고객 통찰력을 얻기 위한 고객 분석 기법
테크놀로지/디지털 제품, 소매업, 제조업, 서비스업 등 어느 업종에 종사하고 있든 항상 고객 지표에 관심을 가져야 합니다.
Photo by Stephen Phillips - Hostreviews.co.uk 언플래시고객의 관심은 비즈니스 성장을 이끄는 주요 요소입니다. 따라서 고객의 행동을 인식하면 고객의 요구(신제품, 서비스 개선, 또는 약간의 개입 등)를 파악하고 이를 지원할 수 있는 충분한 자원을 할당할 수 있습니다.
사례별 탐색적 데이터 분석 외에도 고객 데이터를 최대한 활용할 수 있는 여러 분석 기술이 있습니다. 여기에서는 몇 가지 고객 분석 기법과 이에 대한 기대 사항 및 이를 가장 잘 활용하는 방법에 대해 설명합니다.
고객의 라이프 사이클
분석 프로젝트를 실행하기 전에 프로젝트에 가장 적합한 항목과 방법을 탐색하려면 컨텍스트를 이해하는 것이 중요합니다.
Attract(끌어당기기) : 이 단계에서는 프러덕트에 대한 고객의 인지도를 높일 수 있으며, 이는 마케팅 활동을 통해 이루어질 수 있습니다. 이 단계에서는 각 고객에 대한 정보가 적거나 아예 없는 경우가 많아 마케팅 파트너의 대량 응답 또는 보고서에만 의존합니다.
Acquire(취득) : 이 단계에서 고객은 이미 당신의 웹 사이트/소셜 미디어 페이지 입력/앱 다운로드 등을 통해 당신의 프러덕트에 관심을 보이고 있습니다. 이 단계에서 고객의 목표는 고객을 등록하고 고객과의 첫 번째 거래를 완료하는 것입니다.
Retain(유지) : 이 단계에서는 고객이 이미 플랫폼을 이용하고 프러덕트를 시험해 보고 고객이 플랫폼에서 정기적으로 거래하고 계속 관여할 수 있는 방법을 찾아야 합니다. 고객은 귀사의 프러덕트와 서비스에 익숙해지고 있습니다.
Grow(성장) : 이 단계의 고객은 플랫폼 내에서 정기적으로 거래를 하고 플랫폼 내에서 사용하는 방법과 사용법을 이해하고 있습니다. 이 단계에서는 고객이 고객과 더 많은 거래를 할 수 있도록 하는 것이 목표입니다. 이러한 거래는 다른 프러덕트를 크로스셀링 또는 업셀링함으로써 실행할 수 있습니다.
Reactivate(재활성화) : 이 단계에서는 고객이 위의 단계 중 하나를 이미 이행하고 있으며, 다시 프러덕트에에 도입하고 싶다고 생각하고 있습니다.
고객 획득을 위한 분석
Funnel analysis (퍼널 분석)
퍼널 분석에서는 고객의 주문에 따라 고객 획득 과정을 여러 단계로 나누어 각 단계의 전환/드롭오프 비율을 측정합니다. 이것은 퍼널로 쉽게 시각화 될 수 있기 때문에 퍼널이라고 불리는데, 이 때 입력은 프러덕트에에 관심을 보이는 고객의 수를 의미하며, 주문 진행에 따라 여러 단계로 필터링되어 탑승 고객의 출력이 생성됩니다.
각 단계의 전환/드롭오프율을 살펴보면 고객 등록 또는 주문 과정에서 발생하는 병목 현상을 쉽게 발견할 수 있습니다.위의 예에서는 전화 검증을 완료하고 있는 고객이 크게 저하하고 있는 것을 알 수 있습니다.상세한 분석을 실시해, 이 원인을 검증해(전화 타입/캐리어에 의한 분석, OTP 리트라이 레이트) 문제를 해결할 수 있습니다.
고객 획득 비용 + 고객 라이프 타임 가치
마케팅 예산(신규 고객 유치 관련)을 평가할 때 현재 고객 획득 비용과 고객 획득 고객의 각각의 가치를 이해해야 합니다.
Customer Acquisition Cost(CAC; 고객 획득 비용)는 이 고객의 온보드에 필요한 금전적 가치로 쉽게 해석할 수 있습니다. 이는 인수(디지털 마케팅, 광고, 파트너십 등)에 대한 마케팅 예산을 이들 채널에서 획득한 총 고객 수로 나누어 계산할 수 있습니다. 취득 코스트의 동적인 점을 고려하면, 온라인과 오프라인, 영역/파트너쉽 이벤트별 오프라인 등, 취득 채널에 근거해 분석하는 것이 타당할 가능성이 있습니다.
CAC는 Customer Lifetime Value(CLV; 고객 라이프 타임 값)보다 낮은 것이 이상적입니다. CLV의 개념은 플랫폼 사용 기간 동안 고객에게서 얻는 금전적 가치입니다. 이를 계산하는 방법이 여러 가지가 있는 경우, 가장 쉬운 방법은 마감 시간을 선택하고 해당 기간 동안 이러한 고객으로부터 수집된 수익을 계산하는 것입니다. 제품의 성질에 따라 컷오프 시간이 다를 수 있습니다. 예를 들어, 일일 사이클 제품(운송용)에 1개월, 주간 사이클 제품(예: 식료품)에 3개월을 사용할 수 있습니다.
이 CLV 및 CAC 값을 장기간에 걸쳐 추적 및 이해하면 고객 획득의 '얼마나 건전한지'를 판단하는 데 도움이 됩니다. 승진을 통해 돈을 번다는 시대에는 여러 기업이 특정 인수 채널에 너무 많은 돈을 투자하고 있으며, 결국 그곳에서 가치 있고 충성스러운 고객을 얻지 못하고 있습니다.
고객 유지를 위한 분석
코호트 분석
코호트 분석은 단순히 몇 가지 속성을 기반으로 고객을 그룹화하고 시간에 따른 성과를 추적하는 것입니다.모든 속성을 사용할 수 있지만, 일반적으로 고객 획득 시간이 사용됩니다. 즉, 고객 그룹을 Y축에 두고 관측 시간을 X축에 두는 것입니다.
이 그래프를 사용하면 고객이 재구매하고 있는 일수/주/월수가 경과한 후의 고객 유지율 및 고객의 라이프 사이클을 쉽게 파악할 수 있습니다.이 정보를 사용하여 고객에게 주의를 환기시키고 고객이 NAT 플랫폼에서 이탈하지 않도록 보장할 수 있습니다.
고객만족도분석(CSAT+NPS)
고객 유지의 주요 요인 중 하나는 고객 만족도입니다. 고객이 귀사의 제품이 고객의 요구를 해결하는 방법에 만족할 경우, 고객은 이러한 요구를 위해 계속해서 귀하를 찾아올 가능성이 높습니다. 고객 만족도를 측정하는 데 사용되는 일반적인 지표는 고객 만족도 점수/수능 및 순추천고객 점수/NPS입니다. 고객의 관점에서 제품의 전반적인 반응을 나타내는 데 유용하며, 또한 추가적인 분석을 통해 제품의 개선 여지를 파악할 수 있습니다.
고객만족도 점수는 고객 설문조사를 통해 생성할 수 있으며, "1부터 5까지의 평가에서 제품 X에 얼마나 만족하십니까?"와 같은 질문을 할 수 있습니다. 전체 고객 만족도 점수를 얻기 위해 응답 모음을 평균화할 수 있습니다. 또한 이 질문과 함께 제품의 특정 측면에 대한 고객 만족도에 대한 추가 질문도 할 수 있습니다.
예를 들어, 전자 상거래 제품에서는 사전 주문 경험(상품 가용성, 제품 검색 및 검색), 주문(결제, 배송 옵션) 및 사후 주문(고객 서비스, 배송 성능)에 대한 고객 만족도에 대한 세 가지 추가 질문이 있을 수 있습니다.
이 추가 데이터만으로도 제품의 각 컴포넌트를 평가할 수 있습니다. 특히 고객의 의견이나 제안을 위한 오픈 텍스트 정성 데이터가 있는 경우에는 더욱 그렇습니다. 게다가 전체적인 만족도 지표와 조합하면, 이러한 측면이 전체적인 고객 만족도에 미치는 영향을 이해하는 데이터 모델을 작성할 수 있습니다. 이는 전체 만족도를 종속 변수로, 제품 측면에 대한 만족도를 독립 변수로 하는 회귀/의사 결정 트리와 같은 예측 모형을 사용하여 수행할 수 있습니다.
순추천고객지수는 고객에게 "0~10점 만점으로 제품 X를 추천할 가능성이 얼마나 되십니까?"라고 질문하여 산출된 점수로, 고객이 제품을 추천할 의사가 있는 최종 만족도를 나타냅니다.
9점 또는 10점을 준 응답자를 "추진자"라고 합니다.이 고객 그룹은 제품에 대해 매우 만족하고 있습니다.한편, 0~6으로 대답하는 고객은 「디렉터」라고 불리며, 다른 사람에게 제품을 추천하는 경우는 거의 없습니다.
NPS는 -100%에서 +100% 사이에서 변화합니다. NPS가 긍정적일수록 기업의 고객 만족도는 높아집니다.순추천고객지수는 기업의 성장과 큰 상관관계가 있는 것으로 증명되었습니다.
감정 분석
정서 분석은 텍스트(구절/문단)를 분석하여 텍스트의 감정 톤을 대부분 긍정, 부정 또는 중립으로 분류하는 과정입니다. 감성 분석은 사용자 리뷰나 소셜 미디어 게시물과 같은 대용량 텍스트 데이터에 일반적으로 사용됩니다. 이 분석을 통해 브랜드/제품에 대한 인식을 이해할 수 있습니다. 특히 이벤트나 제품 출시 후를 알 수 있습니다. 일부 감성 분석 도구는 업계와 비교한 우리 브랜드의 감성 정보를 제공할 수도 있습니다.
감성 분석은 다양한 머신 러닝 분류 기법을 사용하여 수행하거나 일부 소셜 미디어 리스닝 프로바이더가 보고서 생성을 선택하도록 선택할 수 있습니다. 감성 분석 외에 의도 분석이나 상황적 의미 검색과 같은 다른 텍스트 분류기 기법도 텍스트 입력으로부터 통찰력을 생성하기 위해 사용될 수 있다.
고객 성장을 위한 분석
RFM 세그멘테이션
RFM은 Recency, Frequency 및 Money의 약자입니다. 반복성은 고객이 플랫폼에서 마지막으로 거래한 기간(얼마나 경과했는지)에 따라 명확하게 나타낼 수 있습니다. 빈도는 플랫폼에서 생성되는 트랜잭션 수입니다.통화는 플랫폼에서 고객이 지출한 총액 또는 평균 금액입니다. 나중에 보면, 계약(최근 빈번한 경우)과 구매 행동(높은 금액과 낮은 금액)에 따라 고객을 차별화합니다.
RFM 점수를 산출하는 방법에는 백분위수 삭감, 파레토 삭감, 일반적인 비즈니스 지식 기반 그룹화 등 여러 가지가 있습니다. 가장 일반적인 방법은 백분위수 기반 그룹화를 사용하는 것으로, 다음 단계를 사용하여 그룹화를 수행할 수 있습니다.
해당 메트릭에 따라 고객 분류(레퍼런스, 빈도, 화폐별도)
고객을 미리 정의된 수의 동일한 크기의 그룹으로 나눕니다(즉, 수량에 따라 4개의 그룹).
각 그룹에 라벨을 할당합니다(즉, 높은 빈도와 높은 통화는 "손해선 안 된다", 낮은 레퍼런스 및 낮은 통화는 "이탈 직전" 등).
Clevertap의 RFM 그리드(출처:https://clevertap.com/blog/rfm-analysis/)이러한 세그먼테이션을 정기적으로 시각화 및 업데이트하면 각 고객의 상태에 따라 타깃 마케팅 캠페인을 제공할 수 있습니다. 예를 들어, "전환 직전" 세그먼트의 경우 뉴스레터/푸시 알림에 대한 정보를 제공하거나 특별 프로모션을 통해 플랫폼과 연계하여 더 많은 거래를 할 수 있습니다.
기타 동작 세그멘테이션
RFM 세그멘테이션과는 별도로 일반적인 고객 세그멘테이션 기준의 일부를 다음에 나타냅니다.
인구 통계 : 인구 통계 데이터는 고객 등록 양식에서 수집하거나 고객 행동에서 생성할 수 있습니다. 성별, 위치, 직업, 소득(거래/지출에서 발생할 수 있음) 또는 심지어 결혼 및 부모의 지위일 수 있습니다.
고객님의 상태 : 먼저 지난 X개월 동안 고객으로부터의 트랜잭션이 있었는지 여부를 기준으로 활성 고객 및 비활성 고객을 정의하는 것부터 시작할 수 있습니다. 이것은, 새롭게 온보드 된 것, 얼리 스테이지, 로열티(액티브 상태의 경우), 소프트 커플, 하드 커플(액티브 상태의 경우)등의 카테고리로 분류할 수 있습니다.
동작 : 이러한 동작의 세그먼트화는, 비즈니스 요구에 근거해 케이스 바이 케이스로 실시할 수 있습니다.예를 들어 판촉에 대한 고객의 선호도나 "새로운 제품/상점에 대한 의지"를 분류할 수 있습니다(시장용 제품).
이러한 세그먼트화를 실시하면, 마케팅 전략이나 예산의 효율화를 추진해, 제품 개선에 대한 고객의 요구를 이해하는 데 도움이 될 가능성이 높아집니다.
결론
이것으로 고객의 통찰력을 밝히는 데 사용할 수 있는 고객 분석 기법의 개요를 정리합니다. 이러한 기술을 사용하여 먼저 비즈니스 지표와 인식 점수 등 현재 위치를 파악한 후 시간 또는 카테고리별로 통찰력을 자세히 살펴봄으로써 개선해야 할 사항을 탐색할 수 있습니다.결국 이러한 지표를 이해하고 통찰력을 활용하면 제품 개발의 우선순위를 정하고 마케팅 예산을 효과적으로 할당할 수 있습니다.
#비즈니스 #분석 #퍼널 #고객분석 # 고객세분화
원문 : medium.com/swlh/customer-analytics-techniques-to-unveil-customer-insights-7d937dd88ff9
