核心概念
고객 특성에 따른 개인화된 타겟팅 전략을 통해 비즈니스 목표를 최적화하고 고객 경험을 향상시킬 수 있다.
摘要
이 연구는 전자상거래 고객 타겟팅 문제에 대한 체계적인 접근 방식을 제안합니다. 업계 제약 조건을 고려하면서 관심 지표를 최대화하는 고객 타겟팅 정책을 찾는 두 단계 방법론을 제시합니다.
첫 번째 단계에서는 고객별 처리 효과(uplift)를 추정하는 인과 모델을 학습합니다. 두 번째 단계에서는 추정된 uplift를 최대화하는 최적 타겟팅 정책을 찾습니다. 이때 비즈니스 제약 조건을 고려합니다.
제안된 방법론을 고객 유지, 이벤트 수익 극대화, 할인 제공 등 3가지 실제 비즈니스 시나리오에 적용하여 기존 접근법 대비 성능 향상을 입증했습니다. 또한 대규모 온라인 A/B 테스트를 통해 제안 정책의 효과를 검증했습니다.
統計資料
고객 유지 시나리오에서 제안 정책은 기존 정책 대비 2.35% 높은 고객 유지율 향상을 보였습니다.
이벤트 수익 극대화 시나리오에서 제안 정책은 기존 정책 대비 0.317% 높은 수익 향상과 1.02% 높은 완료율 향상을 보였습니다.
할인 제공 시나리오에서 제안 정책은 기존 정책 대비 0.36% 높은 수익 향상과 5.49% 높은 완료율 향상을 보였습니다.
引述
"고객 특성에 따른 개인화된 타겟팅 전략을 통해 비즈니스 목표를 최적화하고 고객 경험을 향상시킬 수 있다."
"제안된 방법론을 고객 유지, 이벤트 수익 극대화, 할인 제공 등 3가지 실제 비즈니스 시나리오에 적용하여 기존 접근법 대비 성능 향상을 입증했습니다."