[UX] 빅데이터 활용 시 꼭 필요한 범주화 기법과 통계적 이해, 피해야 할 심리적 오류들, 순추천지수 NPS

범주적 사고

-범주화의 위험 이해하기

-지속적인 데이터 분석 방법 개발하기

-의사결정 분류기준에 의문을 제기하기

-범주의 ‘화석화’ 방지하기

 

범주화의 조건

1. 근거가 타당해야 한다.
2. 범주가 유용해야 한다.

 

범주화의 위험

1. 우리는 범주의 구성원을 압축해서 실제보다 유사성이 더 높은 것처럼 생각한다
2. 범주 사이의 차이는 실제보다 확대해서 생각한다
3. 어떤 범주를 다른 범주보다 선호하거나 차별한다
4. 범주가 변하지 않는다는 고정관념을 갖고 있다.

 

 

범주화의 편견

1. 타깃고객이 존재한다는 편견
   토드 로즈, 평균의 종말
2. 채용 시 소프트 스킬을 중점으로 두고 기술적 스킬의 편차에 중점을 두지 않는 것
3. 기업의 규모, 산업군, 위치 지역에 따라 주식을 구분하고 내재가치를 세분화하지 않는 것
4. 범주 간 차이를 과장하여 다른 그룹의 사람에게 고정관념을 갖거나, 임의의 기준으로 부정확한 결론을 내리게 되는 것

 

빅데이터와 고객 프로파일링의 시대에 더욱 우려해야 한다. 범주간 과대평가 현상을 경계해야 한다.

사내 데이터 전문가, 마케팅 매니저 등 각 부서간을 범주화하지 않고 깊은 교류를 통하여 애널리틱스 프로젝트를 성공으로 이끌어야 한다.

 

통계적 유의성

A/B테스트로 효율성을 평가할 때

변수 하나만 빼고 나머지 요소는 동일하게 테스트 할 때, 변수의 영향이 있었는지를 판단하려면 통계쩍 테스트를 적용해야 한다. 

P값(유의확률)이 0에 가까울수록, 결과의 차이가 우연에 의해 발생한 것이 아닌 조작한 변수에 기인한다.

 

과도한 타게팅

고객 세본화를 통해 작은 범위를 타게팅하는 것보다 타겟을 넓게 잡았을 때 투자수익률이 더 높다. 광고 도달 범위를 높이는 것이 좋다. 

 

순추천지수Net Promoter Score-NPS

Frederick F. Reichheld ‘The One Number You Need to Grow, 2013.12’

-직관적이고 이해가 쉽다

-범주적 사고에 동반되는 과대평가의 편견에서 자유롭다

-단점:중립적인 사람들의 수를 무시한다

 

상관관계의 편향된 해석

-모든 범주에 균등한 관심을 기울여야 한다

 

화석화

-구조적 변화를 읽어내야 한다

-혁신은 범주적으로 생각하는 버릇을 버린 뒤 시작된다

-범주화가 굳어지면 다른 방향으로 생각하지 못하게 된다 ‘기능적 고정성functional fixedness’

 

범주적 사고의 위험 완화

1. 범주화의 위험 인식
2. 데이터를 지속적으로 분석하는 역량
3. 결정 기준 재검토
4. 화석화 방지 회의를 정기적으로 개최한다

 

http://m.hbrkorea.com/magazine/article/view/1_1/page/1/article_no/1422

불러오는 중입니다...

바르크 데랑헤Bart de Langhe
필립 페른백 Philip Fernbach