고객 여정, 이제 그래프로 보세요: Neo4j와 GraphRAG 활용법

• Graph Data Science
• Node

편집자 주: 이 프레젠테이션은 Matt Butler가 다음에서 제공했습니다.그래프커넥트 2022.

Bonsai Data Solutions와 Cambridge Intelligence는 고객이 고객 여정을 이해하도록 돕기 위해 협력했어요. Bonsai는 비즈니스 인텔리전스 및 데이터 자문 회사이고 Cambridge Intelligence와 제휴해서 소매업체, 스타트업, 의료 기업이 마케팅 및 비즈니스 인텔리전스를 현대화하도록 지원하는 고객 여정 그래프 애플리케이션을 구축하는 데 도움을 줬죠.

고객 여정

고객 여정 뒤에는 이런 핵심 질문이 있어요. "고객이 구매한 이유는 무엇일까?" 결국 모든 고객이 이 질문에 답하려고 노력하고 있죠. 비즈니스 및 마케팅 팀은 고객을 확보하고 성장시키기 위해 광고, 프로모션, 쿠폰, 데이터, 조정 및 실행에 엄청난 돈을 쓰고 있어요. 기업은 이러한 투자의 중요성을 이해하고 있으므로 무엇이 효과가 있고 무엇이 효과가 없는지를 필사적으로 알고 싶어하죠.

마케팅에서 무엇이 효과가 있고 무엇이 효과가 없는지 이해하는 건 새로운 문제는 아니지만, 풀기 정말 어려운 문제에요. 실제로 이 문제를 해결하기 위해 구축된 산업 전체가 있을 정도니까요. 고객을 측정하는 문제에는 하향식과 상향식이라는 두 가지 일반적인 솔루션이 있어요. 먼저 이 두 가지 접근 방식을 설명한 다음 Bonsai에서 하는 일이 근본적으로 이 두 가지 접근 방식과 어떻게 다른지, 그리고 우리의 접근 방식이 어떻게 더 나은지 공유할게요.

하향식 접근 방식

통계나 수학에 대한 배경 지식이 있다면 어떤 행동이 판매, 수익, 고객과 같은 비즈니스 결과로 이어지는지 하향식 분석을 수행하는 사람들에 대해 들어본 적이 있을 거예요. 회사에서 이를 수행하는 일반적인 방법은 모든 데이터를 가져와 요약하고 기본적으로 통계 및 다변량 회귀와 같은 도구를 사용하여 이를 큰 거시적 합계로 압축하는 것이죠. 예를 들어 일일 총 판매량이나 TV 시청에 대한 Nielsen의 GRP 측정과 같은 측정항목을 생각해 보세요.

이것의 좋은 점은 뭘까요? 통계는 엄격하며 날씨가 매출에 어떤 영향을 미치는지 등 매우 흥미로운 사실을 추론할 수 있다는 점이에요. 단점은 뭘까요? 음, 통계학자에게 비용을 지불하는 건 꽤 비싸요. 더욱 어려운 점은 모든 데이터를 가져와 처리해서 더 단순하게 만들고 원시 데이터에 존재하는 유용한 풍부함을 잃는다는 거예요. 이는 항상 가장 적용 가능하지는 않은 매우 일반적인 결론으로 ​​이어지죠. 특히 분석이 완료될 때까지 데이터가 몇 달 전 데이터가 될 수도 있기 때문이에요.

상향식 접근 방식

디지털 분석은 이 측정 문제에 접근하는 상향식 방법이에요. 이 측정은 누군가가 웹사이트를 클릭하거나 이메일에 응답할 때마다 데이터를 수집하기 때문에 웹에 존재하는 산업에서 매우 일반적이죠. Google Analytics를 사용해 본 적이 있거나 Facebook, Amazon 또는 Google에서 디지털 광고를 사용해 본 적이 있다면 이 상세한 터치포인트 수준 데이터에 익숙할 거예요. 우리 도구인 Pyxis는 이러한 풍부한 데이터를 통합하고 누군가가 클릭한 후 나중에 구매하는 경우와 같이 활동이 결과로 이어지는 방식에 대한 세부적인 상관관계를 찾아내요. Pyxis는 이를 실시간으로 추적해서 기업이 빠른 결정을 내릴 수 있도록 도와주죠.

이 접근법의 단점은 뭘까요? 데이터가 어마어마하다는 거죠. 일반적으로 다양한 마케팅 시스템의 데이터는 격리되어 있어서 관리하기가 더 쉬운데요. 하지만 이 접근 방식을 사용하면 데이터를 결합해서 판매를 유도한 전체 맥락을 파악할 수 있어요. 예를 들어, 오늘 아침에 제가 스타벅스에서 커피를 샀다고 해볼게요. 스타벅스는 Google 광고, 이메일 프로그램 또는 로열티 프로그램이 판매에 도움이 되었다고 생각할 가능성이 높아요. 이러한 모든 마케팅 프로그램은 판매에 대한 완전한 공로를 인정받고 싶어하죠. 이 사일로 관점에서는 세 번의 판매가 발생한 거예요. 물론 재무팀에서는 판매가 단 한 번뿐이었다는 걸 알지만요. 하지만 어떤 프로그램이 판매를 일으켰을까요? 이 고립된 데이터 중 어느 것도 그 질문에 답할 수 있는 방법이 없어요. 사실 그들은 그 질문에 답할 준비조차 되어 있지 않죠.

두 모델의 공통 과제

하향식 접근 방식과 상향식 접근 방식은 몇 가지 측정 문제를 공유해요. 예를 들어 둘 다 데이터 결합에 어려움을 겪죠. 두 가지 모두 중요한 측면을 놓치는 경우가 많고 단일 고객을 위해 이벤트를 연결하는 방법이 없는 경우가 많아요. 이러한 이벤트 연결은 우리가 사용자 여정에 대해 생각하는 방식과 관련이 깊죠. 쿠키나 IP 주소를 사용하여 데이터를 결합하는 방법이 있더라도 동일한 위치의 라디오 광고에 해당 정보를 결합할 수 없는 경우가 많아요.

고객이 구매 결정을 내리기 전에 마케팅 활동이 몇 번이나 이루어져야 하는지에 대한 질문도 있어요. 예를 들어, 잠재 고객은 구매하려는 제품에 대한 이메일을 자주 열지만 궁극적으로 구매하기 전에 이 이메일 및 다른 사람들과 여러 번 상호 작용할 수 있어요. 구매 결정은 초기에 내려졌을 수도 있지만 오늘날 디지털 분석에서는 구매하기 전 마지막으로 이메일을 열 때만 판매에 대한 크레딧이 부여되죠.

접근 방식은 그래프인가요?

처음에는 이 두 가지 접근 방식 중 어느 것도 그래프라고 느껴지지 않았어요. 예를 들어, JetBlue 항공사가 우리가 6월 6일에 보스턴에서 오스틴으로 가는 항공편을 구입했다는 사실을 알게 되면 그들은 어떤 데이터를 보고 있을까요? 일반적으로 집계된 데이터일 거예요. 얼마나 많은 사람이 이 작업을 수행하고 있을까요? 그들은 요금으로 얼마를 지불하고 있나요? 다른 항공편을 추가해야 할까요? 이건 실제로 그래프가 아니에요. 그래프는 집계에 관한 것이 아니라 개별 데이터 요소 자체에 관한 것이거든요. 상향식 접근 방식의 경우에도 마찬가지예요. 개별 고객이 무엇을 하는지 알 수 있지만 내 분석은 개별 고객이 무엇을 하는지가 아니라 집계에만 관심이 있기 때문에 그래프가 아니죠.

이러한 집계는 유용하고 비즈니스를 개선하는 데 도움이 되지만, 개별 고객이 취하는 풍부한 여정을 자세히 확인하면 현재 진행 중인 상황에 대한 그래프를 구성하고 해당 정보를 사용자별 상세한 고객 여정으로 표시할 수 있어요. 이것이 바로 우리가 Neo4j Bloom과 자체 도구인 Pyxis에서 구축한 것이죠.

Bloom & Pyxis 데모

Bloom 데모 보기
Pyxis 데모 보기

Pyxis는 자신이 보고 있는 내용을 정확히 이해하고 자신이 보는 내용과 그래프와 상호 작용하는 방식을 완전히 제어하려는 비즈니스 인텔리전스 분석가를 위해 설계되었어요. Pyxis를 사용하면 상호작용 관점과 UI의 모양과 느낌에서 UI를 제어할 수 있죠.

차트 중앙에 거대한 트랜잭션 `Node`를 추가했어요. Neo4j에는 트랜잭션이라는 `Node`가 없는데요. 왜냐하면 그것이 우리가 데이터를 모델링한 방식이 아니기 때문이에요. 하지만 사용자로부터 우리는 이것이 사용자가 보고 싶어하는 것임을 알았어요. 이러한 유연성과 구조를 통해 사용자는 경로 주변의 상호 작용과 사용자가 그래프를 통해 이동하는 방식을 사용자 정의할 수 있죠.

주요 시각적 기능: `Node` 그룹화

일반적으로 기업은 엄청나게 많은 구매자가 있지 않은 이상 개별 고객이 뭘 하는지 일일이 신경 쓰진 않기 때문에, 여기서 집계가 핵심이에요. 집계를 통해 개별 고객 행동을 바탕으로 그룹이 어떤 활동을 하는지 파악할 수 있죠. 모든 사용자를 그룹화하면 해당 그룹이 차트의 다른 항목과 어떻게 연결되는지 한눈에 볼 수 있답니다.

주요 시각적 기능: 경로 강조 (Path Highlighting)

경로 강조 (Path Highlighting) 기능을 사용하면 특정 유형의 고객 및 잠재 고객의 일반적인 여정을 쉽게 확인할 수 있어요. 마케팅 접점을 통해 어떻게 고객이 되는지 시각적으로 보여주니까 정말 편리하죠?

주요 시각적 특징: 성능

성능은 이 정도 규모의 모든 데이터 애플리케이션에서 중요한 과제죠. 기업이 고객의 모든 클릭과 상호 작용 데이터를 수집한다면 그 양이 엄청날 수밖에 없어요. 일반적으로 최종 사용자에게 모든 데이터를 보여주고 싶진 않겠지만, 단순화하거나 요약된 시각적 모델로 그룹화하면 이야기가 달라져요. Pyxis는 이러한 시각화가 필요할 때 큰 차트도 문제없이 렌더링할 수 있는 뛰어난 엔진을 가지고 있답니다.

성공 #1: 기존 미디어 측정

저희는 Pyxis를 사용해서 90일이나 걸리던 분석 프로젝트를 단 하루 만에 끝내는 경우를 여러 번 봤어요. 게다가 Pyxis는 라디오 광고 효과나 어떤 지점이 효과적인지 등 고객이 이전에는 90일 동안 고민해도 답을 찾지 못했던 질문에도 답을 제시해준답니다.

성공 #2: 프로모션 및 미디어

프로모션과 미디어의 경우, Bloom과 Pyxis를 사용해서 프로모션의 영향을 받는 사용자 집단을 이해할 수 있어요. 위 이미지에서 빨간색 점은 프로모션을 사용한 사람들이자 마케팅의 영향을 받은 사람들이랍니다. 전통적으로 이 두 가지 작업은 독립적으로 살펴봤지만, 여기서는 함께 살펴보는 거죠.

성공 #3: LTV 및 기간 내 영향 분석

그런 다음 동일한 관점에서 단기 및 장기를 볼 수 있는 시계열이 있어요.

픽시스의 다음 단계는 무엇입니까?

저희는 현재 내부 클라이언트에게 Pyxis를 알파 버전으로 출시하고 있고, 올해 베타 버전을 출시할 예정이에요. 속도 측면에서 많은 성공을 거두었고, 이런 종류의 그래픽 마케팅 기술에 대한 더 많은 비즈니스 사용 사례를 구축해 왔기 때문에 정말 기쁘답니다.

Graph Data Platform이 무엇인지, 고객 여정을 연결하는 데 어떻게 도움이 되는지 알아보세요.

• Bloom
• Bonsai
• Business Intelligence
• Customer Journey
• Graph
• Nodes
• Pathfinding
• Pyxis

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지