Home > NAVOSTEK소식

제목 : 정보,데이터 활용”으로 수익 창출 (텔레콤코리아)
이름 : 관리자 날짜 : 2009/04/14
ARPU가 제자리에 머무르거나 떨어질 때, 신규 가입자 유치 비용이 상승할 때, 통신사들은 새로운 캐시 플로우 소스를 찾아야 한다는 커다란 압박감에 시달리게 된다.
테라데이터(Teradata)의 글로벌 산업 솔루션 부사장인 데이빗 그랜트씨는 그런 불안 심리를 해결할 수 있는 한 가지 방법은 기존 고객들이 잘 받아들일 수 있는 다른 상품이나 서비스가 무엇인지 파악할 수 있도록 기존 고객들에 대해 보다 심도 깊은 이해를 갖추는 것이라고 지적한다.
그랜트씨는 “이것은 특히 중국이나 파키스탄 같은 신흥 시장에서 서비스를 제공하는 통신사들의 관점에서 볼 때 확실한 그림이다. 차이나 모바일은 대략 5억에 달하는 가입자 기반을 갖추고 있다. 하지만 잘만 손쓰면 손쉽게 10억을 바라볼 수 있다. 또 파키스탄에는 통신사 하나가 1억에 달하는 가입자를 보유하는 사례도 존재한다”고 말했다.
문제의 그 파키스탄 통신사업자의 ARPU는 3달러에 불과하지만 월 100달러 이상의 ARPU를 배출하는 고객들도 보유하고 있다. 이는 고객들의 다양한 특성들을 잘 파악하는 것이 각각의 특성에 맞춰 알맞은 서비스 품질을 발견하는 데 큰 도움을 얻을 수 있기 때문에 가능한 것으로 알려졌다.
그랜트씨는 이어 “월 100달러 이상의 매출을 기록하는 고객들은 단순히 30배 이상의 매출을 의미하는 것이 아니다. 수익성이란 관점에서 볼 때 그 이상의 것을 의미한다”고 설명했다.
이 파키스탄 사업자는 이제 프리미엄 유저와 라이트 유저를 모두 돌볼 수 있는 방안을 찾아내야만 한다. 프리미엄 유저를 확보 유지함으로써 얻는 이득은 막대하지만 동시에 일반 라이트 유저들로부터 꾀할 수 있는 이득도 만만치 않다.
‘고객에 대한 이해’ 우선돼야
또한 그랜트씨는 “데이터 웨어하우징과 비즈니스 인텔리전스를 도입할 경우 통신사들이 가장 먼저 해야 할 것이 바로 세분화(segmentation)에 대한 이해다. 월 3달러의 매출을 창출하는 라이트 유저와 월 100달러의 매출을 기록하는 프리미엄 유저를 똑같이 취급해서는 곤란하다. 가령 프리미엄 유저의 문의라면 고객 서비스 요원에 직통으로 연결되어야 할 것이며 라이트 유저의 문의는 먼저 자동 응답 서비스를 거치도록 조치하는 것이 정석이다”고 조언했다.
그는 이어 “광고도 중요한 역할을 한다. 여러 새로운 모델들이 테스트되고 있으며 우리는 디지털 광고 솔루션을 제공한다. 우리는 통신사가 가입자에 대해 아는 정보를 취하는 것은 물론 이 정보를 소비자 행태를 분석한 웹사이트 데이터 및 기타 소스의 외부 데이터와 비교해 소비자 DNA(audience DNA)라 불리는 데이터를 구축할 수 있다. 타깃 광고를 제공하려는 통신사들은 여러 소스로부터 데이터를 수집 분석해 잠재적 신규 수익을 꾀하고 음성 서비스의 매출 부진으로부터 방향을 바꿔 돌파구를 모색할 수 있는 유리한 위치를 점할 수 있다”고 말했다.
그랜트씨는 “고객 데이터가 대폭 증가하면서 자연스럽게 데이터를 관리하고 유용하게 사용하는 일이 핵심 과제가 되었다. 여기서 핵심 포인트는 웨어하우스 데이터와 웹 데이터를 적절히 통합하는 것”이라며 “이런 통합 작업은 통신사의 웹 사이트를 이용하는 방문객 수, 방문객들이 사용하는 페이지, 어제보다 오늘 보다 더 많이 사용된 페이지를 확인하는 것과 같이 웹 분석과 함께 가입자 데이터와 빌링 정보를 통해 고객 행태를 파악하는 웨어하우스 분석 작업이 선행된다”고 말했다.
테라데이터는 두 데이터의 통합을 두고 통합 웹 분석이라 부른다. 통합 웹 분석 작업을 통해 통신사들은 웹 사이트의 데이터를 수집해 고객에 대한 다른 정보들과 통합할 수 있다. 그 결과물은 가입자들이 원하는 것을 추천할 수 있는 데이터 양식으로 나타난다.
폭발적으로 늘어나는 데이터를 수용하기 위해서는 시스템의 성능도 받쳐줘야 한다. 현재 페타바이트의 데이터 용량을 수용할 수 있는 시스템이 시장에 출시되어 있다. 불과 수년 전 테라바이트급 용량을 수용할 수 있었던 시절과 비교하면 어마어마한 차이다. 이는 그만큼 유저 데이터가 늘어났다는 반증이다.
그랜트씨는 “또 하나의 과제는 분석 작업의 효율성을 극대화하기 위한 논리적인 데이터 구조를 구축하는 일이다. 이와 관련해 우리가 통신사들을 도울 수 있는 부분은 종종 잊고 지나칠 수 있는 데이터의 결합 지점을 잘 살펴보도록 하는 것이다. 데이터와 가입자 간 상관 관계를 이해할 수 있을 때 비로써 데이터는 가치와 의미를 지닌다는 점을 기억해야 할 것”이라고 말했다.
그는 이어 “상관관계 분석은 개별 유저 하나하나에도 적용되지만 보다 효과적인 방법은 미시 세분화(micro-segment)를 이용하는 것이다. 적정 상품, 적정 가격대, 적정 서비스를 제시할 수 있다면 더욱 많은 가치를 얻을 수 있다. 이것이 바로 미시 세분화 매칭이다”고 설명했다.
분산된 데이터 통합
테라데이터는 또한 고객 중에는 항상 다른 고객들보다 더 많은 돈을 쓰는 고객들이 존재한다는 전제 하에 소셜 네트워크 분석 서비스를 제공한다. 간단히 말하면 돈을 더 많이 쓰는 고객들이 다른 고객들에게 미치는 영향을 살펴보는 것이다.
또 고객들 중에는 상대적으로 범위가 넓은 전화 그룹을 가진 이들이 존재한다. 이런 고객들의 이용 행태, 통화 빈도, 소셜 네트워크 형태를 파악함으로써 유용한 데이터를 얻을 수 있다.
그랜트씨는 “신규 가입자 유치 비용이 상승하고 매출이 줄어들 때 통신사가 경쟁에서 살아남기 위해 선택할 수 있는 방법 중 하나가 바로 정보와 데이터의 활용이라는 점을 명심해야 할 것이다”고 강조했다.
하지만 일각에서는 개인 정보를 들여다보는 일, 특히 가입자 데이터를 사용하는 것과 관련해 프라이버시 문제를 제기하고 있다.
그랜트씨는 “테라데이터는 다단계에 걸쳐 프라이버시 보호 환경을 구축하고 있다. 가령 데이터 분석 작업을 행하는 사람이 보다 큰 그림에서 분석된 데이터가 어떠한 형태로 활용되는지 알 수 없도록 권한의 한계를 설정한다거나 여러 유저들로 데이터를 세분화, 구획화하여 A 그룹의 데이터를 분석하는 이들이 B 그룹의 데이터에 대해 알 수 없도록 하는 것과 같은 방법이 있다”고 말했다.
그는 이어 “우리는 프라이버시를 보호하고 통신사들이 사용하는 분석 기법과 관련해 매우 신중한 자세를 유지할 것을 권고하고 있다. 미시 세분화 매칭은 소비자의 프라이버시 보호 권리를 침해하지 않는 한도 내에서 얼마든지 수행될 수 있다”고 말했다.
입력 : 2009년 04월 03일 02:44:12