RFM 고객 세분화분석이란? (데이터리안 필수미션!)

마케팅을 했다면, RFM에 대해 더 정확히 알고 잘 사용하고 있을 것 같다.

다만, 사업기획 영업기획 영업관리 업무를 주로하고 있기에 생소하다.

 

RFM 

Recency : 최근

Frequency : 자주

Monetary : 많이

 

최근에 얼마나 자주 많이 샀는지를 RFM이라는 척도로 사용자를 나누고

사용자, 그룹에 따라 세부 정책을 진행하는 것이라고 한다.

 

사실, 마케터라면 뒤에 어떤 행동을 해야 할 것인지 까지 행동이 미치지만

데이터분석가는 데이터에 대한 인사이트를 주는 것에서 역할이 끝난다고 한다.

 

실전에서 RFM 적용 시 고려할 점은 아래와 같다.

1. Recency, Frequency, Monetary를 각각 몇 단계로 나눌 것인가

2. Frequency, Monetary를 집계하는 기간을 어떻게 설정할 것인가

 

→ 업종마다 보고자하는 게 다르기 때문에 넷플릭스라면 Recency, Frequency, Duration과 같이 기준을 잡을 수 있다.

→ 즉 결국에 하고 싶은 건 고객의 행동과정, 고객여정을 파악해 마케팅 정책, 영업 정책을 수립하고 시행함으로써 더 큰 성과를 내는 것이다.

 

최근 구매일	총 접속 횟수	총 구매 횟수	총 구매 금액
2024-09-10	150	70	5,000,000
2024-09-02	15	5	4,500,000
2024-05-08	300	20	7,500,000
2024-08-07	70	3	150,000
2024-04-05	5	3	1,500,000
2024-01-04	50	80	3,500,000

 

한번 임의로 데이터를 만들어 보았다. 

이 상황에서 어떤 행동을 취할 것인가...?

 

사실, 예시로 나온 것 보다 현실의 데이터는 더 복잡하고 어려울 것이며 애매모호할 수 있다.

회사에서 매출분석, 상품별 판매가, 할인액, 할인률을 보면서 느낀 건 많은 데이터를 손쉽게 볼 수 있는 지표가 필요하다는 것이다.

 

결국, 숫자만 봐서는 크고 적고에 대한 기준이 작기 때문이다.

 

가정

1. 해당 자료는 쿠팡에서 가져온 자료이다.

2. 로켓와우의 여부는 알 수 없음

3. 구매 카테고리 알 수 없음

4. 최근 구매일이 3달 지난 경우 비구매 고객으로 추정

5. 접속횟수는 누적이기 때문에 연간 기준으로만 뽑은 것.  (총 구매 횟수, 총 구매 금액도 동일)

6. 구매율(전환률) = 총 구매 횟수 / 총 접속 횟수

7. 객단가(용어를 몰라서) = 총 구매금액 / 총구매횟수 

8. 마케팅 집행으로 접속횟수가 늘어났을 때의 총 구매액 = 구매율 * 객단가 * 접속횟수

9. 접속횟수 구간 : 1점 100  / 2점 150 / 3점 250 (최고 수치의 1/3)

10. 총 구매횟수 구간 : 1점 25 / 2점 50 / 3점 70  (최고 수치의 1/3)

11. 총 구매 금액 : 1점 150만 / 2.5점 300만 / 4점 500만

→ 매출이 가장 중요하므로, 구매금액에 가중치.

NO.	최근 구매일	총 접속 횟수	총 구매 횟수	총 구매 금액	구매율	객단가	예측구매액
1	2024-09-10	150	70	5,000,000	47%	71,429	333,333
2	2024-09-02	15	5	4,500,000	33%	900,000	3,000,000
3	2024-05-08	300	20	7,500,000	7%	375,000	250,000
4	2024-08-07	70	3	150,000	4%	50,000	21,429
5	2024-04-05	5	3	1,500,000	60%	500,000	3,000,000
6	2024-01-04	50	80	3,500,000	160%	43,750	700,000

 

NO.	최근 구매일	총 접속 횟수	총 구매 횟수	총 구매 금액	점수	점수 순위	객단가 순위	예측구매액 순위
1	2024-09-10	2.0	3.0	4.0	9	1위	4	4
2	2024-09-02	1.0	1.0	2.5	5	4위	1	1
3	2024-05-08	3.0	1.0	4.0	8	2위	2	5
4	2024-08-07	1.0	1.0	1.0	3	5위	5	6
5	2024-04-05	1.0	1.0	1.0	3	5위	3	2
6	2024-01-04	1.0	3.0	2.5	7	3위	6	3

 

데이터리안_RFM_필수미션1.xlsx

0.01MB

 

|RFM : RFM를 점수로 나누었을 때 고객 순위 1~3위는 아래와 같다.

1위 : 09.10, 구매율 47%, 객단가 71,429, 총 구매횟수 70

2위 : 05.08, 구매율 7%, 객단가 900,000, 총 구매횟수 20

3위 : 01.04, 구매율 160%, 객단가 43,750, 총 구매횟수 80

일단, 점수화하였을 땐 과거에 VIP였던 고객들이 최근들어 구매를 안하고 있는 실정이다.

과거 고객을 다시 돌아오게 하기 위한 와우멤버십 쿠폰, 개별 쿠폰 지급 sms를 집행해야 한다.

* 가장 중요한 정보는 결국, 총 구매액과 객단가이다.

* 자주 들어오고 구매를 할 수 있느 환경을 만들어주면 된다.

* 다만, 예측구매액의 경우 전환 시 기대되는 매출액으로서 예측구매액이 클수록 더 많은 공수를 쏟아야 한다.

|예측구매액 : 구매율 * 객단가 * 접속횟수

예측구매액이 높은 사람을 기준으로 어떤 카테고리에서 어떤 물품을 구매했는지

해당 앱에서 어떤 고객여정을 통해 구매했는지 체크.

특히 객단가가 높은 제품의 여정을 체크.

|구매횟수 :

구매횟수가 높은 고객은 생필품, 음식류일 수 있음.

카테고리에 따라 고객여정 체크.

함께 구매하는 물품들을 유형화.

세트상품으로 구성할 수 있는지 체크.

 

 

직접 만든 데이터를 하나하나 뜯어보고 세세히 파다보니 어떤 걸 봐야 하는지 조금씩 기준이 세워진다.

많은 정보와 기준이 있을 수록 사실... 결정하기 어려워지는 건 명확한 듯 하다.

 

따라서, 기준이 많겠지만 그 기준조차 세분화하여 분석, 실행 후 효과있는 걸 가져가야 한다는 생각이 들었다.

그래서 찾은 건 RFM, 예측구매액, 구매횟수이며 결국. 고객의 행동패턴, 고객여정을 따라가며 부족한 부분을 보완하거나 고객이 WOW 라고 느끼지 못하지만 자연스럽게 더 많은 활동을 할 수 있는 장을 여는 게 중요하다는 생각이 들었다.