데이터분석

RFM 분석이란?

삶은돼지고기 2023. 3. 31. 17:28
728x90

1. RFM 분석이란?

데이터 분석을 공부해본 경험이 있거나, 마케팅에 관심이 있는 사람이라면 RFM 이라는 단어를 많이 들어봤을 것입니다.

RFM은 Recency, Frequency, Monetary 의 약자를 따 RFM이라고 부릅니다.

  • Recency - 거래의 최근성: 고객이 얼마나 최근에 구입했는가?
  • Frequency - 거래빈도: 고객이 얼마나 빈번하게 우리 상품을 구입했나?
  • Monetary - 거래규모: 고객이 구입했던 총 금액은 어느 정도인가?

RFM analysis for Customer Segmentation https://clevertap.com/blog/rfm-analysis/

즉, 사용자별로 얼마나 최근에, 자주, 많은 금액을 소비했는지에 따라 사용자들의 분포를 확인하고 사용자 그룹으로 나누어 분류하고 분석하는 기법입니다. 구매 가능성이 높은 고객을 선정할 때 용이한 데이터 분석 방법으로 알려져 있으며, 사용자들의 평소 구매 패턴을 기준으로 분류를 진행하기 때문에 각 사용자 그룹 특성에 따라 차별화된 마케팅 메시지를 전달할 수 있다는 장점이 있습니다.

 

각각의 Recency, Frequency, Monetary 별로 알아보도록 하겠습니다.

 

1) Recency

우선적으로 Recency는 "고객이 얼마나 최근에 구매를

하였는가?" 와 같이 특정 행동을 얼마나 최근에 했었는지를 의미하며 우리말로 고객의 최근성이라고 합니다.

 

최근성의 관점에서 보았을때는 가장 최근에 특정 행동(구매, 방문, 클릭 등)을 취한 고객이 나중에 취한 고객보다 더 가치 있는 고객으로 분류될 수 있습니다.  

현재 작성일을 기준 23/03/31을 현재날짜라고 가정할때 

  마지막 방문일자 23년 방문횟수 구매 금액
A 23/03/28 7회 520,000원
B 23/02/22 3회 2,900,000원

A고객의 최근구매일은 지금으로부터 3일전이고 B 고객의 최근 구매일은 지금으로부터 1달도 더 오래 전입니다.

따라서 Recency로 고객을 분류하였을때 A가 더 가치있는 고객이라고 할 수 있습니다.

 

2) Frequency

Frequency는 "고객이 얼마나 자주 방문하였는가?" 와 같이 특정 행동을 얼마나 자주 했는지를 의미하며 우리말로 고객의 행동 빈도라고 합니다. 행동빈도 관점에서는 고객이 특정 행동을 자주 할 수록 가치있는 고객으로 판단합니다.

A는 정해진 기간동안 7회 방문을 하였고, B고객은 3번 구매를 하였습니다. 따라서  Frequency관점에서 고객을 분류할때도 A고객이 가장 가치있는 고객으로 판단합니다.

 

3) Monetary

마지막으로 Monetary는 고객이 "돈을 얼마나 지출하였는가?"에 대한 것으로 고객의 구매금액에 따라 고객을 분류합니다. 고객구매관점에서는 당연하게도 특정 기간동안 구매금액을 더 많이 지출한 고객이 더 가치있는 고객으로 분류됩니다.

그럼 고객구매관점에서는 앞에서의 Recency, Frequency와는 다르게 구매 금액이 가장 높은 B고객을 가치있는 고객으로 판단합니다.

 

이런식으로 고객들을 분류할 수 있게 된다면 사용자들마가 각각 다르게 리워드를 제공하여 서비스를 더 잘 이용할 수 있도록 프로모션이 가능합니다. 예를들어 A고객은 방문횟수도 많고 최근에도 구매를 진행했던 고객이기 때문에 A고객이 아닌 B고객에게 할인쿠폰등을 제공해 

소비를 유도할 수 있습니다. 이런식으로 RFM을 사용하면 사용자의 특성별로 각기 다른 정책을 사용하고, 서비스를 더 잘 사용하게끔 유도하는 전략을 세워볼 수 있습니다.

 

2. 실전에서 RFM 적용 시 고려할 점 

RFM 분석에서 "반드시 이렇게 해야 한다"고 정해진 것은 아무것도 없습니다. 비즈니스의 성격에 따라, 상황에 따라 적절한 기준을 세우는 것이 중요합니다. 대표적으로 서비스 마다 다르게 적용이 가능한 요소들은 다음과 같습니다.

  • Recency, Frequency, Monetary를 각각 몇 단계로 나눌 것인가
  • Frequency, Monetary를 집계하는 기간을 어떻게 설정할 것인가

 

분석하는 서비스, 시스템에 따라 위와 같은 항목에서 설정되는 값이 모두 다를 수 있기 때문에 똑같은 RFM 기법을 사용한다 하더라도

어느 서비스에서는 사용자 그룹을 5개로, 어느 서비스에서는 사용자 그룹을 3개로 분류할 수가 있습니다.

예를 들어, 쿠팡, 카카오톡딜과 같이 생필품, 식품 등을 판매하는 경우에는 최근 한달 이내의 구매가 없는 고객일 경우 Recency가 떨어지는 고객이라고 분류할 수 있습니다.

하지만 머스트잇, 크림과 같이 금액이 높고 고급화 전략을 사용하는 서비스일 경우 Recency의 만점 기준을 한달로 잡으면 너무 타이트한 기준이 될 수 있습니다.

3. RFM 분석의 장단점, 활용법

RFM분석은 고객의 복잡한 고객 패턴을 단순히 3가지 관점으로 분석한다는 단점이 있습니다.

고객의 연령, 성별, 거주지, 상품의 특성 등 다양한 변수가 고객 구매 패턴에 영향을 미칠 수 있기 때문입니다.

 

하지만 RFM 분석은 여러 산업에서 활용가능하며, 비교적 간단한 방법으로 고객 성향을 분석하여 인사이트를 준다는 장점이 있습니다.

 

RFM 분석은 이러한 RFM 값을 이용하여 고객을 세분화하여 다음과 같은 방법으로 활용할 수 있습니다.

 

  1. 고객세그먼트화: RFM 값에 따라 고객을 분류하여 고객 세그먼트를 구성합니다. 세그먼트에 따라 다른 마케팅 전략을 적용할 수 있습니다.

  2. 마케팅 전략 수립: 고객 세그먼트에 따라 다른 마케팅 전략을 수립합니다. 예를 들어, 최근 구매일이 오래된 고객에게는 할인 쿠폰을 제공하여 재구매를 유도할 수 있습니다.

  3. 고객 유지 및 이탕 방지: RFM 값이 낮은 고객은 이탈 가능성이 높은 고객입니다. 이러한 고객을 대상으로 추가적인 혜택을 제공하여 고객 이탈을 방지하고 고객 유지에 노력할 수 있습니다.

  4. 광고 비용 절감: RFM 분석을 통해 구매횟수나 구매액이 적은 고객을 대상으로 하는 광고 비용을 절감할 수 있습니다. 이를 통해 마케팅 비용을 절감하고 효율적인 마케팅 전략을 수립할 수 있습니다.

참고자료