담당하고 있던 서비스의 회원 가입 방식은 두가지였다.
1)성별, 나이, 이메일과 같은 회원의 개인 정보 입력 후 가입
2)SNS 연동(라인, 페이스북, 야후) 가입
1) 방식으로 가입한 회원들의 개인 정보는 DB에 쌓여 있어
여러 방면에서 활용하고 있었지만
2) 방식으로 가입한 회원들의 개인 정보는 알 길이 없었다.
(야후? 언제적 야후야? 할 수도 있는데 서비스가 일본향 서비스 였기 때문에 야후 연동을 같이 했다!)
그래서 1) 방식으로 가입한 회원들의 정보만을 가지고 데이터 분석을 한다고 했을 때 대표성과 신뢰성에 대해 개인적으로 의문이었다. 비율적으로 1) 방식으로 가입한 회원들이 많긴 했지만 2) 방식으로 가입하는 회원들이 점차 많아지고 있어서 고민 해볼 이슈라고 생각했다.
그리고 당시 팀장님께서 서비스의 '포인트 정책'을 재편하고 활용하는 방안을 고민해 보라고 하셨던 것도 계기가 됐다. '어떤 기준으로 누구에게 얼만큼의 포인트를 줄 것인가?'를 정하기 위해서라도 회원 정보에 대한 데이터를 '분류'하는 작업이 필요했는데 RFM 모형은 그때 했던 서치와 주변 지인의 추천으로 선택하게 됐다.
매일 조금씩:)