Faster, easier, more accurate communication
for customer satisfaction

고객과 함께 성장하고 발전하며 신뢰받는 기업이 되기 위해 즉각적으로 소통하겠습니다.

FAQ

자주 질문하는 내용을 검색하여 빠르게 문제를 해결해 보세요.


  • E-mail, SMS/MMS, Push 시스템과 같이 non-interactive한 아웃바운드 채널시스템에도

    개인화된 추천 상품을 적용할 수 있습니다.

    아웃바운드 채널에 할당된 추천시나리오에 대해서는 SmartOffer가 대상고객군에 대한 추천데이타를 배치로 생성하여 아웃바운드 채널로 전달하고 각 채널에서는 정해진 템플릿에 맞게 레이아웃을 구성한 후 배치로 일괄 발송하여 사용합니다. 사용자가 사이트를 떠나있지만 개인화된 아웃바운드 마케팅을 통해 다시 방문하여 관심사를 재확인하고 구매를 유도하기 위해 활용하는 사례가 증가하고 있습니다. 

     

  • 다른 시스템에 있는 고객 정보를 이용하여 추천이 가능합니다.

    기본으로는 웹사이트 로그에 남아있는 쿠키 정보를 이용하거나 로그인아이디 정보를 이용하지만,

    CRM과 같은 정보계로부터 연동된 고객 속성 정보를 이용하여 성별/연령대별/고객등급별/지역별 등

    보다 세분화된 추천을  제공할 수 있습니다. 

     

  • 추천된 상품을 클릭하고 이를 바로 장바구니에 담고 결제까지 이루어진 경우를 정확하게 집계하는 것이 가장 최선이지만 방문자의 행동패턴이 추천을 받았을때 바로 구매하는 행동으로 이어지기 어렵기 때문에, SmartOffer에서는 추천 상품을 클릭하여 조회한 사람이 방문한 세션에서 구매를 했는지 여부로 구매전환율을 계산합니다.

     

    구매하지 않고 사이트를 빠져나가지 않게 하기 위하여 방문자의 관심을 끌만한 상품을 지속적으로 제시하는 것이 추천 시스템의 목표이고 이를 통해 결국은 구매를 일으키게 된 효과를 파악하는 것으로 해석해야 합니다.

     

  • 상품 추천을 받은 고객 중에 추천된 상품을 클릭한 고객 수를 계산하여 추천반응률을 구합니다.

     

    예를들어 추천상품이 포함된 A페이지를 100명의 고객이 보았고,

    그 중 10명이 추천된 상품을 클릭하여 상품상세페이지로 이동했다면 A페이지의 추천반응률은 10/100 = 10%가 됩니다. 

     

    SmarOffer에서는 기본적으로 고객 수에 기반하여 추천반응률을 계산합니다.
     

  • SmartOffer는 개인화된 컨텐츠를 제공해주는 개인화 추천 솔루션으로

    캠페인을 실행할때 해당 컨텐츠를 개인화하여 제공하고자 하는 경우 연결하여 사용 가능합니다.

    개인별로 차별화된 컨텐츠/상품을 제시하여 구매를 촉진시키는 관점에서는 타겟 고객을 선정하고,

    제공할 컨텐츠를 연결하여 이를 제공할 채널을 규칙으로 정의하는 프로세스는 캠페인 시스템과 유사하나,

    솔루션 기능 관점에서는 캠페인 시스템과는 다소 차이가 있습니다. 

  • 추천시나리오가 적용되는 위치입니다.

    주로 웹사이트의 특정 페이지의 한 영역/코너를 말합니다.

    하나의 추천 채널/영역/코너에는 여러 개의 시나리오가 적용되어 우선순위에 따라 순차적으로 적용될 수 있습니다.

    SmartOffer에서는 Delivery Point(DP)라고도 부릅니다.

     

  • 여러가지 행동이 순차적으로 발생한 경우,

    이를 파악하고 복합이벤트 조건에 맞는 상품이나 오퍼를 제공하는 것을

    복합이벤트처리(Complex Event Processing)을 통한 추천이라고 합니다.

    주로 실시간 추천에서 많이 활용되는 것으로

    SmartOffer 사용시 타겟고객군과 추천아이템을 설정할때 선택하여 사용할 수 있습니다.  

  • 어떤 영역에서 추천을 한 경우,

    전체 페이지 조회수의 변화나 머문시간의 변화, 구매건수, 구매금액의 변화를 통해 측정합니다.

    가장 직접적인 효과는 추천한 상품을 얼마나 클릭해서 조회했는지로 측정합니다.

    간접적으로 이러한 편의성 향상과 맞춤형 상품 제안으로 평균 조회건수, 구매건수, 구매금액 향상에 얼마나 영향을 미치게 되었는지 분석합니다. 

  • 전환 행동을 사전에 정의하고 전환행동과 관련된 상품을 분석하여 추천합니다.

    예를 들어 검색 후 상품을 클릭하는 행동을 전환행동이라고 할 때,

    검색 키워드별 어떤 상품을 많이 클릭하는지 판단하여 상품을 추천합니다.

    이와 같은 추천 기법은 유입 채널별 노출 상품을 조정할 수 있어 전환율을 높일 수 있습니다.


     

  • 실시간으로 고객목록 및 추천 상품을 추출하여 당일 추천에 이용하는 것을 실시간 추천이라고 합니다.

     

    1. 고객목록 추출

    현재 방문 중인 고객들 중에 방문 목적이 명확하거나 구매 의도가 높은 사용자를 추출
    예) 네이버 ooo 키워드로 유입하여 10분 이상 머물렀는데 페이지 조회 수가 많지 않은 방문자

         장바구니에 상품을 넣고 15분 이내에 구매하지 않은 사용자

         최근 12시간 내 5회 이상 방문한 사용자

    2. 추천상품 추출

    새롭게 출시된 상품 또는 이벤트의 영향을 파악하기 위한 당일 인기 컨텐츠 및 컨텐츠 특성 추출
    예) 최근 3시간 내 XXX 카테고리 내에서 가장 많이 구매한 상품 5개

         현재 사용자가 최근 30분 동안 많이 조회한 상품 5개

        사용자가 최근 1시간 내 조회한 상품 n개의 평균, 최대, 최소 가격

    SmartOffer는 추천 시점을 기준으로 최근 정보에 따라 적시 마케팅이 되도록 실시간 추천이 가능한 실시간 방문자 분석 및 실시간 컨텐츠 분석 기능을 제공합니다.


     

  • 연관상품은 데이터마이닝 기법 중 장바구니 분석 (Market Basket Analysis)으로 구현된 상품을 추천하는 것입니다. 

    함께 구매 또는 조회되는 상품에 관한 규칙을 찾아내는 기술(연관 규칙, Association Rule)을 사용하였습니다. 


     

  • 상품 기반 CF 분석은 아마존닷컴에서 연관상품 추천을 할 때 사용하는 분석 기법입니다.

    누적된 사용자들의 이용 내역을 바탕으로 사용자 관계를 분석하는 Collaborative Filtering(CF) 기법을 상품 단위로 분석하는 방법입니다. Association Rule Mining(AR) 과 함께 연관 상품 추천에 많이 사용되며, AR에 비해 단순하고 이해하기 쉬우며 데이터와 계산량 측면에서 유리하여 많이 사용되고 있습니다.

     

온라인 문의 전화 문의