데이터 분석

RFM 고객 세분화 분석

, ,

RFM 분석이란?

고객 관계 관리(CRM)를 위해 고객의 구매 행동 데이터를 기반으로 고객을 세분화하는 분석 기법으로, 다음의 3가지 지표를 기반으로 한다.

  • Recency : 얼마나 최근에 구매하였는가

    마지막으로 구매한 시점이 가까울수록 브랜드에 대한 관심도가 높다

  • Frequency : 얼마나 자주 구매하였는가

    방문한 빈도가 높을수록 브랜드에 대한 충성도 및 재구매 확률이 높다

  • Monetary : 얼마나 많은 금액을 지출하였는가

    지출한 금액이 많을수록 브랜드에 더 큰 가치를 부여할 확률이 높다

https://velog.io/@vive0508/rfm

RFM 고객 세분화 예시

다음은 최근 구매일, 총 구매횟수, 총 구매금액을 기준으로 RFM 값을 부여한 예시이다.

  • Recency : 2024-12-09 기준 한 달 이내에 구매한 고객은 ‘recent’, 그 외에는 ‘past’
  • Frequency : 총 5회 이상 구매한 고객은 ‘high’, 그 외에는 ‘low’
  • Monetary : 총 10만원 이상 구매한 고객은 ‘high’, 그 외에는 ‘low’
번호
최근 구매일
총 구매횟수(회)
총 구매금액(천원)
Recency
Frequency
Monetary
1 2024-11-28 15 125.5 recent high high
2 2024-12-01 9 21.8 recent high low
3 2024-11-25 2 3.5 recent low low
4 2024-12-02 1 210.0 recent low high
5 2024-09-11 7 315.3 past high high
6 2024-10-31 10 85.9 past high low
7 2024-11-05 3 151.2 past low high
8 2024-10-12 1 12.5 past low low
  • RFM 값을 기준으로 그룹을 나누어 볼 때, 그룹별 특징을 다음과 같이 추정할 수 있다.
번호
Recency
Frequency
Monetary
특징
1 recent high high 가장 브랜드 충성도가 높은 고객군
2 recent high low 브랜드 관심도에 비해 매출 기여도는 낮은 고객군
3 recent low low 최근에 구매는 했으나 브랜드 충성도는 낮은 고객군
4 recent low high 최근까지 고가의 제품에 관심이 많은 고객군
5 past high high 브랜드 충성도가 높았으나 최근 구매가 없는 고객군
6 past high low 최근 구매가 없고 매출 기여도도 낮은 고객군
7 past low high 고가의 제품에 관심 있으나 최근 구매가 없는 고객군
8 past low low 이탈 가능성이 가장 높은 고객군
  • 각 그룹에 대하여 어떠한 마케팅이 효과적일지도 다음과 같이 적용해볼 수 있다.
번호
Recency
Frequency
Monetary
마케팅 전략
1 recent high high 개인 맞춤형 추천, 초대 이벤트, 멤버십 혜택 등
2 recent high low 기간 한정 세일, 묶음 판매, 할인 쿠폰 등
3 recent low low 재구매 유도 이벤트, 사용자 리뷰 공유 등
4 recent low high VIP 전용 제품 소개, 고급 제품 대상 특별 할인 등
5 past high high 개인 맞춤형 리마인드, 과거 구매 기반 제품 추천 등
6 past high low 가격 비교 정보 제공, 재구매 할인 쿠폰 등
7 past low high 고급 제품 위주의 카탈로그 홍보 등
8 past low low 고객 리뷰 요청, 브랜드 이미지 홍보 등

SQL 쿼리 예시

  • With문에서 recency, frequency, monetary 컬럼을 각각 생성
  • window 함수 NTILE()을 사용하여 각각 5단계로 구분
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
-- RFM 점수 계산을 위한 기본 쿼리
WITH rfm_calc AS (
  SELECT 
    customer_id,
    DATEDIFF(day, MAX(purchase_date), CURRENT_DATE) as recency,
    COUNT(order_id) as frequency,
    SUM(amount) as monetary
  FROM orders
  GROUP BY customer_id
),
rfm_scores AS (
  SELECT *,
    NTILE(5) OVER (ORDER BY recency DESC) as R,   # Recency 5단계 구분
    NTILE(5) OVER (ORDER BY frequency ASC) as F,   # Frequency 5단계 구분
    NTILE(5) OVER (ORDER BY monetary ASC) as M   # Monetary 5단계 구분
  FROM rfm_calc
)
SELECT * FROM rfm_scores;

RFM 적용 시 고려사항

비즈니스의 특성에 따라 고객 세분화 기준 등을 다르게 적용할 필요가 있다.

  • Recency, Frequency, Monetary 지표의 분류 기준 및 단계 설정
    • 쿠팡, 배달의민족 등 자주 이용하는 플랫폼의 경우 한 달 이내 구매하지 않은 고객의 Recency 단계가 낮아질 수 있으나, 여행상품을 판매하는 항공사, 숙박업체 등은 최소 3개월에서 6개월 정도 구매이력이 없더라도 Recency가 떨어진다고 보기 어렵다.
    • 웨딩 서비스 등은 재구매가 거의 이루어지지 않으므로 Frequency는 사실상 의미가 없다.
  • Frequency, Monetary 지표의 집계 기간 설정
    • Frequency와 Monetary 집계 기간을 서비스 출시 이후로 설정할 경우 오랜 기간 구매하지 않아 사실상 이탈한 고객의 Frequency, Monetary가 필요 이상으로 집계될 수 있으므로 적절한 집계 기간을 설정할 필요가 있다.

Reference

데이터리안 블로그 : RFM 고객 세분화 분석이란 무엇일까요
Velog 블로그 : RFM 고객 세분화 (Segmentation)

Share