어쩌다 읽게 되었나
데이터리안의 'SQL 데이터 분석 캠프'를 수강하며 SQL을 공부하고 있다. 두 번째 주 과제를 제출하기 위해 'RFM 고객 세분화 분석이란 무엇일까요'을 읽었고, 이에 이어진 'RFM 고객 세분화 분석에서 합리적으로 기준을 잡는 방법'과 'RFM 고객 세분화 분석 팁 3가지'까지 읽어봤다.
RFM 분석
고객 관계 관리(Customer Relationship Management, CRM)는 고객 및 잠재 고객과의 회사 간의 상호 작용을 관리하는 기술로, CRM 시스템을 통해 기업과 고객을 효율적으로 연결할 수 있게 된다. 일반적으로 연락처 관리, 에이전트 생산성 등을 지원하는 것에서 나아가 전체 고객 라이프사이클에 걸쳐 고객 관계를 관리하는 데 사용되고 있다. 세일즈포스에서 제공하는 솔루션 등도 있고.
고객을 잘 관리하기 위해서는 고객을 잘 분석할 수 있어야 한다.
잘 분석하기 위한 데이터 추출 방식에는 인구통계학적 접근법도, 자체적으로 설정한 특정 조건에 따른 분류법도 있고, RFM 분석을 통해 CRM을 진행하는 과정에서 사용자 행동 패턴을 분석해 타겟팅해볼 수 있다.
RFM 분석은 얼마나 최근에, 자주, 많은 금액을 지출해 구매했는가를 기초로 한다.
Recency : 얼마나 최근에 이용/구매했는가
Frequency : 얼마나 자주 이용/구매했는가
Monetary : 얼마나 많은 금액을 지출했는가
위의 세 가지 차원을 통해 사용자를 분석하는 게 곧 RFM 분석이고, 아주 간단한 접근법인 만큼 다양하게 적용해볼 수 있기도 하다. 케이스에 따라 기타 데이터를 추가로 확인한다거나 각 개념을 사업에 맞춰 기준을 설정하는 것도 가능하다. 저 세 가지에 얽매여 있을 필요 없이 얼마나 최근에, 자주, 큰 규모로 이용했는지 등의 요소를 기반으로 사용자 특성을 분류해 본다고 생각하면 될 것 같다. 곧 죽어도 세 가지 기준으로만 평가해야 하는 건 아니니 가이드라인으로 삼겠다는 마인드로 바라보자.
각 요소의 기준을 설정하는 데 있어서도 정답이 따로 있는 건 아니다. 생필품을 판매하는 플랫폼과 가구·가전을 판매하는 플랫폼에서 동일한 기준으로 RFM을 분석할 수는 없다. 두루마리 휴지를 사는 것과 냉장고를 사는 데 있어서 사용연한도, 구매 빈도도, 금액도 서로 다른 것처럼.
RFM 분석은 하나의 수단임을 기억해두자. 분석하는 데 그친다면 그 과정은 무의미한 셈이다. RFM 분석을 하는 목적이 명확할수록 합리적으로 기준을 설정하고 각각에 맞는 정책과 유도 전략을 세우는 데 도움이 된다. 산처럼 쌓여 있는 데이터 속에서 인사이트를 찾는 데 매몰되기 보다는 왜 고객을 세분화하고 있는지 이유를 되새기고 인사이트를 얻을 수 있을 거란 기대감은 살짝만 가져볼 것.
RFM 분석에서 어떻게 합리적으로 기준을 잡을 수 있을까
Recency
고객이 얼마나 최근에 방문했는지 보여주는 지표. 최근까지도 활발하게 이용했거나 이제 막 유입된 사용자를 찾아 더욱 적극적인 활동을 기대하기 위함도 있고, 서비스를 떠나갔거나 곧 떠날 것 같은 사용자를 찾아내 붙잡아두려는 것도 있다.
Recency를 분석하기 위해서는 (1) 현재를 기준으로 얼마나 오랫동안 방문하지 않았는지 계산하고, (2) 미리 설정한 기준을 바탕으로 그 Recency에 따른 그룹화를 진행해볼 수 있다.
몇개의 그룹으로 나눌 것이며, 각 그룹의 비율은 어떻게 구성할 것인지에 대해서 충분히 고민해봐야 하고, 기준이 될 수치에 합리적인 설명을 할 수 있어야 한다. 사업의 성격이라든가, 사용자의 심리나 행동 양식 등을 바탕으로 하는 명확한 근거가 있을 때, 최종적인 분석 결과도 설득력을 가진다.
Frequency
고객이 자주 구매하고 있는지 보여주는 지표.
Frequency 분석 역시도 (1) 고객의 구매 빈도를 계산하고, (2) 미리 설정한 기준을 바탕으로 그 Freauency에 따른 그룹화를 진행해볼 수 있다.
당연히 판매하는 제품군의 성격에 따라서도 사업 특성에 따라서도 Frequency 그룹화 기준은 다르게 설정된다. 앞서 언급한 두루마리 휴지와 냉장고 구매 빈도를 생각하자. 냉장고를 너무 자주 살 필요는 없다.
Monetary
고객으로 인한 매출 규모를 보여주는 지표. 모든 고객이 같은 고객은 아니다. 전체 매출액 중 고객 집단이 차지하는 비중을 파악하고 있어야 한다.
이탈리아 경제학자 빌프레도 파레토의 '파레토 법칙 Pareto's law'에 따르면 전체 결과의 80%가 전체 원인의 20%에서 발생한다. 20%에 집중할수도, 전체 고객을 늘려 전체 원인이 되는 20%의 규모를 키워낼 수도 있다.
파레토 법칙에서 말하는 20%가 절대적인 수치가 아닌 만큼, 현재 사업 내에서 구매액을 기준으로 그룹화를 진행하고 그룹별 1인당 평균 구매액의 전체 매출에 대한 점유율을 파악해 그룹별 규모를 확인해봐야 한다. 그 이후에 그룹별로 각각에 맞는 서비스 정책이나 리워드를 도입해볼 수 있는 것이고.
카드사 VIP 등급표나 백화점 등급표 등을 참고해 실제로 등급의 실적 기준을 어떻게 안내하고 있는지 참고해볼 수 있다.
RFM 분석에서 고려해볼 것은?
데이터리안의 'RFM 고객 세분화 분석 팁 3가지' 에서는 RFM 고객 세분화 분석 과정에서 참고하면 좋을 세 가지를 이야기한다.
액션은 마케팅, 기획 담당자의 영역이다.
말 그대로 RFM 분석은 '분석'이다. 마케팅이나 기획 담당자가 아니라면, 분석의 결과는 분석이어야 한다. 액션 기획에 참고할 만한 유용한 정보를 최대한 많이 추출해 정리하고, 그룹별 특성을 자세히 서술할수록 좋다. 담당자가 확인해보고 싶은 포인트가 있다면, 이에 활용해볼 수 있는 정보를 뽑아낼 수도 있다.
적절한 시각화 방법을 선택하자.
주어진 데이터로 분석하고 줄글로 서술하거나 표로만 작성한다면 효율성은 떨어진다. 분석 자료를 보여줄 수 있는 방법은 무궁무진하다. 차트 종류며 여러 개 시각화 기법을 통합해 대시보드로 구성할 수도 있다. 분석 목적에 맞게, 적절히 분석하고 이를 효율적으로 보여줄 수 있는 방법을 모색하자.
중요한 것은 임팩트.
사실 널린 게 데이터다. 굳이 데이터 분석이라는 업무를 만들어낸 이유는 그 데이터를 바탕으로 현 상황에 필요한 정보를 정확하게 추출할 수 있어야 해서가 아닐까? 사업에 따라 원하는 방향도 다르고 목표도 다르다. 그 방향과 목표를 생각했을 때, 유의깊게 볼 필요가 있는 데이터를 분석해내고 표현해 설득력 있게 만들어야 한다. 일주일, 6개월, 1년과 같이 기간을 직관적으로 표현해볼 수도 있고, 그룹 전체의 임팩트를 '총계'로, 개별 임팩트는 '고객 1명당'으로 나타낼 수 있듯이 같은 데이터라도 단위 설정에 따라 해석을 달리 할 수 있다는 걸 기억하자.
읽고 나니
역시나 분석은 목적 설정이 다인 것 같다는 생각이 든다. RFM 분석을 위한 목적을 제대로 설정해두어야 각 Recency와 Frequency, Monetary 혹은 그 외 요소에 대한 기준을 적절히 세울 수 있고, 그 기준을 바탕으로 실속 있는 그룹 분류가 가능하다. 결국 어떤 사용자 층에 따라 어떤 접근을 하고 싶고, 목표가 무엇인지가 명확해야 그 목표를 위한 기준을 합리적으로 설정할 수 있고.
서비스를 받아들일 사용자의 성향, 양상을 데이터에서 읽어내야 할텐데, 그 분석의 시작 중 하나가 RFM 분석.
Recency, Frequency, Monetary는 구매나 이용에 대해 핵심이 되는 지표다. 세부적인 설정은 산업군마다 다르지만 큰 맥락에서 현재 서비스와 소비자의 관계를 파악하는 데 있어서 일차적으로 접근하기 가장 좋은 접근법이 아닐까 싶다.
'Review > Article' 카테고리의 다른 글
| 클래식/롤링/범위 리텐션, 활성사용자 그리고 리텐션 분석 _ 데이터리안 (0) | 2025.11.12 |
|---|