RFM 모델에 대한 종합 가이드: 최신성(Recency), 빈도성(Frequency), 그리고 금전적(Monetary) 가치
(참조 자료: A Comprehensive Guide to the RFM Model: Recency, Frequency & Monetary Value)
1970년대에 처음 등장한 이래 RFM(Recency, Frequency, Monetary value) 모델은 고객 세분화 전략의 초석으로 남아 있으며, 기업에게 고객에 대한 중요한 인사이트를 제공합니다. 그 오랜 역사에도 불구하고 RFM 모델은 오늘날 마케팅에서 가장 활용도가 낮으면서도 효과적인 도구 중 하나입니다.
신규 고객을 확보하는 것이 매우 중요한 최근의 비즈니스 경쟁 환경에서는 기존 고객 관계를 이해하고 육성하는 것이 무엇보다 중요합니다. 바로 이 점에서 RFM 모델이 빛을 발하는데, 이를 통해 기업은 고객 데이터를 분석하고 가장 가치 있는 고객이 누구인지, 구매 행동을 유도하는 요인이 무엇인지 파악할 수 있습니다.
본 종합 가이드에서는 최신성, 빈도성, 그리고 금전적 가치 등 각 구성 요소가 고객 행동을 더 깊이 이해하는 데 어떻게 기여하는지 살펴보면서 RFM 모델의 복잡성에 대해 자세히 알아볼 것입니다.
주요 요약 정리
- RFM 중요성: RFM(Recency, Frequency, Monetary value)은 효과적인 고객 세분화를 통해 개인화된 전략과 고객 유지율 향상을 가능하게 하는 중요한 요소입니다.
- 고객 세분화에 대한 영향: RFM 지표를 활용하여 마케팅 활동을 타겟팅하고, 고객 충성도를 높이고, 매출 성장을 촉진할 수 있습니다.
- 파레토 법칙의 적용: 파레토 원리를 RFM에 적용하여 고부가가치 고객에게 노력을 집중하여 수익을 극대화할 수 있습니다.
- 구현 단계: 데이터 트래킹, 고객 세분화, 전략 테스트, 결과 분석 및 지속적인 개선을 통해 RFM을 구현합니다.
- 지속적인 향상: 고객 참여와 유지율을 높이기 위해 RFM 인사이트를 기반으로 전략을 반복적으로 최적화하여 지속 가능한 성장을 도모할 수 있습니다.
RFM이란?
RFM은 행동 세분화에 사용되는 세 가지 변수인 Recency, Frequency, Monetary value의 약자입니다. RFM 변수 또는 RFM 지표를 기반으로 기업은 고객들을 세분화하고, 우수 고객과 잠재력이 높은 고객을 식별하며, 더 나은 경험과 제안을 만들어 고객과 친밀감을 유지하고 만족도를 높일 수 있습니다.
RFM 세분화에 필요한 모든 정보는 이미 과거 구매 데이터에 있습니다. RFM을 사용하면 고객이 신규 구매를 할 때 자동으로 수집되는 모든 데이터를 이해하고 고객 분포에 대한 명확한 개요를 파악할 수 있습니다.
충성도가 높고 만족도가 높은 고객과 충성도가 낮지만 곧 이탈할 고객을 구분하거나, 구매 가치가 높은 신규 고객을 한 번 구매하고 다시는 돌아오지 않는 일회성 고객과 구별할 수 있습니다.
RFM 모델 이해하기
RFM(Recency, Frequency, Monetary value) 모델의 핵심은 고객 데이터의 홍수 속에서 등대 역할을 하며, 기업에게 고객 행동을 분석하고 이해할 수 있는 구조화된 프레임워크를 제공하는 것입니다.
- Recency: RFM의 ‘R’은 최근성을 나타내며, 고객이 비즈니스에 얼마나 최근에 참여했는지를 나타냅니다. 이 지표는 고객 활동에 대한 중요한 인사이트를 제공하고 시간 경과에 따른 구매 행동의 추세를 파악하는 데 도움이 됩니다.
- Frequency: RFM의 “F”로 넘어가서, 빈도성은 고객이 브랜드와 상호작용하는 빈도를 나타냅니다. 거래가 이루어지는 빈도를 이해함으로써 기업은 고객 충성도를 측정하고, 높은 가치의 고객을 식별하며, 그에 따라 고객 유지 전략을 맞춤화할 수 있습니다.
- Monetary Value: 마지막으로 RFM의 ‘M’은 금전적 가치를 나타내며, 고객이 비즈니스에서 지출하는 금액을 나타냅니다. 이 지표는 가장 수익성이 높은 고객을 강조할 뿐만 아니라 업셀링이나 크로스셀링, 그리고 개인화된 마케팅 활동을 할 수 있는 기회를 보여줍니다.
이 세 가지 요소는 함께 RFM 모델의 중추를 형성하여 기업이 고객을 세분화하고, 주요 트렌드를 파악하고, 잠재고객의 공감을 이끌어내는 타깃 마케팅 전략을 수립할 수 있도록 지원합니다.
RFM 모델이란?
RFM 모델은 전체 데이터의 세 가지 변수를 기반으로 고객을 세분화하여 분석할 수 있는 행동 세분화 방법입니다: Recency(R), Frequency(F), Monetary value(M)입니다.
- Recency은 고객이 스토어에서 얼마나 최근에 구매했는지 보여줍니다.
- Frequency는 고객이 브랜드에서 구매하는 빈도를 반영합니다.
- Monetary value는 고객이 일반적으로 스토어에서 지출하는 금액을 나타냅니다.
RFM 모델을 기반으로 고객을 세분화하려면 각 변수에 대한 척도를 설정해야 합니다. 스토어 규모에 따라 아래 스케일 중 하나를 사용하게 됩니다:
- 고객 수가 20만 명 이상인 경우 1~5 규모로 설정합니다;
- 스토어 고객 수가 30만~200만 명인 경우 1~4 규모입니다;
- 고객 수가 3만 명 미만인 경우 1~3 규모입니다.
예를 들어 스토어에 20만 명 이상의 고객이 있고 상위 고객을 파악하려면 최대 RFM 점수가 각각 555점인 고객을 살펴봐야 합니다. 이들은 가장 큰 지출을 하는 고객이며, 최근성과 구매 빈도가 가장 높습니다. 따라서 이들을 가까이 두고 그들의 충성도를 유지해야 합니다.
RFM 모델 분석이란?
위에서 설명한 바와 같이 RFM은 Recency, Frequency, Monetary value의 약자입니다. 이는 고객의 생애 가치에 초점을 맞추고 있으며, 고객 확보보다 유지 전략에 중점을 두는 이커머스 비즈니스에서 선호하는 고객 세분화 방법론입니다.
RFM 모델링의 일반적인 접근 방식은 대량의 거래 데이터를 수집하고 이를 기반으로 구매 내역에 따라 고객을 특정 그룹으로 분류하는 것입니다. 그런 다음 각 고객 그룹은 각자의 니즈와 행동 패턴에 따라 개별적으로 대응합니다. RFM 모델의 가장 큰 장점은 최신성과 빈도성 점수가 높은 고객에게 집중할 수 있다는 점입니다.
이러한 고객은 재방문 및 재구매 가능성이 높기 때문에 매우 중요합니다. 이상적인 고객 프로필과 구매자 페르소나를 정의하는 데 진지하게 고민하고 있다면 RFM을 기반으로 고객을 세분화해야 합니다. 왜 그럴까요? 1%의 고객이 최대 30배 더 많은 매출을 창출한다는 사실을 알게 될 것입니다. 그리고 첫 주문 후 재방문하는 고객은 20%에 불과합니다.
RFM 모델에서의 파레토 법칙
파레토 원칙을 RFM 모델에 적용하면, 비즈니스 매출의 80%는 상위 20%의 고객, 즉 우수 고객이 창출해야 합니다.
이 원칙이 실제 비즈니스에도 적용될까요? 구독 기반 온라인 스토어의 RFM 그룹별 매출 대 마진 분포를 예시로 들어 보도록 하겠습니다.
소울메이트는 RFM 점수가 만점인 고객을 나타낸다고 가정했을 때, 해당 비즈니스의 소울메이트의 비중은 21%이며, 이들이 전체 매출의 54%를 가져옵니다. 과거에 소울메이트였지만 현재는 이탈된 고객 수가 만약 더 적었다면, 매출 비중은 80%가 될 것입니다.
RFM 모델에 적용된 파레토 원칙은 적합한 고객을 유치하고 유지하는 것의 중요성을 강조할 뿐입니다. 지속 가능한 성장을 목표로 한다면 80:20 원칙을 사용하여 향후 이니셔티브를 안내할 수 있습니다.
고객 유지(Customer Retention)에서 RFM 모델의 역할
광고가 전부였던 시절이 있었습니다. 사람들은 브랜드에 대한 관심을 유도하고 새로운 고객을 확보하기 위해 막대한 예산을 지출했습니다. 계속해서 말이죠. 이러한 고객 인사이트에 액세스하고 싶지 않으신가요? 이러한 고객이 누구인지, 무엇이 그들을 다시 찾게 만드는지 명확하게 파악하고 싶으신가요?
‘리텐션’, ‘로열티 프로그램’, ‘관계 구축’과 같은 용어가 대중화되기 전까지는 광고가 전부였습니다. 우리는 현재 소비자와 공급자 간의 관계가 냉랭한 시대에 살고 있습니다. 두 부분 사이에는 감정이나 약속은 없습니다.
마케터로서 우리는 거래 중심에서 고객 중심으로 태도를 전환해야 합니다. 많은 온라인 비즈니스가 고객 획득 비용 (CAC)을 줄이는 데 집중하는 것을 보아왔습니다. 이들은 리텐션을 완전히 무시하는데, 이는 콜드콜(Cold Call)을 통해 첫 번째 상호작용에서 모든 사람이 구매하기를 기대하는 것과 비슷합니다.
이런 일은 거의 발생하지 않으므로 단골 고객이 될 가능성이 높은 고객을 확보하는 대신 평균적인 고객을 확보하는 데 집중하면 비즈니스의 장기적인 성장을 방해하게 됩니다. RFM 모델은 고객 유지 및 신규 고객 확보 노력을 최대한 활용할 수 있도록 도와줍니다. 고객 유지 최적화가 주요 목표인 경우 RFM 모델이 도움이 됩니다.
- 충성도가 높은 단골 고객이 누구인지 알아보세요.
- 모든 고객 세그먼트의 핵심 성과 지표를 분석하여 고객 유지 목표와 비교하여 자사의 현재 위치를 파악하세요.
- 우수 고객에 대한 정성적 분석을 수행하여 로열티 프로그램의 일환으로 최고의 대우를 제공할 수 있습니다.
- 적극적이고 잠재력이 높으며 위험에 처한 고객을 위해 다양한 접근 방식을 만드세요.
- 현재 상위 고객과 유사한 신규 고객을 유치하는 데 더 능숙해지세요.
RFM 모델의 장점
RFM 모델의 가장 큰 장점 중 하나는 이미 보유하고 있는 데이터, 즉 고객의 과거 거래 데이터를 기반으로 명확성을 제공한다는 것입니다. 비즈니스에 RFM을 사용하기 시작하면 다음과 같은 이점을 얻을 수 있습니다.
- 고객 행동에 대한 이해도 향상
- RFM 세그먼트 간에 고객이 어떻게 분포되어 있는지 파악 가능
- 고객 세그먼트를 분석하고 우선순위가 무엇인지에 대한 인사이트를 수집
- 마케팅 캠페인을 위한 더 나은 고객 경험과 메시지 개발
- 더 나은 맞춤 오디언스 및 유사 오디언스로 페이드 미디어 활동을 지원
RFM 세분화를 자동으로 수행하면 다양한 최적화 프로세스에서 회사 전체가 쉽게 이해하고 적용할 수 있는 하나의 세분화 모델을 고수하기가 더 쉬워집니다. 세분화에 대한 일관성과 추적성을 원한다면 RFM이 적합한 세분화 모델입니다.
왜 RFM 모델을 수행해야 하는가
물론 고객 확보는 이커머스 웹사이트의 첫 몇 달 또는 몇 년 동안의 주요 성장 동력입니다. 이 단계에서는 사람들에게 여러분의 존재를 알리고 인지도를 쌓는 것이 중요합니다.
하지만 충분한 고객을 확보한 후에는 고도로 개인화된 고객 여정을 통해 세분화 및 고객 유지에 집중해야 합니다. 이를 통해 패션 업계의 한 기업이 6개월 만에 고객 유지율을 6%까지 높일 수 있었습니다!
RFM 모델을 사용하여 현재 고객과 강력한 관계를 구축하는 방법을 보여드리겠습니다. 아래 프로세스는 맞춤화된 플랫폼에 구축된 웹샵에 적합합니다.
RFM 모델 생성을 위한 단계별 가이드
다음 단계는 RFM 분석을 수동으로 수행하는 데 적합하다는 점을 기억하세요. 수작업에 소요되는 시간을 줄이고 RFM 분석의 결과인 인사이트를 분석하는 데 더 많은 시간을 할애하고 싶다면 기업의 니즈에 맞는 자동화된 RFM 세분화 솔루션을 적극 권장합니다.
1단계: 트래킹
우선, 비즈니스에 새로운 것을 시도할 때는 논리를 찾아야 한다는 점을 명심하세요. 지난 3년간의 고객 구매 내역이 포함된 데이터베이스를 구축하는 것이 좋습니다.
고객 데이터를 살펴보면 몇 가지 패턴을 관찰할 수 있습니다. 고객 데이터베이스를 분석해보니 웹사이트에서 한 번 구매했지만 다시는 구매하지 않는 고객이 있었습니다. 반면에 새로운 제품이 출시될 때마다 구매하는 고객도 있었습니다.
첫 번째 중요한 인사이트는 이러한 고객들은 서로 다른 습관을 가지고 있으므로 다르게 접근해야 한다는 것이었습니다.
데이터베이스를 확보했다면 고객 데이터베이스를 세분화하고 점수를 부여하는 데 도움이 되는 기준을 선택해야 합니다. 고려해야 할 가장 중요한 지표는 다음과 같습니다.
- 수익 (1)
- 주문 수 (2)
- 주문 당 평균 가치 (3)
- 마지막 주문일 (4)
- 마지막 주문 일수 (5)
트래킹할 대상을 결정한 직후에는 이전에 구매했던 모든 항목에 플래그를 지정해야 합니다:
- Recency – 마지막으로 주문한 시간
- Frequency – 주어진 기간 동안 주문한 주문 수
- Monetary value – 첫 구매 이후 지출한 금액 (Customer Lifetime Value)
2단계: RFM 세분화
이커머스 사이트에 대한 RFM 모델을 구축하는 두 번째 단계는 고객 카테고리를 정의하는 것입니다. Recency, Frequency, Monetary value를 기준으로 정의해야 합니다. RFM 모델을 사용하여 가장 중요한 고객을 발견하세요. 금전적 가치가 높고 구매 빈도가 높은 고객을 놓치고 싶지 않을 것입니다.
이탈률을 줄이려면 고객이 누구인지, 구매 의도를 이끄는 근본적인 요인을 이해해야 합니다. 또 다른 세그먼트에는 과거에 우수 고객이었던 고객도 포함될 수 있습니다. 물론 데이터에서 길을 잃고 너무 많은 그룹을 만드는 것은 위험합니다.
가치 있는 고객을 확보하는 것은 우연히 이루어지는 일이 아닙니다. 의도적이고 계획적인 과정입니다. 충성도 높은 고객을 더 많이 확보하는 한 가지 방법은 지속적으로 NPS 설문조사를 실시하여 모든 고객의 동향을 파악하는 것입니다. 순 추천 고객 점수를 통해 고객이 브랜드에 대해 어떻게 생각하는지 파악할 수 있습니다.
또한, NPS 세분화(프로모터, 패시브, 디스패터)를 기반으로 전략을 개발하세요. 예를 들어, 수동적인 고객에게 특별 제안을 보내 이들을 지지자로 전환할 수 있습니다.
Recency
회사에 20만 명 이상의 고객이 있다고 가정해 보겠습니다. 가장 최근 구매부터 가장 최근 구매까지 모든 구매를 나열하고 시간을 균등하게 나눕니다. 5개의 세그먼트가 표시됩니다.
- Old
- Lost
- Potential
- Regular
- New
그런 다음 각 고객에 번호를 할당합니다: 1, 2, 3, 4, 5.
이것은 네 개의 시간 간격이 있는 예제입니다. 그렇기 때문에 최근성에 최대. 4점만 최근성에 할당됩니다. 이 단계에서는 고객에 대한 중요한 인사이트를 확보해야 합니다. 예를 들어, 최근에 구매한 사용자가 뉴스레터를 열어보고 웹사이트를 방문하는 경향이 더 높다는 사실을 발견한 적이 있습니다. 참여도가 더 높았죠. 빈도성과 금전적 가치에 대해서도 이 과정을 반복해야 합니다.
Frequency
구매가 포함된 전체 파일을 가장 높은 구매 수부터 가장 낮은 구매 수 순으로 정렬합니다. 그런 다음 최근에서와 마찬가지로 동일한 부분으로 나눕니다.
예를 들어…
시간 간격을 5개로 나눈 경우 빈도에 대해 1부터 5까지 점수를 할당합니다.
전문가 팁: 고객 설문조사를 트리거하여 고객이 사이트에서 얼마를 지출할 의향이 있는지 파악하세요.
다음은 고객 만족도 설문조사에서 물어볼 수 있는 몇 가지 질문입니다:
- [제품 X]/[특별 이벤트] 등에 얼마를 지불할 의향이 있습니까?
- [사이트]의 제품에서 개선하고 싶은 점은 무엇인가요?
답변을 분석할 때는 반복 구매를 하는 사용자와 한 번만 구매하는 사용자 간의 차이에 주목하세요. 차이가 크다면 그 빈도가 비즈니스에 필수적인 요소입니다.
결과를 분석해 보니, 최근성 조사에서처럼 두 항목의 차이가 크지 않았습니다. 따라서 해당 비즈니스는 좋은 빈도성 점수보다는 최근 구매가 더 중요했습니다.
Monetary Value
RFM 모델을 사용한 고객 데이터베이스 세분화의 세 번째 요소는 Monetary Value입니다. 금전적 가치는 고객이 평생 동안 지출한 전체 금액입니다.
사이트에서 지출한 금액이 가장 높은 금액부터 가장 낮은 금액까지 목록을 정렬하고 데이터베이스를 4~5개의 동일한 부분으로 나누기만 하면 됩니다(결정한 방법에 따라 다름). 그런 다음 각 부분에 어트리뷰트 포인트를 지정합니다. 이 세 가지 세분화 기준을 적용하면 각 고객의 RFM 점수를 나타내는 세 자리 코드 목록이 표시됩니다.
3단계: 테스트
이제 Recency, Frequency, Monetary value에 따라 고객 데이터베이스를 세분화했으니 어떤 세그먼트가 가장 수익성이 높은지 어떻게 알 수 있을까요?
테스트하면 됩니다!
먼저 전체 고객 수에서 샘플 크기를 추출하고(아래 설명된 대로 세분화) 캠페인을 시작해야 합니다. 데이터베이스 총 고객 수의 5% 또는 10%의 샘플 크기를 선택합니다.
170,000명의 고객을 8,500명(전체의 5%)으로 나누면 20명이 됩니다. 즉, 데이터베이스에서 20번째 고객을 모두 선택해야 한다는 뜻입니다.
전체 목록의 대표 샘플을 확보하려면 이 규칙을 사용하세요.
목록의 5% 또는 10%를 테스트하면 실패할 수 있는 프로모션 캠페인을 시작할 위험을 최소화할 수 있습니다.
4단계: 분석
캠페인의 결과를 분석하려면 RFM 점수가 어트리뷰션된 각 세그먼트의 전환율을 측정해야 합니다. 전환율이 가장 높은 세그먼트는 비즈니스에 가장 많은 수익을 가져다 줄 세그먼트입니다.
결과를 분석할 때는 언제 어디서나 누구나 사용할 수 있는 이 간단한 절차를 활용하세요. 이를 위해 정교한 도구가 필요하지 않습니다. 먼저 캠페인의 총 비용을 총 수익으로 나누면 됩니다.
수익/비용이 1이거나 1보다 크면 해당 고객에 계속 투자하는 것이 수익성이 있는 것입니다.
마지막 값이 1보다 큰 행 아래에 선을 그립니다.
1보다 작으면 해당 유형의 고객에게 투자하는 것이 효과적이지 않거나 이상적인(가장 수익성이 높은) 고객처럼 행동하게 만드는 요인을 찾기 위해 더 많은 테스트를 실행해야 함을 의미합니다.
5단계: 반복과 성장
RFM 모델을 올바른 방식으로 구축하면 고객과의 커뮤니케이션에서 더욱 설득력을 높일 수 있습니다. 고객이 계속 고객으로 남도록 설득할 가능성이 높습니다. 어디서부터 시작해야 할지 모르겠다면 매출 증대를 위한 다음 아이디어를 확인해 보세요.
예를 들어 고객이 최근성향에서 ‘1’ 카테고리에 속하는 경우 재참여 뉴스레터를 보낼 수 있습니다. 이 뉴스레터에는 사이트의 모든 새로운 오퍼, 디자인 변경 사항 또는 고객이 마지막으로 사이트를 방문한 이후 전반적인 환경이 어떻게 개선되었는지에 대해 언급할 수 있습니다.
금전적 가치의 ‘5’ 세그먼트에 속하는 고객과 소통하고 싶다면 고객이 여러분과 비즈니스에 얼마나 중요한지 알려주세요. 가능하다면 특별 할인을 제공하고, VIP 고객임을 알리고, 감사의 마음을 전하세요. 이렇게 하면 고객이 사이트를 다시 방문하고 더 많이 구매할 것입니다.
마지막으로 창의력을 발휘하시기 바랍니다. RFM 모델은 비즈니스에 적합한 방식으로 사용할 수 있습니다. 하지만 RFM 분석과 세분화만으로는 웹사이트의 결과에 영향을 미치지 않는다는 점을 기억하세요.
고객 인사이트를 기반으로 행동하고 접근 방식을 테스트하고 보다 감성적인 방식으로 고객을 타겟팅해야 합니다. 결국 더 많은 전환을 달성할 수 있습니다.
물론 RFM 모델을 수동으로 구현하는 데 소요되는 리소스를 줄일수록 RFM 분석을 통해 생성된 새로운 인사이트를 마케팅 프로세스와 캠페인 최적화에 적용하는 데 더 많이 투자할 수 있습니다.
테스트와 분석 RFM 세그먼트의 강력한 성능 공개
이제 Recency, Frequency, Monetary value(RFM)를 기준으로 고객 데이터베이스를 세분화했으므로 이제 이러한 세분화를 테스트하고 비즈니스 성장을 이끄는 실행 가능한 인사이트를 발견할 차례입니다.
- 세그먼트 테스트: 각 RFM 세그먼트에서 대표적인 샘플 크기를 추출하는 것부터 시작합니다. 통계적으로 유의미한 샘플 크기(일반적으로 전체 고객 데이터베이스의 5%에서 10% 정도)를 목표로 합니다. 이렇게 하면 테스트 결과가 신뢰할 수 있고 전체 모집단을 반영할 수 있습니다.
- 캠페인 시작: 샘플 세그먼트가 식별되면 각 그룹에 맞는 타겟팅 마케팅 캠페인을 시작합니다. 개인화된 이메일 제안, 독점 할인, 로열티 보상 등 각 세그먼트의 니즈와 선호도에 맞는 메시지를 제작하세요.
- 결과 분석: 캠페인이 실행되면 결과를 면밀히 모니터링하고 분석하세요. 전환율, 평균 주문 금액, 고객 유지율과 같은 주요 성과 지표에 주목하세요. 이 데이터는 어떤 RFM 세그먼트가 비즈니스에서 가장 높은 수익을 창출하는지에 대한 귀중한 인사이트를 제공합니다.
- 전략 반복: 테스트 단계에서 얻은 인사이트를 바탕으로 마케팅 전략을 반복하고 그에 따라 개선하세요. 긍정적인 결과를 가져오는 전략은 더욱 강화하고, 기대에 미치지 못하는 전략은 조정하거나 제거하세요. 실시간 데이터와 고객 피드백을 기반으로 지속적으로 개선하고 최적화하는 것이 목표입니다.
- 기술 활용: 최첨단 분석 도구와 플랫폼을 활용하여 테스트 및 분석 프로세스를 간소화하는 것을 고려하세요. A/B 테스트 소프트웨어, 마케팅 자동화 플랫폼, 고객 관계 관리(CRM) 시스템 등 올바른 기술에 투자하면 RFM 세분화 노력의 효과를 증폭시킬 수 있습니다.
RFM 모델에 대한 F&Q
RFM 모델은 어떻게 사용하는가?
Recency, Frequency, Monetary value 또는 RFM 모델은 기존 고객 데이터 세분화를 사용하는 데 도움이 됩니다. 각 변수에 부여한 점수를 기반으로 최고의 고객과 최악의 고객을 식별하고 리텐션과 신규 고객 확보를 개선하기 위해 집중해야 할 세그먼트를 보다 명확하게 파악할 수 있습니다.
RFM 분석은 어떻게 이루어지는가?
RFM 분석은 기존 거래 데이터를 사용하여 고객을 세분화하고 향후 브랜드에서 계속 구매할 가능성이 높은 고객을 예측하는 데 도움이 됩니다. 각 RFM 변수에 점수를 부여하고 해당 값을 사용하여 총 RFM 점수를 계산해야 합니다.
RFM은 예측 모델인가?
RFM은 과거 데이터를 기반으로 고객이 어떻게 행동할지 예측하기 때문에 예측 모델이라 볼 수 있습니다. 고객을 RFM 세그먼트로 그룹화하면 고객의 현재 RFM 점수를 고려하여 향후 상호 작용에서 무엇을 기대할 수 있는지 보다 명확하게 파악할 수 있습니다.
RFM 모델은 어떻게 구현되는가?
RFM 모델은 Recency, Frequency, Monetary value에 따라 각 고객에게 수치 점수를 할당합니다. 고객은 일반적으로 이 점수를 사용하여 세그먼트 또는 그룹으로 나뉩니다. 예를 들어 세 가지 범주 모두에서 높은 점수를 받은 고객은 “최우수” 또는 “최고 가치” 고객으로 분류되고, 세 가지 범주 모두에서 낮은 점수를 받은 고객은 “비활성” 또는 “참여도가 가장 낮은” 고객으로 분류될 수 있습니다.
* 마케팅 자료 및 기타 상담 문의: parkmg85@hanmail.net