고밸류 고객을 찾는 비밀, RFM 분석 방법

💡 이런 분들께 추천하는 글이에요

Q. 안녕하세요. RFM 분석이 무엇인지 간단하게 설명해 주실 수 있을까요?

비즈니스에서 가장 중요한 것은 무엇일까요? 여러 가지 대답이 나올 수 있겠지만 역시 ‘고객 분석’이 가장 중요하지 않을까 싶네요. 고객을 분석하는 방법에도 여러 가지가 있지만 그중에서도 RFM 프레임워크를 활용해 보시는 것을 추천합니다. RFM 분석이란 구매 행동에 따라 세분화하는 고객 분석 방법입니다.

RFM을 사용하는 이유는 간단한데요, 모든 고객의 가치가 다르기 때문입니다. 그리고 각기 다른 가치를 가진 고객에게 어떻게 접근해야 하는지 그 방식도 달라져야 합니다.

즉 RFM을 통해 어떤 유형의 고객이 얼마나 존재하는지 파악하고 어떤 마케팅 플랜을 세울지 우선순위를 정할 수 있습니다. 굉장히 직관적이면서 유용한 고객 분석 방법이라고 할 수 있죠.

Q. 그렇군요. 그렇다면 R, F, M이 의미하는 것은 각각 무엇인가요?

RFM 분석을 제대로 하기 위해서는 각 요소에 대한 이해가 필요합니다. 구성 요소별로 등급을 매기고 각각의 고객 세그먼트를 나누는 것이 핵심이죠. R, F, M이 각각 의미하는 것은 아래와 같습니다.

R(Recency): 최근성

최근성을 의미하는 R은 고객이 얼마나 최근에 구매했는지를 나타냅니다.

예를 들어, 지난주에 구매한 고객과 1년 전에 구매한 고객 중 누가 더 활성화된 고객이라고 할 수 있을까요? 당연히 어제 구매한 고객이고 이 고객의 재구매 확률이 더 높다고 할 수 있죠. 이처럼 구매 시점에 따라 고객의 가치를 판단하는 기준을 최근성이라고 합니다.

F(Frequency): 구매 빈도

F는 얼마나 자주 구매하는지를 의미하는 구매 빈도를 뜻합니다.

한 달에 한 번 구매하는 고객과 일 년에 한 번 구매하는 고객 중, 어느 쪽이 더 충성도가 높은 고객일까요? 물론 한 달에 한 번 구매하는 고객이죠. 이처럼 구매 빈도가 높을수록 브랜드에 대한 충성도 역시 높을 가능성이 큽니다.

M(Monetary): 구매 금액

마지막으로 M은 구매 금액으로 고객이 얼마나 많은 비용을 지출했는지 나타냅니다.

100만 원을 지출한 고객과 10만 원을 지출한 고객 중 더 가치 있는 고객은 어느 쪽일까요? 대부분 100만 원을 지출한 고객이 더 가치 있다고 볼 수 있습니다. 이처럼 구매 금액이 높을수록 고객이 브랜드에 주는 경제적 가치가 더 높다고 볼 수 있겠죠.

Q. 고객 세그먼트를 나누기 위해 등급을 매기는 방법에는 어떤 것이 있나요?

1. 구간 분할

가장 간단하고 명확한 기준을 가지고 있는 구간 분할 방법입니다. 구간 분할 방식 중에서도 대표적으로 아래와 같은 방법이 있습니다.

2. 군집 분석

K-means와 같은 방법을 사용했을 때 데이터가 일정하게 군집을 이룬다면 군집 분석 방법을 사용할 수 있습니다. 데이터의 패턴을 기반으로 고객을 분류할 수 있기에 보다 자연스러우며 데이터의 양이 많을 때 더욱 효과적인 방법입니다.

단, 분석 과정에서 통계적 지식이나 분석 기술이 필요하며 결과에 대한 해석이 복잡할 수 있습니다.

3. 비즈니스 특성 기준

비즈니스의 특징에 따라 기준을 설정하여 고객을 분류하는 방법입니다.

예를 들어 우리 제품을 3회 이상 반복 구매한 경우 완전히 락인된 고객으로 간주해 봅시다. 구매 빈도인 F를 3회 이상 구매한 고객과 그렇지 않은 고객으로 나누고 각 그룹별도 다른 마케팅 액션을 취할 수 있습니다.

혹은 우리 제품을 6개월 간 이용하지 않은 고객을 이탈한 고객으로 간주한다면 최근성 R이 6개월 이상인 고객을 별도로 나눠 리마케팅을 기획해 볼 수 있죠.

Q. 구매가 발생하지 않는 서비스는 어떻게 RFM 분석을 활용할 수 있을까요?

RFM은 제품 구매를 전제로 한 방법입니다. 그렇다면 제품 판매가 아닌 서비스의 경우 이 방법을 사용할 수 없을까요? 그렇지 않습니다. 판매가 아닌 서비스 트래픽에도 분석 방법을 적용해 볼 수 있습니다.

제품 판매가 없는 서비스라면 구매 대신 최종 퍼널 혹은 비즈니스적으로 중요한 퍼널을 사용해 보세요.

가상의 무료 음악 스트리밍 서비스의 고객 분석을 예로 들어보겠습니다. 이 경우 좋아하는 음악을 모아서 플레이리스트를 생성한 고객은 락인이 된 것으로 간주한다고 가정해 봅시다. 그렇다면 기존의 모델을 다음과 같이 대체할 수 있습니다.

이런 식으로 무료 서비스라 할지라도 각각의 요소를 재정의 한다면 RFM을 할 수 있습니다.

Q. RFM 분석을 할 때 주의해야 할 점이 있을까요?

이처럼 RFM은 쉽고 편리한 분석 방법이지만 주의할 점도 있습니다. 아래 내용을 잘 이해하고 RFM 분석 방법을 사용할 때 한번 더 생각해 보세요.

1. 그룹별 등급은 가급적 4개 이하로 설정하기

RFM에서는 각 요소별로 고객 등급을 나눕니다. 그렇기에 최종 그룹 숫자는 등급 개수의 세제곱인 셈입니다. 예를 들어 R, F, M을 각각 5분할로 나누게 된다면 5*5*5=125개의 고객 그룹이 나오는 셈이죠. 정말 데이터가 많지 않은 이상 125개의 고객 그룹은 과도하게 많을 가능성이 높습니다.

그렇기에 가급적 4개 이하의 등급을 나누는 것이 좋습니다. 경우에 따라 2~3개의 등급으로도 충분할 수 있으니 비즈니스의 특성을 잘 고려해서 등급을 설정해 주세요. 혹은 특정 요소는 반드시 5분할이 필요한 경우라면 각 요소별로 등급을 다르게 나눌 수도 있습니다. R은 5분할을 했다면, F와 M은 3분할을 해서 5*3*3=45개 고객 그룹을 만드는 식이죠.

2. RFM 각 요소의 가치가 꼭 같을 필요는 없다

실무에서 많이 간과하는 부분입니다. R, F, M의 3개 요소는 각각의 가치가 꼭 같을 필요는 없습니다. 경우에 따라 더 중요한 요소가 있을 수 있는데요, 이 경우 각 요소별 가중치를 다르게 주어 해결할 수 있습니다.

예를 들어 휴대폰을 판매한다고 가정해 봅시다. 이 경우 일반적으로 휴대폰 수명 주기인 3년마다 한 번씩 제품을 구매하게 됩니다. 그렇기에 Frequency의 중요도가 다른 요소에 비해 상대적으로 낮을 수 있습니다. 반대로 한번 구매할 때 수익을 많이 낼 수 있는 Monetary의 중요도는 더 높아질 수 있겠죠.

이처럼 비즈니스 모델에 따라 각 요소의 가치가 다를 수 있기에 어떤 산업군인지, 고객의 구매 패턴이 어떤지에 따라 분석 방법을 조금씩 다르게 적용하는 것이 좋습니다.

3. RFM을 모두 사용할 필요는 없다

RFM 분석 프레임워크는 더 효율적인 분석을 위한 방법이자 도구이지 절대적인 공식이 아닙니다. 비즈니스에 따라 유효하지 않은 요소는 사용하지 않아도 됩니다.

일반적인 생애에서 많아야 한 두 번 구매하는 제품이 있습니다. 대표적으로 웨딩이나 상조와 같은 상품이 그것이죠. 이런 상품의 경우 어차피 구매가 발생하는 횟수는 한정적이기에 과감하게 F를 빼도 됩니다.

또 제품 가격의 범위가 고정되어 있거나 반대로 극단적으로 넓어서 데이터를 분석하는 것이 오히려 비효율적인 경우도 있습니다. 이 경우 과감하게 M을 빼고 R와 F에 집중한 전략을 구상할 수도 있죠. 이처럼 경우에 따라 효과적인 분석을 위해 요소를 취사 선택하는 것도 가능합니다.

Q. 마지막으로 RFM 분석을 하고자 하는 분들께 조언을 해주신다면요?

지금까지 RFM 분석에 대해 알아보았는데요, 이 프레임워크의 장점은 직관적이면서 후속 액션까지 세울 수 있게 도와준다는 점입니다. 그리고 비즈니스의 크기나 유형과 관계없이 데이터를 기반으로 고객을 분류하기에 마케팅 리소스를 보다 효율적으로 분배할 수 있게 됩니다. 특히 복잡한 솔루션이 없어도 엑셀을 이용해서 분석해 볼 수 있기 때문에 작더라도 RFM 분석을 시도해 보는 것이 필요해요.

무엇보다 가장 중요한 것은 비즈니스적인 맥락과 이를 바탕으로 고객을 이해하려는 시도입니다. 단순히 숫자에 매몰되는 것이 아니라, 왜 고객이 이런 행동을 했고 이렇게 고객을 분류해야 하는지 이해하려는 과정이 더욱 중요하죠.

오늘 아티클이 고객 분석에 많은 도움이 되셨길 바랍니다. 읽어주셔서 감사합니다.

(본 포스팅은 전달력을 높이기 위해 인터뷰 형식으로 구성되었습니다.)

📈 하이퍼컨버전은 마케팅과 전환율을 연구하는 뉴스레터입니다

협업&상담 문의나 다른 채널에서 만나시려면 아래 버튼을 눌러주세요. 읽어주셔서 감사합니다!

마케팅 정보 공유 커뮤니티

더 많은 채널에서 만나기