RFM 고객 세분화 분석에서 합리적으로 기준 설정하기

RFM 고객 세분화 분석과 인사이트

RFM 고객 세분화 분석은 인사이트를 내기 위한 분석이 아니며, 명확한 목적을 가지고 있다.

 

보통은 CRM(Customer relationship management) 마케팅을 하기 위해 많이 시행한다.CRM이란 고객 데이터 분석을 통해 고객과 서비스 간에 좋은 관계를 만들기 위한 활동이다. 할인 문자, 카카오톡 메시지도 CRM 마케팅의 일환으로 볼 수 있다.

고객을 세분화하면 각 그룹별로 메시지의 내용을 다르게 하여 더욱 효과적으로 고객의 반응을 이끌어낼 수 있다. 고객을 세분화하는 방법에는 여러가지가 있지만, 가장 쉽고 직관적인 방법 중 하나가 RFM 세분화다.

 

특히 취업, 이직을 위한 분석 포트폴리오 용도로 RFM 분석을 하는 경우, 기분을 세울 때 어려움을 겪는 이유가 분석의 목적이 없기 때문이다.

R(Recency)

R은 이 고객이 얼마나 최근에 방문했는지를 보여주는 지표이다.

 

흔히 프로젝트를 진행할 때 겪는 실수에 대한 예를 들어보자.

1. 고객들이 현재를 기준으로 얼마나 오랫동안 방문하지 않았는지 계산
2. 최근에 방문한 사람 순으로 줄세우기
3. 각 그룹에 비슷한 인언의 사람이 포함될 수 있도록 쪼개 N개의 그룹 만들기

만약 3개의 그룹으로 만들기 위해 33%씩 방문한 사람을 쪼갰다고 가정해 보자. 여기에서 33%는 아무 의미가 없는 수치이다. 누군가가 '이 그룹이 상위 20%가 아니라 33%여야 하는 이유는 무엇인가요?'라고 묻는다면, 이에 대해 합리적인 설명이 불가능할 것이다.

 

분석의 목적을 세워보자. RFM 분석을 통해 고객 관리 메시지를 보내려고 한다. 특히 이미 떠나간 고객들 또는 떠나갈 조짐이 보이는 고객들에게 우리 서비스를 리마인드하기 위해 할인 쿠폰을 발송하려고 한다. 그러면 R 기준을 위의 분석과 다르게 세울 수 있다. '떠나간 고객', '떠나갈 조짐이 있는 고객'을 분석을 통해 정의할 수 있기 때문이다.

예를 들어, 계절에 한 번씩 고객들이 방문하는 의류 판매 서비스가 있다고 가정해 보자. 고객들은 특히 여름과 겨울 직전에 방문을 하는데, 데이터 분석을 해 보니 평균적인 서비스 방문 주기가 6개월 정도로 형성되어 있었다고 하자. 그러면 6개얼보다 더 오랫동안 방문하지 않은 고객을 '떠나간 고객', 6개월까지는 아니지만 최근 3개월 내에 방문하지 않은 고객을 '떠나갈 조짐이 있는 고객', 지금 계절 옷을 판매하는 동안에 다녀간 고객은 '활성화 고객'으로 정의할 수 있을 것이다.

 

데이터를 다룰 때에는 항상 분석의 목적에 대해 생각하고 있어야 한다.

F(Frequency)

F는 고객이 자주 구매하고 있는지를 보여주는 지표이다.

 

F의 기준을 정할 때도 R과 비슷한 실수를 많이 한다.

1. 고객들이 얼마나 자주 구매했는지 계산
2. 자주 구매한 사람 순으로 줄세우기
3. 각 그룹에 비슷한 인원의 사람이 포함될 수 있도록 쪼개 N개의 그룹 만들기

분석의 목적을 세워보자. RFM 분석을 통해 고객 관리 메시지를 보내려고 한다. 자주 방문하는 고객과 자주 방문하지 않는 고객을 나누어서 보려고 한다. 특히 자주 방문하지 않는 고객들에게 생필품과 같이 자주 방문을 할 수 있게 만드는 상품군 노출을 늘리기 위해 할인 쿠폰을 보내주고 싶다. 자주 방문은 하는데 구매 금액이 높지 않은 고객들에게는 전자제품과 같이 수익성이 좋은 상품을 추가적으로 노출하고 싶다.

이런 목적이 있는 경우에는 생필품을 주로 구매하는 고객들의 방문 주기를 계산해 F의 기준으로 삼을 수 있다. 분석을 하다보면 '사실 생필품을 주로 구매하고 사이트에 자주 방문하는 충성 고객들이 전자제품도 다른 고객들보다 많이 구매하고 있다'와 같은 결론을 낼 수도 있고, 기존의 분석 목적을 수정하게 될 수도 있다.

 

한편, RFM 분석을 한다고 해서 꼭 R, F, M의 세 가지 기준으로 분석을 할 필요는 없다. 분석 목적에 F가 필요 없다면 빼도 된다. 분석 프레임워크는 목적에 맞는 분석을 효율적으로 하기 위해 있는 도구이지, 꼭 지켜야만 하는 규율이 아니다. 데이터 분석 방법에 정답은 없다.

M(Monetary)

고객당 매출을 분석하면 서비스에 결제를 많이 하고 있는 충성 고객인지, 결제는 별로 없는 고객인지를 분류해 각 그룹에게 적절한 메시지를 줄 수 있다.

 

2080 법칙이라고도 불리는 파레토 법칙은 이탈리아 인구의 20%가 이탈리아 전체 부의 80%를 가지고 있다고 주장한 이탈리아의 경제학자 빌프레도 파레토의 이름에서 따온 법칙인데, 서비스의 매출도 비슷한 경향을 보인다. 서비스가 어떤 산업군에 속해 있는지에 따라 상세 수치에는 차이가 있을 수 있지만, 모든 고객이 똑같은 고객은 아니다.

 

M의 기준을 잡을 때에는 전체 매출액에서 고객 집단이 차지하는 비중을 보아야 한다. 전체 매출의 대부분을 차지하는 특정 고객층, 중간 고객층, 가장 낮은 금액을 구매하는 층을 구분하는 것을 목표로 데이터 분석을 해 보고 합리적인 기준을 잡는 것이 좋다.

 

레퍼런스 서비스의 VIP 등급표를 참고하면 도움이 될 것이다. 예를 들어, 프리미엄 고객을 대상으로 하는 리테일 서비스를 하고 있다면 백화점 VIP 등급표를 참고해 볼 수 있다.

참고

https://datarian.io/blog/how-to-make-your-rfm-customer-segmentation-reasonable

RFM 고객 세분화 분석에서 합리적으로 기준을 잡는 방법