데이터라이즈 같은 서비스 제작하기: 고객 세분화·이탈 예측·캠페인 발송 기능 제작법

핵심 요약

1. 구매 이력으로 고객군을 나누고 적절한 캠페인을 준비하는 쇼핑몰 CRM 서비스를 만듭니다. 2. Cafe24 Admin API, pandas·LightGBM, 생성 AI API와 SOLAPI를 단계별로 연결합니다. 3. 고객 식별, 분석 기준, 예측 검증, 수신 동의와 중복 발송 방지는 자체 개발합니다.

주문과 고객을 같은 기준으로 연결하기

데이터라이즈의 가치를 구현 관점에서 보면 고객 데이터를 이해하고 캠페인 실행으로 연결하는 흐름입니다. 쇼핑몰 CRM 자동화 개발에서는 누구에게 어떤 이유로 메시지를 보낼지 설명할 수 있어야 합니다. 아래는 유사 기능을 구성하는 기술 제안입니다.

Cafe24 Admin API로 상점이 허용한 고객·주문 정보를 연결합니다. 자체 코드가 고객과 주문 식별자를 유지하고 취소·환불·수정 내역을 반영해 분석용 데이터를 만듭니다. 단순 주문 건수와 실제 구매 성과를 같은 값으로 취급하지 않도록 기준을 정합니다.

카페24 CRM 연동의 출력은 고객별 구매 시점, 주문 금액과 상품 관계 등 분석에 필요한 이력입니다. 개인정보는 목적에 필요한 범위로 관리하고 상점 간 데이터가 섞이지 않도록 구분합니다. 수집 실패와 마지막 갱신 시점도 기록해 오래된 자료로 캠페인을 만들지 않게 합니다.

고객군과 이탈 예측 점수 만들기

고객 세분화 자동화는 pandas로 구매 이력을 집계하는 것부터 시작할 수 있습니다. 최근 구매 시점, 구매 빈도와 누적 금액처럼 업무에 맞는 지표를 계산하고, 담당자가 이해할 수 있는 조건으로 고객군을 정의합니다. 결과에는 대상 고객과 분류 이유를 함께 저장합니다.

고객 이탈 예측을 추가한다면 LightGBM에 넣을 입력 특성과 예측 목표를 먼저 정해야 합니다. 예를 들어 정해진 기간에 재구매가 있었는지를 라벨로 삼는다면, 그 이후의 주문 정보가 과거 입력에 섞이지 않게 시간 기준으로 학습·검증을 나눕니다. 점수는 미래 구매를 보장하는 값이 아니라 검증한 조건에서 우선순위를 정하는 자료입니다.

LightGBM 고객 이탈 예측의 자체 운영 로직은 결측·중복 처리, 평가 기간과 점수 갱신을 담당합니다. 실제 성과가 달라지는지 확인하며 고객군 기준과 예측 모델을 각각 조정합니다.

대상과 상품에 맞는 캠페인 초안 만들기

대상 고객군, 상품 정보와 캠페인 목적을 생성 AI API에 전달해 문구 초안을 만듭니다. AI 마케팅 문구 생성에서는 실제로 제공하는 혜택, 적용 기간과 브랜드 표현 규칙을 입력으로 고정합니다. 모델이 할인율이나 상품 조건을 임의로 추가하지 않도록 결과를 검수합니다.

자체 애플리케이션은 대상 선정 이유, 예상 수신 인원, 문구와 조건을 한 화면에 보여줍니다. 담당자가 고객군과 메시지를 확정하면 승인된 버전을 저장합니다. 초안 수정이 끝나기 전에 발송 작업으로 넘어가지 않도록 상태를 분리합니다.

승인된 캠페인을 발송하고 결과 연결하기

발송할 메시지와 승인된 대상 목록을 SOLAPI에 연결합니다. 실제 발송은 채널별 발신 등록, 수신 동의, 템플릿·메시지 유형의 제공 조건에 맞춰 구성합니다. 카카오 메시지 발송 API를 연결한다고 모든 대상에게 같은 종류의 메시지를 보낼 수 있는 것은 아닙니다.

자체 로직은 수신 거부와 중복 대상, 발송 빈도를 검사하고 요청 식별자로 중복 발송을 막습니다. 실패·성공 결과를 캠페인과 고객군에 연결하되, 발송 성공을 구매 성과로 계산하지 않습니다. CRM 캠페인 성과 분석에서는 관찰 기간과 비교 기준을 정해 실제 구매 변화까지 따로 확인합니다.

매장의 주문 구조, 고객군 정의와 운영 중인 메시지 채널을 바탕으로 분석부터 승인·발송까지 이어지는 CRM 서비스를 설계할 수 있습니다. 트램스 AI 제작 문의: https://trams.co.kr/ai-si/contact/#inquiry