마케팅의 주요 개념 - 소비자구매행동, 시장세분화, 마케팅믹스전략, 제품포지셔닝전략, 제품수명주기, 풀 전략/푸시 전략, 데이터베이스(DB) 마케팅

소개글

마케팅의 주요 개념 - 소비자구매행동, 시장세분화, 마케팅믹스전략, 제품포지셔닝전략, 제품수명주기, 풀 전략/푸시 전략, 데이터베이스(DB) 마케팅에 대한 보고서 자료입니다.

목차

마케팅의 주요 개념

Ⅰ. 소비자의 구매행동

Ⅱ. 시장세분화

Ⅲ. 마케팅 믹스전략

Ⅳ. 제품포지셔닝 전략

Ⅴ. 마케팅 근시안

Ⅵ. 제품수명주기

Ⅶ. 풀 전략/푸시 전략

Ⅷ. 데이터베이스(DB) 마케팅

Ⅸ. 데이터마이닝

본문내용

가격파괴의 바람이 불고 있는 경영환경에서 제조업들의 생존전략
으로서 고객정보, 경쟁회사 정보, 업계의 동향 같은 시장의 자료를 분석하여 마케팅 계획
을 세우는 경영전략기법을 '데이터베이스 마케팅(Database Marketing)'이라 한다. 즉, 어
느 고객이 무엇을 얼마나 자주 구매하고, 어느 매장에서 어떤 유형의 상품을 구매하는가
에 관한 데이터를 가지고 고객의 성향을 분석하여, 앞으로의 마케팅전략을 수립할 수 있
을 뿐만 아니라 자사의 우량고객을 파악하여 신상품에 대한 정보를 제공할 수 있다.
원래 기업의 매출액 중 80%는 전체 제품의 20%에 의하여 이루어진다는 '80/20의 파레
토 법칙'이 판매에도 적용된다. 상위 20%의 고객이 매출의 80%를 차지한다면, 소비자의
20%에 집중적인 마케팅 노력을 기울이는 것이 효율적이다. 따라서 이러한 상위 20%의 고
객을 찾기 위한(Know-Where) 축적된 데이터가 필요하게 되는 것이다. 아래의 그림과 같
은 과정을 통하여 DB 마케팅이 이루어지며, 이런 분석은 기업이 시장세분화나 제품차별
화전략을 수립하는 데 도움이 된다.
데이터베이스 마케팅 분석과정
수년 전에는 삼성자동차사가 카드 이용실적에 따라 최고 1백만 원까지 자동차 구매시 할
인해준다는 조건을 내걸자 다른 자동차회사들도 카드사와 손잡고 카드 회원 확보에 주력
하기 시작했는데, 이러한DB 마케팅 맥락에서 이해할 수 있다. 뿐만 아니라 아남전자에서
는 '품질평가단' 에 응모한 5만 2천여 명의 구매성향에 대한 기초자료를 데이터베이스화하
였다. 이러한 정보를 통하여 기업은 잠재고객들의 선호색상, 오디오 보유기간, 교체시기
등에 관한 구매성향을 분석할 수 있고, 자사제품에 대한 불만이나 신제품을 기획하는 데
유용한 정보로 활용할 수도 있다. 그러나 개인의 정보를 데이터베이스화하면서 개인의 사
생활 침해문제가 뒤따르게 된다. 얼마 전 우리나라 백화점의 고객명단이 유출되어 범죄집
단의 표적이 된 것은 DB 마케팅에 따른 정보관리의 중요성을 일깨워준 사례라 하겠다.
(9) 데이터 마이닝(Data Mining)
데이터 마이닝이란 방대한 양의 데이터 속에서 쉽게 드러나지 않는 유용한 정보를 찾아
내는 과정, 데이터간의 숨겨진 관계, 혹은 겉으로 드러나지 않거나 또는 기존의 통계학적
방법을 통해 뽑아내기에는 너무나 복잡한 관계를 찾아내고, 이 관계를 바탕으로 미래를
예측하는 기술이다. 데이터 마이닝은 다양한 방법을 이용하여 근원적 데이터를 탐색하고,
분석하여, 이로부터 기대하고 있는 정보뿐만 아니라 예상하지 못했던 정보를 찾아내고자
하는 개념적인 방법론이다.
자료 분석에 있어서 데이터 마이닝의 역할은,
첫째로, 데이터베이스에 있는 고객이나 제품을 비슷한 것끼리 묶는 군집화(clustering)
이다. 즉, 시장세분화나 제품세분화라 할 수 있는데, 이는 데이터 마이닝에서 가장 대표적
인 역할이라 할 수 있다.
두 번째로, 데이터에서 유사한 성향을 가진 것들을 찾아 어떤 연관성을 가진 규칙
(association rule)을 찾는 것이다. 예를 들면, 고객의 구매 자료에서 가죽 옷을 구매한 고
객은 한 달 이내에 양은 면티셔츠를 산다는 연관성을 발견할 수 있다. 이런 결과는 앞으로
가죽옷의 구매자에 대한 향후 구매행동을 분석하는 데 유익한 자료가 될 수 있다.
세 번째로, 이미 집단화가 되어 있는 고객이나 제품의 차별적인 특성을 파악하고 새로운
고객이 데이터베이스에 추가되면 기존의 집단에 분류하는(classification and prediction)
역할이다. 예를 들어, 우수고객과 불량고객으로 집단이 분류되어 있으면, 이런 기준에 따
라 새로운 고객이 앞으로 어떤 부류의 고객이 될 것인가를 예측할 수 있게 된다.
여기에는 GRM을 위한 방대한 자료가 요구되지만 필요한 자료에 관련되는 변수가 모두
충실하지 않더라도 분석이 가능하다는 장점이 있다. 그리고 이에 소요되는 시간은 마케팅
모델링보다는 짧지만, 완전 자동 분석은 어렵다. 또 그 분석 결과도 마케팅 모델보다는 정
교성이 떨어지고 있다.
현재 데이터 마이닝이 적용되는 가장 일반적인 분야는 고객 행동의 분석인데, 소매, 뱅
킹, 금용, 보험, 통신분야가 주요 시장이다. 이들 산업들은 대량의 고객 데이터를 활용하여
데이터 마이닝의 기술적 가치를 제고시킬 수 있는 응용분야들이다. 예를 들어, 수익의 안
정적인 확보와 고객 기반을 유지하기 위하여 유통업체의 고객에 대한 이탈 가능성을 예측
하기 위해서 데이터 마이닝을 실시한 자료를 보면, 대략 다음과 같은 특성을 가진 고객은
이탈 가능성이 높은 것으로 생각된다.
대금 지불의 청구지가 직장인 고객
가족카드를 소지하지 않은 고객
1회 평균 구매건수가 약 2건 이하인 고객
구매 부문수(Coverage)가 적은 고객
최종 구매일로부터 기간이 오래된 고객
연체가 2달, 3달씩 발생하는 고객
주로 정장이나 셔츠를 구매하는 고객
구매의 평균 구매기간이 긴 고객
대금의 자동이체를 거부하는 고객
정상적인 구매비율이 25% 이하인 고객
이처럼 기업은 최적의 전략이나 의사결정을 뒷받침해 줄 수 있는 중요한 고급 정보가
필요한 상황에서, 새로운 관심은 데이터를 잘 쌓아 놓는 단계를 넘어서 데이터라고 하는
거대한 창고에서 보다 가치 있는 정보를 효과적으로 찾아내고자 하는 부분으로 모아지고
있다. 이미 알려져 있고 기대했던 정보뿐만 아니라 전혀 예상하지 못하고 쉽게 드러나지
않는 정보까지를 데이터베이스나 데이터 웨어하우스로부터 찾아내고자 하는 목적으로,
개념적인 정보 추출방법론인 데이터 마이닝이 시장에 등장하게 되었고, 이는 데이터 웨어
하우스와 함께 향후 정보산업을 이끌 큰 주제가 되고 있다.
데이터 마이닝에는 특정 문제에 적용하는 기법이 정해져 있는 것은 아니고, 기법이 적
용된다고 해서 모든 문제가 해결되는 것도 아니다. 즉, 얻고자 하는 결과나 데이터의 상태
등에 따라 적용할 수 있는 기법들은 다를 수가 있다. 그러므로 기법들에 대해 어느 정도
이해가 수반되면 문제를 해결하는 데 최적의 접근으로, 보다 효과적이고 적극적인 데이터
마이닝을 수행할 수 있을 것이다.

키워드

마케팅개념,   마케팅정의,   마케팅의 개념,   마케팅,   데이터베이스,   마케팅 근시안,   제품포지셔닝 전략,   마케팅 믹스전략,   시장세분화