RFM 분석: 고객 및 RFM 세분화에 대해 자세히 알아보기

이 기사에서는 고객 그룹(또는 세그먼트 )의 행동을 기반으로 하는 RFM(최근성, 빈도, 금전적 가치) 분석을 살펴보겠습니다. 이 분석 방법을 사용하면 사용자의 행동과 지불 방법을 연구할 수 있습니다. 결과적으로 다이렉트 마케팅에 대한 귀중한 통찰력을 얻을 수 있습니다.

RFM 분석을 사용하면 구매 빈도와 가치에 따라 고객을 분류하고 가장 많은 돈을 지출하는 고객을 식별할 수 있습니다.

• Recency – 고객이 당신에게서 물건을 구입한 지 얼마나 되었는지
• 빈도 – 고객이 귀하로부터 구매하는 빈도
• 금전적 가치 – 고객이 구매한 총 가치

이러한 메트릭에 따르면 고객을 그룹으로 나누어 자주 구매하는 고객, 구매 횟수는 적지만 자주 구매하는 고객, 오랫동안 아무것도 구매하지 않은 고객을 이해할 수 있습니다.

일반적으로 일반 판촉 제안에 응답하는 고객은 소수에 불과합니다. RFM은 고객 반응을 예측하고 상호 작용을 개선하며 이익을 증가시키는 탁월한 세분화 방법입니다. RFM은 고객 행동 데이터를 사용하여 각 고객 그룹과 협력하는 방법을 결정합니다.

RFM 분석의 핵심은 고객을 최근에 마지막으로 구매한 날짜, 구매 빈도 및 평균 주문 금액을 기준으로 그룹으로 나누는 것입니다. 이러한 각 메트릭에 대해 1에서 3 사이의 숫자가 할당된 세 그룹 중 하나에 고객을 할당합니다.

최신:

• 1 – 오랜 고객.
• 2 – 비교적 최근의 고객.
• 3 – 최근 고객.

빈도:

• 1 – 드물게 구매(단일 주문).
• 2 – 자주 구매하지 않습니다.
• 3 – 자주 구매합니다.

금전적 가치

• 1 – 구매 가치가 낮습니다.
• 2 – 구매의 평균 가치.
• 3 – 구매 가치가 높습니다.

고객은 Recency, Frequency 및 Monetary 값에 대한 번호를 연결하여 RFM 값을 할당받습니다. 예를 들어, 고객 111은 오래전에 낮은 금전적 가치로 하나의 주문을 했습니다. 반면 고객 333은 고액 주문을 하고 최근 구매를 하는 경우가 많다. 모든 범주에서 3을 가진 고객이 최고의 고객입니다.

RFM 분석을 수행하는 두 가지 편리한 방법이 있습니다. OWOX BI 를 사용하는 것과 Excel(또는 Google Sheets)을 사용하는 것입니다.

Excel과 달리 OWOX BI를 사용하면 RFM을 자동으로 계산할 수 있습니다.

이 분석의 데이터 소스는 다음 필드가 있는 각 주문에 대한 데이터가 있는 Google BigQuery의 테이블 또는 보기입니다.

• userId – 웹사이트 데이터베이스/ERP에 있는 고객의 사용자 ID입니다.
• 수익 – 주문의 수익.
• 생성 – 주문 생성 날짜.

1단계 . ERP에서 확인된 주문에 대한 데이터를 사용하는 것이 좋습니다. OWOX BI Pipeline을 사용하여 이 데이터를 BigQuery로 쉽게 내보낼 수 있습니다.

2단계 . OWOX BI는 또한 RFM 분석 결과를 Google Analytics로 가져오기를 사용자 정의할 수 있는 기회를 제공합니다. 이를 통해 다음을 수행할 수 있습니다.

• 사용자에 대한 추가 정보를 사용하여 보다 심층적인 잠재고객 분석을 위해 Google Analytics에서 새로운 맞춤 보고서 및 세그먼트를 작성합니다.
• RFM 분석을 사용하여 Google Ads, 이메일 뉴스레터 및 로열티 프로그램에 대한 리마케팅 ​​잠재고객 생성

3단계 . Google BigQuery에서 Google Analytics로 RFM 분석 데이터 가져오기 설정은 다음 두 단계로 구성됩니다.

1. Google Analytics 웹 리소스를 설정합니다.
2. OWOX BI 파이프라인에서 스트림 생성.

마지막 두 가지 점을 자세히 살펴보겠습니다.

1. 사용자 수준에서 사용자 정의 차원을 생성하여 RFM 분석 결과를 저장합니다(사용자 정의 정의 → 사용자 정의 차원 → +새 사용자 정의 차원 ):

2. 데이터를 Google Analytics로 가져오기 위한 데이터 세트 생성 (Data Import → New Data Set) :
   

• 가져오기 동작을 쿼리 시간으로 지정합니다. 이렇게 하면 가져온 데이터를 기록 데이터와 결합할 수 있습니다. 그렇지 않으면 데이터는 RFM 분석 결과를 다운로드한 후 Google Analytics에서 수집된 조회수와만 병합됩니다. 쿼리 시간 가져오기는 Google 사용자만 사용할 수 있습니다.

• 다음으로 데이터 세트의 이름을 지정하고 가져온 데이터를 사용할 수 있는 보기 목록을 결정합니다.​
  

• 마지막으로 데이터 스키마를 정의하고 데이터 세트를 저장합니다.​

그게 다야 이제 데이터 가져오기를 위한 Google 애널리틱스 웹 속성 설정을 구성했습니다. 이제 가져오기를 진행할 수 있습니다.

1. 올바른 구조 의 데이터를 반환할 SQL 쿼리 를 준비합니다.

2. 여기에 설명된 대로 OWOX BI 파이프라인 에서 스트림을 만듭니다.

Google 애널리틱스에 데이터가 나타날 때까지 기다립니다.

다 준비 됐어. OWOX BI는 사용자의 개입 없이 자동으로 RFM 분석을 수행합니다.

1. Excel에서 RFM을 계산하려면 CRM에서 거래 데이터(고객 이름, 구매 날짜 및 구매 금액)를 다운로드하는 것으로 시작합니다.​
   

2. 각 고객의 마지막 구매 날짜, 고객이 귀하로부터 총 구매한 횟수 및 해당 주문의 총 금전적 가치를 결정하려면 피벗 테이블을 사용하십시오.
   

3. CRM의 일부 고객은 구매한 적이 없을 수 있으므로 모든 거래를 한 줄로 결합해야 합니다. 이를 위해 Client 값을 Rows 에 추가합니다.
   

4. 이제 각 고객이 주문한 횟수를 계산해야 합니다. 이렇게 하려면 값 에 구매 날짜 를 추가합니다(요약 열에 COUNTA 를 표시하는 것을 잊지 마십시오).

5. 다음으로 각 고객에 대한 모든 주문의 총 가치를 계산합니다. 이렇게 하려면 구매 금액 을 값에 추가하고 요약 기준 열에 SUM 을 표시합니다.
   

6. 이제 각 고객의 마지막 구매 날짜를 계산해야 합니다. 이렇게 하려면 값 에 구매 날짜 를 추가하고 이미 알려진 그래프에서 MAX 를 지정합니다.

분석 준비를 위한 것입니다. 이제 RFM 값을 계산하기 위해 이 데이터를 새 페이지로 전송해야 합니다.

7. 먼저 열의 이름을 Customer , Last purchase date , Order frequency , Number of orders , Purchase Amount 로 변경합니다. 이제 분석의 주요 부분으로 진행합니다. 공식 = TODAY () 를 사용하여 고객이 마지막으로 구매한 날짜를 계산합니다. 이것은 R(최신) 값에 대한 데이터가 됩니다.

8. 이 시점에서 Recency, Frequency(주문 수) 및 Monetary value(금액)에 대한 모든 데이터가 있습니다. 이제 이 데이터를 기반으로 위에서 언급한 기준에 따라 1에서 3까지의 값을 할당합니다.

Recency 값부터 시작하겠습니다. 가장 먼저 해야 할 일은 고객의 33%와 66%가 우리에게서 구매한 기간을 계산하는 것입니다. 이는 공식을 사용하여 쉽게 수행할 수 있습니다. = PERCENTILE.INC (C2: C12; 0.33) 및 = PERCENTILE.INC (C2: C12; 0.66) . 이제 고객의 33%가 61일 이내에 제품을 구매하고 66%가 93일 이상 전에 제품을 구매했다는 사실을 알고 있습니다.​

9. 따라서 61일 이전에 구매한 고객에게 가장 높은 값 3을 할당합니다. 61일부터 93일까지 주문한 고객에게 값 2를 할당합니다. 값 1. 이 모든 것은 공식 = IF(C2 <61; 3; IF(C2 <93; 2; 1))를 사용하여 자동으로 계산할 수 있습니다.

10. 동일한 원리를 사용하여 F (빈도) 및 M (금전적 가치) 값을 계산합니다. 먼저 33%와 66%의 고객이 구매한 횟수를 계산하고 결과에 따라 1에서 1까지의 값을 할당합니다. 3.​

11. 더 명확하게 하기 위해 각 고객에 대해 세 가지 값을 모두 연결하여 RFM 값을 계산합니다. 공식 = D2 * 100 + F2 * 10 + H2 를 사용하여 이를 수행할 수 있습니다.
    

그게 다야 Google Sheets(또는 Excel)에서 RFM 분석에 필요한 모든 계산을 했습니다. 이러한 공식이 일부 잘못된 계산을 자동화하는 데 도움이 되지만 여전히 RFM을 계산하는 데 많은 시간을 소비해야 합니다.

하지만 직원의 시간과 시간을 소중하게 생각하거나 데이터베이스가 큰 경우 OWOX BI를 사용하여 RFM 분석을 수행하는 것이 좋습니다. 아직 OWOX BI 사용자가 아니라면 모든 기능을 무료로 사용해 볼 수 있습니다.

모든 계산이 준비되고 고객을 분류했으면 마케팅 부분으로 넘어갈 차례입니다.

RFM 값으로 고객을 그룹화하면 고객 기반에 어떤 일이 일어나고 있는지에 대한 완전한 그림을 즉시 얻을 수 있습니다. 일부 클라이언트 그룹의 예를 살펴보겠습니다.

그룹 3R-3F-3M – 가장 활동적이며 자주 구매

이들은 귀하의 이상적인 고객입니다. 로열티 프로그램을 시작하거나, 특별 이벤트에 초대하거나, 회사가 어떻게 발전하기를 바라는지 물어봄으로써 그들과의 관계를 확대할 수 있습니다. 이러한 고객에게 그들이 존경받고 사용자를 환영한다는 것을 보여주는 것이 중요합니다.

그룹 1R-1F-1M – 활동이 가장 적음, 한 번 구매/전혀 거의 사용하지 않음

이러한 고객은 가장 유망하지 않은 것처럼 보이지만 완전히 무시해서는 안 됩니다. 그들은 귀하의 제품에 적어도 한 번 관심을 보였습니다. 대부분의 경우 마케터는 이러한 고객을 "제품에 대한 무관심"과 "유망한" 고객으로 구분하기 위해 특별 도발적인 메시지를 준비합니다. 유망 고객은 다음 카테고리로 이동할 수 있습니다.

카테고리 중 하나에서 1

일부 고객의 값은 122(최근)일 수 있습니다. 이 부분은 귀하에게 돌아갈지 결정할 시간이 조금 주어져야 합니다. 회사에 대한 새로운 관심을 불러일으키기 위해 이전에 구입한 제품과 함께 일반적으로 구입하는 제품을 제공하십시오.

카테고리 중 하나에서 3

이러한 사용자는 귀하의 연구에 유망한 부문입니다. 그것들은 당신이 실험하고 다른 지표를 높이는 적절한 방법을 찾을 수 있을 만큼 충분히 일관적입니다.

RFM 방법론은 절대적이지는 않지만 고객 기반을 분석하는 데 매우 유용한 도구입니다. 약간의 작업만 수행하면 고객에게 개별적으로 접근하는 방법을 알 수 있습니다.

동시에 데이터는 계절, 프로모션 및 휴일의 영향을 받는다는 점을 염두에 두십시오. 이번 달에 광범위한 구매 내역이 있는 고객이 다음 달에 아무것도 구매하지 않는다고 해서 즉시 다른 세그먼트로 이동해야 한다는 의미는 아닙니다. 아마도 이것은 계절의 영향일 뿐이며 잠시 후 구매를 재개할 것입니다.

여전히 질문이 있는 경우 아래 의견에 문의해 주세요. :)

Google Analytics 및 기타 분석 도구에 대해 자세히 알아보려면 뉴스레터를 구독하십시오. 매달 현대 마케터와 분석가를 위한 유용한 팁을 얻을 수 있습니다.