RFM 고객 세분화 분석

RFM 분석이란?

• Recency: 얼마나 최근에 구매했는가
• Frequency: 얼마나 자주 구매했는가
• Monetary: 얼마나 많은 금액을 지출했는가

사용자별로 얼마나 최근에, 자주, 많은 금액을 지출했는지에 따라 사용자들의 분포를 확인하거나 사용자 그룹(또는 등급)을 나누어 분류하는 분석 기법이다. 구매 가능성이 높은 고객을 선정할 때 용이한 데이터 분석방법이라고 알려져 있고, 사용자들의 평소 구매 패턴을 기준으로 분류를 진행하기 때문에 각 사용자 그룹의 특성에 따라 차별화된 마케팅 메시지를 전달할 수 있다.

예시 데이터를 통해 RFM으로 사용자 분류하기

어느 서비스에서 사용자 구매내역으로 RFM 수치를 확인해 봤더니 아래와 같이 데이터를 확인할 수 있었다고 가정해 보자. 이때 구매내역은 기간 제한 없이 서비스가 시작된 이래로 전체 기간 동안의 데이터다.

사용자	최근 구매일	총 구매 횟수	총 구매 금액
1	2020-12-28	12	903
2	2020-12-26	7	462
3	2020-12-14	1	943
4	2020-12-03	2	120
5	2020-11-17	6	623
6	2020-11-08	9	135
7	2020-10-21	2	801
8	2020-10-01	1	13

 

사용자군을 분류하기 위한 기준은 다음과 같다.

• Recency: 2021-01-01을 기준으로 최근 한 달 이내에 결제되었는가
• Frequency: 3회 이상 주문하였는가
• Monetary: 500달러 이상 주문하였는가

 

각 컬럼에는 이렇게 값을 기록한다.

• Recency: 2021-01-01을 기준으로 한 달 이내에 구매 기록이 있으면 'recent', 이외는 'past'
• Frequency: 3회 이상 구매 시 'high', 3회 미만 구매 시 'low'
• Monetary: 500달러 이상 구매 시 'high', 500달러 미만 구매 시 'low'

사용자	recency	frequency	monetary
1	recent	high	high
2	recent	high	low
3	recent	low	high
4	recent	low	low
5	past	high	high
6	past	high	low
7	past	low	high
8	past	low	low

 

변환된 데이터를 기준으로 사용자를 임의로 나누어 보자.

사용자	recency	frequency	monetary	사용자 분류
1	recent	high	high	서비스 충성도가 높은 고객
2	recent	high	low
3	recent	low	high
4	recent	low	low	최근까지 접속은 있었지만 구매는 많이 없는 고객
5	past	high	high	떠나간 VIP
6	past	high	low
7	past	low	high
8	past	low	low	떠났지만 뼈 아프진 않은 고객

실전에서 RFM 기법을 적용할 때 고려할 점

RFM 고객 세분화 분석을 사용할 때는 비즈니스의 성격과 상황에 따라 알맞은 기준을 세우면 된다. 대표적으로 서비스마다 다르게 적용이 가능한 요소들은 아래와 같다.

• Recency, Frequency, Monetary를 각각 몇 단계로 나눌 것인가
• Frequency, Monetary를 집계하는 기간을 어떻게 설정할 것인가

분석하는 서비스에 따라 위와 같은 항목에서 설정되는 값이 다를 수 있기 때문에, 똑같이 RFM 기법을 적용한다고 하더라도 어니 서비스에서는 사용자 그룹을 3개로, 어느 곳에서는 사용자 그룹을 5개로 분류할 수 있다.

더 생각해 보기

RFM은 단순하게 생각하면 서비스 내에서 구매를 한 사용자들을 분류하는 기법이지만, 조금 더 넓게 생각해 보면 사용자를 간편하게 분류하기 위한 대표적인 아이디어이기도 하다. Recency, Frequency, Monetary 기준으로 분류한다는 것 외에는 정해진 것이 없기 때문에, 실제 서비스에 적용하려고 하면 난감하기도 하지만 그만큼 마음대로 이런저런 분석을 해볼 수도 있기도 하다.

 

분석을 할 때 필요하다면 Recency, Frequency, Monetary를 기본으로 하고 회원가입 일시 데이터까지 추가로 함께 확인할 수도 있고, 콘텐츠 소비 데이터를 Recency(얼마나 최근에 콘텐츠를 봤는지), Frequency(얼마나 많이 봤는지), Duration(얼마나 오래 봤는지)으로 나누어 비슷하게 사용자들의 등급을 분류할 수도 있다.

 

이렇게 RFM 고객 세분화 분석은 그 요소와 방식을 자유롭게 변형하여 분석에 적용하는 것이 얼마든지 가능하다. 추가적으로 각각의 그룹에 해당하는 사용자들의 특성을 분석하여 서비스에 충성도가 높은 사용자가 특별히 많이 방문한 페이지, 많이 사용한 기능을 찾아내어 그 페이지 또는 기능을 일반 사용자들이 많이 사용하도록 유도하는 등의 작업을 할 수도 있다.

참고

https://datarian.io/blog/what-is-rfm?utm_source=sql-camp&utm_medium=camp&utm_campaign=referral&utm_content=sql-basic

RFM 고객 세분화 분석이란 무엇일까요