RFM 분석이란?
고객 데이터를 기반으로 고객의 가치를 평가하고 세분화하기 위한 마케팅 기법입니다.
여기서 고객 데이터는 Recency(최근성), Frequency(빈도), Monetary(금액) 3가지 요소를 말합니다.
좀 더 구체적으로는 아래와 같습니다.
- Recency: 마지막 구매 시점이 얼마나 최근인지?
- Frequency: 일정 기간 동안 얼마나 자주 구매했는지?
- Monetary: 일정 기간 동안 얼마의 금액을 소비했는지?
이러한 정보들을 통해서 마케터 혹은 분석가는 각 사용자 그룹에게 적절한 전략을 사용할 수 있습니다.
RFM 분석의 절차
- 데이터 수집: 고객의 구매 기록 데이터를 수집합니다.
- RFM 지표 계산: 각 고객에 대해 Recency, Frequency, Monetary 값을 계산합니다.
- 점수화: 각 요소에 대해 고객을 상위, 중위, 하위 그룹으로 나누고, 이를 기준으로 점수를 매깁니다.
- 세분화: RFM 점수를 합산하거나 조합하여 고객을 세분화합니다.
- 타겟팅 및 전략 수립: 각 세분화된 그룹에 맞춰 마케팅 캠페인을 설계하고 실행합니다.
0. 가정
- 해당 자료는 올리브영 구매 데이터라고 가정합니다.
- 최근 구매일이 24년이면 3점, 23년이면 2점, 22년 1점
- 총 구매 횟수가 100 이상이면 3점, 50이상면 2점, 50미만이면 1점
- 총 구매 금액이 200만원 이상이면 3점, 100만원 이상이면 2점, 100만원 미만이면 1점
- 각 요소별 가중치는 동일하다고 가정합니다.
1. 데이터 수집 & 2. RFM 지표 계산
아래 표와 같은 데이터를 수집했다고 가정해봅시다.
| 사용자 | 최근 구매일 | 총 구매 횟수 | 총 구매 금액 |
| A | 2024-09-11 | 200 | 4,400,000 |
| B | 2022-08-01 | 10 | 120,000 |
| C | 2023-12-31 | 18 | 1,080,000 |
| D | 2024-05-25 | 100 | 1,550,000 |
| E | 2024-04-11 | 70 | 680,000 |
| F | 2023-08-15 | 35 | 3,320,000 |
3. 점수화 & 4. 세분화
| 사용자 | Recency | Frequency | Monetary | total | 사용자 분류 |
| A | 3 | 3 | 3 | 9 | 충성도가 가장 높은 고객 |
| B | 1 | 1 | 1 | 3 | 이탈해도 타격이 없는 고객 |
| C | 2 | 1 | 2 | 5 | |
| D | 3 | 3 | 2 | 8 | 충성도 높은 고객 |
| E | 3 | 2 | 1 | 6 | |
| F | 2 | 1 | 3 | 7 | 이탈한 타격이 큰 고객 |
5. 타겟팅 및 전략 수립
위와 같은 상황 일때 여러 사용자 그룹에게 타겟팅 할 수 있습니다.
만약 이탈한 고객들을 다시 이용하도록 만들기 위해서는 B, C, F 사용자에게 복귀 혜택을 제공하는 메세지를 전송할 수 있습니다.
매출을 더 올리고 싶다면 B, C, D, E 사용자에게 많은 금액을 결제할 때 할인율이 높아지는 쿠폰을 전송할 수 있습니다.
이외에도 충성도가 높은 사용자 그룹, 자주 방문하지 않는 사용자 그룹 등의 여러 종류로 사용자를 나눌 수 있습니다.
각 사용자 그룹에 맞는 마케팅 전략을 수립하여 시행하는 것이 RFM 분석의 목적입니다.
이렇게 오늘은 RFM 분석에 대해 알아보았습니다.
추후에 있을 강의를 열심히 수강하여 RFM 분석을 잘 사용할 수 있도록 하겠습니다!
해당 포스팅은 아래 글과 ChatGPT를 참고하여 작성했습니다.
https://datarian.io/blog/what-is-rfm
RFM 고객 세분화 분석이란 무엇일까요
CRM 타겟팅을 하는 방식 중 가장 범용적으로 사용할 수 있는 RFM 고객 세분화 분석에 대해 알아보겠습니다
datarian.io