◆ 문제점
​1. 온/오프라인 통합 쇼핑 서비스인 옴니스토어의 효과 측정에 어려움
2. 매장내 옴니스토어의 데이터 수집과 활용에 대한 가이드라인  부재
3. 백화점 지점 전역에 옴니스토어의 확산 여부를 판단할 수 없음

​

◆ 수행결과
1. 옴니스토어를 운영하는 백화점의 Touch On 단말기를 이용한 정보를 수집
2. 백화점 지점별, Zone별, 단말기별 이용현황을 분석
3. 매출, 서비스 효과, 서비스 이용에 데이터 시각화 보고서를 생성
4. 백화점내 단말기를 분석한 결과 데이터를 운영계 DB에 연동

​

◆ 도입효과
1. 온/오프라인이 결합된 옴니스토어 서비스의 매출 분석 및 확산 여부 판단
2. 온/오프라인 접점에 대한 효과 측정
  - 온라인 서비스 이용 후 오프라인까지 연계되는 매출 분석
  - 온라인 조회 후 제품 컨설팅까지의 연계 분석

◆ 문제점
1. 단순 규칙 기반의 추천이 이루어짐
2. 동료들의 선호하는 학습과정을 기반으로 한 Collaborative Filtering 기법의 추천 필요
3. 머신러닝과 같은 최근 알고리즘 기반의 추천 기법이 필요

◆ 수행결과
1. 나의 학습 과정과 동일한 과정을 수강한 사람들이 많이 수강한 과정 추천
2. 나의 학습 과정과 동일한 카테고리에 속한 과정 중 많이 수강한 과정 추천
3. 나의 학습 과정과 동일한 카테고리에 속한 과정 중 최근 30일 내 등록된 과정 추천
4. 나의 관심 주제에 속한 과정 중 많이 수강한 과정 추천
5. 동일 직급/부서 임직원이 많이 수강한 과정 추천
6. 전체 임직원들이 많이 수강한 과정 추천 

◆ 도입효과
1. 이용자의 직급, 스타일, 수준 등을 고려하여 적절한 교육 과정을 추천함으로써 서비스 고급화 및 활성화 달성
2. 임직원이 최근 조회한 과정과 연관된 과정을 추천하여 교육 과정 선택이 다양해짐
3. 임직원의 관심역량내 동료들이 많이 수강한 과정을 추천하여 상호 지식교류와 학습의욕을 고취

◆ 문제점
1. 고객별 행동 로그의 수집 및 활용에 어려움
2. 지능형뱅킹 추천서비스를 위한 추천 데이터가 없음
3. 고객 선호 데이터를 생성하지 않음
 

◆ 수행결과
1. 추천에 필요한 데이터를 지능형추천 DB 적재 & 추천 인터페이스 적용
2. 고객의 금융 편의성을 높이기 위해 고객 맞춤형 메뉴와 지능형 이체 거래를 제공
3. 인터넷뱅킹 개인, 인터넷뱅킹 기업, 스마트폰뱅킹 개인, 스마트폰뱅킹 기업 채널에 추천 시스템 적용
4. 고객의 메뉴 이용 빈도를 분석하여 자주 쓰는 메뉴를 고객 맞춤형 메뉴로 제공
5. 고객의 거래 형태를 분석하여 주기적으로 반복되는 이체 거래를 맟춤형으로 제공
​* 구체적인 내용은 고객사 사정으로 밝힐 수 없음

​

◆ 도입효과
1. 고객이 자주 사용하는 인터넷 뱅킹 메뉴를 알아서 구성
2. 고객이 이체할 내용을 미리 알아서 제공함으로써 보다 고급화된 뱅킹 서비스를 제공
3. 고객 특성에 맞는 경험을 제공하여 인터넷 뱅킹 활용도 증가
4. 개인별 맞춤 UI 개선으로 고객 편의성 증가

◆ 문제점
1. 기존 로그 분석 시스템 활용도 낮음
2. 고객 유입 채널 상세 분석에 어려움

3. 고객 세그먼트별 고객 경험을 확인할 수 없음
4. 사용자 환경별 사이트 이용 현황을 알 수 없음
5. 사이트 내 영역별 사용빈도 분석 필요

6. 실시간 사이트 이용 현황 분석 알 수 없음

◆ 수행결과
1. 디지털 채널별 정량적인 분석이 가능
2. 기본 유입 채널 외에 사용자 정의 유입 채널 분석

3. 고객 유형별 세그먼트 분석

4. 사용자 디바이스별로 프로파일 별도 관리

5. 사이트내 영역 분석을 위한 스크립트 태깅

6. 디지털 채널 활용효과를 실시간으로 분석

​

◆ 도입효과
1. 디지털 채널별로 고객 특성에 맞는 경험을 제공하여 고객 참여도가 증가
2. 디지털 데이터를 다양한 관점에서 적시에 분석
3. 유입 채널 분석을 통한 마케팅 채널 관리

4. 고객 세그먼트별 분석으로 리마케팅 전략 수립
5. 사용자 디바이스를 고려한 사이트 개발
6. 영역별 배너 활용 현황 분석으로 사이트 효율성 재고
7. 실시간 분석으로 신속하고 정확한 사이트 운영

◆ 문제점
1. 마케터가 추천 관련지식 없이 금융상품이 잘 추천되도록 설정하기에 어려움 

2. 추천 반응 효과를 상세하게 보기 위해서는 다른 분석도구가 필요

3. 새로운 앱에 개인화 추천을 적용할 수 없음

4. 모바일과 웹 플랫폼 모두에서 일관된 추천 메시지 전달이 안됨

5. 추천 상품을 편집하려면 디자이너, 엔지니어의 도움이 항상 필요

◆ 수행결과

1. 간단한 설정으로 다양한 채널에서 고객에게 개인화된 서비스를 제공

2. 솔루션 관리자 화면에서 각 추천영역의 고객 반응 정보를 파악

3. 동일한 분석 데이터를 활용하여 다양한 채널에서 일관된 개인화 추천  가능

4. 추천 노출 및 고객 반응 정보가 정확하게 표시됨

5. 정의된 템플릿으로 직접 HTML을 편집하여 추천 내용 꾸미기 가능

6. 애니메이션, 이미지, 텍스트, 배너까지 다양하게 추천 가능

​

◆ 도입효과

1. 인터넷뱅킹, 신한S뱅크, 신한은행 솔(SOL) 앱에서 일관된 상품추천으로 구매 전환율 증가 기대

2. 다양한 추천 방법을 제공하여 고객에게 서비스에 대한 만족감을 높임