LTV: 사용 가능한 데이터를 사용하여 고객 가치를 예측하는 방법

장기적인 성장은 일회성 고객을 단골 고객으로 전환하는 데 중점을 둔 현대 마케팅의 본질입니다. LTV 메트릭을 사용하면 기업이 마케팅을 의미 있게 개인화할 수 있습니다. 즉, 개인화된 제품 추천 및 광고 캠페인을 위한 솔루션을 만들 수 있습니다.

그러나 예를 들어 이탈률을 통해 간단한 공식을 사용하여 LTV를 공식적으로 구하면 결과가 비즈니스에 만족스럽지 않은 경우가 많습니다. 대규모 전자 상거래 비즈니스의 예를 사용하여 사용자 데이터를 단일 저장소에 통합하고 다양한 고객 집단을 사용하여 계산 방법을 선택하는 방법을 보여줍니다.

기업은 사용 가능한 모든 데이터를 사용하여 고객 가치를 예측하고 고객 수명과 전체 고객 기반의 LTV를 늘리기를 원했기 때문에 다음과 같은 목표를 설정했습니다.

• 구매 활동을 기반으로 고객을 분류합니다.
• 디지털 커뮤니케이션 및 직접 마케팅 채널(이메일, SMS, 콜 센터)을 사용하여 획득한 고객 세그먼트와 커뮤니케이션을 개인화합니다.

사용된 도구 중에는 사용자 행동 데이터를 수집하고 저장하는 Google Analytics와 완료된 주문에 대한 데이터를 수집하는 CRM 시스템(Microsoft Dynamics)이 있습니다. 또한 이 데이터는 고객 세분화를 위해 단일 데이터 시스템에서 (고객의 구매 빈도에 따라) 병합되어야 합니다. 그런 다음 획득한 고객 세그먼트를 광고 서비스로 보내 관련 광고를 표시하고 직접 마케팅 커뮤니케이션을 개인화하는 데 사용할 수 있습니다.

Google BigQuery(GBQ)는 높은 보안 표준과 다른 서비스와의 간단한 통합으로 인해 데이터 병합을 위한 클라우드 데이터 저장소로 선택되었습니다. OWOX BI 파이프라인은 사용자 행동에 대한 샘플링되지 않은 원시 데이터를 거의 실시간으로 GBQ로 보내기 위해 적용되었습니다.

API 및 클라이언트 라이브러리의 도움으로 CRM의 다음 데이터가 Google BigQuery로 전송되었습니다.

• 완료된 주문을 포함한 모든 주문에 대한 데이터(온라인, 오프라인 및 콜센터를 통한).
• 고객 사용자 ID, 개인 데이터(이름, 성별, 생일, 이메일 주소, 전화번호, 등록 날짜, 로열티 프로그램 상태, 이메일, SMS 구독 등) 및 고객의 구매 활동에 대한 데이터(a 고객이 주문한 수).

다음은 데이터 흐름 스키마입니다.

우리 고객은 옴니채널 패션 소매 비즈니스였기 때문에 추가 맞춤 매개변수를 사용하여 자체 고객 세그먼트를 생성할 필요가 있었습니다.

고객층의 소비주기는 1.5개월 ± 2일로 설정하여 세분화 기간을 산정하였다. 이 값은 인접한 두 주문 사이의 중간 일수입니다. 이 중앙값을 확인하기 위해 온라인 주문 사이의 일수를 계산한 다음 오프라인 주문 사이의 일수를 계산하여 두 가지 주문 유형에 대한 가중 평균 값을 구했습니다.

다음으로 주요 세그먼트 유형은 다음과 같은 세그먼트에 대해 계산된 기간을 기반으로 식별되었습니다.

• 신규 회원 . 구매를 하지 않은 신규 등록 사용자입니다.
• 기존 회원 . 구매를 하지 않은 기존 등록 사용자입니다.
• 신규 구매자 . 첫 구매 고객입니다.
• 좋은 구매자 . 최근 6개 기간 동안 3회 이상 구매한 고객입니다.
• 아주 좋은 구매자 . 지난 6개 기간 동안 가장 많이 구매한 고객입니다. 이 부문의 상한선으로 OWOX BI 분석가는 변환율(보고 기간 내에 구매한 고객의 비율)을 사용했습니다. 예를 들어, 각 기간에 또는 마지막 6개 기간 중 4-5개 기간에 무언가를 구매한 고객입니다.
• 캐주얼 구매자 . 최근 6개 기간 중 1~2개 기간에 구매한 고객입니다.
• 수면 구매자 . 지난 6개 기간 동안 구매하지 않은 사용자입니다.
• 비활성 . 지난 12시간 동안 구매하지 않은 사용자입니다.

세분화 조건을 지정한 후 팀은 고객 그룹 간에 가능한 사용자 전환에 대한 스키마를 만들었습니다. 분석된 기간 내에 그리고 디지털 및 다이렉트 마케팅 채널을 통해 고객과 커뮤니케이션한 후 사용자가 한 세그먼트에서 다른 세그먼트로 이동하는 것을 보는 것이 중요합니다.

위의 스키마는 보고 기간 내에 더 활동적인 세그먼트로 전환한 사용자의 비율을 보여줍니다. 보다 활성화된 세그먼트로의 전환은 긍정적인 경향으로 녹색으로 표시되는 반면, 수동적인 세그먼트로의 전환은 부정적인 경향으로 빨간색으로 표시됩니다. 예를 들어, 등록된 사용자( 신규 회원 )의 15%가 첫 구매를 하고 신규 구매자 가 되는 것을 볼 수 있는데 이는 좋은 경향입니다. 이전 기간에 구매한 사람의 86%는 분석 기간 동안 아무 것도 구매하지 않고 결국 캐주얼 구매자 가 되었으며 이는 부정적인 경향입니다.

OWOX BI 분석가는 SQL 쿼리를 적용하여 사용자 세그먼트를 생성했습니다. 결과적으로 그들은 UserID, 개인 사용자 데이터 및 세그먼트 이름이 포함된 테이블을 받았습니다.

다음으로, 각 세그먼트에 대한 주요 효율성 비율이 포함된 테이블이 구성되었습니다.

• 세그먼트의 사용자 수 및 고객 기반의 세그먼트 백분율.
• 주문 수: 세그먼트의 총 주문 및 완료된 주문.
• 사용자당 평균 수익입니다.
• 사용자당 주문 수입니다.
• 총 주문 수와 일반 회전율에서 세그먼트 점유율.
• 세그먼트의 사용자 수 변화(성장률).

고객이 Google 스프레드시트를 통해 보고서를 만드는 것을 선호하므로 OWOX BI BigQuery 보고서 추가 기능을 사용하여 Google BigQuery에서 데이터를 전송하는 간단하고 신뢰할 수 있습니다. 얻은 데이터를 기반으로 어떤 보고서가 작성되었는지 봅시다.

첫 번째 보고서는 다른 세그먼트로 전환했거나 같은 세그먼트에 남아 있던 사용자 수를 보여줍니다.

Clients 메트릭은 사용자 수를 보여주고 StartSegment 열은 이전 기간의 사용자 세그먼트를 보여주며 EndSegment 열은 현재 기간의 사용자 세그먼트를 보여줍니다. 예를 들어, 7행에서 우리는 얼마나 많은 고객이 캐주얼 구매자 에서 좋은 구매자 로 전환했는지 볼 수 있으며, 다시 좋은 경향입니다. 그러나 10행에서 완전히 반대되는 상황을 볼 수 있습니다. 이는 나쁜 경향입니다. 5행은 비활성 상태 를 유지한 고객을 나타냅니다. 이는 비즈니스가 이러한 고객과 더 자주 또는 더 효과적으로 의사 소통하고 6시간 동안 비활성 상태를 유지한 후 다시 구매를 시작하도록 설득해야 함을 의미합니다.

두 번째 보고서는 설정된 기간 내 각 사용자의 현재 데이터를 보여줍니다.

9개 세그먼트 각각에 속한 고객의 현재 목록을 표시합니다. 이 보고서는 이메일 주소, 전화번호, 생일, 이름, 성별, 로열티 프로그램 상태, 사용자당 평균 수익, 총 사용자 보너스 등 직접적인 커뮤니케이션을 위한 모든 개인 사용자 데이터도 표시합니다. 이 데이터를 바탕으로 마케팅 전문가는 각 사용자 세그먼트에 대해 개인화된 광고를 설정할 수 있습니다. 예를 들어 캐주얼 구매자 를 0101000 활동(7개월 이내에 2개 구매)으로 그룹화하고 비밀 판매 초대장을 보낼 수 있습니다.

또한 보고서의 정보는 광고 예산을 절약하는 데 도움이 되므로 다이렉트 마케팅 채널을 사용하여 회사가 이미 커뮤니케이션하고 있는 대상 고객에서 방대한 사용자 세그먼트를 제외할 수 있습니다. 또한 이 데이터는 각 고객에 대한 보다 자세한 정보로 보강될 수 있으므로 광고 전략을 수립하면서 고객이 선택한 브랜드, 카테고리 및 가격을 고려할 수 있습니다.

세 번째 보고서는 이전 기간과 비교하여 분석된 기간 내 고객 세그먼트 전반의 구매 활동 메트릭을 나타냅니다.

이 보고서는 각 고객 세그먼트에 대한 KPI 변경을 추적하는 데 도움이 됩니다.

• 고객 세그먼트에 의해 생성된 수익 및 전체 회사 매출에서 차지하는 몫.
• 구매 활동 비교 수치: 구매 빈도 및 사용자당 평균 수익.
• 주문 완료율: 지불된 주문의 비율입니다.
• 활성 세그먼트의 사용자 수 변경. 긍정적인 경향은 활성 세그먼트(좋은 구매자, 매우 좋은 구매자 , 신규 구매자 )의 사용자 증가와 수동 세그먼트(구매 활동이 ***000, **0000 및 *00000). 세그먼트 변경에 대한 자세한 정보를 얻으려면 한 세그먼트에서 다른 세그먼트로의 가능한 사용자 전환 스키마를 사용할 수 있습니다. 또한 이 스키마를 통해 보고 기간 내에 고객과의 커뮤니케이션이 얼마나 잘 구성되었는지 확인할 수 있습니다.

• Google 및 OWOX BI 도구를 사용하여 전자 상거래 프로젝트는 고객 세그먼트 생성을 위한 완전하고 상세한 데이터를 수집했습니다.
• OWOX BI 분석가는 보고서 생성을 자동화하는 데 도움을 주었습니다. 이제 모든 세그먼트의 각 고객에 대한 데이터를 고려하여 중요한 KPI를 고객 세그먼트 및 데이터 세트 전반에 걸쳐 분석할 수 있습니다.
• 세부적인 광고 캠페인을 적용하여 고객과의 커뮤니케이션을 풍부하게 했습니다.