Latest / M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어) / Dynamics 365 Customer Insights – Data 쉽게 이해하기: 고객 데이터 통합, 360도 프로필과 세그먼트 (AI 더빙)

Transcript

Dynamics 365 Customer Insights – Data 쉽게 이해하기: 고객 데이터 통합, 360도 프로필과 세그먼트 (AI 더빙) · M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어)

0:00
마이크로소프트 365, 코파일럿, AI, 에이저, 그리고 일의 미래를 만들어가는 사람들과 함께하는 10일간의 여정을 준비되셨나요?
0:08
이번 1월, M365 컨이더 커진 규모로 돌아옵니다.
0:12
전세계 MVP와 업계 전문가들이 전하는 라이브 세션, 실전 데모, 그리고 실무 지식을 만나보세요.
0:18
뻔한 슬라이드 나주로 한 유행원은 없습니다.
0:21
코파일럿 스튜디오, AI 에이전트, 패브릭, 보안, 거버넌스, 자동화 등 실제적인 과제들을 다룹니다.
0:29
IT 전문가든, 개발자든, 비즈니스 리더든 여러분을 위한 맞춤형 세션이 준비되어 있습니다.
0:35
10일 동안 다양한 기술을 탐구하고 글로벌 커뮤니티와 교류할 수 있습니다.
0:40
라이브로 시청하고 실용적인 통찰력을 여러분의 조직에 적용해보세요.
0:44
2027년 1월, 10일간의 여정, 하나의 마이크로소프트 커뮤니티 등록이 시작되었습니다.
0:51
지금 바로 자리를 예약하세요.
0:55
웹사이트는 m365.com.net입니다.
0:57
m365.com.net에 대해서 지금 등록하시고 1월 라이브 행사에서 뵙겠습니다.
1:05
한 명의 고객이 3개의 시스템에 각각 다른 모습으로 나타난다면 어떨까요?
1:09
영업부서는 진행 중인 거래를, 지원 부서는 불만사항을, 마케팅 부서는 지난주 이메일을 클릭한 사람으로 인식합니다.
1:14
하지만 사실 그 사람은 이미 제품을 두 번이나 구매한 고객입니다.
1:17
하나의 화면만 봐서는 전체 상황을 파악할 수 없습니다.
1:20
저는 m365fm의 미르코 피터스입니다.
1:22
이번 지식 조각을 통해 파편화된 정보를 알기 쉽게 정리해드립니다.
1:26
분산된 고객 데이터가 왜 골칫거리인지, 그리고 기업이 고객을 단순히 데이터 목록이 아닌 한 사람으로 대하기 위해 왜 하나의 통합된 뷰가 필요한지 알려드립니다.
1:34
분산된 고객 데이터가 잘못된 결정을 초래하는 이유, 기업의 장비를 판매하는 회사를 운영한다고 가정해보세요.
1:40
영업팀은 다이나믹스 365세일즈를 사용합니다.
1:43
그들은 연락처, 계정, 통화, 미팅, 진행 중인 영업기회, 견적, 지난 대화의 메모를 확인합니다.
1:48
영업사원이 통화를 준비하는 데는 도움이 되지만 영업시스템 내의 정보만 보일 뿐입니다.
1:52
지원팀은 다른 곳에서 업무를 처리합니다.
1:54
그들은 서비스 사례, 고장난 제품, 질문, 불만사항, 문제 해결에 필요한 대화 내용을 확인합니다.
1:59
상담원은 고객이 이번 달에 3번이나 지원팀에 연락했다는 사실을 알지만, 이 기록은 영업기록에 전혀 나타나지 않습니다.
2:04
마케팅 부서는 별도의 정보를 가지고 있습니다.
2:06
그들은 누가 이메일을 열었고, 링크를 클릭했으며, 양식을 작성했고, 페이지를 방문했는지, 이벤트에 등록했는지 알고 있습니다.
2:11
마케터는 신제품에 대한 강력한 관심을 확인하지만, 지원 상담원은 고객이 이미 보유한 제품에 불만을 품고 있다는 점을 확인합니다.
2:16
간단한 비유를 들어보겠습니다.
2:18
서로 분리된 방이 있는 사무실 빌딩을 생각해보세요.
2:21
각 방에는 각자의 창문이 있습니다.
2:23
영업은 영업대로, 지원은 지원대로, 마케팅은 마케팅대로 각자 다른 뷰를 보게 됩니다.
2:27
부서관의 장벽을 허물기 전까지는 누구도 전체적인 상황을 파악할 수 없습니다.
2:30
공유 고객 파일이 바로 그 역할을 합니다.
2:32
장벽을 허물어주죠.
2:33
누구의 잘못도 아닙니다.
2:35
정보가 각 업무에 맞게 분리된 곳에 저장되어 있을 뿐입니다.
2:38
영업 부서는 거래를 관리하고, 서비스 부서는 문제를 해결하며, 마케팅 부서는 참여도를 파악해야 합니다.
2:43
주문은 별도의 시스템에 있고, 웹사이트 활동은 분석 도구에 남아있죠.
2:47
이러한 분리는 기묘한 상황을 만듭니다.
2:50
예를 들어보겠습니다.
2:51
알렉스 모르간이라는 고객을 생각해보죠.
2:53
영업 시스템에서 알렉스는 오래된 업무용 이메일과 활성 기회가 포함된 계정 레코드를 가지고 있습니다.
2:57
지원 시스템에서 알렉스는 개인 이메일과 두 건의 최근 문외건으로 나타납니다.
3:02
그리고 웹사이트에서 알렉스는 이름, 성, 전화번호만 입력하고 웨비나를 신청했습니다.
3:07
이 모든 기록은 동일한 사람의 것이지만, 이를 연결할 방법이 없으면 회사는 알렉스 모르간을 3명이 서로 다른 인물로 보게 됩니다.
3:13
영업팀은 친근한 영업 제안을 준비하고, 마케팅팀은 업그레이드 프로모션을 보내며, 지원팀은 지난 통화 때 했던 내용을 다시 묻게 됩니다.
3:20
알렉스 입장에서는 체계적이지 않게 느껴집니다.
3:23
기업의 문외하고 명확히 설명했는데, 얼마 후 추가 구매를 권유하는 활기찬 이메일을 받아본 경험이 있을 겁니다.
3:29
회사는 정보를 보유하고 있지만, 팀들이 같은 관점으로 공유하지 않는 것이죠.
3:33
잘못된 데이터 연결은 더 작은 문제들도 야기합니다.
3:36
중복 레코드는 중복 이메일 발송으로 이어지고, 오래된 이메일 주소는 정작 필요한 사람에게 메시지를 전달하지 못하게 하며,
3:41
주문과 서비스 문외 간의 연결 부재는 고객이 구매를 중단한 이유를 숨깁니다.
3:44
그러면 사람들은 목록을 스프레드 시트로 내보내기 시작합니다.
3:47
마케팅팀은 하나의 목록을 만들고, 영업팀은 또 다른 목록을 만들며, 서비스팀은 자신들만의 보고서를 유지합니다.
3:52
오래지 않아 팀들은 어떤 목록이 맞는지 논쟁하게 되고, 고객은 누군가 전체 상황을 이해해주기를 기다리게 됩니다.
3:57
이는 매일 메일의 의사결정에 영향을 미칩니다.
3:59
영업관리자는 최근 심각한 문제를 제기한 고객을 쫓고,
4:02
마케터는 이미 정가를 지불한 고객에게 할인 쿠폰을 보내며,
4:05
서비스 책임자는 전화를 건 사람이 가장 큰 고객 중 하나라는 사실을 모를 수 있습니다.
4:09
해답은 모든 팀에게 하나의 앱을 강제로 사용하게 하는 것이 아닙니다.
4:12
각 팀에는 여전히 고유 업무에 맞는 도구가 필요합니다.
4:15
그들에게 필요한 것은 분리된 레코드를 연결할 수 있는 공유 고객 파일 하나입니다.
4:19
그렇게 하면 모든 팀이 서로 다른 버전이 아닌 동일한 고객 정보를 바탕으로 업무를 시작할 수 있습니다.
4:25
그렇다면 모든 부서가 같은 앱을 사용하게 강요하지 않으면,
4:28
서로 서로 다른 고객 레코드를 하나로 연결하는 방법은 무엇일까요?
4:31
그 해답은 마이크로소프트의 고객 데이터 플랫폼,
4:33
CDP, in Dynamics 365 Customer Insights Data입니다.
4:36
가장 간단한 정의는 다음과 같습니다.
4:38
CDP는 사용하는 모든 시스템의 고객 데이터를 한 곳으로 모으고,
4:41
동일인에 해당하는 기록을 연결하며,
4:43
비즈니스 도구에서 활용 가능한 지속적인 프로필을 구축합니다.
4:46
커다란 자료 보관실을 상상해보세요.
4:48
모든 부서가 그 방으로 폴더를 보냅니다.
4:51
영업부서는 연락처 정보와 거래 내역을 보냅니다.
4:53
지원 부서는 상담 기록을 보냅니다.
4:55
웹사이트는 가입 및 페이지 방문 정보를 보내고,
4:58
주문 시스템은 구매 및 반품 정보를 보냅니다.
5:00
각 폴더는 저마다 다른 나벨, 다른 형식,
5:03
심지어 다른 고객 번호를 사용할 수도 있습니다.
5:05
Customer Insights Data는 이 모든 것을 분류하고 함께 속한 기록들을 모아
5:08
하나의 고객 파일로 만듭니다.
5:10
그 파일이 바로 사람들이 말하는 360도 뷰를 제공합니다.
5:13
자주 듣게 되는 말인데, 그 의미를 설명해드리겠습니다.
5:16
360도 뷰란 한 고객을 다각도로 살펴보고,
5:18
여러 유형의 상호작용을 확인할 수 있다는 뜻입니다.
5:20
고객이 누구인지, 무엇을 구매했는지,
5:22
언제 고객 지원에 연락했는지,
5:23
온라인에서 어떻게 참여했는지 등을 볼 수 있죠.
5:24
마법이 아니라 더 완전한 그림을 보여주는 것입니다.
5:27
고객 데이터는 보통 몇 가지 공통 유형으로 나뉩니다.
5:29
인고 통계 데이터는 이름, 주소, 직함, 회사 등 개인에 대한 정보를 설명합니다.
5:34
거래 데이터는 구매, 반품, 결제, 예약, 구독 등 교환 내역을 기록합니다.
5:39
행동 데이터는 이메일 열람, 제품 페이지 방문, 양식 작성, 앱 사용, 이벤트 등록 등의 활동을 포착합니다.
5:46
Customer Insights 데이터는 재고나 서비스 정보 같은 운영 데이터와
5:50
사물 인터넷, IoT, 기기에서 수집된 데이터까지 가져올 수 있습니다.
5:54
연결된 기기를 판매하는 기업이라면 고객 이력과 함께 기기 활동을 확인하고 싶을 것입니다.
5:59
서비스 팀은 고객이 문제로 전화했을 때 운영 데이터를 통해
6:02
해당 기기에서 오류가 보고되었음을 동시에 확인할 수 있습니다.
6:05
이러한 맥락이 대화의 내용을 바꿉니다.
6:08
제가 지금 Customer Insights 전이즈가 아니라
6:09
Customer Insights 데이터를 말하고 있다는 점에 주목하세요.
6:12
둘 다 Customer Insights라는 이름 아래에 있지만
6:13
처리하는 업무는 서로 다릅니다.
6:15
데이터는 정보를 가져와 프로필을 준비하고 유용한 패턴을 찾아냅니다.
6:19
전이즈는 이러한 프로필과 고객 그룹을 사용하여
6:21
이메일, 문자 및 기타 커뮤니케이션을 발송합니다.
6:24
한쪽은 고객 데이터를 정리하고 이해하는 역할을 합니다.
6:27
다른 한쪽은 그 이해를 바탕으로 고객과 소통합니다.
6:30
데이터는 자료 보관실로, 전이즈는 커뮤니케이션 데스크로 생각하시면 됩니다.
6:34
이제 많은 분이 이를 다이나믹스 365세일즈와 혼동하곤 합니다.
6:38
다이나믹스 365세일즈는 리드, 영업 기획, 활동 및 개정 대화를 추적하여
6:43
영업 담당자가 관계를 관리하고 업무를 수행할 수 있도록 돕는 공간을 제공합니다.
6:47
Customer Insights 데이터는 더 폭 넓은 관점을 제공합니다.
6:50
다이나믹스 365세일즈 위 정보를 가져올 수 있을 뿐만 아니라
6:53
서비스 시스템, 웹사이트, 주문 시스템, 데이터 저장소 및 기타 승인된 소스의 정보도 연결할 수 있습니다.
6:59
이는 영업 기능을 대체하는 것이 아니라
7:00
영업 시스템만으로는 파악하기 어려운 고객 관련 배경 정보를 추가해줍니다.
7:04
Customer Insights 데이터는 마이크로소프트 에이저 환경에서 실행되므로
7:07
마이크로소프트가 데이터 저장, 처리 및 보호를 위한 클라우드 기반을 제공합니다.
7:11
또한 이 제품에는 개인정보 보호, 보안 및 거버넌스를 위한 도구도 포함되어 있습니다.
7:15
거버넌스란 누가 데이터에 액세스할 수 있고
7:17
기업이 이를 어떻게 사용할 수 있는지 관리하는 일련의 규칙을 의미합니다.
7:21
고객 프로필에는 개인정보가 포함됨으로
7:23
이러한 규칙은 설계 단계부터 반영되어야 합니다.
7:26
Customer Insights 데이터가 개별 고객 기록을 하나의 활용 가능한 프로필로 통합하는 곳임을 이해했다면
7:30
그 다음 실질적인 질문은 이 모든 기록을 어떻게 동일한 작업 공간으로 가져올 것인가입니다.
7:35
통합 고객 프로필 구축하기
7:37
Customer Insights 도입 전
7:40
데이터는 무엇이든 연결할 수 있습니다.
7:42
환경을 생성합니다.
7:43
환경이란 고객 데이터 작업을 위한 통제된 작업 공간으로
7:46
팀이 데이터를 가져오고 준비하고 연결하며
7:49
누가 작업할 수 있는지 관리할 수 있는 단일 공간을 제공합니다.
7:52
해당 작업 공간 내부에서 데이터 원본을 추가하는 것부터 시작합니다.
7:56
이미 다이나믹스 365를 사용 중이라면
7:57
데이터버스는 많은 다이나믹스 365 및 파워 플랫폼 앱의 데이터 저장소 역할을 함으로
8:02
보통 마이크로소프트 데이터버스를 통해 영업 또는 서비스 기록을 제공받습니다.
8:05
Customer Insights 데이터는 에이저 데이터 레이크,
8:07
패브릭 원레이크, 에이저 시냅스 애널리틱스에도 연결할 수 있습니다.
8:11
이름은 기술적으로 들릴 수 있지만
8:12
기업이 대량의 데이터를 클라우드 스토리지와 보고 시스템에 보관한다는 단순한 개념입니다.
8:17
파워 커리 커넥터는 또 다른 접속 방법을 제공합니다.
8:20
파워 커리는 데이터를 가져와 사용하기 전에 다듬는 마이크로소프트 위 도구이며
8:24
데이터베이스, 비즈니스 앱 또는 다이나믹스 365 기록과
8:28
형식이 다른 연결된 소스에 있는 데이터를 처리할 때 유용합니다.
8:31
각 원본은 테이블 형태로 들어옵니다.
8:33
테이블은 열과 행으로 구성된 스프레드 시트와 같은 구조화된 목록일 뿐입니다.
8:37
한 테이블에는 고객 목록이, 다른 테이블에는 주문 목록이,
8:39
세 번째 테이블에는 서비스 사례가,
8:41
네 번째 테이블에는 웹사이트 가입 정보가 담길 수 있습니다.
8:43
어려운 점은 이러한 테이블들이 동일한 이름을 거의 사용하지 않는다는 것입니다.
8:47
어떤 시스템은 열을 이메일 주소라고 부르고,
8:49
다른 시스템은 이메일이라고 부르며,
8:51
세 번째 시스템은 이메일 없이 고객 번호만 저장할 수도 있습니다.
8:54
전화번호는 소스에 따라 국가 코드가 포함되거나 제외될 수 있으며,
8:57
이름의 철자, 띄어쓰기, 직함 등이 다르게 나타날 수도 있습니다.
9:01
커스터머 인사이즈 데이터가 각 필드의 의미를 파악하려면 도움이 필요합니다.
9:05
이 단계를 맵핑이라고 하며,
9:07
시스템의 사람의 이름, 이메일 주소, 전화번호, 고객 번호,
9:12
주소 또는 식별을 돕는 기타 정보가 포함된 열을 알려주게 됩니다.
9:15
사람과 관련된 비즈니스 기록도 맵핑해야 합니다.
9:18
주문 테이블은 구매 내역을 올바른 고객에게 연결해야 하고,
9:22
사례 테이블은 서비스 이력을 동일한 사람에게 연결해야 합니다.
9:24
이러한 관계가 없으면 이벤트 목록만 있을 뿐,
9:27
누구의 이벤트인지 확인할 신뢰할 만한 방법이 없습니다.
9:30
이제 레코드 일치가 동일한 이메일 주소를 찾아 모든 것을 자동으로 결합하는 것이라고 생각할 수 있습니다.
9:35
때로는 그렇기도 하지만,
9:37
실제 고객 데이터는 그보다 더 세심한 관리가 필요합니다.
9:39
두 사람이 가구 이메일 주소를 공유할 수도 있고,
9:42
고객이 이직하여 새로운 업무용 이메일을 얻을 수도 있으며,
9:45
약간의 철자 차이가 동일한 사람을 가리킬 수도 있고,
9:47
이름이 같은 두 사람이 전혀 무관할 수도 있습니다.
9:49
커스터머 인사이즈 데이터는 일치 조건을 설정할 수 있게 해줍니다.
9:53
이메일 주소, 결합된 이름, 전화번호 및 우편 정보를 기준으로 레코드를 일치시키거나,
9:58
비즈니스에 고객 번호가 있는 경우 이를 사용할 수 있습니다.
10:00
목표는 동일한 사람의 데이터라는 충분한 증거가 있을 때만 레코드를 연결하는 것입니다.
10:04
그 다음은 중복 제거 단계입니다.
10:06
중복이란 소스 테이블 내에 있는 동일한 레코드의 반복된 버전을 말합니다.
10:10
누군가 제출 버튼을 두 번 클릭하여 웹 양식의 두 개의 항목이 생성되었거나,
10:13
영업 데이터 가져오기 과정에서 기존 연락처가 다시 추가되었을 수 있습니다.
10:16
중복을 제거하면 본격적인 일치 작업을 시작하기 전에,
10:18
한 사람이 여러 사람처럼 보이는 것을 방지할 수 있습니다.
10:22
시스템이 레코드를 일치시키고 중복을 제거한 후에는 정보를 하나의 프로필로 통합합니다.
10:26
사람들은 이를 흔히 골든 레코드라고 부르지만,
10:28
그 용어는 다소 거창하게 들릴 수 있습니다.
10:30
그러니 더 간단한 의미를 사용해보겠습니다.
10:32
이는 시스템이 사용자가 승인한 레코드를 바탕으로 구축할 수 있는 최선의 통합 고객 프로필입니다.
10:36
한 소스에서는 최신 이메일을, 다른 소스에서는 계정 링크를,
10:39
세 번째 소스에서는 주문 이력을,
10:40
네 번째 소스에서는 서비스 기록을 가져올 수 있습니다.
10:43
원래의 시스템을 지우는 것은 아닙니다.
10:45
영업 부서는 여전히 영업 기록을 유지하고, 주문 시스템은 여전히 주문을 관리하며,
10:49
고객 지원 부서는 여전히 사례를 처리합니다.
10:51
커스터머 인사이츠 데이터는 정보의 출처를 추적하면서,
10:53
이러한 모든 소스에 걸쳐 고객을 이해할 수 있는 연결된 프로필을 생성합니다.
10:57
그러한 출처 추적은 중요합니다.
10:59
누군가 주소, 전화번호 또는 구매 세부 정보의 출처를 물을 때,
11:03
팀은 통합 프로필을 미스터리 상자처럼 다루는 대신,
11:05
원본 시스템으로 거슬러 올라가 추적할 수 있어야 합니다.
11:08
프로필은 시간에 따른 활동을 포함할 때 더욱 유용해집니다.
11:15
어려운 테이블의 활동을 연결하여 시간 순으로 배치할 수 있습니다.
11:19
월요일에 구매, 목요일에 고객 지원 전화, 다음 주의 제품 페이지 방문,
11:24
이러한 각 이벤트는 고객과 기업 간의 최근 관계를 파악할 때 맥락을 더해줍니다.
11:28
영업사원이 고객에게 전화하기 전에 프로필을 여는 모습을 상상해보세요.
11:32
단순히 영업기회와 몇 가지 통화 메모만 보는 대신,
11:35
최근 주문 내역, 어제 종료된 서비스 사례, 최근 행사 등록 정보를 확인할 수 있습니다.
11:39
영업사원은 대화의 방향을 결정하기 위해 추측할 필요가 없습니다.
11:42
프로필이 맥락을 제공하기 때문입니다.
11:45
물론 연결된 프로필도 처음에는 정보로 시작되지만,
11:48
다음 단계는 이 정보를 팀이 누가 관심을 필요로 하는지,
11:50
무엇이 바뀌었는지, 어떤 조치가 합리적 인지 결정하는 데 사용할 수 있는 답으로 바꾸는 것입니다.
11:55
의미 있는 측정감, 데이터 강화, 그리고 예측을 추가하는 것이죠.
11:59
자, 이제 통합된 고객 프로필을 구축했고 팀은 각 고객의 모습을 더 명확하게 볼 수 있게 되었습니다.
12:05
하지만 팀, 여기서 중요한 점이 있습니다.
12:07
기록 목록만으로는 모든 비즈니스 질문에 답할 수 없습니다.
12:10
여전히 간단한 답변이 필요합니다.
12:13
누가 가장 자주 구매했나요? 최근에 주문하지 않은 고객은 누구인가요?
12:16
이번 달에 고객 지원팀에 여러 번 연락한 고객은 누구인가요?
12:18
이탈할 가능성이 높은 고객은 누구인가요?
12:20
고객 인사이트, 커스터머 인사이트 다 필요합니다.
12:23
데이터는 측정값, 매저스, 이라는 것을 통해 이러한 질문에 대한 답을 제공합니다.
12:27
측정값이란 무엇인지 구체적으로 살펴보겠습니다.
12:29
측정값은 이미 보유한 데이터를 바탕으로 만들어진 계산 결과입니다.
12:33
팀이 함께 추적하는 합의된 하나의 숫자라고 생각하면 됩니다.
12:35
매번 엑셀로 일일이 계산해달라고 요청할 필요가 없습니다.
12:39
예를 들어 작년 총 구매액이 필요하다면 측정값을 생성하면 됩니다.
12:43
또는 고객의 마지막 주문 이후 경과일수도 또 다른 측정값이 될 수 있습니다.
12:47
서비스 사례를 집계하거나 평균 주문 금액을 계산하거나 행사 참석 여부를 추적할 수도 있습니다.
12:52
정확한 측정값은 비즈니스에서 무엇을 이해해야 하는지에 따라 달라집니다.
12:56
구독 비즈니스의 경우 측정값은 고객 유지 기간과 사용량이 감소했는지 여부를 보여줍니다.
13:01
소매업의 경우 총지출, 최근 반품, 구매 간격 등을 보여줍니다.
13:06
측정값은 수많은 개별 활동을 명확한 답변으로 바꿔줍니다.
13:09
시간을 절약할 뿐만 아니라 더 중요한 것은 팀이 동일한 정의를 사용하도록 돕는다는 점입니다.
13:13
영업부서와 마케팅 부서가 고가치 고객을 정의하는 방식이 서로 다르면 고객 경험은 다시 엇갈리게 됩니다.
13:19
공유된 측정값을 사용하면 모두가 같은 방식으로 질문을 바라볼 수 있습니다.
13:23
이제 고객 프로필 중 일부에는 여전히 빈틈이 있을 수 있습니다.
13:26
시스템은 고객의 이름과 구매 이력은 알 수 있지만 위치, 회사 정보 또는 기타 유용한 정보는 모를 수 있습니다.
13:33
커스터머 인사이츠 데이터는 승인된 마이크로소프트 또는 파트너 데이터 소스를 사용하여 프로필을 강화할 수 있습니다.
13:38
데이터 강화란 이미 가지고 있는 데이터에 더 많은 정보를 추가하는 것을 의미합니다.
13:42
커스터머 인사이츠는 모든 세부 정보를 수집하기 위한 구실이 아닙니다.
13:46
귀사는 책임감 있게 사용할 수 있고 해당 고객 데이터와 관련된 권한 및 규칙에 부합하는 정보만 추가해야 합니다.
13:52
신중하게 사용하면 데이터 강화는 누락된 맥락을 채워줍니다.
13:55
예를 들어 기업 간 거래를 하는 비즈니스는 영업 담당자가 대화를 시작하기 전에 최종 의사 결정권자가 누구인지 파악할 수 있도록 영업 연락처와 함께 명확한 회사 정보를 원할 수 있습니다.
14:04
다음은 예측입니다.
14:06
커스터머 인사이츠 데이터에는 이탈 가능성과 예상 수익을 추정하는 기성 AI 모델이 포함되어 있습니다.
14:12
이탈이란 고객이 구매를 중단하거나 구독을 취소하거나 귀사와의 관계를 끊는 것을 의미합니다.
14:16
예상 수익은 고객 관계를 통해 시간이 지남에 따라 얻게 될 수익을 추정합니다.
14:20
이러한 예측은 모델과 제공하는 데이터에 따라 구매 이력, 최근 활동 또는 행동 변화를 고려하여 데이터의 패턴을 찾습니다.
14:27
그 결과는 팀이 어디를 먼저 살펴봐야 할지 결정하도록 돕는 신호가 됩니다.
14:31
커스터머 인사이츠는 특정인에 대한 판결이 아닙니다.
14:34
이탈 점수가 곧 그 고객이 떠날 것임을 완전히 의미하지는 않습니다.
14:37
이는 사용 가능한 데이터가 이전에 떠난 고객들의 패턴과 유사하게 보인다는 것을 의미합니다.
14:41
여전히 사람이 맥락을 확인하고 판단력을 발휘해야 합니다.
14:44
갑자기 구매 활동을 중단한 고객을 상상해보세요.
14:46
예측 모델이 해당 고객을 잠재적 이탈 위험군으로 표시합니다.
14:49
누군가 재유치 제안을 보내기 전에 팀에서 프로필을 확인해보니 해결되지 않은 서비스 요청권이 발견됩니다.
14:54
이제 올바른 조치는 문제를 무시한 채 영업 이메일을 보내는 것이 아니라 먼저 해당 문제를 해결하는 것입니다.
14:59
일부 조직은 자체 AI 모델을 구축하고 비즈니스 고유의 질문을 해결하기 위해 더 광범위한 분석 도구를 사용합니다.
15:05
한 제조업체는 제품 사용 현황과 서비스 이력을 함께 분석합니다.
15:08
자체 데이터 과학팀을 보유한 기업은 비즈니스의 중요한 신호를 중심으로 구축된 모델을 테스트합니다.
15:16
건전한 데이터나 인간의 검토가 필요한 상황을 완전히 대체하지는 않습니다.
15:19
제가 핵심 요점이라고 부르는 것은 다음과 같습니다.
15:22
측정 값은 무슨 일이 일어났는지 알려줍니다.
15:24
데이터 강화는 맥락을 더 해줍니다.
15:25
예측은 확인할 가치가 있는 패턴이 무엇인지 알려줍니다.
15:28
하지만 프로필 안에 머무르는 통찰력은 결국 아무것도 바꾸지 못합니다.
15:31
팀은 누구에게 연락하고 어떤 지원을 제공하며 고객 정보를 어디로 전달할지 결정할 때 이러한 해답을 활용할 방법이 필요합니다.
15:38
세그먼트와 활성화 프로필을 행동으로 전환하는 것입니다.
15:41
고객 프로필은 그 정보를 바탕으로 조치를 취할 수 있을 때 비로소 유용해집니다.
15:46
세그먼트는 사용자가 설정한 규칙에 따라 선택된 저장된 고객 그룹입니다.
15:50
이러한 규칙은 커스터머 인사이트 데이터의 프로필 세부 정보, 활동, 행동 및 측정 값을 사용합니다.
15:55
더 이상 스프레드 시트에서 이름을 수동으로 고를 필요가 없습니다.
15:58
대신 비즈니스 질문을 던지고 그 질문을 규칙으로 전환하는 것입니다.
16:02
예를 들어 최근 30일 이내에 지원 사례를 열었으나 지난 90일 동안 구매 내역이 없고
16:07
커뮤니케이션 수신에 동의한 고객을 표시해보세요.
16:10
해당 그룹은 고객 정보가 변경됨에 따라 업데이트됩니다.
16:13
누군가 구매를 하면 해당 고객은 규칙에 부합하지 않게 되어 세그먼트에서 제외됩니다.
16:17
다른 고객이 새 사례를 열고 구매를 중단하면 그 고객이 세그먼트에 포함됩니다.
16:21
고객 정보가 과거에 내보낸 목록이 되지 않고 실시간으로 계속 연결됩니다.
16:25
이는 팀의 업무 방식을 변화시킵니다.
16:27
서비스팀은 세그먼트를 사용하여 반복적인 문제로 각별한 관리가 필요한 고객을 파악합니다.
16:31
영업팀은 최근 제품에 관심을 보이고 유사 제품 구매 이력이 있는 고객에게 후속 조치를 집중합니다.
16:37
마케팅팀은 이벤트에 참석했지만 아직 영업 상담을 요청하지 않은 사람들을 대상으로 대상을 생성합니다.
16:41
핵심은 단순히 더 많은 메시지를 보내는 것이 아닙니다.
16:45
핵심은 다음 조치가 회사가 이미 알고 있는 정보와 부합하게 만드는 것입니다.
16:48
최근 문제를 겪은 고객에게는 진솔한 서비스 업데이트가 필요합니다.
16:52
몇 주 동안 신제품을 조사한 사람에게는 유용한 영업 상담이 필요합니다.
16:56
두 사람을 동일하게 대우하는 것은 팀이 연결하기 위해 노력한 정보를 무시하는 것입니다.
17:00
커스터머 인사이츠 데이터는 통합 프로필, 세그먼트 및 기타 준비된 데이터를 연결된 대상으로 전송할 수도 있습니다.
17:07
대상은 정보를 필요로 하는 승인된 다른 도구입니다.
17:09
마케팅 플랫폼, 분석 도구 또는 팀이 고객과 협업하는 다른 비즈니스 시스템일 수 있습니다.
17:15
다이나믹스 365 앱을 사용하는 조직의 경우 고객카드 추가 기능을 통해 고객 맥락을 다른 다이나믹스 365 환경으로 가져올 수 있습니다.
17:23
영업 또는 서비스 직원이 이미 사용 중인 앱에서 고객 기록을 여는 상황을 상상해 보십시오.
17:27
고객카드는 더 넓은 고객 맥락을 일상 업무 가까이에 배치함으로 대화하기 전에 여러 시스템을 검색할 필요가 없습니다.
17:34
커스터머 인사이츠 전이즈 역시 데이터 작업에서 생성된 대상을 사용합니다.
17:39
전이즈는 이메일, 문자 메시지 및 기타 계획된 상호작용과 같은 고객 커뮤니케이션을 처리합니다.
17:44
커스터머 인사이츠 데이터는 사람과 맥락을 준비합니다.
17:47
전이즈는 회사가 커뮤니케이션을 결정할 때 해당 대상을 사용합니다.
17:50
이 두 가지 작업을 별도로 구분해서 생각하십시오.
17:52
데이터는 이 사람은 누구이며 우리가 무엇을 알고 있는가에 대해 답합니다.
17:55
그리고 전이즈는 다음에는 어떤 커뮤니케이션을 해야 하는가에 대해 답합니다.
17:59
이러한 구분은 팀이 흔히 저지르는 실수를 방지하는 데 도움이 됩니다.
18:03
세그먼트를 생성했다고 해서 그 안에 모든 사람에게 자동으로 연락해야 하는 것은 아닙니다.
18:06
세그먼트는 사실과 규칙을 기반으로 그룹을 식별합니다.
18:10
연락할 의미가 있는지, 어떤 채널이 적합한지, 그리고 고객의 현재 상황을 고려하는지는 여전히 사람이 결정해야 합니다.
18:16
하나의 공유 세그먼트는 흔히 발생하는 스프레드 시트 문제를 줄여줍니다.
18:20
마케팅팀이 수동으로 정리 한 목록을 하나 만들고, 영업팀은 다른 버전을 사용하며,
18:24
서비스팀은 보고서의 세 번째 목록을 숨겨둘 필요가 없습니다.
18:26
각 팀이 서로 다른 작업을 수행하더라도 동일한 고객 규칙에 따라 업무를 진행합니다.
18:30
데이터는 이동할 수 있지만 여기에는 제한이 필요합니다.
18:33
개인정보 보호, 보안, 그리고 CDP 위 차이점에 대해 알아보겠습니다.
18:37
고객 프로필이 커질수록 더 많은 책임이 따릅니다.
18:40
그 책임은 개인정보 보호와 보안에서 시작됩니다.
18:43
이름, 연락처 정보, 구매 기록, 지원 이력, 온라인 활동을 연결할 때는 해당 정보를 다루기 위한 명확한 규칙이 필요합니다.
18:51
데이터를 연결하기 전에 동의, 개인정보 보호 규칙, 접근 제어가 모두 중요합니다.
18:55
커스터머 인사이트 데이터에는 보이지 않는 곳에서 작동하는 개인정보 보호, 보안 및 관리 도구가 포함되어 있습니다.
19:02
사무실 건물의 보안 데스크와 같다고 생각하면 됩니다.
19:04
쉽게 말해 누가 고객 정보를 볼 수 있고 어떻게 사용할 수 있는지에 대한 규칙을 설정하는 것입니다.
19:09
데이터를 수집, 연결, 체그먼트로 구축하거나 다른 도구로 보내기 전에 고객 권한을 먼저 고려해야 합니다.
19:14
중요한 점은 데이터가 많다고 해서 마음대로 사용할 수 있는 것은 아니라는 사실입니다.
19:17
데이터는 각 고객에 대한 권한, 법률 및 내부 규칙과 일치해야 합니다.
19:20
이러한 작업은 캠페인이 잘못되거나 고객이 불만을 제기한 후가 아니라 처음에 이루어져야 합니다.
19:25
그렇다면 CDP는 다른 고객 도구와 어떻게 다를까요?
19:27
자세히 살펴보겠습니다.
19:29
두 가지 일반적인 사례를 비교해보겠습니다.
19:31
CRM 시스템을 생각해보세요.
19:32
다이나믹스 365세일즈와 같은 도구는 영업 및 서비스팀이 고객과의 직접적인 관계를 기록하고 관리하도록 돕습니다.
19:38
영업 담당자는 이를 사용하여 리드, 기회, 통화 및 계정을 관리합니다.
19:42
CRM 이 특정 업무를 잘 수행한다면,
19:44
커스터머 인사이트 데이터는 마케팅과 서비스 전반의 공백을 메워줍니다.
19:47
커스터머 인사이트 데이터는 더 광범위하게 승인된 소스 전반에서 작동합니다.
19:51
레코드를 연결합니다.