AI 기반 고객 분석 공동 파일럿 [웨비나 요약]

당사의 제품 관리자인 Ryan Ota는 분석의 최신 개발 상황과 AI가 분석 산업을 변화시키는 데 어떻게 도움이 되는지에 대해 이 웹 세미나를 진행했습니다.

재구성된 분석: 고객 분석의 AI 미래

먼저, AI 도입 및 수요에 대한 통계를 빠르게 공유하고 싶습니다. Mackenzie의 2022년 및 2023년 설문 조사에 따르면 AI 채택 및 사용은 2017년 이후 두 배 이상 증가했습니다.

또한 설문 조사에서는 AI 수요가 가장 많은 상위 3개 영역이 고객 통찰력 및 분석에 관한 오늘의 주제와 관련되어 있음을 지적합니다.

가장 인기 있는 AI 사용 사례에서는 설문조사에 참여한 사용자 중 24%가 고객 성공과 서비스를 위해 AI를 사용하는 데 관심이 있다고 답했으며, 그 다음으로 제품 개발 및 개선에 20%, 마케팅, 세분화 및 리드에 19%가 관심을 보였습니다.

AI의 사용이 계속 증가함에 따라 대부분의 기업은 점점 증가하는 데이터 복잡성으로 인해 어려움을 겪고 있습니다.

많은 사람들이 AI 통찰력의 새로운 추세를 수용하기 위한 최고의 도구와 전략을 선택하는 데 어려움을 겪고 있습니다. 실제로 IDC의 설문 조사에 따르면 기업 중 30%만이 실제로 기술적으로 새로운 생성 AI 물결을 탈 준비가 되어 있다고 느꼈습니다.

다음으로 Woopra의 고객 분석에 대한 향후 동향을 살펴보겠습니다. 우리가 보는 바와 같이 AI 트렌드는 더 빠른 통찰력으로 성장을 가속화할 것입니다.

우리는 AI 기능 동향과 고객 분석 요구 사항을 지속적으로 분석하여 제품 비전을 구축하는 데 도움을 줍니다. 우리는 고객 성공을 위해 세 가지 영역을 중심으로 차세대 고객 분석이 구축되어야 한다고 믿습니다.

첫 번째는 서로 다른 데이터를 하나로 모으는 능력입니다. 단일 진실 소스를 확보하는 것입니다. 또한 해당 데이터를 실시간으로 분석하는 기능도 있습니다.

오늘날 대부분의 기업은 온라인, 오프라인, 타사 애플리케이션 등 다양한 위치에 데이터를 보유하고 있습니다. 따라서 모든 데이터를 하나로 모을 수 있으면 전체 고객 여정을 이해하는 데 큰 도움이 됩니다.

두 번째는 고객 성공, 영업, 마케팅, 제품 팀 등 모든 팀이 성장을 최적화할 수 있도록 통합된 통찰력을 제공하는 것입니다.

마지막으로, 규모에 따른 성장과 최적화를 위해 AI에서 생성된 통찰력을 활용합니다.

지난 10년 동안 저는 제품 팀부터 마케팅, 고객 성공, 영업에 이르기까지 클라이언트와 관련된 다양한 문제를 해결하는 즐거움을 누렸습니다.

결과적으로 그들은 종종 협업을 위해 우리에게 의지하고 우리는 독특하면서도 상호 연결된 질문을 해결하기 위해 협력합니다.

이 파트너십을 통해 우리는 데이터 중심의 고객 통찰력을 통해 성장을 촉진할 수 있습니다.

제품 팀과 마찬가지로 고가치 클라이언트가 어떤 제품 기능을 사용하거나 마케팅하는지, 즉 어떤 마케팅 채널이 영업 팀의 전환을 가장 많이 유도하는지 물을 수 있습니다.

각 팀이 서로 다른 영역에 집중하고 있기 때문에 전체 고객 여정을 이해하기 위해서는 광범위한 질문에 답할 수 있는 도구를 찾는 것이 중요합니다.

가까운 미래에 AI는 데이터 분석과 관련된 여러 영역에서 생산성을 높일 것입니다 .

고객 여정 결정은 실시간으로 이루어지며 몇 밀리초 안에 최선의 조치를 취할 수 있습니다. 지금 투자하는 것이 향후 비즈니스 결정에 큰 영향을 미칩니다.

그리고 모든 것은 다음 세 가지 영역에서 인프라와 도구를 올바르게 선택하는 것에서 시작됩니다. 고객 분석의 AI 능력을 활용하도록 도와드리겠습니다.

먼저 다양한 AI 트렌드를 살펴보자. 그런 다음 다양한 소스의 실시간 데이터를 살펴보세요. AI 추적의 도움으로 그 어느 때보다 쉬워졌습니다.

예를 들어 지능형 AI 자동 태깅을 사용하면 개발자가 구현하는 데 몇 주가 걸릴 수 있는 맞춤형 이벤트 추적이 AI를 사용하면 몇 초 만에 완료될 수 있습니다.

두 번째는 스마트 분석과 셀프 서비스를 위한 AI를 통한 데이터 분석입니다. AI 기반 고객 통찰력 기능은 팀의 모든 사람에게 도움이 될 수 있습니다. 기술 사용자와 비기술 사용자 모두가 데이터를 통해 귀중한 통찰력을 얻는 데 도움이 될 수도 있습니다.

비교하자면 과거에는 질문에 답하는 데 도움을 주기 위해 전체 팀이 필요했을 수도 있습니다. 이제 AI에게 몇 초 만에 답변을 출력하도록 요청할 수 있습니다.

마지막으로 세 번째는 규모에 따른 고객 최적화와 AI를 통해 데이터에 따라 조치를 취하는 능력입니다. 제품의 개인화와 성장으로 인해 최적화는 현재 대규모로 추진하기 어렵고 종종 시간과 노력이 필요할 수 있습니다.

따라서 예측 및 생성형 AI 개발을 통해 고객 성장 결정 및 최적화가 간소화되고 자동화되어 ROI를 극대화합니다.

성공을 위한 준비: AI 시대의 분석 도구 탐색

먼저, 실시간 데이터와 실행 가능한 데이터를 연결하는 것에 대해 언급했습니다. 모든 것은 데이터 수집으로 시작됩니다.

Google Analytics와 같은 기존 플랫폼을 사용하는 사용자의 클라이언트 및 고객 피드백에 따르면 이러한 도구는 불완전한 데이터 연결, 제한된 네트워크, 부족하거나 찾기 어려운 이벤트로 인해 의사 결정 속도가 느리다는 사실을 발견했습니다. 또는 청중.

AI는 실시간으로 사용자 정의가 가능해야 하며 고객 여정 전반에 걸쳐 데이터 포인트와 통합될 수 있어야 합니다. 실시간을 통해 데이터, 영업, 지원 팀, 마케팅 팀 모두 더 빠르게 조치를 취해 기회를 놓치지 않을 수 있습니다.

우리는 모두 "적을수록 좋다"는 말을 들어왔습니다. 하지만 데이터에서 나는 더 많은 것이 더 많은 것에 더 기대는 경향이 있습니다. 기업은 자신이 모르는 것을 모르는 경우가 많으며, 더 많은 데이터를 추적하면 생각지도 못한 더 많은 통찰력을 찾고 얻을 수 있다는 사실을 알게 될 것입니다.

예를 들어, 마케팅 팀은 퍼널 상단 이벤트 추적에만 관심이 있을 수 있습니다.

그러나 누군가가 고객이 된 후 더 많은 데이터를 추적하면 이러한 사용자를 고가치 클라이언트 또는 저가치 클라이언트로 분류할 수 있습니다. 이를 통해 어떤 마케팅 캠페인이 가장 가치가 높은 고객을 유도하는지에 대한 통찰력을 얻을 수 있습니다.

이 통찰력은 최상위 퍼널 분석만 추적하는 경우 놓칠 수 있는 교섭팀에게 매우 귀중한 정보가 될 수 있습니다.

AI 고객 분석의 핵심은 실시간 모니터링과 최적화가 필요한 전체 고객 여정을 추적하는 것입니다.

청중 세분화를 통해 맞춤형 이벤트를 추적하는 능력과 제3자 통합 및 외부 데이터 소스와 연결하는 능력은 셀프 서비스 가능하고 스마트한 분석입니다.

셀프 서비스가 점점 더 늘어나는 추세에 따라 팀의 모든 구성원이 답변을 얻을 수 있도록 지원하는 플랫폼을 찾고 싶습니다. 기존 고객 분석은 고객 여정의 작은 부분에 대한 보고서만 표시할 수 있으며 통찰력을 얻는 데 시간이 오래 걸립니다.

해당 데이터를 자세히 살펴보려면 해당 데이터를 데이터베이스로 내보낸 다음 복잡한 후속 쿼리를 실행하여 모든 종류의 통찰력을 얻어야 하는 경우가 많습니다.

따라서 AI 기반 분석을 사용하면 기술적 전문 지식 없이도 데이터에 대해 자연어 질문만 하면 전체 고객 여정을 분석할 수 있는 예측 통찰력을 제공하는 AI 기능이 있으면 좋을 것입니다.

또한 부서 간 팀이 즉각적인 답변을 얻고 비즈니스 문제를 해결할 수 있는 사용자 친화적인 인터페이스를 찾으십시오.

세 번째는 대규모 최적화 및 개인화를 통해 데이터에 대한 조치를 취하는 방법입니다.

기존 고객 분석은 제한된 채널만 제공하므로 제품에 대한 고객 여정 최적화 옵션이 제한되어 있고 세분화 옵션이 제한되어 있으며 프로필 가시성이 떨어지는 경우가 많습니다.

AI 기반 분석을 사용하면 제품 또는 마케팅 개인화를 위해 세분화된 대상 세분화를 사용자 정의하는 기능과 함께 교차 마케팅 채널 최적화를 위한 작업을 자동화할 수 있는 도구를 찾는 것이 중요합니다.

이는 즉각적으로 조치를 취하고, 특정 대상을 정의할 수 있는 능력으로 기회를 포착하고, 여러 채널을 통해 리드를 타겟팅할 수 있는 올바른 도구를 찾는 것입니다.

요약하자면, AI 기반 분석에서 최대한의 가치를 얻으려면 데이터를 연결하고, 분석하고, 조치를 취할 수 있는 도구를 선택하는 것이 중요합니다.

통합 및 사용자 정의 추적 및 세분화에서 실시간 데이터와 타사 데이터에 초점을 맞춘 연결을 통해 고객은 AI 예측을 분석하고 올인원 고객 분석 및 사용자 친화적인 시각화 데이터를 효율적으로 공동 조종할 수 있습니다.

Woopra 소개: 사례 연구 및 데모

Woopra는 기업이 고객의 전체 사용자 여정을 이해할 수 있도록 지원하는 AI 기반 고객 분석 플랫폼입니다. Woopra를 통해 우리는 주목받는 고객을 예측하고 가장 많은 정보를 바탕으로 데이터 기반 결정을 내릴 수 있습니다.

Woopra는 ROI를 극대화하는 데 도움이 되는 다양한 질문에 답할 수 있습니다. 다음은 기업이 물어볼 수 있는 네 가지 일반적인 질문입니다.

가장 가치가 높은 고객을 실시간으로 전환시키는 채널과 페이지는 무엇입니까?

행동과 관심 분야에 따라 가치가 높은 고객과 낮은 고객을 어떻게 분류합니까?

고가치 사용자와 장바구니 이탈자를 위한 홍보를 어떻게 자동화하고 맞춤화하나요?

그리고 신규 고객 판매에 가장 큰 영향을 미치는 히어로 제품은 무엇입니까?

일부 다른 도구는 추적에만 중점을 둘 수 있지만 Woopra는 복잡한 질문에 답하고 해당 트랙 데이터에 따라 조치를 취할 수 있도록 하여 트랙 데이터로 가능한 작업을 확장합니다.

그럼 좀 더 깊이 들어가서 Woopra가 이러한 다양한 질문에 어떻게 적용될 수 있는지 살펴보겠습니다.

최적의 고객 여정에 대한 통찰력을 실시간으로 살펴보면 사이트에 도달하는 방법부터 가장 효과적인 채널, 제품과 상호 작용하는 방식까지 전체 사용자 여정을 분석할 수 있습니다.

마지막으로 사용자가 사이트에서 어떤 작업을 하자마자 전환을 유도하고 지속적인 제품 사용을 유도하는 요인이 무엇인지 살펴보세요. Woopra 프로필을 사용하면 즉시 업데이트됩니다. 이를 통해 조직 전체의 팀이 즉시 조치를 취할 수 있습니다.

우리 고객 중 한 명은 상품 산업을 위한 구독 모델을 보유하고 있으며 Woopra는 해당 잠재 고객에 대한 통찰력에 즉시 액세스할 수 있도록 하여 영업 팀의 역량을 강화합니다.

그런 다음 가장 많은 방문자를 유도하는 마케팅 채널, 가장 많이 조회되는 기사, 각 페이지에 머무는 시간 등을 추적할 수 있습니다.

가치가 높은 잠재 리드에 초점을 맞춘 고객 세그먼트를 기반으로 잠재 고객에게 이메일을 보내는 자동화를 고려할 수도 있습니다.

또한 이메일은 자동화된 이메일을 보낸 후 Woopra에서 추적하는 모든 데이터를 기반으로 리드가 관심 있는 기사를 포함하도록 사용자 정의됩니다.

심지어 이러한 이메일을 추적하고 누가 돌아왔는지 확인할 수도 있습니다. 일단 그들이 돌아오면 Woopra에는 고가치 리드가 돌아올 때 영업 팀이 즉시 알림을 받을 수 있도록 여유 채널을 업데이트하는 또 다른 자동화가 있습니다.

이러한 유형의 전체적인 추적 및 자동화를 통해 영업팀은 빠르게 행동하고 가치가 높은 리드에 더 많은 시간을 집중하고 블라인드 이메일을 보내는 데 소요되는 시간을 줄임으로써 전환율을 크게 높였습니다.

행동과 관심도를 기준으로 가치가 높은 고객과 낮은 고객을 어떻게 분류합니까?

세분화 기능을 사용하면 수식과 매우 세부적인 필터를 사용하여 사용자 활동을 기반으로 맞춤 세그먼트 또는 대상을 원하는 수만큼 정의할 수 있습니다.

이러한 세그먼트에는 코드가 필요하지 않으며 기술 전문가가 아닌 회원도 몇 분 안에 쉽게 만들 수 있습니다.

이러한 세그먼트를 통해 실행 가능한 광범위한 통찰력을 얻을 수 있습니다.

저는 디지털 마케팅 담당자를 위한 강의와 인증을 제공하는 고객 중 한 명이 사용자를 위한 완전한 점수 모델을 만들 수 있도록 도왔습니다.

공식을 사용하여 고객이 사이트에서 수행할 수 있는 다양한 활동을 기반으로 포인트를 할당할 수 있었습니다. 예를 들어 수업 완료 시 5점, 인증 획득 시 10점 등이 있습니다.

다음으로, 각 사용자의 총계를 실시간으로 업데이트하는 사용자 정의 측정항목을 만들었습니다. 그런 다음 이러한 점수를 기반으로 이러한 사용자를 높은 가치, 중간 가치, 낮은 가치 클라이언트와 같은 다양한 세그먼트로 분류할 수 있었습니다.

그런 다음 클라이언트는 어떤 수업이나 활동이 가장 많은 참여를 유도했는지 추적하고 사용자 활동을 기반으로 콘텐츠와 홍보 활동을 자동화할 수 있었습니다.

이제 그들은 사용자의 행동을 더 잘 이해하고 제품 팀이 가장 많은 참여를 유도하는 강의와 콘텐츠에 집중할 수 있도록 세그먼트를 맞춤화할 수 있습니다.

다음으로 장바구니 이탈자와 고가치 사용자에 대한 홍보를 자동화하고 맞춤화하는 방법을 살펴보겠습니다.

이전에 이러한 사용자 사례 중 일부를 다루었습니다. 하지만 Woopra의 자동화 기능을 확장하겠습니다. 사용자 행동을 기반으로 완전한 워크플로를 만들 수 있습니다.

사용자는 장바구니에 항목을 추가하여 자동화된 워크플로에 들어갈 수 있으며, 사용자가 구매를 완료하지 않은 경우 제한 시간을 선택할 수 있습니다. 그런 다음 통합을 사용하여 해당 사용자에게 자동 이메일을 보낼 수 있습니다.

이 기능을 많이 사용하는 고객 중 하나는 우리와 협력하는 항공사입니다. 그들은 자동화된 워크플로를 사용하여 결제하는 사용자에게 맞춤형 이메일을 보내고, 장바구니를 버리는 사용자를 위한 워크플로도 갖추고 있습니다.

이러한 워크플로는 좌석 선호도, 목적지를 오가는 여행자 수, 예상 출발 시간 등 사용자 선택에서 추적된 데이터를 가져옵니다.

이 모든 데이터는 Woopra 인스턴스에서 추적됩니다. 그리고 그들은 이 데이터를 사용하여 우리의 센드 그리드 통합을 통해 보내는 맞춤형 이메일에 이 정보를 삽입합니다.

현재 포기 워크플로의 경우 사용자가 항공편 거래 세부정보를 모두 입력했지만 결국 결제하지 않은 경우 자동화된 이메일에 모든 항공편 세부정보를 삽입하는 이메일 홍보를 실제로 맞춤설정하여 잠재적인 전환을 다시 시도할 수 있습니다.

Woopra를 사용하면 현재 포기 이메일을 보낼 때 다양한 이메일 형식을 시도한 다음 성능도 추적하는 자동화를 통해 무작위 AV 테스트를 수행할 수 있습니다.

추적 데이터는 포인트의 일면입니다. 다른 쪽에서는 해당 트랙 데이터에 대해 작업을 수행할 수 있습니다.

Woopra의 최신 기능과 개발인 ​​AI Woopra 부조종사를 통해 참여도와 수익을 높이는 데 도움이 되는 다양한 가능성이 있습니다.

우리는 자연어로 질문하고 부조종사를 한 다음 자동으로 보고서를 선택하고 구성하여 필요한 답변을 제공할 수 있습니다.

이 기능은 수동으로 보고서를 작성할 필요 없이 가능한 가장 빠른 답변을 얻는 것을 목표로 합니다. 이를 통해 팀 구성원 누구나 사내 데이터 전문가에게 의존하지 않고도 귀중한 통찰력과 시간을 얻을 수 있습니다.

Woopra Copilot 데모: Gen-AI 보고 및 통찰력을 확인하세요.