나만 빼고 다 한다! 쇼핑몰 고객 분류
고객 그룹(2)_ RFM 모델과 BIGIN솔루션 알아보기
지난 글에서는 고객 분류의 개념과 필요성, 효과적인 고객 분류의 조건에 대해 알아보았습니다.
고객 그룹(1) 콘텐츠 보러 가기 >> 우리고객의니즈는무엇일까요?
이번 글에서는 말씀드렸듯, 이커머스에서 고객을 분류하기 위한 분석 모델과 그보다 더 쉬운 방법에 대해 알아보겠습니다.
이커머스 내 고객 세분화 방법_ RFM 모델
이커머스에서는 어떤 기준으로 고객을 분류했을 때 효과적일까요?
고객을 분류하고 관리하는 CRM 마케터들이 많이 사용하는 방법으로, RFM 분석법이 있습니다.
RFM 분석이란?
RFM은 구매의 최근성(Recency), 구매 빈도(Frequency), 총 구매 금액 (Monetary)의 약자입니다.
고객이 웹사이트에 얼마나 최근에 방문하였는지, 얼마나 자주 방문하였는지, 구입한 총금액은 얼마인지를 기준으로 가치 있는 고객을 추출하고 관리하기 위한 분석법입니다.
RFM 분석법은 간단하면서도 각 그룹의 욕구를 배타적이면서 적절한 규모로 분류할 수 있는 방법이기에 마케팅에서 많이 활용됩니다.
[그림 1] Recency and Frequency Grid (출처: clevertap)위의 그림은 RFM 중 구매의 최근성(Recency) 요소와 구매 빈도(Frequency) 요소를 기준으로 고객을 세분화 한 표입니다. 이 표에서는 각 요소의 점수를 임의로 5점 만점으로 지정하고, 해당 점수에 속하는 고객을 분류하였습니다.
이렇게 고객을 분류한다면 각 고객의 상황과 니즈에 맞는 마케팅 전략 수립이 용이해집니다.
한 가지 예시를 들어 설명해보겠습니다.
구매 빈도 점수는 높지만(Frequency 5점) 구매를 한 시기는 오래된(Recency 1~2점) 고객이 있다고 가정해보겠습니다. 이전에 우리 쇼핑몰에서 빈번히 구매한 이력이 있는 고객은 기업(마케터) 입장에서는 놓칠 수 없는 고객이겠죠?
조금 더 자세히 분석한 이 고객의 특징은 다음과 같습니다.
이전엔 우리 쇼핑몰에서 자주 구매하던 충성고객이었다.
최근에는 우리 쇼핑몰에서의 구매가 약간 뜸해졌다.
우리 제품에 대한 니즈가 약해졌을 확률이 있다.
경쟁사에서 제품을 구매 중일 확률이 있다.
우리 제품에 대한 니즈가 있었기 때문에, 상대적으로 저렴한 비용으로 다시 우리 쇼핑몰로 돌아오도록 유도할 수 있다.
이들에게는 다시 돌아오도록 유도하는 전략으로 신상품 정보를 제공하고, 혜택을 리마인드 하는 등의 전략이 효과적일 수 있습니다.
이처럼 고객의 상황별로 그룹화하여 관리한다면 각 그룹의 니즈를 파악하기에 용이할 뿐만 아니라, 효과적인 메시지의 설정이 가능해집니다.
[그림 2] 고객의 상황에 맞는 마케팅 전략 수립하기그런데 여기서 한 가지 문제점이 제기될 수 있습니다.
대규모 기업이 아닌 중소 규모의 이커머스에서는 RFM에 따른 고객 분류와 관리에 어려움이 있습니다. 고객을 그룹핑하기 위한 데이터 시스템을 구축하기에 시간과 비용이 많이 들고, SQL을 다룰 수 있는 전문 인력 보충이 어렵기 때문입니다.
그래서 탄생하게 된 서비스가 바로 빅인의 고객 분류 기능입니다.
빅인에서의 고객 세분화는 어떻게 이루어지는지 알아보겠습니다.
빅인(bigin)의 고객 분류
빅인 대시보드의 고객 그룹 기능은 여러분의 웹사이트에 유입한 고객을 자동으로 분류해주는 기능입니다.
고객을 나누는 기준은 빅인에서 미리 설정해 둔 자동 그룹과, 고객사의 마케터가 수동으로 직접 설정할 수 있는 수동 그룹이 있습니다. 이번 글에서는 자동 그룹에 대해 조금 더 자세히 살펴보겠습니다.
* 자동 그룹 *
이커머스 마케터들이 많은 필요성을 느끼고 가장 빈번하게 사용하게 될 조건을 빅인에서 미리 설정해 놓은 고객 그룹입니다.
기본으로 지정되어 있는 고객 그룹은 다음과 같습니다.
상품 구매 사용자
검색 유입 사용자
재방문 사용자
상품 조회 후 구매하지 않은 사용자
장바구니에 담은 후 구매하지 않은 사용자
또한, 앞서 설명드린 RFM 분석 모델 기반의 고객 그룹도 확인하실 수 있습니다.
우수 방문 고객
최근에 방문한 고객
충성 고객이 될 가능성이 높은 고객
참여 유도가 필요한 고객
재방문 유도가 필요한 고객
놓치지 말아야 할 고객
※ 위 고객 그룹은 RFM 분석 모델을 기반으로, 빅인에서 자체 개발한 알고리즘을 적용하여 분류한 그룹임을 알려 드립니다. 작성된 예시 외에도 약 30여 개의 자동화 고객 그룹이 곧 업데이트될 예정입니다.
글을 마치며
이상으로 이커머스에서 많이 사용되는 고객 분류 방법인 RFM 분석법과, 빅인에서 제공하는 자동화 고객 그룹 기능에 대해 알아보았습니다.
빅인에서 RFM 분석을 기반으로 나눈 고객 그룹에 어떤 식으로 마케팅을 진행하는지 살펴보고, 데이터 기반의 고객 분류와 관리를 통해 하고 매출 상승까지 경험해 보세요.
>> 원문보기(RFM 분석 더욱 쉽게 하는 법)
이전 글
(4) 온라인 쇼핑몰의 매출을 어떻게 늘릴 수 있을까?
(3) 2019 SW컨퍼런스 KOSSCON빅데이터 강연 후기 (下)
(2) 2019 SW컨퍼런스 KOSSCON 빅데이터 강연 후기 (上)
(1) 어디까지 해 봤니?마케팅 의사결정에 데이터 활용하기
빅인사이트의 브런치에 게재한 글을 편집한 뒤 모비인사이드에서 한 번 더 소개합니다.
