 의해 직접 접근하도록 하였다.

 

 통계적 분석방법과 데이터마이닝을 통한 캠페인 최적화
 

캠페인은 완전히 성공하였다. 이 캠페인을 실시한 160개의 저축은행에서 거래량은 이 캠페인을 실시하지 않은 지점과 비교하였을 때 평균 3.3배 증가하였고 가장 많이 증가 한곳은 8.8배였다. 

 

Meggert는 이렇게 말했다. “이것은 매우 명백한 결과였다. 지능적인 데이터 분석과 고객 접근방법을 통해 얻은 결과였다. 우리는 IBM SPSS Statistics와 IBM SPSS Modeler를 사용하여 이것을 시작으로 다른 캠페인을 운영하였고 그것 모두 다 좋은 결과를 달성하였다”

 

 DekaBank는 현재까지 Statistics와 Modeler를 이용하여 보증기금 캠페인에 가장 적합한 고객을 유치함으로써 투자대비 6배의 효과를 달성하였다. 각 저축은행 지점과의 적극적인 협력 또한 Dekabank의 또 다른 성공 요인이었다.

 

Meggert는 “우리는 IBM SPSS Statistics를 확신한다. 이 소프트웨어가 없이는 이 보증기금과 같은 타겟 목표를 달성할 수 없었다. 이 소프트웨어의 선택은 DekaBank의 캠페인에서 가장 중요한 핵심 부분이었다.”

- 출 처 : IBM SPSS Software Customer Story (http://www-01.ibm.com/software/analytics/spss/)