웹분석 및 eCRM에서의 다양한 분석방법과 이론

통계분석 방법

eCRM 및 e-Business를 위한 Marketing Automation 솔루션에서 응용되는 사항들을 중심으로 설명하였다.

OLAP툴의 기능

OLAP툴의 주요 기능은 다음과 같다.

• Pivoting : 2차원 데이터 조회 결과에서 행/열/페이지 차원을 바꾸어 가면서 보고서를 생성하는 방법


• Filtering : 데이터를 특정 조건(항목명, 값의 범위, 계층구조 등)에 의해 만족되는 항목으로 한정하여 보고서를 생성하는 방법


• Drill Down : 요약된 상위개념의 데이터에서 상세한 하위개념의 데이터로 접근하는 방법. 계층구조이거나 연관된 데이터로 연결되어 조회되거나 하여도 무방하다.


• Drill Up : Drill Down과 반대방향으로 데이터 조회.


• Drill Across : 다른 데이터영역의 데이터에 접근하는 것.


• Drill Through : OLAP시스템에서 DW또는 다른 시스템의 상세데이터에 접근하는, 즉 구체적인 Raw데이터 영역에 접근하는 것.

Taguchi Method

다양한 경우의 수를 모두 조합하여 각 경우별 실험을 진행하여, 그 중 결과가 가장 좋은 케이스를 선택하는 방법. 온라인상에서 IT기술에 의해 Testing과 실험이 진행될 경우 경우별 조합과 진행이 어렵지 않으므로 Multi-Variate Testing 방법으로 자주 활용된다.

Google Optimizer, Omniture의 Multivariate Testing 기능이 본 방법을 이용하고 있다.

Multivariate Testing

온라인 마케팅 최적화(Optimization) 툴에서 Taguchi Method 를 이용하여 다수의 변수를 선정하고, 변수를 조합하여 생성되는 경우에 맞추어 방문자를 대상으로 랜덤(Random)하게 경우의 수를 구현하고, 각 경우 별 성과를 측정하여 가장 좋은 경우를 선정하는 방법.

일반적으로 온라인 마케팅 최적화 솔루션에서는 최종 전환페이지에 대한 전환율이 어떤 경우일 때 높이 나타나는지를 실험한 후 최적의 방법을 선택하는 방법으로 최적화를 진행한다.

아래 그림은 랜딩페이지(Landing Page)의 시안을 메뉴배치방법 2종류와 색상 3종류를 조합하여 6가지의 경우의 수를 만들고, 방문자에게 6가지 경우 중 한가지를 적용하게끔 프로그램에 의해 무작위로 제시한 후 최종 Goal 목적 페이지에 대한 전환율이 가장 높은 메뉴레이아웃과 색상의 조합을 찾아내는 경우를 도식화 한 것이다.

Personalization

개인화는 수집 및 분석된 데이터를 바탕으로, 고객 및 방문자에게 최적의 컨텐츠 또는 서비스를 제공하는 맞춤형 접근 방법이다. 1:1 (One to One) 마케팅이라고도 불려진다.

개인화의 정도에 따라 개인사생활 침해여부와 과잉접근에 대한 거부감 등의 논란이 있다.

개인화를 eCRM에서 시스템적으로 구현하는 알고리즘은 아래 방법이 가장 많이 사용된다.

• 
  
  Collaborative Filtering (협업필터링)
  
  
  
  
  • 예: 대상고객과 유사한 성향/속성을 갖는 고객이 선택하는 상품들을 분석하여, 해당 고객도 유사한 상품을 선호할 것이라는 가정을 갖고 개인화된 상품을 제시. 직접적으로 친구의 Wish List를 보고 주문하는 기능을 제시하기도 하였다. (Amazon)


• 
  
  Rule Based (사전정의된 규칙에 의해)
  
  
  
  
  • 예: 상품추천 마법사와 같은 기능으로서, 준비된 RULE에 맞추어진 설문을 차례대로 진행할 경우 적합한 상품을 제시하는 방법
  
  
  • 사전에 정의된 고객속성, 조건, 구매이력등의 규칙에 따라 사전정의된 규칙은 실험을 위한 테스트로서의 접근도 있겠지만, 데이터마이닝등을 통해 분석된 고객군에 대해 접근하는 것이 유용할 것이다.
  
  
  • 고객군에 대한 프로파일링(Profiling)과 함께 이루어진다.


• 
  
  Case Based Reasoning (사례기반 추론)
  
  
  
  
  • 예: 기존 유사사례를 통해 현재의 개인화/추천 항목을 결정하여 제시.


• 
  
  Learning Agent ( 지능적으로 고객의 의도를 파악하여 )
  
  
  
  
  • 예: 고객이 노트북 상품 카테고리를 자주 살펴보고 체류하는 시간이 길어질 때 노트북 컴퓨터의 구매를 고려하고 있다고 판단하고 노트북에 대한 상품제안을 제시한다.
  
  
  • 사용행태, 페이지인쇄, 체류시간등 다양한 사항을 기준으로 선호도와 관심분야를 알아내고 제공하는 방법


• 
  
  Association Rule (연관규칙)
  
  
  
  
  • 특정 행위와 함께(근 시간내에)에 발생할 수 있는, 연관된 행위/컨텐츠등을 제시하는 방법


• 
  
  Sequential Pattern (순차패턴)
  
  
  
  
  • 특정 행위 다음에 발생하게 되어 있는 행위/필요사항들을 제시하는 방법

Data Mining의 통계분석에서 (본 항목은 위버라인 CRM전문가 과정에서 발췌)

Classification / Clustering / Association 을 위해

• 
  
  Neural Network
  
  
  
  
  • 생물학적 모형에서 비롯된 계산모형의 일종, 비선형에서 유리.
  
  
  • 일반화 능력 및 안정성이 타 방법에 비해 뛰어남
  
  
  • 
    
    학습방법
    
    
    
    
    • 교사 학습 (Supervised Learning) : 예- NN With BP
    
    
    • 비교사 학습 (Unsupervised Learning) : 예- SOM


• 
  
  Genetic Algorithm
  
  
  
  
  • 생물학적 진화과정을 모방한 알고리즘
  
  
  • 문제를 유전자 형태로 정의
  
  
  • 진화( Selection, Crossover, Mutation)의 과정을 통해 답을 탐색


• 
  
  Decision Tree
  
  
  
  
  • Instance를 root에서 Leaf 까지 내려오면서 Sorting
  
  
  • CART(classification and Regression Trees)
  
  
  • CHAID(Chi-Square Interaction Detection Analysis)


• 
  
  Case Based Reasoning (CBR)
  
  
  
  
  • 기존의 사례 데이터베이스를 이용하여 새로운 사례를 예측
  
  
  • K-NN 을 이용하여 유사한 사례 추출
  
  
  • 추출된 유사 사례들에 근거하여 새로운 사례에 대한 출력 산출


• Discriminant Analysis: 통계적인 분류기법


• Regression : 통계적인 추정기법


• Association : link analysis(graph theory에 기반)


• 
  
  K-Means, FCM : 클러스터링 방법
  
  

마케팅 이론 & 측정지표

80/20 법칙 (파레토 법칙)

‘전체 결과의 80%는 전체 원인 중 20%에서 비롯된다.’라는 파레토가 세운 이 법칙은 다양한 부분에서 입증되면서 높은 설득력을 보이고 있다. 예를 들어 ‘상위고객 20%가 전체 매출의 80%를 일으킨다’거나 하는 것들이 이에 해당된다.

고객 Scoring을 통해 VIP고객과 일반고객을 구분하는 기준선을 정할 때, 타겟 고객층을 설정할 때 등 다양한 곳에서 응용되고 있다.

Long-Tail 이론

긴 꼬리이론 이라고도 불려지는 본 이론은 Amazon의 사업모델을 이용해 많은 예를 들기도 한다. 즉, 인터넷 상점과 같이 상품진열의 한계가 없는 공간에서, 1권씩 밖에 팔리지 않는 책이더라도 상당히 많은 책의 종류를 판매하게 될 경우 상위 10~20%가 일으키는 매출보다 하위 제품들의 합계 매출이 훨씬 클 수 있다는 이론이다.

WEB 2.0 시대에 크게 대중화 되어 관심을 받고 있는 이론이다.

Customer Experience Gap

고객이 기대한 가치와 실제 서비스/제품을 경험하고 얻은 가치의 차이. 이 차이가 적을수록 제품 및 서비스에 대해 만족하게 되며, 차이가 클수록 불만족 하게 된다는 것.

예를 들어 ‘싼데 이 정도면 됐지’ 라는 표현과 같이 저렴한 제품에서는 큰 기대를 하지 않기 때문에 적정수준의 품질만 넘으면 만족하게 되는 경우와 같다.

Loyalty

고객의 충성도를 의미한다.

어느정도 기업의 상품/서비스/브랜드에 호감을 갖고 지속적으로 관계를 맺고 유지해왔는지를 나타낸다.

고객세분화(Customer Segmentation), Customer Scoring 등에서 충성도 지표는 잠재된 LTV를 높이기 위한(또는 높이는) 중요 요소로 인식된다.

LTV (Life Time Value)

고객의 생애가치 또는 평생가치로 해석된다. 일반적으로 1명의 고객에 대해 해당 고객이 과거 및 미래에 일으킬 매출액을 합산하여 결정하는 경우가 많다.

미래에 대한 LTV산정이 어려울 경우, 현재시점 기준으로 과거의 LTV를 합산하여 이용하기도 한다.

쉽게 말해 LTV가 높을수록 우수 고객인 셈 이다.

Customer Segmentation

고객 세분화를 의미하며, 고객을 다양한 속성 및 기준에 따라 세분화 하는 것을 말한다.

Data Mining에 의해 Cluster분석을 통해 기준을 세워 나누어질 수도 있으며, 사전 정의된 Rule에 맞추어 고객층을 세분화 할 수도 있다.

Customer Scoring

고객을 등급화 하고 세분화 하기 위해 고객에게 객관적 지표로서 점수를 부여하는 행위.

예를 들어 최근 1주일이내 구매시 1점, 10만원 이상 구매시 매 10만원마다 1점씩 추가 등의 방법이 이용될 수 있다. 기업의 사업에 맞춘 최고의 고객은 어떤 고객인가? 라는 정의가 된 후에 원활한 고객등급 부여 항목과 기준이 정해질 수 있다.

RFM 또는 RFD

고객세분화 및 등급결정을 위한 방법으로 이용되는 점수부여의 기준이다.

RFM 은 Recency, Frequency, Monetary 의 약어로서, 고객의 가치평가 또는 충성도 평가를 얼마나 ‘최근에’, ‘자주’ 방문하였거나 ‘얼마나’ 구매하였는지를 척도로 삼아 평가 점수를 부여하는 방법이다.

RFD (Recency, Frequency, Duration)모델은 주문금액이 존재하지 않는 서비스 및 운영모델에서는 Monetary 대신에 체류시간인 Duration을 이용한 방법이다. Duration 을 Time으로 표현하기도 한다.

2002-2008 © Nativic & BizSpring, Inc.

웹분석과 ASP/SaaS

몇 해전 ‘웹분석이야말로 ASP(Application Service Provider)사업모델에 가장 적합한 사업분야이다’ 라는 글을 어느 해외 웹사이트에서 읽었던 기억이 있다. 이는 Page Tagging(Script Embedding)방식의 웹분석이 점차 선호되면서 ASP모델을 통해 웹분석사업이 크게 확장되던 2002년 이후에 언급되었던 내용이다.

지금은 ASP보다 SaaS(Software as a service)라는 용어를 통해 좀더 확장된 개념으로서의 ASP서비스가 관심을 받고 있는 상황이고, 이 중에서 eCRM분야의 성장율이 가장 높은 상황이다.

웹분석이 eCRM에서 분석CRM영역으로서 한 부분을 차지하고 있는 상황에서, 웹분석과 ASP/SaaS 시장의 흐름을 살펴보는 것이 의미가 있겠다 .

ASP와 SaaS

ASP(Application Service Provider)는 ‘소프트웨어 임대 서비스 공급자’ 또는 이와 같은 소프트웨어 제공방법을 의미한다. 하지만 ISP(Internet Service Provider, 인터넷 서비스 공급자, KT메가패스/하나로텔레콤 하나포스 등)와 같은 용어처럼, 과거에는 소프트웨어의 제공방법보다 소프트웨어를 임대형태로 공급하는 회사라는 의미가 좀더 강한 용어였다.

지금은 ASP형태의 서비스가 상당히 다양화되고 발전한 까닭에, 소프트웨어를 제공하는 방법에서도 좀더 세분화가 필요하게 되었고, SaaS(Software As A Service)라는 용어가 대두되게 되었다.

SaaS는 ASP의 용어에서 느껴지는 ‘공급자’ 라는 부분이 배제되고, 의미의 중심이 ‘소프트웨어’에 집중되어 표현된 용어이다. 하지만 두 용어의 명확한 선을 구분하는 것이 ASP용어의 의미확장으로 인해 어려운 상황이며, ASP와 SaaS 모두 ‘온라인을 통한 소프트웨어/애플리케이션 제공’이라는 의미로 사용되고 있다.

한국정보사회진흥원(NIA)의 ’2007 ASP/SaaS 백서’에서 ASP와 SaaS를 구별하여 설명한 표를 살펴보면 다음과 같다.

( 출처 : 한국정보사회진흥원 2007 ASP/SaaS 백서 P174 )

ASP의 서비스방식은 위에 언급된 사항은 물론, 소프트웨어를 고객사에 설치하고 제공하는 ‘임대’형식의 서비스도 있으나, 최근의 ASP는 모두 온라인을 통해 제공되는 추세에 따라 ‘공통점’ 항목으로 묶은 것으로 보인다.

‘ASP’라는 용어를 두고 ‘SaaS’ 라는 용어가 등장한 배경에는 ‘Software’ 라는 것에 중점을 두었다는 것도 있겠지만, OpenAPI, RIA를 위한 기술(AJAX/FLEX 등), REST(Representational State Transfer)들이 적극적으로 도입되어 ‘플랫폼’화가 가능한 환경을 갖추었느냐가 가장 큰 차이 요소로 생각된다.

쉽게 생각하면 “SaaS가 ASP보다 WEB 2.0스럽다.” 라고 해도 무리가 없을 듯 하다.

ASP/SaaS의 기술적 흐름

On-Demand Software 라고도 불려지는 ASP/SaaS 시장에서, 효과적으로 1대 다(多)서비스를 안정적으로 제공하고, 플랫폼으로서의 인터넷을 이용하여 각 서비스가 마치 하나의 소프트웨어 API처럼 작동하기 위해서 여러 기술들이 활용되고 있다.

ASP/SaaS의 가장 큰 기술적 특징은 OS(운영체제)에 대해 독립적인 점이라 하겠다. 인터넷상의 소프트웨어 서비스가 컴퓨터의 역할을 수행하고, 웹브라우저가 이에 접속하여 애플리케이션을 이용하는 터미널 역할을 한다고 보면 되겠다.

또한 각각 소프트웨어를 하나의 프로그래밍 라이브러리로 보고, 각 서비스의 제공기능을 한곳에 합쳐 새로운 서비스를 구현하기도 한다. 이는 Mash Up이라고 불려지는데 WEB 2.0 시대에서 보여지는 새로운 소프트웨어 개발방법이라고 볼 수도 있겠다. 이를 위해 Open API, REST 등이 활용되고 있다.

데이터처리 능력은 ASP/SaaS에 의해 제공되고, 일반적으로 웹브라우저에 의해 ‘서비스로서의 소프트웨어’를 사용하기 위해 풍부한 사용자인터페이스(UI)와 빠른 응답처리를 구현해야 할 필요성이 나타났다.

초기에는 Active-X 또는 Java Applet 등이 사용되었으나, 현재에는 좀더 가볍고 OS/브라우저 종속성을 탈피하기 위하여 자바스크립트를 이용한 AJAX와 ADOBE의 FLEX등을 많이 이용하는 추세이다.

과거의 소프트웨어 개발방법과 ASP/SaaS를 비교한다면 다음과 같이 비교해 볼 수 있을것이다.

SLA( Service Level Agreement )

온라인을 통한 소프트웨어 제공에서는 소프트웨어의 불법적인 복제와 유통을 예방하기 위한 라이선스 계약보다는 전체 제공하는 소프트웨어의 범위와 수준에 대한 계약이 더욱 중요하게 되었다.

ASP/SaaS에서 SLA(Serivce Level Agreement)는 다음과 같은 항목들이 포함되는 것이 일반적이다.

• 비밀유지 : 고객정보 및 Application 사용에 의해 생성된 데이터에 대한 비밀유지
  
• 보안유지 : 서비스를 제공하는 시스템에 대한 내부/외부 침입에 대한 보안수준 유지
  
• 사고복구 : 시스템장애등에 의해 서비스의 장애가 발생하거나, 데이터의 손실이 있을 경우 복구수준과 보상정책
  
• 소유권 : 서비스를 제공하는 소프트웨어의 소유권과 생성된 데이터에 대한 소유권
  
• 책임 : 각종 사고 및 ID등의 유출상황별 책임

eCRM(웹분석)과 ASP/SaaS

eCRM 및 웹분석은 IT를 기반으로 하고, 온라인상의 e-Business를 위한 Tool/Application이 주를 이룬다는 점에서, ASP/SaaS 형태로 제공되기에 적합한 분야라 할 수 있다.

2005년 전 세계 SaaS시장은 50억 달러를 이뤘고, 2010년 155억 달러로 예상되는 시장에서 CRM분야가 가장 큰 점유율을 차지하고 있다. Operational CRM의 주요 분야라고 할 수 있는 Sales Automation 에서는 ASP/SaaS를 주력보델로 하고 있는 Salesforce.com 이 5년연속 60% 이상의 매출성장세를 이어가고 있다고 한다.

주요 분야별 CRM 애플리케이션 매출 추세는 아래와 같다.

단위: 100만달러 , 출처: IDC 2007.6

주요 업체들의 점유율은 다음과 같다.

단위: 100만달러 , 출처: IDC 2007.6

이중 ASP/SaaS를 주요 사업모델로 하는 Saleforce.com 의 성장이 두드러지며, 웹분석을 기반으로 eCRM에 진입하는 Omniture의 성장이 돋보인다.

Omniture는 웹분석 ASP서비스를 주요 사업모델로 하여 성장해 왔으며, 2007년 Behavioral Targeting 솔루션 업체인 Touch Clarity, 개인화추천 Offermatica 및 웹분석경쟁사인 Visual Sciences 와 WebsideStory를 인수하여 사업규모와 범위가 크게 확장되었다.

현재는 Marketing Automation 업체로 IDC는 분류하고 있다.

앞으로는 웹분석이 분석CRM의 기본을형성하기 위한 Data Source로서의 역할이 커지고 있는 만큼, Platform화를 통해 웹분석에서 eCRM으로의 확장이 더욱 커질것으로 예상된다.

이때 ASP/SaaS의 발전과 더불어 웹분석의 방향을 가늠해 볼 수 있겠다.

웹분석(Web Analytics)과 eCRM

웹분석의 정의

현재의 웹분석은 과거 ‘웹로그분석’에서 발전되어 온 용어라고 보기에는, 그 의미가 크게 확장되었다.

‘웹로그분석’이 ‘웹서버가 생성하는 로그파일을 분석하는 행위’로 정의되었다면, ‘웹분석’의 정의는 아래와 같이 확장되어 정의될 수 있다.

‘웹로그분석’에서 ‘분석’의 의미가 IT기술에 의해 로그파일이 분석되는 행위인 것에 반해, ‘웹분석’에 있어서 ‘분석’의 의미는 여러 측정결과를 바탕으로 원인과 결과를 분석하는, 총체적인 분석활동을 의미한다.

쉽게 표현하면 ‘웹로그분석’은 웹로그분석 솔루션이 핵심이었다면, ‘웹분석’은 분석을 위한 방법과 분석을 수행하는 사람이 핵심이라고 할 수 있겠다 .

이와 같이 ‘웹분석’의 의미가 넓어짐에 따라, eCRM의 일부분으로서 웹분석이 수행되고 있으며 서로 그 분석업무의 범위가 넘나들기도 한다.

더욱 자세히 웹분석을 이해하기 위해, CRM 및 eCRM등과 어떤 관계를 갖고 있는지 간략히 살펴보도록 한다. 웹분석이 eCRM에 포함되겠지만, 웹분석을 eCRM이라고 확언하여 정의하기에는 몇 가지 차이들이 있다.

‘도1′ 에서와 같이 전체적인 구조는 웹분석(Web Analytics)이 eCRM 및 Analytical CRM에 포함되는 형태이다. 자세한 내용은 이어지는 설명에서 확인해보도록 한다.

(도1 : 웹분석의 eCRM/CRM내에서 위치 )

CRM과 eCRM

CRM의 정의

고객을 획득하고(Acquisition) 확보된 고객을 개발하고(Cultivation) 확보된 고객을 어떻게 오래 개발 유지하여(Retention) 고객생애가치(LTV:Life Time Value)를 제고할 것인가에 대한 모든 과정을 고객과 기업간의 Networking을 통하여 상호 경험과 지식을 공유하여 고객 개개인에 적합하고 차별화된 제품 및 서비스를 제공함으로써 고객과의 관계를 지속적으로 강화해 나가는 마케팅 및 경영혁신 활동을 전개해 나가는 것

CRM의 분류

CRM은 크게 아래와 같은 분류로 세분화 될 수 있다.

Operational CRM ( 운영/영업 CRM – 마케팅/세일즈/서비스 등 )

Analytical CRM ( 분석 CRM – 데이터분석/마이닝 등)

Collaborative CRM ( 협업 CRM – 개인화/콜센터자동화 등 )

CRM과 eCRM의 차이

eCRM은 CRM의 개념이 좀더 e-Business에 맞추어 구체화된 협의의 의미를 갖는다.

그 차이는 ‘도2′과 같이 정리될 수 있다.

( 도2 : CRM과 eCRM의 차이점 )

eCRM과 웹분석(Web Analytics)

웹분석(Web Analytics)의 발전

웹분석(Web Analytics)은 초기 웹로그분석(Weblog Analytics) – 웹서버가 생성하는 로그파일을 분석하여 서버의 상태, 처리량, 웹페이지의 사용빈도 등을 분석하는 것 – 에서 출발하여, 웹사이트에 발생하는 모든 요소를 다양한 방법으로 수집하고, 목적에 맞추어 분석하는 ‘웹분석’ 으로 발전하였다. (도3)

그리고 현재의 웹분석은 기본적 웹(로그)분석 지표(Metric)인 ‘Hit’에서 부터, eCRM을 위한 데이터로 활용 될 수있는 ‘고객’정보를 구분/포함 할 수 있는 UUID( Unique User ID – 고유한 회원구분 정보 )를 수집 및 분석하는 단계까지 발전하였다.

이러한 까닭에 ‘분석CRM(Analytical CRM) 관점 ‘에서 본다면, 현재의 웹분석 과 eCRM을 쉽게 구분하기 는 어려운 상황이다.

( 도3 : 웹분석에서 수집/분석하는 측정지표의 고도화 단계 )

웹분석(Web Analytics)의 범위

CRM과 웹분석을 분석CRM관점에서 봤을때 데이터의 수준으로 구분하여 단계적으로 표현이 가능하다 (도4)

( 도4 : 카운터 –웹로그분석 –웹분석 –VRM –CRM 에 이르는 데이터의 고도화 수준 )

한때, 점차 발전하는 웹분석을 기존 웹로그분석과의 차별화를 위해 방문자 관계관리( VRM, Visitor Relationship Management ) 용어가 제기되었으나 많이 사용되지는 않았으며, 현재는 eCRM 및 웹분석의 범주에 모두 포함되고 있다.

현재의 웹분석은 회원ID(UUID)를 포함하여 분석을 수행하기도 하므로 ‘도3′에 표현된 회원연동분석, 고객분석, 타겟마케팅을 위한 데이터 분석은 넓은 의미에서는 모두 웹분석이라 정의 할 수 있겠다.

이와 같은 배경에는 웹분석의 대상이 웹사이트로 제한적이지만, 과거의 웹사이트와 달리 현재의 웹사이트에서는 모든 고객과의 접점이 이루어지고 있기 때문이며, 웹분석에서도 회원분석과 회원정보의 연동분석이 따로 분리되어 이루어지기 힘들어진것으로 생각된다.

‘웹분석’의 용어가 회원정보를 포함하지 않는 분석수준을 의미하는 용어이기에, 과도기적 상황을 고려하여 ‘도3′에서는 CRM으로 구분되어 표현되었다.

웹분석(Web Analytics)과 eCRM의 비교

웹분석이 비록 고객에 대한 상세한 분석을 수행한다고 하더라도, CRM의 정의와 기타 여러 이유로 인해 eCRM으로 불려지기 어렵다.

• 
  
  분석대상 및 방법의 차이
  
  
  
  
  • 웹분석 : e-Business 중 특히 웹사이트의 분석을 근간으로 데이터를 수집.
    
  • eCRM : 고객과의 접점을 이루는 모든곳에서 데이터를 수집.

• 
  
  주요 분석이슈의 차이
  
  
  
  
  • 웹분석 : 마케팅캠페인의 효과분석, 가장 효과적인 타겟고객층 리포팅등 결과론적 데이터가 주.
    
  • eCRM : 회원정보와 연계된 수집된 데이터에 대해, Data Mining, Customer Scoring, Churn Management( 이탈 예상 고객 관리) 등 다양한 지식의 발굴과 예측분석이 주된 관심사.

• 
  
  시스템 구축의 관점의 차이
  
  
  
  
  • 웹분석 : 웹사이트를 운영하는 서버(또는 웹사이트의 컨텐츠를 표현하는 웹페이지)에 근접하여 시스템을 구축한 후 추가적으로 회원정보를 연동.
    
  • eCRM : 회원정보를 근간으로 시스템을 구축한 후 관련된 정보를 연동하는 것으로 접근.

• 
  
  구현/구축 절차의 차이
  
  
  
  
  • 웹분석 : 사전 구현된(정의된) 솔루션의 웹분석 기능 및 리포트를 바탕으로 추가적인 커스터마이징을 통해 구현되는 것이 일반적.
    
  • eCRM은 고객의 e-Business에 대한 정의와 요구사항 정의로부터 수집/분석할 데이터를 정의하고 지속적인 컨설팅과정을 통해 구현.

• 
  
  기본 목표의 차이
  
  
  
  
  • 웹분석 : 분석 CRM 영역내에 집중하여 데이터의 수집 및 분석하는 것에 목표를 갖는다.
    
  • eCRM : 협업CRM, 운영/영업CRM, 분석CRM등 전반적인 분야에 대해 통합적인 목표를 갖는다.

• 
  
  프로세스의 차이 (도5)
  
  
  
  
  • 웹분석은 측정/분석/평가 프로세스에 국한되어 집중되어 있다.
    
  • eCRM(CRM)이 계획/실행/측정/분석/평가의 전 비즈니스 사이클 대해 관여 되어 있다.

( 도5 : 일반적인 비즈니스 프로세스/사이클에 대한 도식 )

고객을 획득(Acquisition)하고, Loyalty를 유지하여 LTV(Life Time Value)를 높이고자 하는 목표는 항목상으로는 유사해 보이지만, eCRM이 개인화(Personalization), Direct Mail, Call Center 등 다양한 실행을 위한 데이터를 직접적으로 획득/분석/실행 하는것에 반해, 웹분석은 ‘실행’의 이전단계 까지를 포함한다는 것에서 차이가 있다. (도6)

( 도6 : 웹분석에서 분석대상으로 하는 e-Business 단계별 도식)

그래서…

현재의 웹분석은 다양한 측정지표의 확장과, 회원분석의 연계를 통해 넓은 의미로는 eCRM이라 불려질 만큼 확장되었으나, 분석의 대상과 활용관점 그리고 분석 이후의 Action의 수행에 대해 포괄적으로 추진되지 않는다는 점에서 eCRM과는 확연히 구분될 수 있다.

웹분석은 웹사이트의 상태와 방문자의 유입과 방문자의 행동양식을 정형화 하여 분석하고, 그 패턴에 해당하는 회원을 추출하여 eCRM의 분석 외 단계인 Collaborative CRM 및 Operational CRM에 활용될 수 있는 데이터를 제공하는 것이 현재 웹분석이라고 정의될 수 있는 범위이다.

꾸준히 웹분석의 측정지표가 고도화되고, 리포팅기술이 발전되고 있습니다만, 위에 언급한 특성을 넘어 범위가 확장된다면, 이는 웹분석이 아니라 eCRM이라고 불려지는 것이 맞겠다.