h-elena

NPS(Net Promotion Score)

순 추천고객 지수. 

고객 충성도.

'추천의향'이라는 단 하나의 문항으로 고객 로열티를 측정하는 방법이다. 추천 의향 문항을 11점 척도로 측정하여 추천고객비율에서 비추천고객비율을 빼서 NPS를 산출한다. NPS는 추천 의향을 높임으로써 반복 구매(Repeat Purchase)또는 추천(Referral)을 일으키고, 이 두 가지를 통해 궁극적으로 기업의 성장을 달성하고자 한다. GE와 마이크로소프트 등 세계적 기업들이 NPS를 성과지표로 도입하면서 산업계에 점차 확산되었다.

[네이버 지식백과] NPS (매일경제, 매경닷컴)

NPS를 도입해야하는 이유

다른 모든 만족도 측정 지표를 대신하여 도입한 이유는 다음 3가지 입니다.

고객 만족도 조사는 응답자들이 상대적으로 ‘후한 점수’를 주는 경향이 있기에 실제 성과인 ‘고객 유지율 (Customer Retention Rate)’ 과는 연결되지 않음

비즈니스 전문지 ‘하버드 비즈니스 리뷰(HBR)’의 연구결과에 의하면 NPS는 실제로 기업의 3년 성장률과 비례함

NPS는 객관적이며 단순하여 적용하기 쉬움

추천의향 문항을 0~10점으로 11점 척도로 두고 아래와 같이 구분한다.

0~6 : 비추천

7~8 : 중립

9~10 : 추천

NPS = 추천고객비율(Prometer)-비추천고객비율(Detractor)

그 후 NPS를 개선하기 위해서는 다양한 전략이 있는데요, 가장 대표적인 전략들은 아래 3가지입니다.

- 추천 고객(Promoters)이 말하는 회사 / 제품의 강점을 귀담아듣고, 반대로 비추천 고객(Detractors)이 말하는 단점을 개선해나가는 방법 (기본)

- 중립 고객(Passives)이 상대적으로 많다 싶으면 이들의 감점 이유를 파악하고 보완하여 추천 고객(Promoters)군으로 이동시키는 방법

- 비교적 높은 점수를 준 비추천 고객(Detractors : 5~6점)이 언급하는 단점을 파악하여 이들은 중립 고객(Passives)군으로 이동시키는 방법

각각의 전략은 회사가 집중하고자 하는 목표를 고려하여 정하시면 됩니다.

NPS를 실행하기 위해서는 먼저 3가지를 정하고 가셔야 합니다.

발송 대상 인원수

발송 대상 집단 선정

발송 주기 설정

NPS는 대략 250명에게 답변을 받으면 유효합니다. 

(자세한 설명 : https://support.zendesk.com/hc/en-us/articles/203759086-NPS-Best-Practices-The-most-effective-way-to-send-a-Net-Promoter-Score-survey)

endesk 에서는 미국에서 일반적인 응답률 15%를 토대로 약 1,700명(250/0.15)에게 보내라고 말합니다. 하지만 저희는 한국에서 잔디 이메일을 받는 사람 중 15%의 인원이 자발적으로 설문해줄 거라곤 생각하지 않았습니다. 실제 결과도 그러했고요.

이메일로 발송한 NPS 설문 응답률은 5%를 넘지 못했습니다. 

잔디 같은 경우, 이벤트 형식으로 NPS의 응답률을 높였습니다. 또한 약 10%의 응답률을 고려하여 NPS 발송 대상자 안전값을 2,500 ~ 2,800명 정도로 설정하고 있습니다.

TIP : 이메일 제목에 이벤트 상품을 노출하면 클릭률을 높일 수 있습니다.

NPS에 힘이 실리기 위해서는 응답자들이 우리 고객층을 ‘얼마나 잘 대표하고 있는지.’가 중요하겠죠? 아무리 응답이 많아도 해당 응답자들이 서비스를 잘 이해 못하고 있는 고객이면 결과는 무의미해집니다.

요 기능들을 많이 접한 고객이어야 한다

- 잔디를 사용한 지 최소 한 달은 돼야 한다

잔디를 최근까지도 잘 이용 중인 고객이어야 한다.

- 잔디에 최근 이틀 이내에는 접속해야 한다

결과적으로 잔디에 가입한 지 30일 이상 된 고객 중, 최근 이틀 이내에 로그인한 고객이 NPS 설문 발송 대상자에 적합하다고 결론지었습니다. 이는 잔디가 웹/모바일 기반 사내 커뮤니케이션 서비스이기에 필요한 두 가지 기준이었다고 생각합니다. SNS 서비스라면 팔로워 수 및 로그인 정도, 엔터테인먼트 서비스라면 접한 콘텐츠 개수 기준이 될 수 있겠죠?

NPS는 정기적으로 보내는 것이 좋습니다. 장기적인 관점에서 고객 피드백을 받고 그동안 제품이 얼마나 개선됐는지 파악할 수 있는 지표이기 때문입니다. 

다만 한 가지 주의할 사항은 동일한 사람이 단기간 내에 중복하여 NPS 설문을 받지 않아야 한다는 점입니다.

타입폼은 설문을 작성할 수 있는 서비스인데요, 쉬운 사용법, 깔끔한 디자인, 응용 가능한 다양한 기능으로 호평을 받고 있습니다. 유료 버전도 비싸지 않기에 추천해 드릴게요. 타입폼에서 잔디팀이 가장 잘 사용 중인 기능은 바로 hidden fields 기능입니다.

보통 설문을 생성하면, 해당 설문의 링크가 생성되는 건 익히 알고 계실 거로 생각합니다. hidden field는 이 링크 뒤에 내가 추적하고 싶은 정보를 추가로 입력할 수 있게 해줍니다.

1) NPS 추이 분석

① 기간별 NPS 추이 

② 고객의 제품 사용 기간에 따른 NPS 추이

2) NPS 점수분포 분석

3) NPS 고객 집단별 비교 분석

가장 흔한 예시로는 ‘제품 구매 금액별 NPS 차이 비교’ 혹은 ‘사용하는 요금제 별 NPS 차이 비교’ 등이 있겠네요. 자사 제품에 돈을 더 많이 투자한 고객이라면 일반적으로 NPS가 더 높게 나올 겁니다. 

4) NPS 피드백 정리

NPS 계산기 : https://delighted.com/nps-calculator

처음 시행한 NPS 피드백은 3번은 읽어보시길 추천드립니다. 이 시기에는 어떤 피드백들이 올지 전혀 감이 잡히지 않기 때문에 유저들이 어떤 종류의 피드백을 주는지 파악하는 것이 중요합니다. 첫 번째에는 어떤 피드백들이 있는지 가볍게 읽어보는 것으로 충분합니다. 두 번째 읽을 때는 중복해서 보이는 피드백에 표시를 해보세요. 그리고 마지막 세 번째에는 피드백들을 기준에 맞춰 그룹화하시면 됩니다.

[출처 : https://medium.com/jandi-messenger-stories/nps-1-%ED%9A%8C%EC%82%AC-%EC%84%B1%EA%B3%BC-%EC%A7%80%ED%91%9C%EB%A1%9C-%EA%B3%A0%EB%AF%BC%EC%A4%91%EC%9D%B4%EB%9D%BC%EB%A9%B4-nps-%EA%B0%9C%EB%85%90%EC%9D%80-%EC%95%8C%EA%B3%A0-%EA%B0%80%EC%9E%90-40fdc09f3381]

[도서]

빅데이터를 활용한 예측마케팅 전략

NPS 궁극적 질문에 대답하기

확증 편향

: 확증편향 (確證偏向, 영어: Confirmation bias)은 원래 가지고 있는 생각이나 신념을 확인하려는 경향성이다.[1] 쉬운 말로 “사람은 보고 싶은 것만 본다”가 바로 확증편향이다.

필터 버블

; 필터 버블(filter bubble)은 개인화된 검색의 결과물의 하나로, 사용자의 정보(위치, 과거의 클릭 동작, 검색 이력)에 기반하여 웹사이트 알고리즘이 선별적으로 어느 정보를 사용자가 보고싶어 하는지를 추측하며[1][2][3] 그 결과 사용자들이 자신의 관점에 동의하지 않는 정보로부터 분리될 수 있게 하면서 효율적으로 자신만의 문화적, 이념적 거품에 가둘 수 있게 한다.

wikipedeia

반향실

우리는 좋아하는 사람들과 함께하고 있으며, 이들의 세계관을 공유하려는 것

[명사] 흡음성이 적은 재료로 벽을 만들어 소리가 잘 되울리도록 한 방. - 네이버 국어사전

의사결정나무

분류/확률(추정)을 위한 것

다지분리?

회귀나무(regression tree)도 의사결정나무를 만들어 예측 가능하다.

목표변수가 연속형 값일 경우 -> 의사결정나무보다는 회귀모델이나 인공신경망 사용하는게 좋음

의사결정나무 알고리즘

-. 목표변수(부모노드) - 순수도(자식노드) - 순수도 - 순수도

의사결정나무 목표

입력변수 값을 기초로 의사결정나무를 만드는 것

*범주형 타겟 변수 : gini척도, 정보이익, 카이제곱

*연속형 목표 변수 : f-test, 분산

회귀분석은 결측값이 있으면 안 됨!

아예 빼거나 다른 값 넣기

의사결정나무는 결측값 있어도 ㄱㅊㄱㅊ NULL도 하나의 값으로 인식함

순수도 척도 : 0~1까지 부여

1이 아주 순수함(한 노드에 클래스 1개일 경우)

이 값에서 1을 빼면 다양성 척도

- 범주형 변수에 대한 분할을 평가하는 순수도 척도 : 지나, 엔트로피, 정보 이익, 정보 이익 비율, 카이제곱 검정

- 수치형 목표 변수의 경우 : 분산의 감소, F검정

지니 

- 모집단의 순수도 판정

- 인구 다양성을 조사하는 생물학자와 환경 공학자들이 자주 사용

- 랜덤하게 추출했을 때, 그 클래스가 동일한 클래스에 있을 확률

- 완전 순수한 노드의 경우 지니척도는 1이다

엔트로피 감소(정보 이익)

- 정보 이론(머신 러닝 기법)에서 가져온 기법

- 비트 수 개념

ex 16가지 가능한 상태들이 있다면 log2 (16) 즉, 4비트 이다.

정보 이익 비율(information gain ratio)

- 클래스를 나눌 때 가지가 많으면 패널티를 주는 방식

- bushy trees : 잔가지가 많은 트리

카이제곱검정(chi-square by Pearson)

- 통계학적 유의성에 대한 검정

- 범주에 대한 기대값과 관측값의 표준화된 차이의 제곱들의 합으로 정의

- 관측된 표본들 간의 차이가 우연에 의한 것일 확률을 추정

- contingency table(분할표)

- 결과가 큰 수를 선택하는게 맞음

- CHAID[체이드] : 최선의 분할을 고를 때; 목표 변수에 대한 유의하게 다른 효과를 갖지 않은 클래스들을 통합할 때(분할 된 노드를 하나로 합치는 것이 어떨까); 노드에 대하여 추가적인 분할이 필요한 지를 결정할 때

- 범주형일 경우 사용

(but, 연속형 변수의 경우에는 분산 or F-검정 사용)

F 검정

- 다른 평균과 분산을 가진 표본들이 같은 모집단에서 실제로 나왔을 확률에 대한 척도 제공

- F 점수 : 두 추정치의 비율

- 하나는 모든 표본을 포함하는 집단에서 합쳐진 분산으로 부터, 다른 하나는 표본 평균들로 계산된 표본들 사이의 분산으로 유도

- 점수가 클 수록 표본들이 같은 모집단에서 나왔을 확률이 낮음

http://www.ciokorea.com/news/37875?page=0,0

어근 : 실질적 의미를 나타내는 중심이 되는 부분 

ex

덮개 -> 덮-

어른스럽다 -> 어른

형태소 : 뜻을 가진 가장 작은 말의 단위

ex

이야기책 -> 이야기, 책

리치미디어

기존 텍스트 위주의 단순한 형태 배너 광고 보다 인터넷에서 사용자와의 상호작용을 지원하는 새로운 형태의 매체로 다채롭고 다양한 정보를 담고 있는 것

비디오, 오디오, 사진, 애니메이션 등을 혼합한 고급 멀티미디어 형식의 광고

마우스를 올려놓거나 클릭하면 광고 이미지가 변하거나 동영사이 재생되는 것 등

일반 배너 광고에 보다 클릭률이 약 2~5배

 동영상이나, 애니메이션 같은 콘텐츠를 접목하여 활용 할 수 있기 때문에 더 많은 정보를 ‘스토리텔링’ 형태로 전달 할 수 있습니다. 그래서인지 제품, 서비스에 대한 광고 뿐만 아니라, 브랜드 캠페인에 더욱 선호되는 광고유형입니다.

[출처] 비싸다고?! No! 풍부한 미디어 리치 미디어 마케팅!|작성자 데이터마케팅코리아

정규화(normalization)

데이터를 일정한 규칙에 따라 변형하여 이용하기 쉽게 만드는 일

정규화는 이상 현상이 발생하지 않도록, 릴레이션을 관련이 있는 속성들로만 구성하기 위해 릴레이션을 분해(decomposition)하는 과정이다. 정규화를 통해 올바른 릴레이션의 설계를 완성할 수 있다.

출처 : 네이버 지식백과

독립변수

연구자가 의도적으로 변화시키는 변수

종속변수에 영향을 주는 변수

다른 변수에 영향을 받지 않음

종속변수

연구자가 독립변수의 변화에 따라 어떻게 변하는지 알고 싶어하는 변수

독립변수에 영향을 받아서 변화하는 변수

FGI

Focus Group Interview

FGD

Focus Group Discussion

좌담회

- Big Mouth로 인해 전체 의견이 쏠릴 수 있음

- Moderator(진행자)의 능력과 자질이 영향을 줌

- Bia(편향)이 발생할 수 있음