Data consulting · Seoul데이터 컨설팅 · 서울
All that data,
and still no idea
where revenue comes from데이터는 쌓였는데,
매출이 어디서 나오는지
모르겠다면
Your own store, the marketplaces, the ad platforms. We rebuild the scattered data around one customer at a time, so you can see which ads actually sold and who comes back.자사몰, 오픈마켓, 광고에 흩어진 데이터를 고객 한 사람 단위로 다시 묶습니다. 어떤 광고가 팔았고 누가 다시 사는지, 숫자로 보이게 만듭니다.
Own-site revenue 4.3× in 6 weeks · CRM across 4 countries · a data hub for 1.95M customers6주 만에 자사몰 매출 4.3배 · 4개국 CRM 모델 · 고객 195만 명 데이터 허브
data science년차
데이터 사이언스
modeled고객 프로파일
모델링
served의료 시스템
운영 지원
shipped출처 없이
내보낸 숫자
Questions we answer이런 질문에 답합니다
Who are our customers, and who buys again?우리 고객은 누구고, 누가 다시 사나요?Customer data & CRM analytics고객 데이터 · CRM 분석
Scattered customer records joined into one person each. RFM and cohorts then separate the people who will buy again from the ones about to leave.
흩어진 고객 데이터를 한 사람 단위로 묶습니다. 그다음 RFM과 코호트로 다시 살 사람과 떠날 사람을 가릅니다.
Did that ad really make the sale?이 광고, 정말 매출을 만들었나요?Experiments & measurement실험 설계 · 성과 측정
Measured against a control group, with the statistics to back it. Luck and effect, told apart.
대조군을 두고 통계로 잽니다. 운이었는지 효과였는지 가려 드립니다.
Why is revenue different in every meeting?왜 회의마다 매출 숫자가 다르죠?Data infrastructure데이터 인프라
One warehouse, metrics defined once. Every dashboard shows the same revenue.
데이터를 한 곳에 모으고 지표를 한 번만 정의합니다. 어느 대시보드를 열어도 같은 매출이 나옵니다.
Can AI actually do our work?AI, 우리 일에 진짜 쓸 수 있나요?AI agentsAI 에이전트
LLM agents wired into the pipelines you already run, handed over with the tests that show they work.
지금 쓰는 데이터 흐름에 LLM 에이전트를 붙이고, 잘 되는지 재는 기준까지 같이 넘깁니다.
Work사례
Two D2C brands · Measurement
D2C 브랜드 두 곳 · 성과 측정
Own-site revenue up 4.3× in six weeks
6주 만에 자사몰 매출 4.3배
The F&B brand's own-site revenue rose 4.3× in six weeks; the accessories brand hit 16.5% CTR on its first campaign. Both held up against a clean control group.
식음료 브랜드는 6주 만에 자사몰 매출이 4.3배가 됐고, 잡화 브랜드는 첫 캠페인 CTR이 16.5%였습니다. 대조군을 따로 두고 통계로 검증했습니다.
Global eyewear brand · CRM
글로벌 아이웨어 브랜드 · CRM
CRM across four markets
4개국 CRM 모델
Rebuilt from instrumentation to modeling across Korea, the U.S., Japan and Australia. Extended to sister brands and renewed every quarter for over a year.
한국·미국·일본·호주의 계측부터 모델까지 다시 만들었습니다. 그룹 자매 브랜드로 확장됐고, 1년 넘게 분기마다 갱신됐습니다.
Retail data platform · Data hub
리테일 데이터 플랫폼 · 데이터 허브
A data hub for 1.95M customers
고객 195만 명 데이터 허브
Customer data across 256 brands joined into RFM segments, Customer360 and recommendations. Dashboards became the basis for decisions made in the meeting.
브랜드 256개의 고객 데이터를 묶어 RFM 세그먼트, Customer360, 추천을 만들었습니다. 대시보드가 회의 중에 결정을 내리는 근거가 됐습니다.
New York City Council · Public sector
뉴욕시의회 · 공공
Predicting cyclist-injury intersections
자전거 사고 교차로 예측
A model of intersections where cyclists are killed or severely injured, built with Columbia University and folded into Vision Zero road-safety policy.
자전거 사망·중상 교차로를 예측하는 모델을 컬럼비아 대학교와 함께 만들었고, Vision Zero 도로안전 정책에 반영됐습니다.
Kyoto family office · Hospitality
교토 패밀리 오피스 · 숙박
Building the market data first
없던 시장 데이터부터 만들었습니다
No market data existed to price against, so we built it from competitors' nightly rates and bookings, then priced every night. Over the engagement the portfolio grew from 5 homes to 17.
기준으로 삼을 시장 데이터가 없어 경쟁 숙소의 요금과 예약을 모아 직접 만들었습니다. 그걸로 날짜별 1박 가격을 매겼고, 그동안 숙소는 5채에서 17채가 됐습니다.
Open source
오픈소스
Tools anyone can use
누구나 쓰는 도구
Two R packages on CRAN (getDTeval, formulaic), bytemescan for checking cosmetic ad claims against the Korean MFDS registry, and the RFM calculator lambency_rfm.
CRAN에 올린 R 패키지 둘(getDTeval, formulaic), 화장품 광고를 식약처 명부와 맞춰 보는 bytemescan, RFM 계산기 lambency_rfm.
Our team's data literacy has gone up.
우리 팀의 데이터 리터러시가 확 올라갔어요.
A CRM client, a year into the engagement 어느 CRM 클라이언트, 프로젝트 1년 차
Contact문의
Send me the one question
you're stuck on.
지금 막힌 질문
하나만 보내 주세요.
The data health check is free. Within two business days I'll show you, myself, how far your current data can answer it and what's missing.
데이터 헬스체크는 무료입니다. 지금 데이터로 그 질문에 어디까지 답할 수 있는지, 무엇이 더 필요한지 이틀 안에 직접 짚어 드립니다.
caffrey.w.lee@gmail.com