[데이터리안] ‘RFM 고객 세분화 분석이란 무엇일까요’ 후기

💡 [데이터리안] 블로그의 ‘RFM 고객 세분화 분석’ 글을 읽고 남기는 후기입니다.

현재 데이터리안 SQL강의를 들으며 SQL 역량을 키워나가고 있다. 다음주면 SQL을 이용하여 RFM 고객 세분화 분석을 하는 방법에 대해 공부한다.그전에 데이터리안 블로그의 ‘RFM 고객 세분화 분석이란 무엇일까요’ 글을 읽으면서 미리 예습(?)겸 느낀 점들에 대해서 작성해보았다. 고객 세분화에 대한 내용은 아래 링크의 글을 참고하면 된다. 해당 포스팅은 고객 세분화 분석을 할 때 고려해야 하는 점에 대한 생각을 적은 포스팅이다.

[데이터리안] RFM 고객 세분화 분석이란 무엇일까요

RFM 고객 세분화 분석이란 무엇일까요

---

Customer Segmentation

글을 읽기 전 궁금증

글을 읽기 전 아래의 2가지 궁금증이 있었다. 이 궁금증을 해결하는 것을 목표로 글을 읽어나갔다.

1. 왜 고객분석을 하는 걸까?
2. 왜 RFM 고객분석은 RFM을 기준으로 잡은 이유는 무엇일까? 다른 기준을 사용할 수는 없는걸까? (RFM이 무엇인지는 찾아봐서 알고 있었다.)

---

고객분석의 일종

RFM 고객분석은 고객분석을 하는 일종의 기법이다. 고객분석은 고객에 대한 이해를 바탕으로 비즈니스를 진행하기 위해서 진행한다. 고객분석을 하는 방법은 다양하다.

• 성별, 나이 등의 인구 통계학적 정보를 이용하는 방식
• 서비스의 특정 조건을 이용하여 고객을 분석하는 방식
• 사용자의 행동패턴을 기반으로 고객을 분석하는 방식

---

RFM 고객 세분화 분석

Recency(최신 구매 일자), Frequency(구매빈도), Monetary(구매금액) 라는 3가지 기준을 가지고 고객을 유형화하고 분석하는 것이다.

각 기준은 다음과 같은 의미를 지니고 있다.

• Recency - 얼마나 최근에 구매했는지?
• Frequency - 얼마나 자주 구매했는지?
• Monetary - 얼마나 많은 금액을 지불했는지?

이 3가지 기준을 이용하여 수많은 고객의 정보를 압축하여 고객을 몇 개의 그룹으로 나누고 각 고객군별 특징을 이해하는 것이다.

---

RFM을 기준으로 사용하는 이유

RFM은 구매 고객에 대한 특징을 나타낼 수 있는 단순하지만 중요한 정보이다. RFM 분석은 다음과 같은 가정에 바탕을 두고 있다.

Recency (얼마나 최근에 구매했는지) : 최근에 구매한 사람은 오래전 구매한 사람보다는 재구매할 확률이 높을 것이다.
Frequency (얼마나 자주 구매했는지) : 많이 구매한 사람은 적게 구매한 사람보다는 또 구매할 확률이 높다.
Monetary (얼마나 많은 금액을 지불했는지) : 많이 지불한 사람은 적게 지불한 사람보다는 또 구매할 확률이 높다.

하지만, 이러한 가정은 언제나 맞는 것은 아니다. 생필품을 주로 판매하는 업종에서는 자주 사용하는 물품이니 만큼 얼마나 최근에 구매했는지, 얼마나 자주 구매했는지가 얼마나 많은 금액을 지불했는지보다 고객을 구분하는 중요한 지표가 될 것이다. 반대로 고급 의류를 판매하는 업종에서는 얼마나 많은 금액을 지불했는지가 고객을 구분하는 중요한 지표가 될 것이다. 따라서, 산업군에 맞게 3가지 기준 중 중요한 지표를 선정하는 것이 중요하다고 생각된다.

---

RFM 고객분석을 할 때 정해야 하는 것

RFM 분석은 겉으로 보기엔 간단해 보이지만, 실상은 그렇지 않아보인다. 다음과 같은 부분이 확실하게 정의되어 있지 않으면 RFM 고객분석이 제대로 이루어지지 않을 것이라고 생각된다.

💡 분석 목적 정의

• 분석 목적에 대해서 정의하는 과정은 어떤 데이터 분석을 하던 가장 중요한 첫번째 단계이다. 분석목적이 정의되어 있지 않으면 분석이 산으로 가기 쉽상이다.

💡 분석할 집단(기간) - 분석 목적을 정의했다면 어떤 집단에 대해서 분석할 것인지에 대해서 정해야 한다.

• 어떤 온라인 쇼핑몰 앱을 운영하는 회사에서 고객군별로 나누어 푸시 알림 마케팅을 진행하기 위해 RFM 고객 분석을 진행하려고 한다. 푸시 알림을 동의한 고객이 있을 것이고, 푸시 알림을 동의하지 않은 고객이 존재할 것이다. 그렇다면 푸시 알림을 동의한 고객에 대해서만 고객 분석을 진행해야 하는 것인가, 아니면 푸시알림을 동의하지 않은 고객에 대해서도 함께 고객분석을 진행해야 하는 것인가?
• 기간은 어떻게 잡을 것인가? 1년동안의 고객 내역에 대한 데이터를 사용할 것인가? 아니면 서비스를 런칭 직후부터 현재까지 모든 데이터를 대상으로 할 것인가? 

💡 고객의 어떤 변수를 R, F, M으로 결정할 것인지

• 웹툰을 서비스하는 앱을 운영하는 회사라고 생각해보자. 웹툰에는 무료 웹툰도 있고, 유료 웹툰도 있다고 해보자. 회사에서 푸시알림 마케팅을 진행하려고 하는데 어떤 고객에게 해야할까?
• F가 구매빈도이므로 단순히 유료웹툰을 결제한 횟수로 정하는 것이 맞는가? 만약, 웹툰을 많이 보는 사람에 대해서 마케팅을 진행하려고 했다면 웹툰을 본 횟수로 F를 결정하는 것이 좋지 않을까? (웹툰을 본 횟수에 대한 정의도 필요할 듯 하다.) 

💡 R, F, M을 계산할 때(특히, F와 M) 단순히 총합을 할것인지 평균값을 이용할 것인지?

💡 R, F, M을 분류할 때, 어떻게 나눌 것인지

• 각 집단이 같은 비중이 되도록 나눌 것인지? 분석 목적에 맞는 특별한 기준을 사용할 것인지? 

💡 R, F, M 3개의 점수를 단순 합산하여 총 점수를 낼 것인지, 아니면 가중치를 두어 점수를 낼 것인지?

---

꼭 RFM을 기준으로 사용해야 하나?

그렇지 않다고 생각한다. RFM이라는 기준은 회사의 산업별로 또는 분석 목적에 따라 달라질 수 있다.

A라는 구독형 OTT 서비스를 제공하는 회사가 있다고 생각해보자.
A 회사는 고객에 대한 푸시 알림을 통해서 고객들이 OTT 서비스를 이용하게끔 유도하려고 한다.
고객 분석을 통해 고객군별로 다른 알림을 보내려고 한다.

이때, R은 얼마나 최근에 서비스를 이용했는지, F는 얼마나 OTT 자주 서비스를 이용했는지로 변형하여 활용할 수 있지만, Monetary라는 변수는 금액과 관련된 변수이기 때문에 매월 같은 금액의 요금을 청구하는 구독형 서비스에서는 사용하기 힘든 변수이다. Monetary 대신 Duration과 같이 콘텐츠를 얼마나 길게 봤는지에 대한 변수를 사용하여 분석을 진행할 수도 있다.

---

위의 질문에 대한 답

글을 읽기 전 가졌던 궁금증에 대해서 다음과 같이 답변할 수 있을 것 같다.

Q. 왜 고객분석을 하는 걸까?

A. 고객분석을 하는 이유는 고객에 대한 이해를 바탕으로 비즈니스를 진행하기 위해서이다. 다음과 같은 이유말고도 다양한 이유가 있을 것이다.

• 고객 맞춤형 마케팅을 진행하고 싶을 때.
• 고객의 수요를 파악하고 비즈니스 전략을 수립할 때.
• 고객을 그룹별로 나누어서 고객 그룹별 특징을 파악하고자 할 때. 

Q. 왜 RFM 고객분석은 RFM을 기준으로 잡은 이유는 무엇일까? 다른 기준을 사용할 수는 없는걸까?

A. R, F, M 이라는 기준은 구매 고객에 대해서 분석할 수 있는 범용성 있는 기준이다. 하지만, 분석의 기준인 RFM은 회사의 산업군이나 고객분석을 하는 목적에 따라 달라질 수 있다. RFM 분석의 기준에 정확히 맞추어서 분석을 진행하는것보단 RFM 고객 세분화 분석의 프레임워크를 이해하고 회사의 산업군과 분석 목적이나 방향에 맞추어 적절한 기준을 선정하여 고객 세분화 분석을 진행하는 것이 중요하다고 생각한다.

---

참고

[위키백과] RFM

RFM analysis for Customer Segmentation

IBM RFM 분석

---

사진 출처

[Customer Segmentation] Image by vectore juice on Freepik