data_analysis:work:b2b

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

data_analysis:work:b2b [2025/02/28 07:16] – [Analysis View] prgramdata_analysis:work:b2b [2025/07/07 14:12] (current) – external edit 127.0.0.1
Line 4: Line 4:
  
 ====== B2B 기업분석 ====== ====== B2B 기업분석 ======
 +
 +  * 핵심 타겟 오디언스 : 한국 B2B 기업의 마케터, 데이터 분석가
 +  * 오디언스에게 전달할 내용 : 한국 B2B 기업에서 데이타 기반 마케팅을 위한 데이터 수집/정리/분석/활용
 +  * 오디언스가 얻는 결과 : 한국 B2B 기업에서 데이터 기반의 마케팅 A-Z 를 익힌다. 시행착오를 줄인다.
 +
 +KYC (Know Your Customer)
 +
 +질문 50개
 +  - 데이터 정리를 해야 하는 이유? - 잠재고객/ Cross-sell 공략
 +  - 데이터 정리가 잘 되어 있나?
 +  - 우리가 데이터 활용하고 있는 수준은?
 +  - 데이터 활용을 위해 필요한 툴은? - excel/access로도 가능하다. Cloud/On Prem.
 +  - 데이터 정리는 어떻게 해야 하나  - 고객단위 정의
 +  - 그래서 우리나라 기업 수는 몇개인가?
 +  - 데이터는 어디서 얻는가?
 +  - 공공 데이터는 어떻게 활용하면 좋을까?
 +  - 공공데이터 말고 아이디어는? - DNS/IP
 +  - 사업자 번호가 없는데 어떻게 할까?
 +  - 고객 분류는 어떻게 하는게 좋을까?
 +  - 표준산업분류가 너무 복잡한데 어떻게 정리할까?
 +  - 기업규모 분류는 어떤식으로 되어 있나?
 +  - 종업원 수는 어떻게 알 수 있나? - 국민연금, 추정
 +  - 사업자번호, 법인번호 만으로도 알 수 있는 정보는? - w/ 사업자등록증, 법인등기
 +  - 어떤 지표를 관리하는 게 좋을까? - 수주잔고
 +  - 기업고객 의사결정은 뭐가 다를까?
 +  - 잠재 고객을 얻는 방법은? - nurturing
 +  - 잠재 고객에게 어떻게 다가가면 좋을까? - E-mail, 우편, 콜드콜  
 +  - 다가갈 잠재 고객 리스트 얻는 방법 - Webinar, 전시회, ...
 +  - 공공 고객은 어떻게 정리하고 공략? - 공공 hierarchy
 +  - 공공 고객은 어떻게 정리하고 공략? - SW/ 나라장터
 +  - 온라인/행동 데이터 활용은? - GA, 고객데이터 연결하기(ask GPT)
 +  - 머신러닝 활용하는 방법은?
 +  - 가설은 어떤 식으로 세우는게 좋을까?
 +  - 개인정보는 어떻게 관리할까?
 +  - 거래처 정보를 얻을 수 있는 방법은? - CRETOP
 +
  
 [[data_analysis:work:DNS_IP_INFO]] [[data_analysis:work:DNS_IP_INFO]]
Line 20: Line 56:
  
 ===== 우리고객 확인 ===== ===== 우리고객 확인 =====
 +
 +고객 단위로 구분할 수 있나?
 +- 사업자번호, 명의자, 고객번호
 +
 +정리할 수 있는 정보는 있는가?
 +-RFM
  
 [[blog:do_you_have_a_marketing_data]] [[blog:do_you_have_a_marketing_data]]
Line 50: Line 92:
   * **노가다 &****Crawling** + Naver, Daum 등   * **노가다 &****Crawling** + Naver, Daum 등
  
 +
 +각 출처별 얻을 수 있는 정보 O X
  
 ==== Data List ==== ==== Data List ====
Line 63: Line 107:
     * Console : inqterm = 10000; 하면 1년단위 아닌 여러 해 단위로 추출 가능     * Console : inqterm = 10000; 하면 1년단위 아닌 여러 해 단위로 추출 가능
   * [[https://gongsi.crefia.or.kr/portal/creditcard/creditcardDisclosureDetail15?cgcMode=15|여신금융협회 대형가맹점 명단]] : 매출액 3억 이상의 법인/개인 카드 가맹점   * [[https://gongsi.crefia.or.kr/portal/creditcard/creditcardDisclosureDetail15?cgcMode=15|여신금융협회 대형가맹점 명단]] : 매출액 3억 이상의 법인/개인 카드 가맹점
 +  * [[https://cert.k-startup.go.kr/prdct/getListPrdct.do|중소벤처기업부 창업기업 확인 시스템]] : 제품정보 등
  
  
Line 192: Line 237:
  
 - 중기청은 중기업과 소기업의 경계에 있는 업체들이 소기업으로 남아 정부 지원을 받으려고 고용을 늘리지 않는 등 업계에 '피터팬 증후군'이 만연해 분류 체계를 개편했다고 설명했다. - 중기청은 중기업과 소기업의 경계에 있는 업체들이 소기업으로 남아 정부 지원을 받으려고 고용을 늘리지 않는 등 업계에 '피터팬 증후군'이 만연해 분류 체계를 개편했다고 설명했다.
 +
 +
 +법적 규모는 행정상의 편의와 산업 발전의 방향에 맞춰져 있기 때문에, 각자 업에 맞는 규모로 재분류 할 필요도 있다.
 +
 +종업원수, ARPU, 
 +
  
 [[http://www.smba.go.kr/site/smba/01/10106060000002016101111.jsp|중소기업청 중소기업범위기준]] [[http://www.smba.go.kr/site/smba/01/10106060000002016101111.jsp|중소기업청 중소기업범위기준]]
Line 217: Line 268:
  
 [[https://kssc.kostat.go.kr:8443/ksscNew_web/link.do?gubun=001#|통계청 한국표준산업분류]] : 9차 기준 1,940개 –> 업의 상황에 맞게 줄일 필요가 있음 [[:data_analysis:clustering|Clustering]] [[https://kssc.kostat.go.kr:8443/ksscNew_web/link.do?gubun=001#|통계청 한국표준산업분류]] : 9차 기준 1,940개 –> 업의 상황에 맞게 줄일 필요가 있음 [[:data_analysis:clustering|Clustering]]
 +
 +국세청 업종분류 : 사업자등록증 OCR
 +
  
 표준산업분류 내의 기업수와 자사 침투율을 비교하여 유의미한 구분으로 통합 표준산업분류 내의 기업수와 자사 침투율을 비교하여 유의미한 구분으로 통합
Line 236: Line 290:
 ===== Analysis View ===== ===== Analysis View =====
  
 +==== Customer Journey ====
 +<Customer Journey>
 +탐색 > 가입 > 이용 > 재가입 > 해지
 +
 +==== 탐색~가입 : Funnel ====
 Pipeline Funnel? - 건전성 Pipeline Funnel? - 건전성
 - 인사이드세일즈, 컨텐츠 마케팅 - 인사이드세일즈, 컨텐츠 마케팅
Line 246: Line 305:
  
  
-모델링 가설실제 활용 예시+==== AI/머신러닝 활용 ====
  
-<Customer Journey> +모델링 설/ 실제 활용 예시
-탐색 > 입 > 이용 > 재가입 > 해지+
  
 크로스셀 - 우리고객 대상 크로스셀 - 우리고객 대상
  • data_analysis/work/b2b.1740726983.txt.gz
  • Last modified: 2025/07/07 14:12
  • (external edit)