Digital Marketing Curation
Digital Marketing, Brand Marketing, Personal Marketing
효과적인 고객 데이터 플랫폼을 구축하는 방법
효과적인 고객 데이터 플랫폼을 구축하는 방법
비즈니스 환경은 점점 더 디지털화되고 복잡해지고 있습니다. 고객이 브랜드와 인터렉션하고 이러한 인터렉션들을 모두 관리하려면 그 어느때보다 확장 가능한 툴이 필요합니다. 이러한 모든 인터렉션과 툴로 인해 비즈니스는 그 어느 때보다 많은 고객 데이터로 넘쳐나고 있습니다. 이러한 데이터를 지표없이 트렌드 시장을 식별하는 방법 신속하게 고객 인사이트로 변환시키고 궁극적으로는 뛰어난 고객 환경을 통해 시장에서 지속적인 이점을 얻을 수 있습니다.
고객 데이터 플랫폼(CDP)는 기업이 고객 데이터를 수집, 표준화, 통합 및 활성화할 수 있도록 지원하는 최신 기술입니다. CDP는 고객을 보다 완벽하게 이해하고 전체 조직이 고객 환경을 향상시키고 경쟁 우위를 유지하는 방법에 대한 데이터 중심의 의사 결정을 내릴 수 있도록 지원합니다.
그러나 적합한 CDP를 선택하는 것은 어려운 작업일 수 있습니다. 시장에 많은 CDP가 출시되어 있으며 CDP의 제공 방식도 매우 다양합니다.
아래 글에서는 효과적인 CDP를 구축하기 위한 프레임워크와 성공사례에 대해 소개해드립니다.
1. 목표 확인
CDP는 기업의 데이터 인프라의 기반이 됩니다. CDP를 통해 제공되는 신뢰가능할 수 있는 데이터는 현재와 미래의 기술 스택과 데이터 전략의 구성요소 역활을 할 수 있습니다.
CDP 구축을 시작하기 전에 기업의 목표, 원하는 결과 및 기업에 대한 필요한 CDP 유형을 정의하는 것이 중요합니다. 이를 통해 기본적인 역할을 할 수 있는 수행할 수 있는 CDP 공급업체를 선택할 수 있는 대략적인 로드맵이 제시됩니다.
전사적 CDP 목표 정의
첫째, CDP 구현에 대한 전반적인 목표를 명확하게 정의하세요. 이러한 목표는 대개 비즈니스 성장에 영향을 미치는 특정 문제에서 영감을 받습니다. 다음과 같은 CDP 평가 프로세스를 통해 3가지 목표를 제시하였습니다.
최신 기술로 더욱 빠르게 전환 및 혁신
이러한 목표를 달성하기 위한 동기는 고객 경험을 만들고 측정하는데 사용하는 툴이 불안정하고 규모에 맞게 관리하기 어렵다는 것일 수 있습니다.
데이터 중심의 더 나은 의사결정을 내릴 수 있도록 지원
이러한 목표를 달성하기 위해 비즈니스 팀(마케터, 세일즈, 임원진)이 필요한 정보를 얻는데 시간이 너무 오래 걸린다는 점이 고민거리일 수 있습니다. 이렇듯 비기술직 직원이 기술적 노하우를 가진 사람이 요청을 이행하거나 데이터를 수집할 때까지 며칠 또는 몇 주를 기다려야 할 수도 있습니다.
모든 채널에서 고객 경험 개인화
종종 이러한 목표에 동기를 부여하는 3가지 주요 문제는 다음과 같습니다.
- 개인화 작업이 거의 또는 전혀 수행되지 않음
- 원활한 고객 환경을 구축하기 위한 개인화 작업이 진행되지 않음
- 노동력과 비용 효용성 측면에서 ROI(Return on investment)가 불명확
이러한 목표는 광범위하지만 많은 직원의 일상 업무에 영향을 미치는 매우 현실적인 문제에 뿌리를 두고 있습니다. 광범위하면서도 수정이 필요한 명확힌 문제에 영감을 받는 목표를 세우는 것을 목표로 삼아야 합니다.
원하는 비즈니스 성과 정의하기
개략적으로 설명한 각 목표에 대해, 해당 목표를 달성한 후 달성하고자 하는 구체적인 비즈니스 결과를 파악합니다. CDP가 향상시켜야 하는 성공 지표, 효율성 및 KPI를 고려해보세요. 방금 설명한 공통 목표를 통해 다음 각 항목에 대한 공통 비즈니스 결과를 살펴보도록 하겠습니다.
최신 기술로 더욱 빠르게 전환 및 혁신
- ROI를 향상시키고 기술 투자에 대한 가치 창출 시간을 앞당김
- 지루한 작업을 제거하고 엔지니어링 팀의 생산성을 높임
- 비용 전환 및 벤더 락인을 방지하여 비용 절감
- 개인정보 보호 및 보안 위험 완화
- 단일 플랫폼에서 모든 데이터 및 사용자 이벤트를 자동으로 수집, 정리, 관리 및 활성화하여 높은 효율성을 확보
데이터를 기반으로 더 나은 의사결정을 내릴 수 있는 역량 강화
- 조직 전반에 걸쳐 생산성, 효율성 및 데이터 중심 의사결정의 향상
- 전사적으로 고객 데이터에 대한 액세스 향상
모든 채널에 걸쳐 고객 경험 개인화
- 주요 매출, 고객 확보 및 유지 목표를 포함하여 고객 여정 전반에 걸쳐 측정 지표 향상
- 고객 확보 비용(CAC), ROAS 등과 같은 마케팅 및 광고 KPI 개선
- LTV(lifetime value), CSAT(customer satisfaction), NPS(Net Promoter Score), 그리고 실시간 참여도와 같은 고객 참여 관련 지표 향상
목표를 달성하는 데 도움이 될 CDP 유형 결정
다음 단계는 지표없이 트렌드 시장을 식별하는 방법 조직의 핵심 목표를 달성하는데 도움이 될 CDP 유형을 결정하는 것입니다. 적합한 CDP 유형을 선택하는 것은 모든 내부팀이 성공을 달성하는데 필요한 모든 데이터에 액세스할 수 있도록 도와주는데 필수적입니다. 다양한 유형의 고객 데이터 플랫폼을 사용할 수 있으며 다음과 같이 4가지 일반 범주로 분류됩니다.
- 데이터 중심의 CDP는 조직의 모든 팀(마케팅, 제품, 분석 등)이 고객 데이터에 의존하여 성장 목표를 달성할 수 있도록 중점을 둡니다. 그러한 수준의 제어 및 데이터 품질을 통해 조직 전반과 모든 툴에서 해당 데이터를 활성화하여 옴니채널 개인화 및 멀티터치 특성과 같은 복잡한 과제를 해결할 수 있습니다.
- 캠페인 중심의 CDP는 마케팅 캠페인에만 고객 데이터를 활용하는데 초점을 맞춥니다. 일반적으로는 마케터의 니즈에 따라 구축되며 특정한 마케팅 활용 목적을 위해서 활용되어 집니다. 또한 조직 전체의 데이터를 수집하고 관리하기 위한 인프라를 제공하지는 않습니다.
- 부분 CDP는 특정 활용 사례에 대한 데이터 수집 및 관리에 초점을 맞춥니다. 많은 분석 제품군과 CRM(고객 관계 관리) 플랫폼은 CDP와 유사한 기능을 제공하여 기업이 플랫폼을 더 잘 활용할 수 있도록 지원합니다. 그러나 이러한 CRM과 분석툴은 데이터 및 캠페인 중심의 CDP에 비해 그 범위와 기능이 제한적입니다.
- 니치 CDP는 특정 산업 및 틈새 활용 사례를 해결하는데 초점을 두고 있습니다. 종종 틈새 CDP는 특정 산업의 버티컬 니즈를 충족시키거나 덜 일반적인 활용 사례에 쓰이고 있습니다.
2. 활용 사례 및 기술 요구 사항 정의
CDP는 많은 팀들이 가지고 있는 문제들을 해결할 수 있습니다. 요구되어지는 기술 수준과 함께 각 팀에서 CDP 활용 방법에 대한 정보를 얻는 것이 공급업체를 성공적으로 선정하기 위한 핵심입니다.
여러 기능간 활용 사례와 기술 요구 사항을 명확하게 설명하자면 CDP 선택의 폭이 좁아집니다. 주요 활용 사례와 기술 요구 사항을 정의하는 방법은 다음과 같습니다.
CDP 구축을 위한 다양한 부서에 걸친 RFP팀을 구성 및 프로젝트 식별
CDP는 부서간 툴이므로 다양한 주요 이해관계자를 선택하는 것이 CDP 구현의 장기적인 성공을 위한 보장하는데 도움이 될 것입니다. 이 팀뿐만 아니라 이 이니셔티브의 리더와 소유자가 누구인지도 파악해야 합니다.
최고의 RFP팀에는 항상 다음과 같은 각 부서의 명확한 책임자와 관련 이해관계자들이 포함됩니다.
디지털/고객 경험 리더
데이터/테크니컬 아키텍처 리더
테크니컬 이해관계자
위 다양한 이해관계자들은 전체 활용 사례와 기술 요구 사항을 식별하는데 매우 중요하며 성공적인 구현에 필수적입니다. 이들의 도움이 없으면 주요 평가 기준, 기술 고려 사항 및 기업 활용 사례 등을 놓칠 수도 있습니다.
이 팀이 파악한 우선 순위에 따라 다음과 괕은 이해관계자들의 피드백을 포함할 수도 있습니다.
팀을 구성했다면 이제 활용 사례와 기술 요구 사항을 정의하기 위한 작업을 시작해야 합니다.
활용 사례 정의하기
기업 내 각 팀별 활용사례와 우선 순위를 정합니다. 이 단계를 지원하기 위해 각각의 팀이 검토하고 수정할 수 있도록 합니다.
최신 기술 스택으로 더욱 빠르게 전환 및 혁신
원하는 기술 스택의 도입과 ROI를 가속화합니다.
기술 스택과 새로운 도구를 자동 설정합니다.
통합, ETL(추가 로드 변환) 및 데이터 준비 워크로드를 줄입니다.
단일 플랫폼에서 사용자 데이터를 수집, 정리, 관리 및 활성화할 수 있습니다.
신뢰할 수 있고 일관된 데이터로 기술 스택의 성능을 높이세요.
성장 이니셔티브의 속도와 효율성을 향상시킵니다.
여러 팀에 걸쳐 보다 빈번하게 효과적인 실험을 수행할 수 있습니다.
데이터를 기반으로 더 나은 의사 결정을 내릴 수 있도록 지원
- 데이터 수집 및 표준화 자동화
- 팀과 정렬된 단일 공유된 데이터 딕셔너리
- 엔드 투 엔드 고객 여정에 대한 깊은 이해를 통해 팀 역량 향상
- 최신 분석 및 신뢰할 수 있는 레포트 기능 제공
- 향상된 제품 분석 및 속성을 사용하여 새로운 기능과 업데이트된 기능이 고객의 행동, 전환, 유지에 어떤 영향을 미치는지 파악할 수 있습니다.
- 전환을 위해 마케팅 퍼널을 분석하고 최적화
- 가치가 높은 지원 티켓을 식별, 중요도 지정 및 최적화
- 제품/시장 적합도 측정
- 영업팀과 고객 지원팀간의 데이터 사일로를 분석
- 데이터가 최종 사용자의 개인정보 보호, 권한, 그리고 구독 설정을 준수하는지 확인
- GDPR(General Data Protection Regulation), CCPA(California Consumer Privacy Act) 및 기타 규정 준수를 가속화하기 위해 PII(개인 식별 가능 정보)를 실시간으로 자동으로 탐지 및 분류
모든 채널에 걸쳐 고객 경험 개인화
- 모든 플랫폼, 어플리케이션, 서드파티 툴 및 채널에 걸쳐 고객 접점을 통합하여 단일 고객에 대한 통합뷰를 생성합니다.
- 익명 및 알려진 사용자를 식별합니다.
- 적합한 시기에 적합한 메시지로 적합한 고객들을 타깃팅합니다.
- 사용자 프로필 향상
- 툴 전반에 걸쳐 타깃을 쉽게 만들고 활성화
- 모든 플랫폼(예: 모바일 및 앱)에서 엔드 투 엔드 고객 경험을 개인화. 여기에는 다음과 같은 활용 사례가 포함될 수 있음
- 마케팅 메시지 개인화
- 라이프 사이클 캠페인 개인화
- 마케팅 및 광고 지출 최적화
- 고객 서비스 경험 개인화
- 제품 경험을 개인화하여 더 나은 사용자 참여를 유도하고 제품 크로스 셀링을 유도
기술 요구사항 정의
여기서 요구되는 기술 요구사항은 CDP가 정의된 목표를 수행하기 위해 필요한 특징과 기능입니다. 기술 요건은 일반적으로 아래 나열된 9가지 카테고리 범주에 해당됩니다.
1. 데이터 수집은 플랫폼이 여러 채널, 플랫폼, 그리고 서드파티 툴에서 사용자 행동 데이터를 수집하는 기능을 말합니다.
- CDP가 데이터를 수집해야 하는 어플리케이션, 웹사이트, 백엔드 소스 및 서비스(온라인 및 오프라인)는 무엇인가?
- CDP는 데이터 손실을 어떻게 방지합니까?
- CDP는 데이터 안정성을 어떻게 보장합니까?
- SDK(소프트웨어 개발 키트)를 통해 데이터를 수집하는 프로세스는 무엇인가?
2. 데이터 활성화는 팀이 사용하는 모든 툴과 시스템에 데이터를 전달하는 CDP의 기능입니다.
- CDP에서 데이터 출력을 지원하는 서드파티 도구에는 무엇이 있는가?
- 양방향 데이터 흐름을 지원하는 통합은 무엇입니까?
- CDP에는 새로운 도구를 활성화할 때 데이터를 재생할 수 있는 기능이 있는가? 와 데이터레이크는 CDP와 얼마나 쉽게 통합됩니까?
- 추가 기능으로 CDP를 확장할 수 있습니까?
3. 개인화와 ID 식별은 향후 각 개별 고객에 맞게 커뮤니케이션을 최적화하기 위해 통합 사용자 프로필을 지원하고 강화할 수 있는 플랫폼의 기능입니다.
개인화 및 ID 식별 고려사항:
- 잠재고객 세그먼트를 만드는 것은 얼마나 쉬운가?
- API를 통해 잠재고객 및 사용자 프로필에 대한 실시간 액세스를 구축하고 신디케이션을 할 수 있는가?
- CDP를 통해 고객 식별 관리 규칙을 커스터마이징할 수 있는가?
- 모든 데이터 소스의 데이터를 사용하여 사용자 프로필을 풍부하게 만들 수 있는가?
4. 데이터 매니지먼트에는 데이터 정제화(data hygiene), 데이터 표준화 및 스키마 적용과 같은 측면이 포함됩니다. 데이터를 검증, 정리, 표준화할 수 있는 플랫폼의 기능입니다.
- CDP에서 데이터 딕셔너리를 구축하고 유지관리할 수 있는가?
- 데이터 표준화의 자동 시행을 위한 옵션은 무엇입니까?
- CDP에 버전 제어 기능이 있는가?
- CDP에는 불량 데이터를 식별하고 수정할 수 있는 툴 키트가 있습니까?
- 맞춤형 프로세스 또는 코딩 도구에 대한 트래킹 계획을 내보내야 하는가?
5. 개인정보 보호, 보안 및 컴플라이언스는 플랫폼의 중앙 집중식 규정 준수 및 개인정보 보호규칙을 처리하는 범주입니다.
개인정보 보호, 보안 및 규정준수 고려사항:
- PIII를 자동으로 감지하고 분류하기 위해 CDP가 필요한가?
- 특정 도구에 대한 PII 액세스를 제어할 수 있는 기능이 필요한가?
- CDP는 사용자 위치에 상관없이 최종 사용자의 기본 설정 사항을 지원하는가?
- 사용자 권한을 설정하고 제어할 수 있는가?
6. 플랫폼 설계는 플랫폼의 확장성, 가동 시간, 사용 편의성 및 기타 플랫폼 관련 기능을 포함하는 카테고리입니다.
- API 및 명령코드를 통해 CDP를 구성하고 관리하는 기능이 필요한가?
- 직관적인 인터페이스와 사용하기 쉬운 도구가 필요한가?
- CDP에 배틀 테스트를 거친 데이터 모델이 있는가?
- CDP가 트래픽 급증을 얼마나 잘 처리할 수 있는가?
- 디버깅 프로세스는 어떠한가
7. 통합에는 사용자가 API, SDK 및 라이브러리와 같은 통합을 구축하거나 사용자 맞춤화할 수 있는 도구와 함께 플랫폼 내에 사전 구축된 통합이 포함됩니다.
- CDP에는 어떤 기본 통합 기능이 있는가?
- 플랫폼을 표준 통합 외부로 확장할 수 있는 기능이 있는가?
- 모든 파트너가 플랫폼에 쉽게 통합이 되는가?
- CDP에 연결되는데 필요한 도구와 내부 시스템은 무엇인가?
8. 서비스는 고객이 플랫폼을 장기적으로 구현, 관리 또는 사용할 수 있도록 지원하는 프로페셔널 서비스의 내부 또는 타사 네트워크입니다.
- 플랫폼을 구현하는데 필요한 리소스는 무엇인가?
- CDP를 장기적으로 구현하는데 필요한 리소스는 무엇인가?
- 가치 창출 또는 플랫폼 성공을 가속화하는 서비스 옵션을 사용할 수 있는가?
9. 혁신은 제품 출시와 사고 리더십의 속도입니다. 또한 이 카테고리에는 CDP 공급업체가 새로운 데이터 전략을 적용하고 변화의 속도를 따라갈 수 있도록 지원하는 기능이 포함됩니다.
지표없이 트렌드 시장을 식별하는 방법
진정한 흙속의 진주는 누가 찾을 수 지표없이 트렌드 시장을 식별하는 방법 있나?
Information Pollution이라는 말이 있다. 정보는 곧 힘이 되고, 돈이 되던 시대가 있었다.
하지만, 이제는 그 유입이 거대해져서 정보공해로 일컬어질 만큼 폭발적으로 많은 정보가 지금 이 순간에도 넘쳐나고 있다.
방대한 정보의 양이 중요하기보다는 그 중 무엇이 가장 핵심인지를 찾는 것이 무엇보다도 중요해졌으며, 단순한 Big Data는 정보가 아닌 쓰레기가 될 수 있다는 방증이 아닐까.
이는 일반 ‘정보’에 한정된 문제가 아니다. 이제는 연구개발의 핵심인 ‘기술’분야에까지 그 파장이 미치고 있어, 옥석을 가려야 할 때가 온 것이다.
거대한 정보의 바다에서 그 트렌드를 파악하기 위해 최근 몇 년 전부터 Big Data 분석이 이슈가 되었으며, 이는 우리 삶 전반에 활용되고 있다.
그렇다면 연구개발에서 그 옥석을 어떻게 가릴 수 있을까?
객관적이고, 신뢰성 있으며, 사업화로 연계 가능한 연구개발의 우선순위 결정에 대한 고려는, 매년 쏟아져 나오는 특허에서 그 답을 찾을 수 있다.
다만 그 적용 및 분석 방법이 얼마나 신뢰도가 있는가가 관건이 될 것이다.
연구개발 우선순위결정을 위한 Key는
바로 특허
연구개발 우선순위를 결정하기 위해 연구자들이 가장 먼저 생각할 수 있는 부분은 무엇보다도 델파이법 01 이라고 할 수 있다.
이는 관련 연구를 하는 해당분야 연구자들의 의견을 모아 종합적 방향을 전망하는 것으로 현재 한국산업기술평가관리원(KEIT), 한국과학기술기획평가원(KISTEP)의 미래 유망기술 예측, RAND연구소 02 의 “The Global Technology Revolution2020”, MIT가 매년 발표하는 “Technology Review” 등이 가장 대표적인 예라 할 수 있다.
그러나, 델파이조사에 동원된 전문가의 자질과 역량에 대한 신뢰성 부족과 익명성으로 인한 불성실한 응답 및 분석된 결과의 조작가능성 등을 생각하면 델파이를 통한 기술예측이란 참으로 ‘주관적이다’라고 할 수밖에 없다.
이러한 주관성을 배제하고, ‘기술’을 가장 잘 대변해 줄 수 있는 Key는 그럼 무엇인 가? 아마 이러한 물음을 받으면 누구든 주저함 없이 ‘특허’, 더 나아가 ‘지식재산권’이라는 단어를 언급할 것이다.
특허는 실시간으로 각국 특허청에 축적되는 DB로 주관성을 배제하며, 등록되는 특허는 그 이전 기술과의 중복성이 없다고 공식적으로 인정한 자료이므로 기술의 흐름과 발전 트렌드를 읽을 수 있는 훌륭한 재료가 될 수 있다.
1) 우선순위 결정을 위한 준비
이와 같이 연구개발 우선순위 결정을 위해 특허를 활용하는 이유는 무엇보다도 데이터의 객관성 확보 때문이다.
단, 특허 하나하나에 대해 의미를 부여하기에는 지표없이 트렌드 시장을 식별하는 방법 특허의 계량학적 수치가 너무 방대하므로 분석을 위한 Factor를 선정하고, 선정된 Factor에는 가중치를 적절하게 부여하는 준비 작업이 필요하다.
또한 선별된 분석 Factor간의 가중치를 부여하는 과정에서의 신뢰성이 중요하므로, 가중치 산정을 위해 특허분석 관련 종사자들의 의견을 토대로 합리적 의사결정을 이룰 수 있도록 계층화분석법(AHP: 다수척도간 통합 비교의 어려움을 해소하고 다수 의사결정권자 간의 합리적 의사결정을 이루기 위해 활용한 방법으로 1970년대 미국 펜실베니아 대학의 Thomas L.saaty박사에 의해 고안)을 활용한다면 우선순위를 선별할 수 있는 준비가 되는 것이다.
2) 특허기반의 우선순위결정을 위한
기본 자료 모으기
특허 원문에는 발명자, 출원인, 권리관계, 출원일, 패밀리, IPC(국제특허분류) 등 객관적 분석의 기본 자료가 되는 여러 가지 Field가 존재한다.
이러한 이유에서 특허정보는 가장 신뢰할만하고 객관적인 분석 DB라고 할 수 있다.
3) 우선순위 선정을 위한 기준을 세우자!
기술 개발이 필요한 많은 기술 중 가장 시급하게 개발해야 하는 기술이 어느 분야인지를 정하기 위한 재료로 특허라는 데이터를 활용하고, 그 수단으로 특허지표를 활용할 것으로 정했다면, 그 다음으로는 정해진 지표에 동등하게 의미를 부여할 것인지, 아니면 기술성이나 파급성 혹은 사업성에 그 중요도를 둘 것인지 기준을 세울 필요가 있다.
우선순위 결정을 위한 기준을 세우고, 그 평가 기준에 가중치를 부여하면 보다 정확한 기술개발 우선순위 선정으로 이어질 수 있다.
과거 다수의 특허분석 전문가를 대상으로 한 계층화 분석결과에 따르면, 화학분야의 특허분석 전문가들은 기술의 파급성에 가중치를 많이 두고, 기계·전기전자·정보통신 분야는 모두 사업성에 가중치를 많이 두는 것으로 나타났다.
이와 같은 결과가 나온 이유는 기계금속분야와 정보통신 분야의 경우 기술 사업화를 목적으로 기술 개발하는 경우가 많으므로, 기술의 중요도 산정 시 기술의 상업성을 판단하는 PFS(Patent Family Size)에 가장 높은 가중치를 산정하기 때문이며, 화학생명분야는 응용기술 개발 외에 원천기술 개발 및 기초기술 개발을 통한 기술 파급력을 중요한 판단 근거로 하기 때문이다.
기술분야별 특이성에서 나온 결과라고 할 수 있다.
특허기반의 연구개발 우선순위결정 VS.
연구자 우선순위 결정
인간을 대신하여 위험한 환경(또는 전쟁)에서 작업을 할 수 있는 모바일 로봇의 활용도가 나날이 높아지는 상황에서 모바일 로봇관련 특허는 계속적으로 증가하고 있는 추세에 있다.
이와 관련하여 산업계를 대표하는 특허 쪽 주요 키워드와 학계를 대변하는 논문의 키워드 도출 트렌드를 비교해보면 전체적인 비율은 유사하나 관심도를 나타내는 영역의 순위가 다소 다름을 알 수 있다.
아래 그림과 같이 사업화를 목적으로 하는 특허에서는 Position을 Camera보다 우위에 두나, 논문에서는 Camera가 Position보다 우위에 위치한다.
이처럼 연구자의 순수 연구를 위한 부분과 특허는 약간의 Gap이 존재한다.
기술 개발 분야의 나열과 선별
스마트 모바일 로봇의 구성요소는 운동능력(이동/보행)과 감지·식별능력, 추리·논증능력, 의사소통능력, 계획수행능력 등으로 이루어진다.
이러한 기술의 결합체인 스마트 모바일 로봇을 개발하고자 할 때 각 구성요소에서 구체적으로 어떤 부분을 우선적으로 개발해야 시장에서 살아남을 수 있을까?
연구자 1인이 이 모든 것에 전문가가 될 수는 없고, 그렇다고 수백 명의 연구자에게 SOS하는 것도 불가능하므로, 특허지표를 바탕으로 정해진 가중치에 맞게 기술분야에 따른 세부 개발 우선 분야를 선별하기 위해 우선 개발하고자 하는 테마에 대한 큰 분류를 정하고 그 하부를 나열할 필요가 있다.
이렇게 나열한 기술 중 개발 가능한 영역과 그렇지 않은 부분으로 나눈 후, 개발 가능 영역 중 가장 우선적으로 개발해야 하는 영역이 어디인지 판단함에 있어 개인연구자의 의견과 특허를 바탕으로 한 우선순위결과를 함께 고려하는 것이다.
국내 한 정부출연연구소의 연구자는 운동기구에서는 2족 보행, 구동기에서는 유압모터, 컨트롤러에서는 제어 하드웨어, 주행시스템 분야에서는 무선통신과 주행시스템이 기술개발 우선순위에 있는 것으로 의견을 주었다.
한편, 기술성, 파급성, 사업성에 배치된 6가지 Factor를 바탕으로 한 연구개발 우선순위결정 결과에서는 구동기분야에서 완전 유압모터보다는 전기유압 복합식 쪽인 Special Motor쪽이 기술개발 우선순위에 있는 것으로 결과가 나왔다.
이와 같은 실증에서 우리가 얻을 수 있는 부분은 해당분야 연구자의 의견과 특허를 바탕으로 한 연구개발 우선순위의 결과가 크게 다르지 않다는 점이다.
이러한 점에서 대기업이 아닌 일반 중소기업 입장에서 연구개발을 함에 있어 다양한 분야의 연구자를 고루 갖추기란 쉽지 않은 바, 특허를 기술개발 우선순위 선정에 적극적으로 활용해 보는 것은 어떨까?
단일기술로는 상품화가 어려운 현 상황에서, 융복합 기술을 개발하여 사업화로 연결하고자 할 때, 현 기업이 보유하고 있는 적은 수의 전문가 의견에 의존하기보다는 특허라는 객관적 DB와 해당 기업이 보유하고 있는 연구자의 개발의지를 함께 고려한다면 단순한 기술의 개발이 아닌 ‘기술의 경영’을 이룰 수 있다.
더 나아가, 방대한 유망기술 분야 중 연구개발 우선순위를 결정하고 기술개발 후의 유망성과 사업성을 판단함에 있어, 현재까지 축적된 전 세계 특허를 활용함과 동시에 실제 연구개발을 할 연구자의 의사결정에 반영한다면 연구자들의 개발 분야 선정의 오류 감소와 R&D가 Product로 연계되는 기간을 단축할 수 있을 것이다.
01 델파이법(Delphi method): 일반적으로 통계 모형으로 분석이 어려울 때 활용하는 방법으로 해당분야 전문가들의 의견을 모아 종합적 방향을 전망해 보는 기법을 말한다.
02 미국의 RAND 연구소는 2006년에 발표한 'The Global Technology Revolution 2020'을 통해 2020년까지 실행 가능한 56개 미래 애플리케이션 중 태양에너지, 유비쿼터스 RFID, 웨어러블 컴퓨터 등 가장 상용화 가능성이 높고 시장수요가 존재하며, 다양한 산업으로의 파급효과가 큰 16개 애플리케이션을 선정했다.
Practice makes perfect
kerpect
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | |||||
| 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 17 | 18 | 19 | 20 | 21 | 22 | 23 |
| 24 | 25 | 26 | 27 | 28 | 29 | 30 |
| 31 |
-
(14) (10) (15) (71) (46)
Practice makes perfect
[R] 시계열 분석(Timeseries Analysis) 본문
[R] 시계열 분석(Timeseries Analysis)
시계열 분석(Timeseries Analysis)
: 어떤 현상에 대해서 시간의 변화에 따라 일정한 간격으로 현상의 변화를 기록한 시계열 데이터를 대상으로 미래의 변화에 대한 추세를 분석하는 방법, 시간 경과에 따른 관측 값의 변화를 패턴으로 인식하여 시계열 모형을 추정하고, 이 모형을 통해서 미래의 변화에 대한 추세를 예측하는 분석방법입니다. (시계열 자료 - 시간의 흐름에 따라 관찰된 데이터)
- 과거로 부터 현재까지의 변화를 통해서 향후 미래를 예측 (현상 이해 -> 미래 예측)
① 정상성(stationary) 시계열
: 어떤 시계열자료의 변화 패턴이 평균값을 중심으로 일정한 변동폭을 갖는 시계열
(시간의 추이와 관계 없이 평균과 분산이 일정)
- 대부분의 시계열 자료는 다루기 어려운 비정상성 시계열 자료이기 때문에 분석하기 쉬운 정상성 시계열 자료로 변환
평균이 일정 : 모든 시점에 대해 일정한 평균을 가진다.
- 평균이 일정하지 않은 시계열은 차분 ( difference ) 을 통해 정상화
- 차분은 현시점 자료에서 이전 시점 자료를 빼는 것
- 일반차분 : 바로 전 시점의 자료를 빼는 것
- 계절차분 : 여러 시점 전의 자료를 빼는 것, 주로 계졀성을 갖는 자료를 정상화 하는데 상용
분산도 시점에 의존하지 않음
- 분산이 일정하지 않은 시계열은 변환 ( transformation ) 을 통해 정상화
공분산도 시차에만 의존하지 않음
② 비정상성 (non-stationary) 시계열
- 시간의 추이에 따라서 점진적으로 증가하는 추세
① y변수 존재 : 시간 t를 설명변수(x)로 시계열(Yt)을 반응변수(y)로 사용
② 미래 추정 : 과거와 현재의 현상을 파악하고 이를 통해서 미래 추정
③ 계절성 자료 : 시간 축을 기준으로 계절성이 있는 자료를 데이터 셋으로 이용
④ 모수 검정 : 선형성, 정규성, 등분산성 가정 만족
⑤ 추론 기능 : 유의수준 판단 기준이 존재하는 추론통계 방식
추론 통계 분석 : 가설설정 -> 유의수준 임계값 정의 -> 측정도구 결정 -> 데이터 수집 -> 데이터 분석
-> 최종결과 유의수준을 기준으로 판단 검증
추론통계 방식을 사용하는 이유 : 추론 통계의 접근 방식이 모집단을 대표하는 샘플 데이터를 통해 전체를 추정
⑥ 활용분야 : 경기예측, 판매예측, 주식시장분석, 예산 및 투자 분석, 교통수요 등
시계열 분석 적용 범위
① 기존 사실에 대한 결과 규명 : 주별, 월별, 분기별, 년도별 분석을 통해서 고객의 구매 패턴을 분석
② 시계열자료 특성 규명 : 시계열에 영향을 주는 일반적인 요소(추세, 계절, 순환, 불규칙)를 분해해서 분석한다.(시계열 요소 분해법)
③ 가까운 미래에 대한 시나리오 규명 : 탄소배출 억제를 성공 했을 때와 실패 했을 때 지구 온난화는 얼마나 심각해질 것인가를 분석한다.
④ 변수와 변수의 관계 규명 : 경기선행지수와 종합주가지수의 관계를 분석한다.(국가 경제와 주가지수 관계)
⑤ 변수 제어 결과 규명 : 입력 변수의 제어(조작)를 통해서 미래의 예측 결과를 통제할 수 있다.(판매 촉진에 영향을 주는 변수 값을 조작할 경우 판매에 어떠한 영향을 미치는가?)
① 추세 변동(Trend variation: T)
- 인구 변동, 지각변동, 기술변화 등 상승과 하락의 영향(장기 변동요인) , 앞으로 나아갈 방향성
② 순환 변동(Cyclical variation: C)
- 2년~10년의 주기에서 일정한 기간 없는 반복적 요소(중․장기 변동요인)지표없이 트렌드 시장을 식별하는 방법
③ 계절 변동(Seasonal variation: S)
- 일정한 기간(월, 요일, 분기), 1년 단위 반복적 요소(단기 변동요인)
④ 불규칙변동(Irregular variation: I)
- 어떤 규칙 없이 예측 불가능한 변동요인(설명할 수 없는 요인) - white noise
- 실제 시계열자료에서 추세, 순환, 계절 요인을 뺀 결과(회귀분석 오차)
비정상 시계열 -> 정상성 시계열 : 평균 정상화 : 차분
비정상 시계열 -> 정상성 시계열 : 분산 정상화 : 로그 -> 차분
모형 생성 : 시계열 모형 생성의 대표적인 방법(현재 가장 많이 이용)
- 정상성을 가진 시계열 모형
자기회귀모형(AR), 이동평균모형(MA), 자기회귀이동평균모형(ARMA)
- 비정상성을 가진 시계열 모형(차수 적용)
1. 시계열 자료 확인
비정상성 시계열 -> 정상성 시계열
② 차분(Differencing) 적용 - 현재 시점에서 이전 시점의 자료를 빼는 연산으로 평균을 정상화하는데 이용 : 평균 정상화
ts.plot( ) : 지표없이 트렌드 시장을 식별하는 방법 시계열 시각화
diff( ) : 차분 적용
비정상성의 시계열 데이터 -> 정상성의 시계열 데이터(차분+로그)
2. 시계열 자료 시각화
- 단일 시계열 자료 시각화
① WWWusage 데이터 셋 가져오기 - R에서 기본 제공 데이터 셋으로 인터넷 사용 시간을 분 단위로 측정한 100개 vector로 구성된 시계열 자료
- 추세 : 어떤 현상이 일정한 방향으로 나아가는 경향. 주식시장분석이나 판매예측등에서 어느 기간동안 같은 방향으로 움직이는 경향을 의미
- 추세선 : 추세를 직선이나 곡선 형태로 차트에서 나타내는 선(어느 정도 평균과 분산 확인 가능)
- 다중 시계열 자료 시각화
- 1000개의 데이터를 먼저 가져와서 시각화
3. 시계열 요소 분해 시각화
시계열 요소 분해 시각화
② 시계열자료 생성 : 시계열 자료 형식으로 객체 생성
④ 시계열 분해- stl( ) : 계절요소, 추세, 잔차 등 모두 제공
각각의 특징을 시각화 하여 출력
-> 계절변동 (Seasonal variation: S)
- 1년 단위의 반복되어지는 특징을 가짐
-> 추세변동 (Trend variation: T))
-> 잔차(오차) : 관측치와 예측치 사이의 오차
⑤ 시계열 분해와 변동 요인 제거
-> 계절 요인(년단위 주기의 특징)
-> 불규칙(white noise)
4. 자기 상관 함수/ 부분 자기 상관 함수
자기상관함수(Auto Correlation Function)
부분자기상관함수(Partial Auto Correlation Function)
- 자기상관성 : 자기 상관계수가 유의미한가를 나타내는 특성
- 자기상관계수 : 시계열 자료에서 시차(lag)를 일정하게 주는 경우 얻어지는 상관 계수
- 시계열 변수의 시간에 따른 자기 상관 관계를 나타내는 것입니다. 계열 상관, 교차자기 상관이라고도 합니다. 상관이 특정 시간에 대한 변수간의 상관관계라면, 자기상관은 시간의 변화에 따른 변수 간의 상관관계 변화가 주 관심사입니다.
어떤 시계열 데이터가 일정한 패턴을 본인다면, 자기 상관이 있따는 것을 뜻합니다. 시간에 따라 변수의 값이 자기상관성을 가지고 변화하므로, 무작위가 아닌 일정한 패턴을 보여준다고 할 수 있습니다.
- 자기 상관을 어떻게 활용할 수 있을까요? 바로 데이터의 무작위성을 파악할 수 있습니다.
자기상관 데이터가 ( - )에 가까울 수록, 무작위성이 있는 시계열 데이터로 판단할 수 있습니다. 0보다 큰값을 가질수록 자기상관을 강하게 가진다고 할 수 있습니다.
- 첫번째의 값은 자기 자신과의 관계이므로 1이 나올 수 밖에 없다.
- 파란선(임계치) 안에 들어오면 자기상관계에 의해서 데이터셋 자체는 자기 상관성과 관련해서 자기상관성이 없음을 보여준다.
- 일정주기로 체크해봤을 때, 자기상관성이 없다.
파란색 안에 들어오면 자기상관성이 없음.
시계열 데이터 시간의 의존성 여부가 무작위성을 띄느냐 띄지 않느냐를 자기상관함수로 판단할 수 있다.
무작위성을 띈다는 것은 random을 의미하고, 무작위성이 있다는 것을 이야기하고, 파란선(임계치)를 넘어가는 것을 의미한다.
5. 추세 패턴 찾기 시각화
:시계열 자료가 증가 또는 감소하는 경향이 있는지 알아보고, 증가나 감소의 경향이 선형인지 비선형인지를 찾는 과정
- 시계열 자료의 추세 패턴 찾기 시각화
6. 평활법(Smoothing Method)
: 수학/통계적 방법의 분석이 아닌 시각화를 통한 직관적 방법의 데이터 분석 방법
- 해석에 있어서 차이점이 발생할 수 있고, 주관적인 개입이 발생할 수 있다.
- 시계열 자료의 체계적인 자료의 흐름을 파악하기 위해서 과거 자료의 불규칙적인 변동을 제거하는 방법
- 이동 평균(Moving Average - ma ) : 시계열 자료를 대상으로 일정한 기간의 자료를 평균으로 계산하고, 이동 시킨
추세를 파악하여 추세를 예측하는 분석 기법
- 지수 평활법 : 전체 데이터를 평균을 계산하고, 전체 평균에 가장 최근의 값을 기준으로 일정 가정치를 부여해 가면서 추적해가는 분석 기법 (최근 데이터의 비중이 높음)
이동 평균 vs 지수 평활법
- 모든 관측치에 동일한 가중치를 부여하여 이동평균법은 최근 관측치나 오래된 관측치나 동일한 가중치를 사용하므로 정보를 동리하게 이용하는 단점이 잇고 과거 추세 패턴을 인지함
- 최근 관측치에 가중치, 멀어질수록 지수적으로 가중치 값 감소시키는 방법인 미래 예측에 사용.
③ 이동평균법으로 평활 및 시각화
- 1년 단위 : 거의 그대로 유지
- 2년 단위 : 급격한 변화들이 완만한 형태의 추세선으로 변화
- 3년 단위 : 확연히 차이가 나도록 완만한 형태의 추세선으로 변화
(불규칙성의 배제로 인한 완만하게 평균적 의미로 파악)
7. ARIMA(Auto-regressive Integrated Moving Average) 모형 시계열 예측
: ARIMA 모델은 시계열 분석 기법의 한 종류로, 과거의 관측값과 오차를 사용해서 현재의 시계열 값을 설명하는 ARMA 모델을 일반화 한 것입니다. 이는 ARMA 모델이 안정적 시계열(Stationary Series)에만 적용 가능한 것에 비해, 분석 대상이 약간은 비안정적 시계열(Non Stationary Series)의 특징을 보여도 적용이 가능하다는 의미입니다.
- 자기회귀누적이동평균모형(ARIMA)
- 형식) ARIMA(p, d, q) : 3개의 인수
- p : AR모형 차수, d : 차분 차수, q : MA모형 차수
[ARIMA(지표없이 트렌드 시장을 식별하는 방법 p,d,q) 모형 → 정상성 시계열 모형 식별]
d=0이면, ARMA(p, q)모형이며, 정상성을 만족한다.
q=0이면 IAR(p, d)모형이며, d번 차분하면 AR(p) 모형을 따른다.
p=0이면 IMA(d, q)모형이며, d번 차분하면 MA(q) 모형을 따른다.
auto.arima( ) : 통계학에서 정의하는 모형을 제공(모형에 대한 식별) - 모형과 차수 제공
형식) ARIMA(p, d, q) : 3개의 인수
p : AR모형 차수, d : 차분 차수, q : MA모형 차수
[ARIMA(p,d,q) 모형 → 정상성 시계열 모형 식별]
d=0이면, ARMA(p, q)모형이며, 정상성을 만족한다.
q=0이면 IAR(p, d)모형이며, d번 차분하면 AR(p) 모형을 따른다.
p=0이면 IMA(d, q)모형이며, d번 차분하면 MA(q) 모형을 따른다.
= ARIMA(1,1,0) - IAR(p, d)모형, d번 차분하면 AR(p) 모형을 따른다.
(*차분을 한번만 한다고 균일한 값을 찾아가는 것이 아니다)
결론 : 1번 차분한 결과가 정상성시계열의 AR(1) 모형으로 식별 된 AIC(Akaike’s Information Criterion)/BIC(Bayesian Information Criterion) : 이론적 예측력을 나타내는 지표
- 이전 단계에서 식별된 모형과 파라미터를 이용하여 시계열 모형 생성
잔차가 백색 잡음(white noise) 검정(모형의 잔차가 불규칙적이고, 독립적)
- 1) 자기상관함수에 의한 모형 진단
모두 파란선(임계치) 안에 들어있음
= p value값이 0 이상로 분포
(ARIMA모형은 매우 양호한 시계열 모형)
- 2) Box-Ljung에 의한 잔차항 모형 진단(잔차 값을 통한 모형)
Box-Ljung 검정방법은 모형의 잔차를 이용하여 카이제곱검정 방법으로 시계열 모형이 통계적으로 적절한지를 검정하는 방법으로 p-value가 0.05 이상이면 모형이 통계적으로 적절하다고 볼 수 있습니다.
자동차 산업의 다가오는 가격 전쟁을 피하는 방법
코로나19 위기의 결과로, 자택 대피령으로 인해 고객들의 이동이 제한되고 공장은 계속 문을 닫음에 따라 자동차 산업은 2020년 최소 20%의 매출 하락에 직면해 있다. 이 매출 하락 예측치는 2018년 이래 자동차 업계가 경험해 온 연간 감소율 3%를 훨씬 뛰어넘는 것이다. 소비자 관심도를 보여주는 지표 중 하나인 웹사이트 방문은 대부분의 여타 산업 대비 자동차 산업에서 더 급격하게 하락했다. 프랑스, 이탈리아, 스페인 등 코로나의 타격이 큰 국가들에서 주간 방문 건수가 1월 말 이후 68%나 감소했다.
전례 없는 수요 하락이 어느 정도까지 실현될 것인지는 자택 대피령의 기간, 올해 후반기에 코로나19 감염이 재확산할 지의 여부, 또한 정부의 대응에 달려있다. 그러나 궁극적으로는 OEM들이 지금, 그리고 앞으로의 회복기에 취하는 조치들이야말로 코로나19가 잠잠해진 후 그들의 시장입지와 재무성과에 가장 큰 영향을 미치게 될 것이다.
OEM들은 직원을 살피고 제조를 관리하며, 공급망을 안정시키기 위한 즉각적 조치를 취해야 한다. 또한 이들은 중대한 마케팅 의사결정도 내려야 한다. 그러나 무엇보다도 자동차 OEM의 가장 큰 과제는 할인율을 관리하고 가격전쟁을 피하는 것이다. 이들 도전과제를 해결하면 마진을 확보하고 위기를 헤쳐나가며, 자동차 업계의 회복도 준비할 수 있다.
자동차 OEM을 위한 주요 과제
OEM들이 수요 진작 노력을 지나치게 공격적으로 하는 경우 향후 수년간 가격결정권이 약화될 수 있다. 바로 이러한 사태가 2008년 글로벌 금융위기 이후 더디게 이어진 성장기에 일어났다. 2009년 겨울에 OEM들은 수요 진작을 위해 차량당 평균 할인을 크게 늘렸으며, 이는 장기적으로 큰 비용을 초래한 조치였다. 2009년에서 2019년까지 신차 가격이 과거 대비 몇 % 포인트 낮았으며, 이는 OEM의 마진이 지속적으로 낮아지는 결과를 가져온 구조변화(structural break)를 의미했다.
이러한 교훈에 비추어, 코로나19 이후 회복의 목표는 가격삭감 없이, 따라서 마진을 희생시키지 않고도 OEM의 시장지위를 재확립하는 것이다. 할인을 관리하고 가격전쟁을 피하겠다는 원칙과 의지는 OEM들이 이하와 같은 여타 중요한 도전과제들에 대처하는 데 도움을 줄 것이다.
- 중고차 및 신차 재고 관리. 현재 주요 시장에서의 생산과 수요가 0을 향해 움직이고 있다. 그럼에도 불구하고, 상당한 양의 가용재고가 창고 또는 딜러 사업장에 존재한다. 리스 계약 종료가 늘어날 것으로 예상됨에 따라, 중고차의 과잉공급 문제가 더 심각해 질 것이다. 공급이 수요를 초과하는 한, OEM들은 큰 폭의 할인에 의존하지 않고 이들 재고를 줄이기 위한 전략을 수립해야 할 것이다.
- 시장의 급격한 변화에 적응. 코로나19는 세계적인 위기이기 때문에, 자동차 시장은 한 번에 회복이 일어나기 보다는 시장마다 정도의 차이를 보이며 불규칙적으로 여러 차례의 회복세를 경험할 것이다. 회복의 시기, 형태, 그리고 정도는 예측하기 어렵다. 뿐만 아니라 중국, 유럽연합, 또는 미국 등의 주요 시장 중 어느 곳에서 처음으로 또는 가장 빨리 회복이 일어날지도 확실하지 않다. 4월 중순, 독일은 자동차 영업소 영업 재개 허용 계획을 발표했으며, 회복의 조기 징후들이 중국에서 관찰되었다. OEM들은 주요 시장의 추이를 주의 깊게 살펴보고 차량생산과 관련하여 매우 기민하게 움직여야 필요할 때 재빠른 전환이 가능하다.
- 신 모델 출시 관리. 2020년 초에 대다수 OEM들의 원래 물량 목표는 신 모델 출시에 전적으로 달려있었다. 그러다 코로나19 위기가 도래했다. OEM들은 출시 계획을 다시 추진하고 원래 가격 목표와 가능한 한 유사한 수준을 고수할 수 있다. (신차를 싸게 파는 것이 단기적으로는 출시에 좋은 방법으로 보일지 몰라도, 신차의 라이프사이클에 걸쳐 악영향을 미치게 될 것이다.) 이는 가장 이상적인 시나리오이다. 하지만 좀 더 현실적으로 판단하면, OEM들은 출시를 미루고 대신 구 모델의 라이프 사이클 수익을 관리하는 데 집중할 수 있다.
- 유럽에서의 이산화탄소 배출 벌금 최소화. 코로나19 위기로 인해 많은 OEM 기업들이 EU내의 더 엄격해진 이산화탄소 배출 요건을 준수할 수 없게 될 것이다. 3월 19일 발표된 IHS Markit 연구에 따르면, 정책입안자들이 어느 정도의 구제조치를 제공하지 않는 한, 약 60%의 OEM 기업들이 목표에 미치지 못하고 2,000억 유로에 달하는 벌금에 처해질 것으로 예상된다. 정부가 취할 가능성이 있는 조치에 관계 없이, OEM들은 유인책을 활용하여 가이드라인 준수 개선을 목적으로 이산화탄소 배출이 적은 차량 및 옵션구성을 고객이 택할 수 있도록 해야 한다.
- 새로운 고객 행태에 적응. 코로나19 사태가 진정된 후, 업계 내에서 진행 중인 변화를 더욱 가속화시킬 소비자행동의 변화가 예측된다. 글로벌 금융위기 이후 미국에서 초기에 경험했던 것처럼, 소비자 신뢰와 소득수준이 낮아지면서 소형차로 수요가 옮겨갈 수 있다. 또한 회복이 실현되면 OEM들이 온라인 소비자 직접(D2C) 참여 및 판매, 구독기반 판매, 혁신적 모빌리티 솔루션에 더욱 집중할 수 있는 기회가 생성될 것이다. 이들은 각각 새로운 가격 모델을 필요로 할 것이다.
즉각적 조치
각각의 도전과제에 대응하기 위한 전술과 시기는 시장마다 상이하다. 그러나 도전과제 자체는 전 세계적으로 공통된 것이기 때문에 OEM들이 효과적 위기관리에 필요한 회복력과 원칙을 구축하기 위한 몇몇 즉각적 비상조치를 취할 것을 권고한다.
첫 번째 우선순위는 가격책정 전담팀을 만드는 것이다. 해당 전담팀은 가격책정, 영업, 생산, 유통 부서의 구성원들을 포함해야 하며, 글로벌한 다기능 팀으로서 가상 상황실에서 운영되면서 조직 전체에 보다 명확하고 엄격한 가격관리를 구현하는 임무를 맡게 될 것이다. 동 전담팀은 여러 시장과 지표없이 트렌드 시장을 식별하는 방법 부문에 걸친 수요 변화를 전체적으로 이해할 뿐만 아니라 개별 지역적 이해도 가능할 것이기 때문에, 지나치게 공격적인 할인 또는 부가적 서비스에 대한 과소가격책정으로 인해 발생하는 불필요한 마진 손실을 방지하기 위하여 가격을 기민하게 모니터링 할 수 있다.
그런 다음, OEM들은 매우 어려운 환경에서 수요를 진작하기 위한 일련의 조치를 신속하게 실행해야 한다. 많은 OEM들이 고객의 재정부담을 완화하기 위한 대규모 지불유예프로그램 등 이미 관련 조치들을 내놓았다. 일부는 봉쇄조치를 극복하고 판매를 실현하기 위한 혁신적 원격 영업협상 서비스도 시작했다.
OEM들의 또 다른 즉각적 우선순위는 가격전쟁을 피하는 것이다. 가격 수준을 유지하려면 할인에 대한 더 엄격한 통제가 필요하다. 불필요한 할인을 피하는 것 외에도 OEM들은 현금을 인센티브로 이용하는 대신 상향판매, 교차판매, 또는 무료 서비스를 제공함으로써 자사의 할인구조를 혁신하기 위해 노력해야 한다. 판매금융 회사와 협력하여 고객의 구매자금을 제공하는 방안도 마진을 손상시키지 않으면서 가시적인 가격을 관리하는 지표없이 트렌드 시장을 식별하는 방법 효과적인 방법이 될 것이다.
대응과 회복
OEM들이 이들 비상조치를 실행하고 나면 대응단계에 진입하게 된다. 그러나 첫 번째 단계를 수행하기 전에 실시간 시장 역학에 대한 올바른 이해와 이들 역학이 어떻게 발전할 것인지에 대한 확실한 예측이 필요하다. 기존 예측도구들로는 코로나19위기를 발 빠르게 예측하기 힘들어지면서 OEM들은 웹 트래픽이나 소비자심리 분석 등 새로운 데이터 세트를 식별하는 데 주력하면서 추후 회복 과정에서 시장에서 학습한 것을 활용해야 하다. 그런 다음 신규 데이터 분석을 위해 시장분석 및 예측에 특화된 도구를 구축해야 한다.
대응단계의 첫 번째 수순은 기존 재고를 관리하는 방법을 파악하는 것이다. 딜러들이 최대한 빨리 재고를 처분하고자 하는 유혹을 참지 못한다면, 차량 마진을 크게 손상시키고, 손상이 영구적으로 일어날 수도 있다. 위험할 정도로 심리적 기준가가 낮아지면 이는 시장이 회복한 후에도 한참 동안 유지될 수 있다. OEM들은 직접 인센티브를 통해 할인을 제한하고 파이낸싱 프로그램을 업데이트하며 바이백(buyback) 프로그램을 적용하여 수요가 더 높은 시장에 차량을 재할당함으로써 딜러가 이러한 유혹을 이겨내도록 도울 수 있다. 신차 가격 수준의 손상을 피하는 최후의 수단은 재고등록 전략을 도입하여 신차를 중고차로 판매하는 방안이 될 것이다. OEM이 동 전략을 채택해야 한다면, 저배출 차량의 등록을 우선시하고 이산화탄소 배출 규제 준수를 최적화해야 한다.
시장이 코로나19를 극복하고 회복하기 시작하면서 수요가 예상치 못한 방식으로 빠르게 다시 창출될 수 있다. OEM에서 그러한 수요를 충족하기 위한 최고의 방법은 차량 할당, 고객 인센티브 및 할인의 형태와 금액을 지속적으로 조정하는 것이다. OEM들은 생산하는 차량 유형과 관련하에 매우 유연한 태도를 유지해야 하며, 주요 시장에서의 추세를 면밀히 관찰하여 적절하게 전환조치를 취할 수 있어야 한다.
할인과 인센티브, 할당, 유연한 생산, 그리고 수요에 기반한 차량 재할당을 기민하게 실행하는 것은 자동차 OEM들의 희망사항이 아닌, 의무사항이 되었다. OEM들은 새로운 구매 패턴이 등장함에 따라 기존 모델과 가정을 조정하기 위해 고급분석 역량을 활용할 필요가 있다. 이상적인 방안은 배출량 목표를 항상 염두에 두고 매주 물량과 마진을 최적화하는 가이드라인을 수립하는 것이다.
또한 OEM들의 애프터세일즈(after-sales) 수입원이 위기 이전보다 더 탄력적으로 운영되어야 하며, OEM들은 그에 맞게 움직여야 한다. 예를 들어, 만약 고객이 현재 차량을 더 오래 유지하고 구매를 연기하려고 하는 경우, OEM들은 애프터세일즈 가격전략을 재평가하여 매출 극대화를 목적으로 패키지를 구성할 수 있다. 이러한 패키지에는 기존의 결합판매, 또는 차량개조 연계 서비스 등의 혁신적인 패키지와 가격 모델을 포함할 수 있다.
OEM이 대응책을 결정할 때, 딜러 네트워크와 긴밀히 협력하여 서로 연계되도록 해야 한다. 딜러들은 조치 실행에 대한 최종적 책임을 지게 될 것이며 매 조치마다 참여하고 지원을 받을 수 있어야 한다. 이는 OEM의 대응 계획의 효과성을 극대화하기 위해 필수적이다.
그런 다음 OEM들은 회복을 위한 전투 계획을 마련해야 한다. 경쟁구도를 예측하고 경쟁자들이 어떻게 위기에 대응할 것인지 예상할 필요가 있다. 가격 전쟁의 위협은 불꽃 하나로도 점화될 수 있는 일촉즉발의 상태이다. OEM들은 그러한 위협을 창의적으로 완화할 수 있어야 한다.
고급분석의 역할
큰 폭의 가격인하 및 대규모의 일괄적인 고객 인센티브 프로그램 등 전통적인 마케팅 기법에서 OEM들이 벗어날 수 있는 시점이 있다면, 바로 지금이다. 고급분석 기법을 활용하여 자동차 제조업체는 공격적인 가격전략의 필요성과 마진 보전의 목표 사이에 균형을 맞추는 가격 전략을 신중하게 결정할 수 있다. OEM들은 충분한 데이터를 수집하고, 위기와 소비자 행동 변화에 비추어 모델을 수정함으로써 가격책정 방안들이 초래하는 영향을 충분히 이해할 수 있다. 미시적 수준의 가격탄력성에 기반하여 세그먼트 별 수요를 모델링하고 지불의사, 경쟁, 가격민감도 및 고객 평생가치를 고려하여 적절한 할인 수준을 결정할 수 있다.
또한, 고급분석 기법을 활용하면 OEM들은 인센티브가 구매 의사결정에 강한 영향력을 발휘할 수 있는 경우와, 영향력이 거의 없거나 전혀 영향을 미치지 못하는 경우를 파악할 수 있다. 인센티브를 배분할 때 수익성과 이산화탄소 배출랑을 고려하고, 물량 증대라는 전통적인 목표를 넘어서 자동차 제조사에 가장 유익하고 효과적인 결과를 가져올 수 있도록 해야 한다. 고급분석을 통해 도출할 수 있는 통찰력을 활용하여 OEM은 인센티브를 차별화하고 적절한 고객에게 적합한 할인, 리베이트 또는 프로모션으로 접근할 수 있다.
혁신적 사업모델의 역할
회복을 염두에 두면, OEM 기업에게는 새로운 비즈니스 방식을 살펴볼 수 있는 매력적인 기회가 주어졌다. 코로나19 위기는 위기 이전에 등장하던 두 가지 경향을 강화시킬 것이다. 첫 번째는 전자상거래 채널과 D2C의 성장이다. 두 번째 추세는 구독 및 사용량 기준 가격책정 등의 혁신적 모빌리티 모델에 대한 수요이다. 두 모델 모두 OEM들이 현재 고객 및 잠재고객들과 풍부하고 깊이 있게 온라인으로 상호작용하도록 요구한다.
딜러가 고객과 가격을 협상하던 전통적인 OEM 판매모델은 더 이상 실효성이 없다는 점을 고려할 때, D2C 매출을 성장시키고 최적화하는 것은 새로운 가격책정 도전과제를 야기한다. 온라인 거래는 협상의 범위를 제한하고 다른 종류의 인센티브를 요구할 수 있다. 단순한 차량 구독을 넘어 구독모델이 카풀, 승차공유 서비스 등을 포함하도록 확대되려면 OEM들이 현재의 가격책정 모델을 재고하고 전체 가치사슬을 조정해야 한다.
코로나19 위기가 자동차 산업에 미치는 영향은 심각하고도 갑작스러웠다. 그렇기 때문에, 회복까지의 여정은 당연히 가파르고 힘들 것이다. OEM들이 이러한 환경에서 얼마나 잘 해쳐 나갈 수 있는지는 두 가지 요소에 달려있다. 첫째, 패턴을 인식하고 그에 대한 대응책을 수립하고 실행하는 데 있어 그 어느 때 보다 기민하게 반응해야 한다. 둘째, OEM들이 급격한 시장변화에 빠르게 적응하고 회복기에 성공하기 원한다면 대응책을 수립하는 방식이 매우 기민하고도 반복적이어야 한다. 전 세계적으로 회복이 전개됨에 따라 OEM이 어떻게 가격전쟁을 피할 수 있을지에 대한 단 하나의 해답은 없다.
Iq 옵션 데이 거래에 사용할 지표는 무엇입니까?
더 나은 결과를 얻으려면 어떤 기술적 분석 지표를 사용해야 합니까? 지표에 대해 말하면 IQ Option은 많은 것을 제공합니다. 결과적으로 특히 초보자가 자신의 거래 전략에 맞는 지표를 선택하고 정확하게 사용하는 것은 어렵습니다.
많은 전문 트레이더는 지표의 오버플로가 주의를 산만하게 하고 자금을 잃을 수 있다는 데 동의합니다. 전문 트레이더는 규칙이 거래 시스템을 단순하게 유지한다고 주장합니다(있는 경우 최대 2~3개의 지표).
지표는 가격 행동에 대한 통찰력을 제공하므로 거래자에게 도움이 됩니다. 그러나 모든 지표에서 설명되는 정보는 이미 가격 차트에 있는 것처럼 보입니다. 전문가들은 지표 사용이 의무 사항이 아니라는 데 동의합니다. 또한 표시기는 정보를 다른 방식으로 보여주므로 미묘한 움직임이나 패턴을 판단하는 데 도움이 됩니다. 지표는 좋지도 나쁘지도 않다는 것을 명심하십시오. 지표는 단지 도구일 뿐입니다. 그들의 도움은 전적으로 귀하의 기술과 지식에 달려 있습니다.
동시에 최대 3개의 지표를 사용하는 것을 고려하십시오.
많은 지표가 유사하게 작동합니다. MACD, Stochastic 및 RSI를 사용하십시오. 약간 다르지만 판독 값이 겹치는 경우가 많습니다. 그러나 세 가지 활동이 모두 있다고 해서 그것이 당신에게 도움이 될 것이라는 의미는 아닙니다. 실제로 2개의 이동 평균이 MACD를 완전히 대체할 수 있습니다. 겹치는 표시기는 항상 유사한 신호를 반환하므로 서로에 대한 확인으로 사용할 수 없습니다.
거래 시스템의 불편을 피하기 위해 각 범주에서 하나의 지표를 선택하는 것을 고려하십시오.
오실레이터는 이 그룹에 속하는 지표이며 일반적으로 상한선과 하한선이 있는 두 선 사이에서 변동합니다. 발진기에는 RSI, 상품 채널 지수(CCI), 스토캐스틱, MACD 등이 포함됩니다.
오버레이는 가격 차트에 직접 배치되는 이러한 지표입니다(아래에 있는 오실레이터와 달리). 볼린저 밴드, 이동 평균, 포물선 SAR, 피보나치 되돌림 등이 이 범주에 있는 것으로 보입니다.
Iq 옵션 표시기를 결합하는 방법은 무엇입니까?
특정 지표의 선택은 거래 스타일, 거래 자산 및 개별 선호도에 따라 달라질 수 있습니다. 그럼에도 불구하고 균형 잡힌 거래 시스템을 구축하는 데 도움이 될 수 있는 특정 규칙이 있습니다.
지표가 전혀 없이 거래할 수 있습니다(특히 강한 추세일 때)
위에서 언급했듯이 각 범주에서 하나의 지표를 선택할 수 있습니다. 예를 들어, 거래자는 MACD를 사용하여 일반적인 추세의 방향과 힘을 식별한 다음 볼린저 밴드의 도움으로 최상의 진입/종료 지점을 찾을 수 있습니다.
모든 오실레이터는 모든 오버레이와 결합될 수 있습니다. 그러나 특정 조합이 다른 조합보다 더 잘 작동합니다. 동시에 둘 이상의 오버레이를 사용하는 것은 여전히 가능합니다. 예를 들어, 포물선 SAR은 일반적으로 이동 평균과 결합됩니다. 그러나 정보의 오버플로가 주의를 산만하게 하고 일반적으로 실적을 악화시킬 수 있으므로 거래 화면을 깨끗하고 깔끔하게 유지하는 것이 중요합니다. 지표의 모든 조합은 어느 시점에서 잘못된 신호를 줄 수 있고 제공할 것임을 명심하십시오. 지표는 도구일 뿐이며 그 자체로 모든 것을 거래할 수는 없습니다. 당신의 의견이 당신에게 조언해야 합니다.
대체로 3가지 이상의 기술 분석 도구를 사용하지 마십시오. 지표가 어떻게 작동하는지, 그 목적과 한계가 무엇인지, 지표를 사용할 때 어떤 유형의 결과를 기대할 수 있는지, 얼마나 자주 잘못된 신호를 보내는지 이해해야 합니다. 이 모든 것을 알면 지표를 더 효과적으로 사용할 수 있습니다.
0 개 댓글