사람들은 레스토랑을 이용하거나, 식당에서 음식을 주문하는 상황에서 자신들만의 특징적인 행동을 보이는 경우가 많다. 호텔 레스토랑을 이용할 때도 베이커리를 자주 이용하는 고객이 이탈리안 레스토랑에도 자주 간다거가, 일식당을 많이 이용하는 고객들은 그렇지 않은 사람들 보다 중식당에 더 자주 방문한다든지 하는 등의 고객들 고유의 특징적인 행동을 보이는 경우가 많다.

식당에서 음식을 주문할 때도 어떤 한 가지 음식을 주문할 때 반드시 함께 주문하는 음식이 있다든가 하는 행동도 고객들에게서 종종 나타나는 행동들이다. 고객들에게서 나타나는 이러한 행동들을 단순한 순간적인 행동으로 보지 않고, 지속적으로 관찰하여 반복되는 연관성을 찾아낸다면 메뉴상품을 어떻게 구성할지, 고객이 원하는 메뉴를 어떻게 제시할지, 또는 누구에게 마케팅 프로모션을 적극적으로 추진할지 등을 대한 유용한 자료를 얻을 수 있다.

데이터베이스 마케팅 분야에서는 고객들의 구매행동들에 대한 자료로 모아서 그 연관성을 찾는 ‘연관규칙’ 분석이 여러 분야에서 이용된다. 즉, 고객들의 행동에서 유사한 특징들을 모아 그것을 그룹핑하여 어떤 행동들이 함께 묶여지는지를 알아보는 것으로 사용 가능한 고객의 거래 데이터를 이용하여 그 데이터로부터 어떤 숨겨져 있는 유형이나 패턴을 찾아내는 방법이다.

가장 좋은 예로는 ‘장바구니 분석’을 들 수 있는데, 이는 슈퍼마켓에서 고객들이 서로 다른 종류의 물건들을 다른 시간대에 구입하는 고객 행동과 그 상품들에 대한 정보를 이용하는 것으로, 슈퍼마켓의 쇼핑 카트에 어떤 물건들이 함께 담겨 있는지 그 고객들이 어떤 사람이고, 왜 그 고객들이 그렇게 구입하는지, 어느 상품들이 함께 구입되는지, 어떤 프로모션이 효과적인지 등에 대한 통찰력을 제공해 줄 수 있는 방법이다.

예를 들어 ‘목요일에는 기저귀를 사가는 사람들이 맥주를 사간다’라는 규칙은 언뜻 보면 이해가 가지 않지만, 일단 규칙으로 발견이 된 후, 그 규칙을 정당화시키는 것이 그다지 어렵지 않다. 즉 이 경우는 ‘주말을 준비하기 위해 목요일 소매점에 기저귀를 사러온 아빠들은 맥주도 함께 사간다’라고 설명할 수 있으며, 이러한 결과에 따라 기저귀 옆에 맥주를 진열하던지, 아니면 기저귀와 맥주를 멀리 진열하여 가는 도중에 다른 구매를 할 수 있도록 하든지 하는 의사결정자의 결정만이 남게 된다.

피자를 시키면 콜라를 함께 주문하는 행동은 이미 연관성이 높게 나온 당연한 연관규칙의 예로 많은 사람들이 사업에 친숙하게 이용하고 있다. 비슷한 예로 콜라 찾는 사람이 10%인데 햄버거 찾는 사람 중에 콜라 찾는 사람이 80%라면 비율이 8배로 증가되어 연관성이 상당히 높다는 것을 알 수 있다. 이렇듯 고객들의 행동에서 어떤 메뉴들의 반복되는 연관성을 발견하여 그에 따라 세트메뉴를 구성한다면 훨씬 더 효율적이고 만족스러운 메뉴가 구성될 수 있다.

호텔 레스토랑을 이용하는 고객의 행동에서 베이커리를 자주 이용하는 고객이 뷔페를 빈번히 이용하는 반복적인 규칙을 발견하였다면, 호텔 레스토랑을 찾는 모든 고객에게 뷔페식당의 새로운 프로모션을 홍보하는데 많은 비용을 지출하기 보다는 베이커리를 자주 이용하는 고객들에게만 집중적으로 프로모션 하여 더 적은 비용으로 훨씬 더 효율적인 결과를 얻을 수 있다는 것이다.

고객의 행동들에서 꼭 어떤 의미를 모두 발견하게 되는 것은 아니다. 즉 어떤 레스토랑의 월요일에는 주스만 많이 팔린다든가 하는 경우는 왜 이런 행동들이 나타나는지 정확한 설명을 위해 고민이 필요하고 결국 아무 제안을 할 수 없는 경우이다. 설령 설명이 안된다 하더라도 이런 규칙이 반복적으로 나타난다면, 그 자료는 그대로 인정하는 것이 더 낫다.

고객의 인적사항에 관련된 자료를 수집하여 기존 고객을 지속적으로 유지하고, 고객과의 상호관계를 추적함으로써 고객과의 장기간의 관계를 이루고자 하는 방법과 더불어 이제는 고객의 행동을 보여주는 거래 자료를 수집하여 점포의 수입을 최적화시킬 수 있는 마케팅 활동의 방향을 설정하는 것도 활발하게 활용되어야 한다.