[아티클4] RFM 고객 세분화 분석에서 합리적으로 기준을 잡는 방법

원문 링크

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

핵심 키워드

(기사 혹은 책에 등장하는 핵심 키워드 3~5개 + 간단한 설명)

• R(Recency): 분석 목적을 세우면, R기준을 더욱 구체적으로 세울 수 있다. 예를 들어, 방문 고객들을 최근 방문 순으로 줄을 세워 33%씩 끊는다. 여기서 33%는 숫자를 위한 숫자이다. 그러나 고객 관리 메시지를 보낸다는 명확한 분석 목적이 있다면, 서비스의 특성(고객들이 계절 마다 방문)을 반영해 6개월 이상 방문하지 않은 고객들을 이탈한 고객, 3개월 이상 방문하지 않은 고객들을 이탈 위험이 있는 고객, 그리고 이 계절에 방문한 고객들을 활성 고객으로 나누어 R 기준을 세울 수 있을 것이다.
• F(Frequency): ‘특히 자주 방문하지 않는 고객들에게 생필품과 같이 자주 방문을 할 수 있게 만드는 상품군 노출을 늘리기 위해 할인 쿠폰을 보내주고 싶습니다. ‘ 라는 분석 목적이 있다면, 생필품의 구매 주기를 분석해 F 기준을 세울 수 있을 것이다. 이렇듯, F는 어떤 목적을 가지고 분석하느냐에 따라 달라질 수 있다.
• M(Monetary): 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 해보면 합리적인 기준을 세울 수 있을 것이다.

 

느낀 점

(기사를 읽고 느낀 인사이트 세가지 이상 작성)

• ‘인사이트’라는 단어에 진저리를 친다면 데이터 분석의 고인물이라는 저자의 표현이 재밌었다. 나도 숏폼 서비스에서 그로스 마케터 인턴으로 근무할 때 (유일한 데이터 다루는 사람..) 회사에서 유일하게 했던 데이터 분석 (1인) 프로젝트의 결과를 대표님께서 약간 부담스러울 정도로 기대하셔서 엄청난 인사이트를 발견해야 할 것 같은 압박감에 시달린 적 있었는데..’데이터 분석가가 하는 일, 특히 성과가 나는 일의 대부분은 분석의 목적이 명확하게 있다’라는 아티클의 내용을 보니 멋드러진 인사이트를 내지 못해 다소 부끄러웠던 당시의 상황이 조금은 위로가 되는 것 같다.
• RFM 분석을 한다고 해서 꼭 R, F, M 모든 기준을 세울 필요는 없다는 것을 알 수 있었다. 하나의 공식처럼 생각하는 것이 아닌, 분석을 도와주는 프레임워크로서, 중요한 건 오직 ‘분석의 목적’이라는 걸 다시금 새길 수 있었다.
• <컨버티드: 마음을 훔치는 데이터분석의 기술>에서 발췌한 ‘가치가 높은 고객을 만나라’, ‘모든 사람은 평등하지 않다’라는 문장들이 재밌었다. 고객 당 매출 분석의 중요성에 대해 자세히 서술해놓은 책 같은데, 꼭 한번 읽어봐야지!