예측 모델링 통해 분석 CRM 가치 높이기


▲ 전용준 xyxonxyxon@empal.com케이엔티컨설팅그룹, 이씨마이너 기술이사, 엑설루션컨설팅 이사를 거쳐 현재 SKC&C에서 프리랜서로 일하고 있다. 경영학박사로 수 년 간 백화점, 홈쇼핑, 캐피탈, 교육서비스, 제조유통 등 다양한 업종의 CRM 전략과 분석 CRM에 관한 컨설팅을 수행해왔다. 여러 전문 교육기관에서 CRM 전략, eCRM, 고객데이터 분석, 데이터 웨어하우징 등에 관해 강의하고 있다.





예측 모델링은 과거의 자료를 바탕으로 미래에 벌어질 일을 예상할 수 있도록 하는 모델을 개발하는 일이다. 따라서 어찌 보면 매우 일상적인 일이다. 우리가 일상에서 흔히 접하는 예측 모델링으로 일기 예보를 들 수 있다. 어느 날은 맞기도 하고 또 틀리기도 한다.

하지만, 나름대로의 유용성에 대해서는 누구나 인정한다. 오늘날의 일기 예보에는 시스템에 의한 모델링 방법이 사용되지만 그렇지 않은 경우도 많다. 출퇴근을 위해 타는 시내버스가 언제쯤 회사 앞에 도착할지를 예상하고, 그 결과를 회사에 있는 동료에게 휴대전화로 알려주기도 한다. 우리의 머리 속에는 경험을 바탕으로 구축된 일종의 예측 모델이 들어 있는 듯 하다. 금요일이고 지금 시간은 조금 여유가 있고, 기사분이 다소 급하게 모는 것을 보니 오늘은 늦지 않을 것 같다는 식의 판단을 한다. 이와 같이 시스템에 기반한 경우든 아니든 예측 모델링은 매우 일상적인 것이다.

CRM과 예측 모델링

최근에는 CRM에서 예측 모델링을 활용하려는 노력이 부쩍 많아졌다. 신용카드사는 고객의 다음 달 카드 사용여부를 예측하고, 이동통신회사는 고객의 해지여부를 예측하며, 백화점은 세일기간에 구매할 고객을 예측한다. CRM에 적극적인 회사일수록 예측 모델링이 활성화되어 있는 것 같다. 그런데, 왜 이런 현상이 발생되는가?

CRM은 그 이름에서 알 수 있듯이, 고객과의 관계를 관리하는 것이다. 이 때 관리의 일부로서 고객을 상대로 무언가 조치를 하려면 상대가 '어떤 고객인가'를 판단해서 그에 따라서 다르게 대응해야 할 것이다. 아마도 기본적으로는 그 고객이 지금까지 어떤 행동을 해왔는지가 가장 중요한 판단 근거가 될 것이다. 구매가 많았던 고객이라면 잘 대우할 필요가 있다고 보고, 초특급 서비스를 제공해야 할 것이다. 그러나 여기에 문제가 있다. 어제의 고객과 내일의 고객이 같지 않다는 점이다. 오늘날의 고객들은 시간이 흐름에 따라 여러가지 면에서 특성이 빠르게 변화하므로 어제까지만 해도 많은 구매를 했던 고객이 내일부터는 거래를 중단할지도 모른다. 만일 이런 경우라면 초특급 서비스는 제공되지 말아야 할 것이고 제공된들 효과가 없을 수 있을 것이다. 어제까지의 고객이 아닌 내일의 고객을 관리하기 위한 방안을 마련하기 위해서는 내일의 고객 '상태'를 알아야 한다. 바로 이 때문에('To know your customers' 'next move') 예측 모델링이 사용되는 것이다.

입지와 중요성

통상 CRM에서 예측 모델링은 분석 CRM의 일부로 간주되며 분석 CRM에서는 다시 데이터 마이닝의 일부로 여겨진다. 상대적으로 보편화되지 못하다 보니, 많은 경우 우선순위가 뒤로 밀리기도 한다. 하지만 중요하지 않다는 의미는 아니다.

연구기관들에 따르면 최근 수년간 예측 모델링을 포함하는 소위 '데이터 마이닝' 시장의 규모는 지속 성장해 왔으며 향후 몇 년 내에 크게는 수배에 이르는 성장을 할 것으로 예상되고 있다. 국내의 경우 이미 많은 큰 기업들이 수 년 전부터 데이터 마이닝 기술을 활용하고 있으나 아직은 초보적 단계에 머물고 있다. 물론 이는 향후의 급성장에 대한 준비 과정이라 해석할 수 있을 것이다.

예측모델링에 대한 두 가지 흔한 오해

오해 1) 예측모델링 결과가 비즈니스 문제를 바로 해결해줄 것이다?
예측 모델링이 가장 많이 적용되는 고객이탈 방지를 예로 보면 많은 사람들이 예측 모델링 결과가 직접적으로 이탈 방지를 어떻게 해야 하는가에 대한 지침을 제시할 것으로 기대한다. 하지만, 직접적으로 얻을 수 있는 결과는 오직 이탈을 할 가능성이 높은 고객이 누구인가에 관한 스코어일 뿐, 어떤 고객에게 무엇을 해야 할지는 보여지지 않는다. 관계의 지속을 위해 고객에게 전화를 하는 경우, 스코어가 가장 높은 5% 또는 중간 정도인 10% 어느 고객이 대상이 되어야 하는지 스코어 자체만으로는 판단될 수 없다. 물론 부가적으로, 스코어가 높은 고객과 낮은 고객간의 차이에 대한 프로파일링을 실시해 아이디어를 얻을 수는 있다. 그러나 프로파일링은 주관이 개입되는 분석 작업이며, 역시 명확하고 객관적인 지침을 주는 것은 아니다. 그렇다면, 예측 모델링에 하자가 있는 것인가? 예측 모델링은 예측 그 자체가 본연의 임무이므로 고객이탈 방지라는 예측 모델링과는 별개이다. 예측모델링 결과는 고객유지에 필요한 여러 정보 중 하나일 뿐이다.

오해 2) 예측은 100% 정확할 것이다?

또 한 가지 흔한 기대는 100%의 정확도에 관한 것이다. 우선 예측 모델링은 과거에 발생된 상황들을 바탕으로 하는 것이기 때문에 과거의 환경적인 여건이 미래에도 유지된다는 전제를 가지고 있다. 그러나 실제 상황에서는 우리가 예상하지 못했던 외부적 변화들이 많이 발생된다. 갑작스런 경기변동과 같은 부분이 대표적인 예가 된다.

경기가 급격히 나빠지면 소비가 위축되면서 구매가능성이 높다고 판단되었던 고객들도 지갑을 열지 않을 수 있는 것이다. 만일 이들을 모두 고려한다면 모델이 너무 복잡해 질 수밖에 없을 것이다. 또 한 가지는 우리가 가지고 있는 데이터가 불충분하다는 것이다. 통상 CRM을 위한 예측 모델링에는 기업 데이터베이스에 존재하는 고객과 거래에 관한 이력들이 사용되지만 이들이 고객의 속내를 모두 설명하지는 못한다. 물론 더 많은 자료가 있다면 모델링 결과는 나아질 수 도 있을 것이다.

하지만, 제한된 데이터를 사용한, 예측이 100% 정확하지 않았다고 모델링이 필요 없다고 봐야 하는가? 당연히, 정확도가 매우 낮다면 의미 없을 것이지만, 다른 수단들(예를 들면 직관적인 예측)에 비해서는 상대적으로 정확하고, 결과적으로 ROI가 높다면 그 자체로 충분한 것이다.

위의 두 가지 사항 중 어느 부분에 대해서든 일단 잘못된 기대에 의해 실망한 사람들은 쉽게 예측 모델링이 무용하다는 생각을 가지기도 한다. 좀 더 깊이 있는 이해를 통해 무용론을 불식시키기 위한 노력이 필요할 것이다.

누가 예측 모델링을 하고 있는가?

오해 때문에 예측 모델링이 부당하게 비난당하는가. 그렇지만은 않은 것 같다. 지난 수년간 CRM을 위한 많은 예측 모델이 개발되었으나 '제대로' 개발된 경우가 많지 않았다고 여겨진다. 통상적인 경우, 예측 모델을 개발하는 과정에는 '기법'에만 익숙한 사람들이 주로 참여한다. 마케터나 CRM 담당자들은 통계 등을 모른다는 '핑계(?)'로 관심을 보이지 않거나, 참여하는 경우에도 적극적으로 의견을 제시하지 않는 경우가 많다.
그러나 무리한 일정 탓에 모델 개발자들은 마케터를 본격적으로 참여시키는 것을 내심 꺼리기도 한다. 많이 개입할수록 요구가 늘어나고, 그렇지 않아도 빡빡한 일정에 부담이 커질 것이 우려되기 때문이다. 또 대상 업무를 잘 모르는 사람들이 예측 모델 개발을 주도하는 경우도 흔하다. 본사에서 마케팅 부문에 장기간 있었으나, 현장 경험이 없다 보니, 현장에 적용했을 때 어떤 반응이 나올지를 판단하지 못하는 경우도 있고, 현장에만 있다 보니, 중앙에서의 CRM이라는 관점에 익숙하지 않은 경우도 있다.

어떤 모델을 활용하고 있는가?

가장 많이 활용되고 있는 모델은 고객유지와 관련된 것들이다. CRM이 가장 중시하는 부분이 고객유지이다 보니 직접적으로 유지 가능성에 대한 예측이 많이 요구된다. 물론, 업종 마다 세부 명칭과 내용에는 차이가 있다. 유지 또는 이탈 여부가 명확한 이동통신의 경우에는 해지라는 명칭을, 계약관계의 유지와 관련된 보험이라면 해약이라는 명칭을 사용하기도 한다. 백화점의 경우에는 구매 빈도는 높고 고객의 유지 또는 이탈 여부가 명확하지 않다 보니 거래가 일정기간(통상 6개월 또는 일년) 발생되지 않으면 이탈된 것으로 간주하고 예측하기도 한다.

일단 예측 모델이 완성되었다면 다음은 고객유지에의 적용이다. 그러나 예를 들면 유지 가능성이 낮다는 것만으로 바로 캠페인 대상이 결정되지 않으므로 다른 정보들이 결합되어야 한다. 어차피 마음이 떠난 사람을 회유하기에는 비용이 많이 들 수밖에 없으므로, 유지가능성만이 기준이 되는 경우 성과는 낮을 수 있다. 적용 과정에서의 목표를 달성하려면 고객의 회유가능성, 선호 채널 등 여러 다른 정보도 필요하다.

단기 구매 또는 DM/TM 반응도 비교적 흔한 예측 대상이다. 물론 구매가 발생되면, 당연히 고객은 유지되는 것이며, 이탈은 발생되지 않지만 상대적으로 장기간에 대한 거래 예측인 유지 또는 이탈 예측과는 차이가 있다. 홈쇼핑에서는 카탈로그에 따른 구매 예측을 하거나 DM/TM등에 따라서 기대하는 효과(구매 또는 접촉)가 발생될 것인지를 예측한다. 교차판매도 흔한 주제 중 하나이다. 교차판매의 경우 상품이 다양한 업종과 소수인 업종간에 접근방법에 차이가 있다. 아마존닷컴에서와 같이 상품의 종류가 극도로 많은 경우에는 기법자체가 달라지는 경우도 있다.

얼마나 많은 자원이 투자되고 있는가?

예측 모델링에 대한 투자는 인적인 부분에 대한 투자와 환경적인 부분에 대한 투자로 구분될 수 있으며, 대략적으로 몇 개의 모델을 가지고 있는가와 몇 명이 모델링을 수행하는가가 투자규모를 말해 준다. 물론, 외부에 의뢰해 모델링하는 경우 그 부분도 고려되어야 한다. 대략적으로 보면 한 기업이 10개 이상의 모델을 개발해서 지속 운영하고 있는 경우는 흔치 않고, 다섯 명 이상 전문 모델링 담당자를 유지하는 경우도 찾기 어렵다.

결국 총 투자 규모 자체는 그리 커 보이지 않는다. 겉으로 드러나는 자원 투자가 적다 보니, 전담조직이 존재하지 않고, 업무상의 우선순위나 중요성에 대한 인식도 당연히 낮을 수 있다. 하지만, 실제로는 다른 업무에서와 달리 한명의 담당자가 소비하는 자원의 규모는 엄청나게 클 수 있다. 전체 고객과 전체 거래에 대한 데이터를 몇 달 씩 대규모로 처리하므로 일선 영업직원 한 사람이 소비하는 것에 비해서는 막대한 양의 자원을 소요하게 된다. 또, 처리대상이 되는 고객정보의 획득 및 관리에 들어간 많은 투자도 결국은 분석을 위한 것이었다면, 그 중 상당부분도 역시 예측 모델링에 대한 투자로 인식하는 것이 옳을 것이다.

예측 모델링 활용상의 이슈

예측모델링의 활용에서 가장 큰 이슈는 '임기응변식의 운영'이다.
장기적 관점에서의 예측 모델링에 대한 방향성 또는 계획은 없이 하나의 당면 과제에 집중적으로 초점을 맞춘다. 예를 들면, 이번 가을에 경기가 나쁠 것 같으니 세일 때 우수고객의 구매를 높이기 위한 캠페인을 실시할 것이고 이를 지원할 프로모션 타깃용 예측 모델을 개발한다는 식이다. 이 경우 주어진 단기 목적에 부합하는 모델은 해당 시기 이외의 다른 시점에 활용할 경우까지를 대비하지 못하게 된다. 물론, 일정 자체도 급하다 보니 부실한 모델이 되고 만다. 다른 대안, 다른 방법, 장기적 효과, 개선방향의 모색 등에 대한 지속적인 고민은 결여되고 시간이 지나도 조직의 예측 모델링 역량은 개선되지 못한다.'데이터가 존재하지 않는다.'는 점 역시 심각한 문제점이다.

업종에 따른 차이는 있으나, CRM 분석에서 사용되는 데이터는 크게 거래데이터와 기타 데이터로 구분되는데, 통상 거래 데이터는 거래 '여부'의 예측에는 매우 유용하지만 그 것만으로는 CRM을 위한 타이밍(특히 장기의 경우), 매체 선호, 상품 품목에 대한 선호 등 다양한 정보 요구가 충족되지 못한다. 예를 들어 신제품에 대한 선호 예측에서는 해당 제품의 거래가 없다 보니 차라리 성별과 연령 등 인구통계 데이터가 더 유용할 수 있으나 충분히 관리되지 못한 경우가 많다.

분석에 사용할 수 있는 항목이 많지 않고 항목은 있더라도 변경이력 축적이 미비한 것이다. 직업이나 취미 등의 항목이 없는 고객 데이터베이스는 드물지만, 항목들의 80%이상을 신뢰할 수 없거나 노후화된 내용으로 채워 놓은 경우가 흔하다. 이런 항목은 전시용일 뿐 예측 모델링에서는 활용될 수 없다. 만일 억지로 사용하는 경우에는 오히려 엉뚱한 방향으로 왜곡된 해석만 양산 할 수도 있다.

변경 이력들이 제대로 축적되지 않았다는 것은 한편으로는 데이터 웨어하우스가 제 구실을 하지 못하는 것으로 생각 할 수 있다. 처음부터 이력 축적이 이루어질 수 없는 구조로 데이터 웨어하우스가 설계된 경우이기 때문일 수도 있다. 일부 문제점을 이해하고 있는 사람들도 있지만 대책을 세우는 사람이 적다. 한편으로는 인식의 수준이 낮아서 일 수도 있겠지만, 그 해결을 위한 노력을 감당할 상황이 되지 않아서 일 수도 있는 듯 하다.

예측 모델링을 수행할 인력도 전담 조직도 없다 보니 '관리체계가 없다'.
예측 모델링을 독자적으로 수행할 수 있는 사람이 소수에 그치므로, 당연히, 독립 조직으로 구성되어있지도 않고, 이들 중에는 관리자도 없다. 예측 모델링을 이해하지 못하는 상위 관리자의 통제를 받으며, 그가 요구하는 예측 모델링을 수동적으로 실행한다. 예측 모델링 자체에 대해 장기적인 관점을 가진 계획을 수립해서 추진하는 것은 구조적으로 불가능하다.

이와 같이 결국 '잘할 수 없도록(?)' 운영하려면 왜 예측 모델링을 하고 있는 것일까?

예측 모델링 전략의 공식화
경영학 교과서들은 기업 전략의 필요성을 강조하고 있으나 현실에서는 공식적이고 체계적인 전략을 가지고 있는 기업들 보다는 그렇지 않은 기업들이 월등히 많다. 그러나 더 나은 성과를 원하는 기업이라면, 무엇이 더 중요하고, 무엇은 희생할 수 있는가를 명확히 규정하는 '전략'의 수립 및 관리에 대한 투자는 분명 가치 있는 일일 것이다.

사업전략, CRM 전략 그리고 예측모델링 전략
기업전체 차원에서의 사업전략은 전사를 범위로 하지만 CRM은 그 일부로 좀 더 구체적인 범위이므로 그에 상응하는 전략을 필요로 한다. 마찬가지로 CRM을 위한 예측 모델링에서도 그 범위와 특성에 따른 전략이 필요하다. 물론 CRM의 일부라고 본다면 CRM 전략 내에서 명시적으로 예측 모델링에 대한 방향을 포함하여 정리해도 무방할 것이며, 이 경우 오히려 CRM과의 체계적 연계라는 측면에서 장점이 있을 수 있다.


▲ <그림 1> CRM 예측 모델링 전략(가상적 예시)






·CRM을 위한 예측 모델링에 왜 명시적인 '전략'이 필요한가?
예측 모델링은 장기적으로 성과를 얻어야 하는 일종의 업무 프로세스이며 다수의 독립적 또는 연관된 모델링 작업들로 구성된다. 또 데이터 품질 제고, 데이터 통합, 모델링 환경 구축 등 기반구조 조성과 관련된 다양한 선행요건이 존재한다. 여러 작업들이 관련되며, 각 작업 및 단계간의 자원 배분을 위한 계획 및 조정도 필요하다. 비록 모델링 담당자는 한두 명이라도 실질적 관련자는 여러 종류이며, 간접 관련된 부문과 결과의 사용자도 여럿이다. 결국, <그림 1>과 같은 목표지향의 장기적 방향이 명시되어야만 그에 따른 체계적 실행 지침이 만들어 질 것이다.

예측 모델링 특성에 따른 전략의 요건
예측 모델링의 특성을 이해한다면 예측 모델링 전략의 필요성과 특수성을 좀 더 구체적으로 발견할 수 있을 것이다.

·예측 모델링이 소수의 전문 인력들에 의해 수행된다.
따라서 다른 인력들 특히 일반 관리자들의 이해도가 낮다. 이해도가 낮은 관리자가 전략을 수립할 수는 없는 노릇이므로, 예측 모델링에 대한 전략을 만들기 위해서는 모델링과 전략 수립 모두에 익숙한 인력이 존재하거나, 아니면 양자간의 지속적 공동 작업이 필요하다.

·데이터가 존재해야 한다.
예측 주제별로 필요한 데이터가 다르므로 장기간에 걸쳐 해당 데이터가 축적되어 있어야 한다. 때문에, 미리 몇 년 후에 어떤 주제에 대한 예측 모델링을 하리라는 계획이 수립되어야 하고, 그에 필요한 데이터 요구가 규정되고, 축적될 수 있도록 하는 작업이 미리 추진되어야 한다.

·분석 결과가 활용될 곳이 있어야 한다.
좋은 예측 모델링이란 단순히 정확한 예측을 하거나 안정적으로 장기간 사용될 수 있는 모델을 만드는 것만이 아니다. CRM이라는 업무 성과를 높일 수 있는 모델이어야 한다. 예측 모델링 자체가 독자적으로 가치를 창출하는 것이 아니며 예측은 예측일 뿐이다. 결국 명확한 활용처가 규정되고, 해당 활용처의 성과를 높일 수 있을 때 예측 모델링이 가치가 있는 것이므로, 예측 모델링 전략은 적용될 CRM 활동을 전제해야 한다.

·모델을 지속적으로 보완해야 한다.
환경의 변화가 발생된다면 예측 모델링도 지속적으로 변해야 한다. 한번 만들어진 모델의 지속적인 개선, 유지, 보수, 평가가 이루어져야 한다. 과거의 작업 결과는 그 다음 작업의 기반이 되며 점진적으로 진화하는 것이다. 예를 들면 고객이탈예측 모델에서 우수고객이탈모델로 변신, 다시 우수고객 구매감소 모델로 변신해가고, 이전에 사용되던 일부 모델은 사라지게 된다. 각각은 서로 다른 모델이라기보다는 '전신'이며 새로운 요구에 대한 대응의 기반이 된다. 없어진다기보다는 변해가는 것이다.

예측 모델링 인프라의 구축
세상 모든 일이 그렇다시피 좋은 예측 모델이 만들어지기 위해서도 여러 조건이 충족되어야 한다. 그 중 가장 중요한 부분이 바로 사람과 조직, 그리고 프로세스이다.

예측 모델링 인력의 확보
일반적으로 알려진 바와는 달리 예측 모델링에서는 모델러의 역량이 성과에 매우 큰 영향을 미친다. 전문 모델러는 분석기법, 적용업무(즉, 분석과 운영을 망라한 CRM과 해당기업의 특수성), 데이터베이스 등 다양한 분야에 대한 이해가 필요하다. 분석기법, 현장의 상황, 정책적 방향등을 고르게 알고 있어야 좋은 예측 모델링을 할 수 있다.


▲ <그림 2> 고객유지 예측 모델의 변천






또 이론과 실무 양쪽 모두에 관한 지식이 필요하다. 실상 많은 예측 모델러들이 이론적 지식이 부족하다. 다양한 관련 사례를 통한 간접 경험도 부족하다. 학교에도 실무 교육기관에도 예측 모델링을 체계적으로 가르치는 곳 자체가 많지 않고, 교육이 있다 해도(기업들이) 교육 투자를 하지 않는다. 참고할 만한 전문서적도 많지 않은 상황이다. 최소한의 이론에 대한 이해도 없이 실무 경험(시행착오)만을 통해 좋은 인력이 저절로 양성되기만 기대되고 있는 셈이다.

다행히 예측 모델링을 도입하는 시점에서 위의 요건을 어느 정도 충족하는 인력이 내부에 존재한다면 수준을 파악하여 필요한 교육을 통해 보강하는 정도의 작업만 필요하겠지만, 당장 내부에서 인력을 확보할 수 없다면 적어도 한시적으로는 외부의 도움을 받을 수 밖에 없을 것이다.

예측 모델링 전문가 시장 현황

외부인력을 활용하는 방안은 컨설턴트를 활용하는 방안과 아웃소싱 하는 방식으로 구분된다.
아웃소싱을 활용하는 경우에는 모델링의 모든 과정을 외부에 의해 수행하는 방식이므로 내부인력의 소요가 줄어들지만, 상대를 활용하고 관리할 수 있는 능력이 요구된다.

컨설팅 방식을 활용하고자 하는 경우 예측 모델링 컨설턴트는 예측에 사용될 데이터베이스, 예측 대상이 되는 업무, 예측 모델링 기법, 그리고 예측 모델링 계획 수립에서 지속적 성과 평가에 이르는 전 과정에 대한 관리 등에 관한 방법까지 다양한 부분에 관한 이해와 경험을 바탕으로 클라이언트들을 지원한다. 그러나 내부에 인력이 전혀 없다면 컨설팅 방식은 선택 불가능 하다.

아직 시장규모가 작고 역사가 짧다 보니 컨설팅이든 아웃소싱이든 품질 높은 서비스를 안정적으로 공급할 만한 인력과 기관이 부족한 것이 사실이다. 그 때문에 많은 기업들이 외부 전문 인력을 영입해버리거나 내부인력을 양성하는 방식을 택하고 있다. 하지만, 장기적으로 보면 일부는 내부에서 일부는 외부에서 조달할 수밖에 없어 보이며, 외부로부터 인력을 조달할 방안을 장기적 관점에서 강구해두는 대비가 필요하다. 예를 들면, 영국의 테스코나 미국의 아멕스 등은 이 문제를 해결하기 위해 일정 기간의 검증을 거친 뒤 해당 전문 업체를 인수해버리는 방식을 택하기도 하였다.

예측 모델링 운영 프로세스 정립

예측 모델링을 CRM의 일부로 간주한다면 특정 시점에 일시적으로 진행하는 임기응변식 과제가 아닌, 지속적으로 수행되는 업무 즉, 프로세스로 간주해 주어야 한다. 모델은 한번 만들고 끝나는 것이 아니며 지속적인 개선, 유지, 보수, 평가가 이루어져야 하는 것이므로 이전의 작업 결과는 다음 작업의 기반이 되며 모델은 점진적으로 진화하는 것이다. 과정에 대한 관리가 이루어져야 하며, 주기적인 계획과 통제가 이루어져야 한다. 담당하는 조직이 구성되고 구성원별 역할과 책임이 공식적으로 주어져야 한다. 성과지표에 의한 관리가 이루어져야 하며 이를 바탕으로 장기적인 방향이 설정되어야 한다.

앞서 언급한 바(수행인력, 데이터, 활용처, 보완 요구 등)와 같은 예측 모델링의 특성은 프로세스라는 측면에서도 다른 프로세스와의 차이점을 보이게 하는데, CRM 예측 모델링은 상황에 따른 가변성도 많고, 수행 인력들의 주관적 판단이 개입되는 부분이 많아서 장기적 관점을 가지더라도 미래의 작업에 대한 세부사항을 미리 모두 설정해 두기는 어렵다. 따라서, 운영 계획의 지속적 조정이 일상적으로 필요하다. 즉, 요구변화에 관한 지속적 관리가 필요한 것이다.

이상에서 우리는 CRM에서의 예측 모델링의 의미와 필요성, 예측 모델링 전략이 공식화되어야 하는 이유와 그 방법, 그리고 예측 모델링을 위한 인프라 구축상 고려 사항 등을 살펴보았다. CRM 예측모델링은 CRM을 위한 것이라는 점에서 그리고 분석과정이라는 점 때문에 독특한 측면을 많이 가지고 있으므로, 그 특성에 대한 충분한 이해를 바탕으로, 프로세스라는 관점에서 그리고 장기적이고 전략적인 관점에서 관리해야 한다는 인식이 중요할 것이다.

저작권자 © 아이티데일리 무단전재 및 재배포 금지