CRM 팁 : 고객 군집화 빠르게 시작하기(2)
chat gpt를 활용해서 고객 군집화로 CRM 전략세우기
고객 군집화는 무엇이고 왜 사용할까?
고객 군집화(Clustering)는 비슷한 특징을 가진 고객들을 그룹화하는 방법을 말한다. 이는 마치 비슷한 취향을 가진 친구끼리 모이는 것과 비슷하다. 예를 들어, 스포츠를 좋아하거나 할인 행사에 민감한 고객들을 한 그룹으로, 라이프스타일이 비슷한 여성 고객들을 다른 그룹으로 묶을 수 있다.
이렇게 군집화를 통해 어떤 고객들이 비슷한 특징을 가지고 있는지를 파악할 수 있고, 이를 바탕으로 상품이나 CRM 마케팅 전략을 세울 수 있다. 군집화를 통해 알아낸 각각의 고객 세그먼트에 따라 다른 광고나 혜택을 제공함으로써 고객들에게 보다 맞춤형으로 서비스를 제공할 수 있는 것이다. 이렇게 함으로써 고객 만족도를 높이고, 기업의 수익을 증대시킨다는 점에서 굉장히 유용한 방법으로 알려져 있다.
고객 군집화와 세분화의 차이점은 무엇일까?
고객 세분화(Customer Segmentation)는 공통된 특성을 기반으로 고객 기반을 여러 그룹으로 나누는 마케팅 전략이다. 고객 세분화는 주로 인간의 판단에 의해 이루어지며, 미리 알려진 그룹에 대한 정보, 그룹의 수 및 이름을 포함할 수 있는 비즈니스 관점에 초점을 둔다. 우리가 이전에 했던 RFM 분석이 세분화에 속한다.
반면 군집화(Clustering)는 데이터 점이나 객체를 그들의 내재된 유사성에 기반하여 그룹화하는 데이터 분석 기법이다. 군집화의 목적은 데이터 세트 내에서 쉽게 파악하기 어려운 패턴이나 관계를 파악하는 데 있으며, 머신러닝 알고리즘을 사용하는 비지도 학습 방법으로 구현된다.
고객 세분화는 명확한 마케팅 목표나 전략에 따라 특정 세그먼트를 목표로 삼을 때 유용하다. 마케팅 담당자가 특별한 관심이 가는 고객군을 인구통계학적,RFM 등을 기준으로 집중적으로 분석할 수 있다. 군집화는 보다 객관적으로 고객 데이터 중에서 공통적인 특성을 가진 그룹을 발견하는 데 사용되며, 이 과정은 고객의 변화하는 행동을 더 잘 이해해야할 때 사용한다. 어느것이 더 우월하고 우세하다는 관점보다도, 각각의 상황에 맞춰 필요한 기법을 사용하면 될 것 같다.
Chat GTP로 고객 군집화 시작하기
고객 클러스터링을 하는 방식은 계층적 클러스터링(Hierarchical Clustering),DBSCAN,K-Means 클러스터링등 다양하게 존재하지만 그 중에서 가장 널리 사용되는 K-Means 클러스터링을 Chat GPT로 빠르게 수행해보려고 한다.
1. 실습 데이터 소개 및 다운로드
실습 데이터(이곳에서 다운) 는 이곳에서 다운로드 하면 된다. 카테고리 데이터가 중구난방이라 사전에 전처리를 해서 "대카테고리"영역을 추가로 만들었다.
2. Chat GPT 프롬프트 공유
chat gpt에게 고객 데이터 분석가라는 역할을 부여한 뒤에, 아래 사항에 유의하여 K-MEANS 클러스터링을 진행하도록 하였다. 추가한 사항은 실제 클러스터링을 진행 하면서 유의해야할 점들을 반영하도록 프롬프트를 작성했다.
k-means를 실행할 때 중요한점은 이상치에 민감할 수 있기 때문에, 이상치를 판별하고 제거하는 과정이 필수적이며 최적의 K값을 찾는 것도 중요하다. 아래처럼 GPT가 대신해주고 있다.
똑똑한 gpt
성능 평가 결과 0.6정도로 나왔음으로 비교적 결과가 양호했음을 확인할 수 있었다. (실루엣 계수는 -1에서 1사이에 분포되어 있는데 0.5이상일 경우 클러스터링이 양호하다고 판단한다)
3. 고객 프로파일링 및 액션아이템 구체화
클러스터 0
평균 가입기간: 약 25.9개월
평균 총결제금액: 약 706 달러
구매 카테고리: 기술 및 전자 제품 (평균 2.7개), 의류 및 액세서리 (평균 5개)
클러스터 1
평균 가입기간: 약 26개월
평균 총결제금액: 약 6069 달러
주요 구매 카테고리: 기술 및 전자 제품 (평균 24.4개), 의류 및 액세서리 (평균 20.6개)
클러스터 2
평균 가입기간: 약 26.5개월
평균 총결제금액: 약 2867달러
주요 구매 카테고리: 기술 및 전자 제품 (평균 11.3개), 의류 및 액세서리 (평균 13.2개)
각 클러스터의 특성을 보면, 클러스터 1은 평균적으로 가장 많은 금액을 지출하며 특히 기술 및 전자 제품과 의류 및 액세서리 카테고리에서 높은 구매 빈도를 보인다. 클러스터 2는 중간 수준의 지출을 보이며 클러스터 0은 상대적으로 가장 적은 지출을 보이는 특성이 있다.
이러한 분석을 통해 각 클러스터를 대상으로 다양한 마케팅 전략을 구상할 수 있다. 예를 들어, 클러스터 1은 평균적으로 구매 금액이 가장 높은 집단에 속함으로 전자제품과 의류 및 악세사리 제품 군에서 프리미엄 제품이나 새로운 기술 제품에 대한 마케팅을 강화할 수 있을 것이다. 클러스터 0은 평균 거래액이 낮음으로 비교적 저가 제품이나 할인 캠페인을 통해 더 많은 구매를 일으킬 수 있도록 유도할 수 있다.
