고객 구매주기를 측정해 보자
고객 관리의 시작
지금의 ‘빅데이터’, '인공지능'의 흐름처럼 2000년대 초반에는 CRM이 그 자리를 차지하고 있었다고 합니다. 멤버십을 만들고 고객 등급을 부여하고 자주 구매하는 고객에게 혜택을 주는 고객 Lock-in이 시작된 것이죠. 그런 CRM은 투입된 비용대비 이상의 성과가 나오지 않자 곧 인기를 잃어버렸는데요. 빅데이터라는 단어가 이슈가 될 때도 적지 않은 사람들이 과거 CRM과 같은 결과가 되지 않을지 걱정을 하기도 했습니다.
하지만 데이터 분석은 분석을 할 수 있는 인프라 비용 하락과 정확한 예측과 분류를 할 수 있게 만들어주는 알고리즘 발달로 과거 CRM과는 다른 결과가 나올 것으로 현재 생각되는데요. 이 시기에 다시 데이터 분석을 통한 고객 경험 관리가 재조명받는 것도 이색적인 일입니다. 개인 정보 수집이 이슈화되고 이젠 First-party data의 가치가 더 귀해지자 이를 활용한 데이터 분석을 통한 마케팅이 다시 주목받고 있습니다.
지난 몇 년간 데이터 수집을 방대하게 시작한 기업 대부분은 이제 이를 활용한 성과에 몰두하고 있습니다. 인공지능 파이프라인을 만들고 데이터 분석과 연계한 전략을 실행으로 옮기려고 합니다. 하지만 여전히 어디서부터 무엇을 시작해야 할지 모르는 기업이 더 많죠. 이제 데이터를 모아야겠다고 생각하거나 이미 모으기만 한 데이터를 어떻게 효과로 연결시킬지 막막하기만 합니다.
그렇다면 다시 고객 분석부터 시작하면 어떨까요? 수요 분석이나 경영 지표 분석처럼 고객 분석도 비교적 풍부한 데이터를 이미 확보하고 있는 경우가 대부분이니까요. 멤버십이 있는 기업이라면 구매 정보, 상품 정보 등과 결합해 알 수 있는 것도 해 볼 수 있는 것도 많습니다. 오히려 기술보다는 방향성을 몰라 헤매는 경우가 많습니다.
고객 분석의 시작은 여러 가지가 있겠죠. 고객 수, 고객의 지역과 상품별 구매 추세 등 흔히 우리가 주문 정보에서 생각해 볼 수 있는 변수는 다 활용해서 쪼개어 볼 수 있습니다. 결국 고객과 매출을 어떤 프레임으로 쪼개서 보고 관리하고 전략과 목표를 세우느냐인데요. 대부분의 기업이 커머스를 하거나 플랫폼을 하는 것을 생각해 본다면 ‘고객의 구매 주기’를 가장 먼저 관리해야 할 지표로 시작해 볼 수 있습니다.
매출 = 전체 고객 수 * 주문 고객 비중 * 주문 고객당 구매 주기 * 구매당 단가
이렇게 매출을 정의한다면 단위 기간의 매출은 매출을 이루는 4가지 지표 중 하나 이상을 늘림으로써 도모할 수 있습니다. 기업의 상황마다 우선적으로 증가시켜야 할 지표가 다르다는 게 중요한데요. 하지만 대부분의 전략 단계에서 다루어지는 지표는 ‘주문 고객당 구매 주기’입니다. 여기서 주문 고객이라고 정의하지 않고 전체 고객이라고 정의해서 수식을 바꾸는 것도 좋은데요. 멤버십에 가입은 되어 있지만 활성 고객이 아닌 고객은 제외하는 것을 고려할 때 주문 고객을 지표로 잡은 점이 참고 사항입니다.
구매 주기는 고가의 제조업을 제외하고는 대부분 사업이 고객 관리에서 중요한 성과로 관리하는 지표입니다. ‘단골 고객’은 예전부터 흔히 불리던 개념이었는데요. 신규 고객을 주문하게 만드는 비용과 기존 주문 고객을 주문하게 만드는 비용 차이가 3~6배 정도 차이 나는 것을 감안한다면 이미 주문 경험이 있는 고객을 관리해 주문 주기를 단축시키는 게 얼마나 효율적인지 알 수 있습니다.
실제 많은 브랜드의 성과를 분석하면서 더 매출이 높은 브랜드의 결과적 특징이 고객 구매 주기가 유사 카테고리의 타 브랜드에 비해 비교적 짧고 충성 고객의 비중이 높은 것이었는데요. 고객이 자주 방문할수록 기대할 수 있는 매출이 높아지는 것은 당연한 것일 겁니다.
그렇다면 고객의 구매 주기는 어떻게 측정할 수 있을까요?
주문 고객의 구매 주기는 보통 고객별로 '구매 횟수 / 분석 기간'으로 구할 수 있습니다. 90일간 3회 구매 이력이 있는 고객은 구매 주기가 평균 30일인 셈이죠. 하지만 고려해야 할 요소가 많습니다. 최근 90일간 구매 횟수를 구매 주기를 구하는 분자로 활용할 계획인데 이 기간 중 회원 가입을 해서 처음으로 구매한 고객의 구매 주기는 90일보다 이전에 가입해서 주문이 발생하는 고객과 같은 선상에서 볼 수는 없는 것이죠. 분석 기간으로 부터 10일 전에 가입한 고객이 10일 전에 1회 주문한 것과 최근 90일간 1회 주문한 고객의 구매 주기가 같다고 말하기에는 어딘가 어색하고 왜곡된 지점이 있는 것처럼 보입니다.
그래서 활용할 수 있는 방법으로 분석 기간 중 여러 차례 구매가 있었던 고객만 대상으로 2회 이상 주문한 날짜와 날짜 사이의 거리만 구해 평균을 내는 방법이 있습니다. 일회성 구매 고객을 제외하는 것이죠. 최근 90일간 2회 주문을 했어도 최근 20일 동안 2회 주문만 있었던 고객이라면 평균 구매 주기가 45일이 아닌 10일이 되는 셈입니다.
(고객당 마지막 구매 일 - 고객당 첫 구매 일) / (주문 건수 - 1)
이렇게 고객별로 구매 주기를 산출한 후 여러 고객 각각의 구매 주기를 하나의 데이터로 보고 고객 전체의 구매 주기를 구할 수 있습니다. 평균을 사용하는 방법과 중앙값을 사용하는 방법이 있을 수 있는데요. 보편적으로는 평균을 많이 사용하지만 구매 주기라는 숫자 자체가 큰 수가 평균에 미치는 영향이 크기 때문에 중앙값을 함께 보는 것이 좋습니다. 중앙값은 숫자들을 크기로 줄을 세웠을 때 딱 가운데 있는 값입니다.
고객 구매 주기를 구할 수 있고 주 단위 혹은 월 단위로 정기적으로 고객 구매 주기가 어떻게 변해가는지 모니터링합니다. 고객 구매주기를 단축시키는 게 대부분 사업에서 바라는 바입니다. 그렇다면 고객 구매주기를 어떻게 단축시킬 수 있을까요? 지표를 토대로 어떤 전략을 세워야 하는지는 다른 아티클에서 나누어 보겠습니다.
