brunch

You can make anything
by writing

C.S.Lewis

by 남성준 Jul 29. 2022

고객 리텐션 분석이 어려운 이유

구매와 달리 눈에 보이지 않기 때문이다.

고객 분석이라면 리텐션 분석이 핵심이다. 그런데 이게 쉽지 않다. 넷플릭스 같은 구독 사업은 가입자가 언제 가입하고 언제 탈퇴하는지 알 수 있지만, 쿠팡 같은 일반적인 인터넷 쇼핑몰은 탈퇴라는 개념이 없다. 언젠가부터 더 이상 사지 않으면 그 고객은 죽었다고 여긴다. 실제 고객이 사망해서 더 이상 사지 않기도 하지만 대부분 더 이상 그런 제품이 필요 없거나 다른 업체로 갈아타기 때문이다. 그래서 탈퇴 여부는 확실히 알 수 없고 탈퇴 확률을 추정할 뿐이다.

첫째 리텐션 분석이 어려운 이유는 바로 유저의 탈퇴 여부를 직접 관찰할 수 없기 때문이다. 그럼 어떻게 분석을 해야 하나? 일반적으로 회사들에서 일정 기간 구매 활동이 없었던 고객을 죽었다고 가정하고 분석한다. 예컨대 최근 3개월 간 재구매가 있었는지 없었는지로 리텐션을 분석한다. 문제는 최근에 가입한 고객은 다음 구매 시점이 오지도 않았는데 죽었다고 분류된다. 또한 구매 주기가 긴 고객도 살아 있는데 죽었다고 분류된다.

위의 그림 처럼 마지막 구매일자가 같은 고객 A와 B는 죽어있을 확률이 다르다. A는 구매 주기가 길어 아직 살아있을 확률이 B보다 크다. 현재 시점에 이 고객이 죽었는지 살았는 지 데이터로 알 수 있으면 분석이 쉬울 것이다. 죽었는지 모르기 때문에 구매를 언제 했는지 얼마나 자주 했는지를 보고 통계 모델로 예측할 수 밖에 없다. 그럼 충분히 시간이 지난 후에는 특정 고객이 죽어 있다고 확신할 수 있지 않을까? 맞다. 2년동안 한번도 재방문이 없는 고객은 죽어 있을 확률이 매우 크다. 그러나 2년 동안 다시는 안산 고객은 별 가치가 없다. 그래서 리텐션 분석은 주로 구매 주기, 방문 주기가 짧은 앱, 게임 같은 산업에서 많이 쓴다. 자동차나 가구 구 같이 구매 주기가 몇 년씩 되는 기업은 잘 쓰지 않는다. 그리고 리텐션 분석은 그저 고객 행동을 관찰만 하는데 그치지 않는다.

현업에서 지금 죽었는지 살았는지 모르는 고객에게 마케팅을 해서 재구매를 유도하고 이들이 계속 구매를 이어나가게 만들어야 한다. 그런데 이 성과 측정을 어떻게 하느냐가 문제다. 눈에 보이지도 않는 유령을 잡아야 하는데 그 유령이 어떤 무기에 더 잘 반응하는지를 측정해야 하니 더 어렵다.

위의 그림처럼 중간에 프로모션을 해서 같은 날 추가 구매가 일어날 수 있다. 쌍둥이 고객 A, B가 있어서 실험할 수 있으면 좋겠다. 그러나 현실은 그렇지 않다. 프로모션 이후 일어난 구매가 프로모션 때문인지 아니면 원래 사려했는데 샀는지 알 수가 없다. 고객 A는 구매 주기가 프로모션 전과 후가 거의 비슷하다. 고객 B도 프로모션 효과가 있는 것 같긴 한데 확실하지 않다. 그래서 어렵다.

둘째, 리텐션 분석이 더 어려운 이유는 리텐션은 장기적인 현상이기 때문이다. 아래 그래프는 미국 노스웨스턴 대학과 MIT에서 실제 카탈로그 판매업체와 장기간 (2년 6개월) 실험을 한 결과이다. 카탈로그를 실험군 대조군으로 나누어 실험군에만 일부 품목에 60% 할인을 했고 대조군은 30% 할인을 했다. 나머지는 똑같다. 그리고 2년 반 동안 그 구매 행동을 추적 관찰했다. 결과는 프로모션 실험군의 경우 구매 빈도가 단기적으로 34.6%가 늘어났다. 그러나 장기적으로 이 실험군은 구매 빈도가 10% 감소하여 결과적으로 총 구매 빈도는 대조군과 차이가 없어졌다 (Anderson & Semester 2004).

뿐만 아니라 프로모션을 받은 실험군은 더 싼 제품을 구매했다. 처음에 60% 할인을 받았으니 단기적으로 주문당 평균 가격이 36.7% 낮은 것은 당연하다. 그러나 장기적으로 똑같은 카탈로그를 받아 주문을 하였음에도 불구하고 주문당 가격이 11.5%가 더 낮았다.

단기적으로 보면 구매 빈도가 34.6% 증가하여 주문당 평균 가격이 36.7%가 감소해도 매출은 비슷할 수 있다. 하지만 프로모션을 받은 고객은 장기적으로 보면 구매 빈도는 떨어지고 11.5% 더 싼 제품을 구매하여 1인당 고객생애가치 LTV는 오히려 떨어진 것이다. 이렇게 2년 넘게 실험을 할 수 있으면 리텐션에 대한 영향을 알 수 있다. 그러나 어느 기업이 이렇게 2년간 실험하게 둘 수가 있나? 그래서 장기적인 구매에 대한 영향을 알기가 이렇게 어렵다.

셋째, 리텐션은 고객에 따라 다르다. 위의 실험 결과들은 기존 고객들에게 한 실험이다. 다음 실험은 신규 고객에게 했다. 그랬더니 단기적으로 구매 빈도가 30.2% 늘어났을 뿐만 아니라 장기적으로도 구매 빈도가 증가하여 총 구매빈도가 31.85%나 증가하였다. 신규 고객은 대폭 할인을 통해 많이 구매했더니 이들은 장기적으로도 더 많이 구매하였다. 제품에 대해 잘 몰라 구매를 망설였다 써보니 좋아 구매가 늘어난 학습 효과의 영향이 클 수 있다.

일반적으로 리텐션 분석은 탈퇴 여부를 개인별로 잘 알 수 없기 때문에 고객 전체를 하나의 그룹으로 보거나 가입시기가 비슷한 고객끼리 하나의 코호트로 묶거나 특정 행동을 기반으로 그룹별로 묶어서 분석한다. 문제는 개별 고객의 특성을 무시하고 큰 그룹별로 고객의 리텐션만 분석하면 잡아야 할 고객은 놓치고 보내야 할 고객을 잡게 된다. 아래처럼 남자 여자 리텐션이 다른데 평균치로 모델하면 남자의 고객생애가치는 실제보다 높게 여자는 더 낮게 예측할 것이다. 리텐션 분석은 고객의 특성, 유입 채널 정보 등을 고려하여 고객별로 다른 생존 확률을 고려해야 한다.

이러한 크게 세 가지 이유로 리텐션 분석은 어렵다. 그래서 계량 마케팅을 연구하는 학자들이 이를 분석하고자 여러 가지 방법들은 고안해냈다. 다음 기회에 더 자세히 리텐션 분석에서 다루고자 한다.

참조 문헌

Anderson, Eric T and Semester, Duncan I. (2004) “Long-Run Effects of Promotion Depth on New Versus Established Customers: Three Field Studies”, Marketing Science, Vol 23, No. 1

브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari