고객 이탈 분석
왜 어떤 고객들은 몇 년 동안 머물러 있고 어떤 고객들은 순식간에 사라지는 건지 궁금하신 적이 있으신가요? 결국, 사용자들이 왔다 갔다 하는 것은 단순한 비즈니스 사실입니다.
그러나 이탈률이 급증하면 대부분의 사업주가 머리를 긁적이기 시작합니다.
이탈 분석은 고객 행동을 분석함으로써 고객이 이탈하게 하는 패턴과 요인을 파악하는 데 도움을 줄 수 있습니다. 이탈은 비즈니스 세계에서 흔히 볼 수 있는 현상입니다. 고객은 제품이나 서비스에 불만이 있거나 경쟁사의 더 나은 제안 또는 개인적인 상황의 변화와 같은 다양한 이유로 이탈합니다. 그러나 이탈을 관리하고 가능한 한 낮게 유지하려면 사람들이 떠나는 이유를 정확히 이해해야 합니다.
그것을 할 수 있는 몇 가지 방법이 있습니다.
이탈분석기법
이탈을 측정하는 여러 기술이 있습니다. 어떤 것을 선택할지는 비즈니스와 사용 가능한 데이터에 따라 다릅니다. 일반적으로 사용되는 몇 가지 기술에 대해 알아보겠습니다.
1. 정량법
코호트 분석
코호트 분석은 연령, 위치, 구매 이력 등 특정 특성별로 고객을 그룹화하고 시간에 따른 고객의 행동을 추적하는 기법입니다. 이를 통해 기업은 각 코호트에 특정한 패턴과 추세를 식별할 수 있습니다.
예를 들어, 특정 코호트의 이탈률이 높다는 것을 알게 되면, 그들은 그 배후에 있는 이유를 조사하고 해당 코호트에 맞는 유지 전략을 만들 수 있습니다. 어떤 특성을 선택할지는 고객이 누구인지에 따라 다릅니다. 우선 페르소나당 1개의 코호트를 갖도록 노력할 수 있습니다.
또한 이탈 분석 결과를 고객 페르소나 파일에 통합해야 합니다.
RFM 분석
RFM(Recency, Frequency, Monetization) 분석은 구매 행동을 기반으로 고객을 세분화하는 기법입니다. 이상하게 들리지만, 모든 고객이 동등하게 평가되어야 하는 것은 아닙니다. 따라서 제품에 대한 가치를 가장 많이 창출하는 고객 그룹에서 보유 전략을 목표로 삼아야 합니다.
기본적으로 코호트 분석이기도 하지만 분할 특성에 대한 정해진 프레임워크가 있습니다.
다시 말하지만, 사용자 기반을 카테고리로 분할하는 방법은 제품 계층, 수익화, 기능 등에 따라 다릅니다.
2. 정성적 방법
사용자 인터뷰
그래프가 급락하는 것을 보는 것은 한 가지입니다. 사용자가 자신의 이야기를 말하는 것을 듣는 것은 또 다른 일입니다. 후자는 사람들이 떠나는 이유에 대한 이해를 완료하는 데 도움이 될 것입니다.
수집하는 데이터에 실제 이야기를 넣기 위해서는 사용자 인터뷰가 필수적입니다. 이것들은 풍부한 통찰력을 제공하는 동시에 후속 질문을 할 수 있습니다.
이탈 분석이나 다른 목적을 위해서라도 사용자 인터뷰를 팀에 반복적으로 적용하는 것이 좋습니다. 아마도 제품 팀에게 더 건강한 습관은 없을 것입니다.
사용성 시험
여기 사람들이 떠날 수 있는 이유가 있습니다. 그들은 당신이 만든 제품에서 가치를 도출할 수 없습니다.
그냥 사용할 수 없습니다. 귀하의 제품이 그럴 수 없다고 생각하신다면 다시 생각해보셔야 합니다.
사람들은 그들이 알 수 없는 제품에 집착하지 않습니다.
구축 중인 제품이 적어도 다소 복잡하다면 두 자릿수 비율을 해당 제품에 대한 이탈로 간주할 수 있습니다. 사용성이 떨어집니다.
사용성 최적화하는 데 도움이 되도록 사용성 테스트를 수행해야 합니다. 사용자가 특정 작업을 수행하고 큰 소리로 생각하도록 요청하는 동안 기본적으로 사용자가 카메라에서 제품과 상호 작용하도록 하는 것입니다.
이탈 분석 프로세스
일반적으로 이탈 분석은 다음 단계를 수반합니다.
1. 고객 데이터 수집 및 정리
이탈 분석의 첫 단계는 고객 데이터를 수집하고 정리하는 것입니다. 여기에는 고객 인구 통계, 구매 내역, 웹 사이트 행동 및 기타 관련 데이터에 대한 데이터가 포함됩니다.
2. 특정 비즈니스에 대한 이탈 정의
다음 단계는 특정 비즈니스에 대한 이탈을 정의하는 것입니다. 여기에는 변경된 고객을 식별하기 위한 기간과 기준을 결정하는 것이 포함됩니다. 기본적으로 데이터를 가지고 놀면서 패턴을 찾아야 합니다.
3. 이탈률 계산 및 분석
이탈이 정의되면 기업은 이탈률을 계산하고 분석할 수 있습니다. 이탈률은 변경한 고객과 정의된 기간 동안의 총 고객 수 간의 비율입니다. 두 개의 숫자를 나누는 것처럼 간단합니다.
4. 이탈에 영향을 미치는 요인 파악
다음 단계는 이탈에 영향을 미치는 요인을 정확히 파악하는 것입니다. 여기에는 고객 행동을 분석하고 이탈과 관련된 패턴과 추세를 식별하는 작업이 포함됩니다.
5. 분석을 통한 실행 가능한 통찰력 창출
이탈 분석의 마지막 단계는 실행 가능한 통찰력을 만드는 것입니다. 인사이트를 사용하여 유지 전략을 개발하고 고객 만족도를 향상시킬 수 있습니다. 예를 들어, 데이터에 따르면 고객 서비스가 좋지 않아 고객이 혼란스러워하는 것으로 나타난다면, 기업은 고객을 유지하기 위해 고객 서비스를 개선하는 데 투자할 수 있습니다. 현실 세계는 일반적으로 그보다 더 복잡하지만요. 사용자를 떠나게 하는 요인은 거의 없습니다. 일단 문제 목록이 있으면 가장 쉽게 고칠 수 있고 가장 큰 영향을 미치는 문제를 우선시해야 합니다.
이탈 예상 시
이탈을 오래 추적할수록 더 많은 패턴을 볼 수 있습니다. 여러분이 확실히 보게 될 것은 특정 조건이 고객이 이탈할 가능성을 더 높인다는 것입니다. 그리고 바로 그때 거부할 수 없는 제안에 개입할 수 있습니다.
또한 이탈을 예측하면 사전 계획을 세우는 데 도움이 됩니다. 앞으로 몇 달 안에 얼마나 많은 돈을 벌 것인지 알 수 없는 한 계획을 세워도 소용이 없습니다.
이탈 예측을 위한 가장 일반적인 기법은 생존 분석입니다. 생존 분석은 특정 기간 동안 고객이 변동할 확률을 추정하는 통계 기법입니다.
고객이 이탈하는 데 걸리는 시간과 이탈에 영향을 미치는 요인을 고려합니다. 생존 분석은 고객이 이탈할 가능성이 높은 시기를 예측하는 데 유용할 수 있으며, 이를 통해 기업이 개입하고 유지할 수 있습니다.
이탈분석의 과제
이탈 분석은 쉬워 보일 수 있지만 결코 그렇지 않습니다. 다음과 같은 과제에 대비해야 합니다.
1. 특정 사업체의 이탈 정의의 어려움
판매 주기가 긴 제품이나 드물게 구매 패턴이 있는 제품을 판매하는 제품에는 이처럼 사소한 기술적 결함이 악몽입니다.
이것이 사소한 것처럼 보일 수 있지만 명확한 이탈 정의와 조건을 설정해야 합니다. 그렇지 않으면 수학을 할 수 없습니다.
2. 데이터 품질 문제
다른 분석과 마찬가지로, 결론은 데이터만큼만 좋을 수 있습니다. 불일치가 있는 경우를 대비하여 여러 개의 데이터 수집 도구를 사용하는 것이 가장 좋습니다. 사용 중인 모든 도구가 유사한 정보를 보여준다면 정확할 가능성이 높습니다.
시간 및 리소스 제약 조건:
특히 데이터 양이 많은 기업의 경우 이탈 분석에 시간이 많이 걸리고 리소스 집약적일 수 있습니다. 분석을 수행하기 위해 데이터 분석 도구에 투자하거나 데이터 분석가를 고용해야 할 수도 있습니다.
결론
이탈 분석은 이탈을 줄이고 고객을 유지하려는 기업에게 중요한 프로세스입니다. 고객이 이탈하는 이유를 이해함으로써 기업은 각 고객 세그먼트의 특정 요구 사항을 해결하는 목표 유지 전략을 개발할 수 있습니다.
코호트 분석, 생존 분석, RFM 분석 및 예측 모델링과 같은 다양한 이탈 분석 기법은 기업이 특정 요구 사항에 따라 선택할 수 있는 여러 옵션을 제공합니다. 이탈 분석은 몇 가지 과제를 제시하지만 수익성 및 고객 충성도 향상과 같은 이점을 제공하여 기업에게 가치 있는 투자가 될 수 있습니다.
#고객이탈 # 분석 #프러덕트
https://medium.com/@adam.fard/churn-analysis-101-c072bb91af08
