RFM
- Recency : 얼마나 최근에 구매했는가? , 특정 행동을 얼마나 최근에 했는지
- Frequency : 얼마나 자주 구매했는가? , 특정 행동을 얼마나 자주 했는지
- Monetary : 얼마나 많은 금액을 지출했는가?
최근성(Recency)과 행동 빈도(Frequency) 관점에서 고객이 취하는 행동은 단순히 구매 뿐만 아니라 클릭, 방문 등 여러가지가 있을 수 있다.
RFM 분석에서는 '회사 매출에 가장 중요한 요인은 최근성(Recency), 행동 빈도(Frequency), 구매금액(Monetary)이다' 라는 가정을 두고 있으며, 이 3가지 관점에서 고객의 가치를 분석하게 된다.
즉, 사용자별로 이 3가지 관점에서 (얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 지출했는지) 에서 1) 사용자들의 분포를 확인 하거나 2) 사용자 그룹이나 등급을 나누어 분류(Segmentation) 하는 분석 기법이다.
따라서 구매 가능성이 높은 고객을 선정할 때 용이한 분석 방법이며, 사용자들의 평소 구매 패턴을 기준으로 분류를 진행하기 때문에, 각 사용자 그룹의 특성에 따라 차별화된 마케팅 전략을 세울 수 있다.
RFM 분석 프로세스
RFM 분석(RFM Analysis / RFM Scoring) 은 고객의 가치를 분석하기 위한 기법으로, 더 구체적으로 말하자면 각각의 R-F-M 의 차원에서 개별 고객들이 얼마나 잘 하고 있는지 등급을 매기는 분석 기법 이라고 할 수 있다. 일반적인 RFM 분석 프로세스는 아래와 같이 진행된다.
RFM 분석의 기본이 되는 데이터를 준비한다. 즉, R-F-M 을 수치화한다.
(고객ID, 최근 구매 날짜, 특정 기간 내 구매 횟수, 특정 기간 내 구매 금액)< RAW 데이터 >
CustomerRecencyFrequencyMonetary A 3일 13회 100만원 B 1일 7회 200만원 C 2일 6회 300만원
R, F, M 별로 가치가 높은 순서로 정렬한다.
< Recency >
CustomerRecency B 1일 C 2일 A 3일 < Frequency >
CustomerFrequency A 13회 B 7회 C 6회 < Monetary >
CustomerMonetary B 300만원 C 200만원 A 100만원
R-F-M 별로 구간을 정하고 각 고객이 어느 구간에 들어가는지 등급을 매긴다.
즉, 등급별 기준 조건을 세우고 매칭한다. 구간을 나누는 방법으로는 분위수를 이용하거나 최솟값, 최댓값을 이용하는 방법이 있다. 아래 그림은 Recency 를 기준으로 등급을 매기는 과정이다. Frequency, Monetary 등급도 이와 같이 동일하게 매기면 된다. 이것이 RFM 분석 방법이다.출처: //zephyrus1111.tistory.com/12?category=820621#c1
RFM 분석 활용
1) 고객 분류
RFM 분석 결과를 통해 얻어진 Recency, Frequency, Monetary 를 이용하여 고객을 분류(Segmentation) 할 수 있다. 이를 통해 각 등급별 고객의 유형을 파악할 수 있게 된다.
| 1 | 1등급 | 1등급 | 1등급 | 서비스 충성도가 높은 고객 |
| 2 | 1등급 | 3등급 | 3등급 | 최근까지 접속은 있었지만 구매는 많이 없는 고객 |
| 3 | 1등급 | 2등급 | 1등급 | |
| 4 | 3등급 | 1등급 | 1등급 | 떠나간 VIP 고객 |
| 5 | 3등급 | 2등급 | 1등급 | |
| 6 | 3등급 | 3등급 | 3등급 | 떠났지만 타격은 없는 고객 |
예를 들어, 최근 서비스를 이용하지 않은 고객들 중에서 구매 횟수가 높았거나 구매 금액이 높았던 고객을 대상으로 할인 쿠폰을 보내고 싶다면 4,5번 고객을 뽑아서 전달하면 된다. 이렇게 상황과 목적에 맞게 고객군을 뽑아서 사용할 수 있다.
2) 고객 가치 지표
RFM 분석 결과는 적절한 가중치(x,y,z) 를 통하여 고객을 평가하는 지표로 활용될 수 있다.
고객지표=x×Rece ncy등급+y×Frequency등급+z×Monetary등급고객지표 = x\times Recency등급 + y\times Frequency등급 + z\times Monetary등급
고객 지표를 계산하면 이를 통해 고객의 등급을 매길 수 있다. 즉 최근성, 행동 빈도, 구매금액을 개별로 보는 것이 아니라, 3가지 요인을 모두 고려한 등급을 매길 수 있게 되는 것이다.
모든 고객에게 등급을 부여하고 난 다음에는, 각 등급별로 매출 기여도를 계산하게 된다.
| 1 | 10명 | 1억원 | 62.5% |
| 2 | 21명 | 4천만원 | 25% |
| 3 | 45명 | 2천만원 | 12.5% |
마케터는 이를 분석하여 고객 등급별 전략을 세우게 된다.
그렇다면, 고객 지표 계산시 부여한 가중치는 어떻게 잡아야 할까?
다음의 두 가중치가 있다고 가정해보자.
가중치 1 : a , b , c
고객지표=a×Recency등급+b×Freque ncy등급+c×Monetary등급고객지표 = a\times Recency등급 + b\times Frequency등급 + c\times Monetary등급
등급고객 수매출액매출 기여도 1 10명 1억원 62.5% 2 21명 4천만원 25% 3 45명 2천만원 12.5% 가중치 2 : x , y , z
고객지표=x×Recency등급+y×Frequency등급+z×Mone tary등급고객지표 = x\times Recency등급 + y\times Frequency등급 + z\times Monetary등급
등급고객 수매출액매출 기여도 1 15명 6천만원 37.5% 2 27명 5천만원 31.25% 3 34명 5천만원 31.25%
그리고 각각의 가중치로 계산한 매출 기여도를 살펴보자.
가중치 1을 이용하여 얻은 매출 기여도의 값들의 차이가 큰 반면에, 가중치 2를 이용하여 얻은 매출 기여도의 값들은 상대적으로 고르게 분포하고 있는 것을 알 수 있다.
즉, 가중치 1로 얻은 매출 기여도의 분산이 가중치2 로 얻은 매출 기여도의 분산 보다 크다 고 할 수 있다.
분산이 크다는 것은 곧 매출에 기여하는 고객을 잘 분리해준다는 것을 뜻하며, 집중해야 할 고객을 잘 추려낸다는 것이다. 따라서, 매출 기여도의 분산을 크게 만드는 가중치가 더 좋은 것 이라는 결론을 낼 수 있다.
RFM 적용시 고려할 점
RFM 분석은 정해진 것이 없으므로, 비즈니스의 성격과 상황을 고려하여 알맞은 기준을 세우면 된다. 아래는 대표적으로 서비스마다 다르게 적용이 가능한 요소들이다.
- Recency, Frequency, Monetary 를 각각 몇 단계로 나눌 것인가?
- Frequency, Monetary 를 집계하는 기간을 어떻게 설정할 것인가?
예를 들어, 쿠팡 같이 생필품을 판매하는 플랫폼의 경우 한 달 이내 구매가 없을 때 이미 Recency 가 떨어지는 고객으로 분류할 수 있을 수 있지만, 29cm 같이 고급화 전략을 쓰고 있는 플랫폼에서는 Recency 만점 기준을 한 달로 세우면 너무 타이트한 기준이 될 수 있다.
RFM 분석의 장단점
RFM 분석은 고객의 복잡한 구매 패턴을 단순히 'Recency, Frequency, Monetary' 이 3가지 요인으로만 분석한다는 단점이 있다. 고객의 성별, 상품의 특성 등 여러 가지 변수가 고객의 구매 패턴에 영향을 미치기도 하는데 말이다.
또한, R-F-M 을 기준으로 분류한다는 것 외에는 정해진 것이 아무것도 없기 때문에 실제 서비스에 적용하기 난감하기도 한다고 한다.
하지만 이런 점 덕분에 여러 산업에서 활용될 수 있으며, 비교적 간단한 방법으로 고객 성향에 대한 인사이트를 얻을 수 있다는 장점이 있다. 뿐만 아니라, 분석가들이 다양한 분석을 해볼 수 있는 기법이기도 하며 RFM 분석의 요소와 방식을 자유롭게 변형하여 분석에 적용하는 것이 얼마든지 가능하다.
참고
- //www.datarian.io/blog/what-is-rfm?utm_source=sql-camp&utm_medium=camp&utm_campaign=referral&utm_content=sql-basic
- //zephyrus1111.tistory.com/12?category=820621#c1