데이터 블로그 챌린지: 데블챌 2기 2일차
RFM 분석은 대표적인 고객 세분화 분석 방법이다. 그런데 처음 고객 세분화 분석을 할 때, R, F, M 각각의 기준을 어떻게 잡아야 할지 고민이었다. 이와 관련하여 좋은 글이 있어서 읽어보았다.
요약
1. RFM 고객 세분화 분석은 '인사이트'를 내기 위한 분석이 아니다.
농담 반 진담 반으로 데이터 분석을 많이 해보지 않은 조직, 사람을 한 번에 알아보는 방법이 있습니다. 바로 ‘인사이트’라는 단어를 들었을 때 진저리를 치느냐 아니냐인데요. ‘인사이트’라는 단어를 좋아하면 초보자, 싫어하면 고인물이라고 생각합니다.
먼저, '왜 RFM 분석을 해야할까?'를 이해해야 한다.
데이터 분석가의 업무는 대부분 분석의 목적이 명확하게 존재한다. 마찬가지로 RFM 고객 세분화 분석의 목적은 CRM(Customer Relationship Management) 마케팅이다. 즉, 고객 데이터를 기반으로 고객과 서비스간의 좋은 관계를 만들기 위한 고객 세분화 분석 방법의 대표적인 예가 RFM 분석이다.
그런데 RFM 분석을 통해 어떻게 인사이트를 낼까만 고민하고 분석의 목적이 없으니, 당연히 기준을 잡고 세분화하는데 어려움을 느낄 수 밖에 없다.
2. '분석의 목적'을 생각하고 R, F, M 지표 정의하기
-
R(Recency)
'얼마나 최근에 방문' 했는지를 따질때, '얼마나'는 어느정도일까? 무작정 고객 그룹을 N개로 쪼개야할까?
그러나 '분석 목적'을 먼저 고려한다면 정의하기 쉬워진다. 만약 평균 서비스 방문 주기가 6개월인 의류 판매 서비스에서 이탈 위험 고객에게 메시지를 보낸다면? -
F(Frequency)
'얼마나 자주 구매'하는지도 마찬가지로 분석 목적이 중요하다. 자주 방문하지 않는 고객들에게 생필품처럼 방문 주기가 짧은 상품군의 노출을 늘리는 할인 쿠폰을 보내고 싶다면?
- M(Monetary)
2080 법칙, 즉 파레토 법칙은 산업군을 막론하고 적용할 수 있지만, 상세 수치는 차이가 있다. 전체 매출엑에서 고객 집단이 차지하는 비중을 보고 층을 구분하기 위해서 레퍼런스 서비스의 VIP 등급표를 보는 것도 좋은 방법이다.
인사이트
몇달 전 이커머스 고객 세분화 공모전에 참가한 적이 있다. 당시에 R, F, M 각각의 기준을 어떻게 잡아야 할지 고민이었고, 결국 주어진 데이터의 기간과 정보값에 세 지표가 적절하지 않아 결국 다른 기준을 적용했었다. 이 글을 읽고나니, 분석 목적 보다는 방법에 매몰되어 헤맸던 부분을 반성하게 된다.
결국 데이터 분석은 목적을 위한 도구임을 명심한다면, RFM 분석에서 R, F, M의 세 가지 기준에 집착할 필요도 없다. 분석 목적에 필요하지 않다면 빼면 되고, 필요한 지표가 있다면 추가하면 된다.
데이터 분석 방법에 정답은 어요. ‘뭐시 중헌디?’라고 물어본다면 ‘오로지 분석의 목적만이 중허다!’라고 답하겠습니다. 나머지는 목적을 달성하기 위한 도구일 뿐이에요. 유연하게 생각해주세요 🧘🏻♀️
