프로파일링으로 개인화된 추천과 마케팅을 가능하게 하다

Editor's Comment

- 본 콘텐츠는 2020년 1월에 발간된 <빅데이터, 사람을 읽다>의 본문 내용을 큐레이터의 시선으로 발췌하여 구성하였습니다.

나이와 성별, 사는 아파트, 좋아하는 음식이 비슷한 두 사람이 있다. 자세히 들여다보면 관심사도, 가치관도 다른 둘이다. 그 다름을 우리는 카드 소비 빅데이터로 재편해보고자 한다.

 

먼저 개개인이 소비한 내역을 시간(Time), 장소(Place), 상황(Occasion)별로 나누어 금액과 건수, 비중 등 총 228개의 변수를 만들어냈다. 변수가 아무리 많더라도 성능 좋은 서버는 '통계적으로 유의미한' 단기 소비 특성을 찾아낼 수 있다. 

 

시간에서는 개별적인 시간, 요일, 시즌(명절, 화이트데이, 가정의 달 등)으로 소비 유형을 28개로 확장했으며, 장소에서는 거리, 지역, 상권으로 소비 유형을 12개로 확장했다. 마지막으로 상황에서는 식생활, 소비, 주거 생활 소비, 기타 생활 소비, 디지털 및 해외 소비 등으로 소비 유형을 60개로 확장했다.

 

이렇게 수많은 변수를 이용하여 고객의 소비 성향을 정의하고 매월 업데이트한다. 사람의 관심사와 가치관은 얼마든지 변할 수 있기 때문에 고객별 소비 유형 역시 매달 변한다. BC카드는 소비자 유형 클러스터링(Clustering) 알고리즘을 활용하여 개인화된 추천 시스템과 마케팅 시나리오 기획에 사용하고 있다.*

* 소비자 유형은 2019년 4월부터 6월까지의 카드 승인 데이터를 분석한 것으로 약 12억 건의 거래 데이터를 토대로 2019년 6월 말 기준으로 작성되었다.

 

총 14개 소비 유형을 정의하고, 그중 인원이 많고 특색 있는 10가지를 골라보았다. 각 유형의 인구통계 특성을 바탕으로 소비 패턴이 한눈에 보이는 가상의 사례를 통해 해당 유형의 특징을 확인해보자. 

ⓒ미래의창

소비 패턴으로 나눠본 10가지 유형

#동네 생활 소비형