|
|
|
|
|
 |
올리브영의 옴니채널 환경에서 데이터 모델링이 왜 중요하다고 생각합니까
고객 구매 여정분석에서 가장 먼저 정리해야 할 데이터는 무엇이라고 생각합니까
제가 중요하게 생각하는 첫 번째 데이터 요소는 고객 식별 데이터입니다.
이유는 분명합니다. 고객 여정 분석은 결국 "같은 사람이 다른 채널에서 무엇을 했는가"를 보는 일이기 때문입니다.
이유는 고객 여정 분석이 결국 어떤 고객이 어떤 상품을 어떤 맥락에서 확장 구매하는지를 보는 일이기 때문입니다.
다섯 번째는 시간 데이터입니다. 고객 여정 분석에서 시간은 단순 날짜가 아닙니다.
올리브영의 옴니채널 환경에서 데이터 모델링이 중요한 이유는, 온라인과 오프라인데이터를 단순히 함께 모아두는 것만으로는 고객 여정을 이해할 수 없기 때문입니다. 고객은 앱에서 탐색하고 매장에서 구매할 수 있고, 매장에서 처음 본 브랜드를 온라인에서 다시 살 수도 있습니다.
고객 구매 여정분석에서 가장 먼저 정리해야 할 데이터는 고객 식별과 접점 이벤트 데이터라고 생각합니다.
|
|
|
 |
고객 구매 여정분석에서 가장 먼저 정리해야 할 데이터는 무엇이라고 생각합니까
데이터 출처마다 기준 시점이 다르고, 사용자 식별 방식이 통일되어 있지 않았으며, 같은 의미의 값도 표기 방식이 제각각이었습니다.
하지만 시간이 갈수록 저는 이 과제의 핵심 문제가 데이터 정리 작업량이 아니라, 각 데이터가 어떤 질문에 답하기 위해 존재하는 지정의 되어 있지 않다는 점에 있다는 것을 깨달았습니다.
분석 결과 몇 개를 뽑는 것"이 아니라, "이 데이터로 다음 분석도 반복 가능하게 만드는 구조를 만드는 것"을 목표로 잡았습니다.
큰 테이블 하나를 만드는 것보다, 왜 이 데이터가 이렇게 묶여야 하는지를 먼저 설명할 수 있어야 실제의사결정에서 재사용되기 때문입니다.
발표에서도 단순히 결과 수치 만 나열하는 대신, 왜 이 구조가 필요한지와 이 구조를 통해 어떤 인사이트를 반복적으로 도출할 수 있는지까지 보여줄 수 있었습니다.
무엇을 분석할까"보다" 이 데이터를 어떤 구조로 묶어야 반복 가능한 답을 만들 수 있을까"를 먼저 묻는 것이 더 중요했습니다.
이 경험은 제가 DataModeling 직무를 준비하는 데도 큰 기준이 되었습니다.
저는 이런 습관이 데이터 모델링 직무에 큰 강점이 된다고 생각합니다.
즉, 분석을 위한 조인을 편하게 만드는 것이 아니라, 고객 여정을 설명할 수 있도록 모델링의 중심을 옮긴 것입니다.
특히 올리브영처럼 온라인과 오프라인이 결합된 옴니채널 사업에서는 고객이 앱에서 탐색하고 매장에서 확인한 뒤 온라인에서 재구매할 수도 있고, 오프라인에서 처음 브랜드를 경험한 뒤 글로벌 몰이나 앱에서 반복 구매할 수도 있습니다.
세 번째는 상품 데이터입니다.
이유는 고객 여정 분석이 결국 어떤 고객이 어떤 상품을 어떤 맥락에서 확장 구매하는지를 보는 일이기 때문입니다.
네 번째는 거래 데이터입니다.
다섯 번째는 시간 데이터입니다. 고객 여정 분석에서 시간은 단순 날짜가 아닙니다.
여섯 번째는 매장·지역 데이터입니다.
같은 앱 행동을 한 고객이라도, 근처에 어떤 매장이 있고 어떤 카테고리가 강한 상권인지에 따라 실제 구매 전환 방식이 달라질 수 있기 때문입니다.
저는 고객 여정 분석을 위해 최소한 다섯 개의 핵심엔티티를 축으로 모델을 설계해야 한다고 생각합니다. 고객, 접점 이벤트, 상품, 주문, 매장입니다.
그리고 이 다섯 개를 시간축으로 연결해"고객이 어떤 접점에서 어떤 상품군을 경험하고, 어느 채널에서 전환하며, 이후 어떤 경로로 재구매와 확장을 하는가"가 자연스럽게 보이도록 해야 합니다.
이 때 첫 구매 카테고리가 이후 재구매 성향과 카테고리 확장에 어떤 영향을 주는지 보면, 신규 고객 유치 전략과 첫 진입 카테고리 전략을 정교하게 만들 수 있습니다.
온라인 탐색과 오프라인 전환의 연결구조입니다. 고객이 앱에서 여러 번 본 상품을 매장에서 사는지, 매장에서 처음 본 브랜드를 앱에서 다시 사는지, 어떤 카테고리에서 이런 전환이 특히 강한 지 파악해야 합니다.
따라서 특정 프로모션 노출 고객이 이후 정가구매로 전환되는지, 같은 카테고리 내 다른 상품까지 확장되는지, PB 브랜드 경험으로 이어지는지를 보는 것이 중요합니다.
그리고 올리브영처럼 옴니채널 전략을 핵심 성장축으로 두고 글로벌 확장을 병행하는 기업에 서는, 바로 그 질문체계를 만드는 일이 DataModeling 직무의 가장 본질적인 역할이라고 믿습니다.
제가 CJ올리브영 DataModeling 직무에 지원한 이유는 올리브영의 경쟁력이 단순히 상품수나 매장 수가 아니라, 온라인과 오프라인을 연결해 고객의 선택 경험을 더 정교하게 만드는 구조에 있다고 생각하기 때문입니다.
저는 바로 이런 환경에서, 데이터를 저장하는 사람이 아니라 비즈니스가 반복적으로 더 좋은 질문을 할 수 있도록 구조를 만드는 데이터 모델러로 성장하고 싶어 지원했습니다.
특히 옴니채널 환경에서는 고객, 상품, 주문, 매장, 채널, 시간축을 함께 이해하는 구조적 사고가 가장 중요하다고 봅니다.
올리브영의 옴니채널 환경에서 데이터 모델링이 중요한 이유는, 온라인과 오프라인데이터를 단순히 함께 모아두는 것만으로는 고객 여정을 이해할 수 없기 때문입니다. 고객은 앱에서 탐색하고 매장에서 구매할 수 있고, 매장에서 처음 본 브랜드를 온라인에서 다시 살 수도 있습니다.
데이터 모델링은 바로 이 끊어진 지점을 연결하는 역할을 합니다. 고객 식별, 접점 이벤트, 상품 속성, 주문 정보, 매장 정보가 시간 축안에서 일관되게 연결되어야 비로소 옴니채널이 작동합니다.
고객 구매 여정분석에서 가장 먼저 정리해야 할 데이터는 고객 식별과 접점 이벤트 데이터라고 생각합니다.
같은 사람의 행동이 연결되지 않으면, 우리는 여정을 보는 것이 아니라 채널별 조각만 보게 되기 때문입니다. |
 |
데이터, 고객, 구매, 어떻다, 채널, 상품, 매장, 생각, 만들다, 이다, 구조, 오프라인, 분석, 올리브영, 카테고리, 보다, 여정, 옴, 질문, 확장 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.03.18
11페이지
