Search

KR-20260061741-A - HYPER-PERSONALIZED CUSTOMER RELATIONSHIP MANAGEMENT(CRM) CONTENTS AUTOMATIC MATCHING SYSTEM THROUGH CUSTOMER DATA PLATFORM(CDP)

KR20260061741AKR 20260061741 AKR20260061741 AKR 20260061741AKR-20260061741-A

Abstract

본 발명은 개인 프로파일링을 기반으로 개인별 맞춤형 CRM 콘텐츠를 매칭하는 고객 데이터 플랫폼을 통한 개인화된 CRM 콘텐츠 자동 매칭 시스템에 관한 것으로, 고객의 행동 데이터를 수집하고, 고객의 프로파일을 생성하는 CDP(Customer data platform), 사전에 정의된 메시지 유형을 바탕으로 생성형 인공지능에 의해 고객의 프로파일을 기반으로 CRM 콘텐츠를 생성하는 CRM 콘텐츠 생성부, 상기 고객의 프로파일에 따라 고객에 적합한 상기 CRM 콘텐츠를 매칭하는 매칭부, 및 상기 매칭부를 통해 매칭된 고객별 CRM 콘텐츠를 각 고객 단말로 발송하는 CRM 발송부로 구성하되, 상기 CDP는 상기 CRM 발송부에 의해 발송된 CRM 콘텐츠에 대한 고객 반응 데이터를 분석하여 고객의 프로파일에 적용한다.

Inventors

  • 김필준

Assignees

  • 주식회사 리인벤팅

Dates

Publication Date
20260506
Application Date
20241028

Claims (8)

  1. 고객의 행동 데이터를 수집하고, 고객의 프로파일을 생성하는 CDP(Customer data platform); 사전에 정의된 메시지 유형을 바탕으로 생성형 인공지능에 의해 고객의 프로파일을 기반으로 CRM 콘텐츠를 생성하는 CRM 콘텐츠 생성부; 상기 고객의 프로파일에 따라 고객에 적합한 상기 CRM 컨텐츠를 매칭하는 매칭부; 및 상기 매칭부를 통해 매칭된 고객별 CRM 컨텐츠를 각 고객 단말로 발송하는 CRM 발송부;로 구성하되, 상기 CDP는 상기 CRM 발송부에 의해 발송된 CRM 컨텐츠에 대한 고객 반응 데이터를 분석하여 고객의 프로파일에 적용하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  2. 청구항 1에 있어서, 상기 고객의 프로파일은 고객의 구매 여정, 선호도, 만족도, 및 CRM 컨텐츠에 대한 반응도 중 어느 하나 이상을 포함한 데이터인 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  3. 청구항 1에 있어서, 상기 고객의 프로파일은 실시간으로 갱신(Update)되는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  4. 청구항 1에 있어서, 상기 매칭부는 규칙기반 알고리즘을 통해 우선순위를 설정하거나 머신러닝 모델을 통한 고객의 반응을 통해 우선순위를 설정하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  5. 청구항 4에 있어서, 상기 규칙 기반 알고리즘은 고객의 행동 데이터와 조건을 기준으로 고객을 그룹화하여 분류하고, 분류된 그룹에 대해 미리 설정된 우선순위가 높은 CRM 콘텐츠 유형으로 매칭하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  6. 청구항 4에 있어서, 상기 머신러닝 모델은 고객 행동 데이터를 분석하고, 각 고객의 반응을 지속적으로 학습하여 고객의 유형에 따라 CRM 콘텐츠를 매칭하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  7. 청구항 1에 있어서, 상기 CRM 발송부는 발송 채널의 각 채널별 ROAS(Return on Advertising Spend)를 평가한 후, ROAS가 높은 순서대로 CRM 콘텐츠를 발송하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.
  8. 청구항 1에 있어서, 상기 CRM 콘텐츠 생성부는 실시간으로 고객의 위치, 날씨, 및 시간 중 어느 하나 이상에 따른 외부 요인을 고려하여 CRM 콘텐츠를 생성하는 것을 특징으로 하는 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템.

Description

고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템{HYPER-PERSONALIZED CUSTOMER RELATIONSHIP MANAGEMENT(CRM) CONTENTS AUTOMATIC MATCHING SYSTEM THROUGH CUSTOMER DATA PLATFORM(CDP)} 본 발명은 개인 프로파일링을 기반으로 개인별 맞춤형 콘텐츠를 매칭하는 고객 데이터 플랫폼을 통한 개인화된 CRM 콘텐츠 자동 매칭 시스템에 관한 것이다. CRM(Customer Relationship Management)은 고객 관계 관리를 뜻하며, 현대 비즈니스 환경에서 중추적인 역할을 하며 고객과의 커뮤니케이션을 촉진하고 고객 유지를 촉진하며 궁극적으로 수익 창출을 촉진하는 통합 시스템이다. 고객 행동 데이터를 이해, 분석 및 활용하는 능력으로 정의되는 CRM은 기업이 고객과의 지속적인 관게를 육성하고, 고객 특성에 맞게 마케팅 활용을 조정하고, 고객 중심 리소스를 극대화할 수 있도록 하는 전략적 솔루션 역할을 한다. 즉, CRM은 고객과의 장기적인 관계를 강화하고, 고객의 행동 및 요구를 분석하여 맞춤형 마케팅 전략을 실행하는 방법으로, CRM 마케팅 전략의 핵심 목표는 고객의 만족도를 높이고 고객 충성도를 강화하는 것이다. 그러나, 기존의 CRM(고객 관계 관리)시스템은 룰 기반으로 CRM 발송 조건을 정하고, 이에 따라 CRM 메시지를 생성하여 발송하는 방식이 일반적이다. 이러한 방식은 모든 룰을 기계적으로 생성해야 하며, 자동화는 제한된 범위 내에서만 가능하다. 예를 들어, 장바구니에 상품을 넣고 구매하지 않은 고객에게 CRM 메시지를 보내는 경우, 구매한 고객에게는 메시지를 더 이상 보내지 않도록 설정하고, 구매하지 않은 고객에게 추가적인 메시지를 발송하는 방식으로 룰이 정의된다. 또한, 기존의 개인화 CRM 방식은 주로 CRM 메시지에서 개인의 행동 데이터(예: 조회, 장바구니, 찜, 구매 등)를 활용하여 추천 상품만 개인화하는 수준에 그친다. 이로 인해 성과 개선과 최적화를 위해서는 지속적으로 룰과 CRM 메시지를 업데이트해야 하며, 이는 많은 리소스와 시간이 소요된다. 도 1은 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템을 나타낸 블럭도이다. 도 2는 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템의 고객행동 데이터 기반 개인 프로파일 분류를 나타낸 도면이다. 도 3은 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템에서 유형 및 단계별 정의의 예시를 나타낸 도면이다. 도 4는 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템의 CRM 콘텐츠 매칭 예시 모습을 나타낸 도면이다. 도 5는 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템의 초개인화 변수를 적용한 콘텐츠를 나타낸 도면이다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 실시예를 상세히 설명한다. 또한, 도면에 도시된 구성요소의 크기나 형상 등은 설명의 명료성과 편의상 과장되게 도시될 수 있으며, 본 발명의 구성 및 작용을 고려하여 특별히 정의된 용어들은 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있고, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 한다. 도 1은 본 발명의 실시예에 따른 고객 데이터 플랫폼을 통한 초개인화 CRM 콘텐츠 자동 매칭 시스템을 나타낸 블록도로, 도 1에 도시한 바와 같이, 본 발명은 CDP(Customer data platform, 100), CRM 콘텐츠 생성부(200), 매칭부(300), 및 CRM 발송부(400)로 구성한다. CDP(Customer data platform, 100)는 고객의 행동 데이터를 수집하고, 고객의 프로파일을 생성한다. 여기서, 고객의 행동 데이터는 회원 가입 상태, 마케팅 수신 동의 상태, 구매 이력, 쿠폰 보유 이력, 장바구니 상태, 및 검색어 리스트 등을 포함한다. 프로파일은 고객의 구매 여정(사이트 활동, 구매이력), 선호도(관심사), 만족도, 및 CRM 콘텐츠(210)에 대한 반응도 중 어느 하나 이상을 포함한 데이터로, 고객의 프로파일은 실시간으로 갱신(Update)된다. 또한, 고객의 행동 데이터 기반 고객의 프로파일은 도 2에 도시한 바와 같이와 5단계로 구분한다. 5단계는 습득(Acquisition) 단계, 탐구(Explore) 단계, 고려(Consideration) 단계, 구매(Buy) 단계, 및 이탈(Churn) 단계로 구분한다. 여기서, Acquisition 단계는 고객이 회원가입을 했거나, CRM 마케팅에 용이한 오픈 채팅방 또는 메신저 친구 등록에 가입된 상태인지를 포함한다. 예컨대, 카카오 플러스 친구가 이에 해당한다. 또한, Explore 단계는 고객이 상품 상세 페이지를 조회하거나 특정 상품을 구동하는 등의 행동을 포함하며, Consideration 단계는 고객이 상품을 찜하거나 장바구니에 담는 행동을 포함하고, Buy 단계는 고객이 실제로 상품을 구매한 상태를 포함한다. 또한, Churn 단계는 고객이 일정 기간 동안 구매 이력이 없거나, 구매 이력이 있으나 재 참여 가능성이 낮은 상태를 포함한다. 고객의 행동 데이터 기반 고객의 프로파일에 따라 5단계로 구분하는데 여기서 고객의 유형에 따라 도 3에 도시한 바와 같이, 더욱 세부적으로 분류할 수 있다. 고객의 유형은 소셜 연결자, 단순 가입자, 완전 가입자, 둘러보기, 정보 구독자, 키워드 등록자, 적극 탐색자, 관심표시자, 구매 고려자, 신규 구매자, 무언 구매자, 만족 구매자, 불만족 구매자, 잠재적 이탈자, 고가치 휴면 고객, 및 저가치 휴면 고객 중 어느 하나와 매칭될 수 있다. 도 3의 RFM값은 Recency(R), Monetary(M), Frequency(F)에 대한 것으로 RMF점수(Total RMF score)는 하기의 식 1에 의해 도출한다. [식 1] 이때, 는 가중치를 의미하고, R_score는 Recency 점수 , M_score는 Monetary 점수, F_Score는 Frequency 점수를 의미한다. Recency는 구매일이 오래될수록 낮고, Monetary는 평균 구매단가가 높을수록 높으며, Frequency는 구매 횟수가 많을수록 높다. 이를 바탕으로 임의의 고객에 따른 RMF 점수를 계산해보면 다음과 같다. 가중치를 부여할 때, 구매일이 가장 중요하고, 구매 금액도 중요하지만 구매일보다 덜 중요하고, 구매횟수가 구매 금액과 동일한 중요도여서, 각각의 가중치를 0.4,0.3,0.3으로 부여한 후 임의의 고객의 조건에 따라 RMF 점수를 도출하여 보면 다음과 같다. A 고객의 마지막 구매일이 10일전이고, 최근 구매 금액이 45,000원이며, 총 구매 횟수가 4회인 경우, RMF 점수는 하기와 같다. 또한, B 고객의 마지막 구매일이 30일 전이고, 최근 구매 금액이 30,000원이며, 총 구매 횟수가 2회인 경우, RMF 점수는 하기와 같다. 마지막으로 C 고객의 마지막 구매일이 5일전이고, 최근 구매 금액이 35,000원이며, 총 구매 횟수가 3회인 경우, RMF 점수는 하기와 같다. CRM 콘텐츠 생성부(200)는 사전에 정의된 메시지 유형을 바탕으로 생성형 인공지능에 의해 고객의 프로파일을 기반으로 CRM 콘텐츠(210)를 생성한다. 여기서, 메시지 유형은 상품정보, 이벤트 정보 , 프로모션 정보, 및 톤앤매너(Tone and Manner) 등으로 구분된다. 또한, CRM 콘텐츠 생성부(200)는 실시간으로 고객의 위치, 날씨, 및 시간 중 어느 하나 이상에 따른 외부 요인을 고려하여 CRM 콘텐츠(210)를 생성한다. 추가적으로, CRM 콘텐츠 생성부(200)는 메시지를 다양한 타입으로 생성할 수 있으며, 메시지 타입을 규정하면 LLM(Large Language Model)을 통해 프롬프트로 메시지를 자동으로 생성할 수 있다. 이때, 생성된 CRM 콘텐츠(210)는 마케터 단말(미도시)로 전달되어 마케터가 수정 및 컨펌(confirm)할 수 있다. 매칭부(300)는 고객의 프로파일에 따라 고객에 적합한 CRM 컨텐츠를 매칭한다. 매칭부(300)를 통해 고객에 적합한 CRM 컨텐츠를 매칭하고 해당 고객이 몇프로의 쿠폰에 가장 효과적인 반응을 할 것인지, 무료배송인지, 배송할인인지, 할인이면 몇 프로가 적당한지에 대한 판단을 수행하는 상세 개인화부(미도시)를 더 추가할 수 있다. CRM 콘텐츠(210) 매칭은 도 4에 도시한 바와 같이, 고객의 세분화된 행동 데이터와 조건에 따라 미리 정의된 메시지 세트에서 가장 적합한 메시지를 선택하되, 매칭부(300)는 규칙 기반 알고리즘을 통해 우선순위를 설정하거나 머신러닝 모델을 통한 고객의 반응을 통해 우선순위를 설정한다. 여기서, 규칙 기반 알고리즘은 고객의 행동 데이터와 조건을 기준으로 고객을 그룹화하여 분류하고, 분류된 그룹에 대해 미리 설정된 우선순위가 높은 CRM 콘텐츠 유형으로 매칭하는 것이다. 이때, 우선순위는 마케터에 의해 설정될 수도 있고, 시간에 따라 변동하거나 특정 이벤트에 따라 변경될 수 있다. 특정 이벤트라 함은 프로모션 기간이 될 수 있다. 또한, 분류된 그룹은 장바구니 등록 고객, 상품 찜 등록 고객, 및 동일 상품 반복 열람 고객 등으로 분류될 수 있다. 예컨대, 장바구니 등록 고객에게는 장바구니에 담긴 상품과 관련된 할인 쿠폰 메시지가 포함된 CRM 콘텐츠가 가장 먼저 매칭되도록 한다. 머신러닝 모델은 고객 행동 데이터를 분석하고, 각 고객의 반응을 지속적으로 학습하여 고객의 유형에 따라 CRM 콘텐츠를 매칭하는 것이다. 머신러닝 모델은 이전에 접한 적이 없는 데이터 세트에서 패턴을 찾거나 이를 근거로 결정을 내릴 수 있는 모델로, 파싱을 통해 이전에 접한 적 없는 무장이나 단어 조합의 의도를 올바로 인식할 수 있다. CRM 콘텐츠 매칭 시, 다양한 알고리즘에 따라 고객 반응도, 메시지 노출 빈도, 및 피로도 지수, 메시지 반응률(conversion rate, click-through rate