RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 보고서에서 점수 및 고객 그룹 이해하기
학습 내용
RFM 보고서에서 가장 최근 구매, 구매 빈도, 구매 금액 점수와 고객 그룹이 어떻게 산출되는지 알아보세요.
Klaviyo 고급 데이터 플랫폼 및 Klaviyo 마케팅 분석은 Klaviyo의 표준 마케팅 애플리케이션에 포함되어 있지 않으며, 관련 기능에 액세스하려면 구독이 필요합니다. 청구 가이드로 이동하여 이러한 요금제를 구매하는 방법을 알아보세요.
보고서를 구축하고 맞춤 설정하는 방법에 대한 자세한 내용은 RFM 보고서 시작하기 가이드를 참고해 주세요.
시작하기 전에 알아야 할 것
이 보고서를 사용하려면 계정이 다음 조건을 충족해야 해요:
- 주문한 적이 있는 고객이 최소 500명 있어야 해요.
이는 총 프로필 수를 의미하는 것이 아니라, 실제로 비즈니스에서 주문을 한 사람 수를 의미해요. 이 섹션이 프로필에 있지만 비어 있는 경우, Klaviyo에는 해당 개인에 대한 예측을 수행할 충분한 데이터가 없다는 뜻이에요.
- 전자상거래 연동(예: Shopify, BigCommerce, Magento 등)이 있거나 Klaviyo API를 사용해 접수된 주문을 전송하세요.
- 최소 180일의 주문 내역이 있고, 지난 30일 이내에 주문이 있어야 해요.
- 3회 이상 주문한 고객이 최소한 일부는 있어야 해요.
소유자, 관리자, 매니저, 분석가만 이 보고서에 액세스할 수 있어요. 또한 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 보고서에서 사용하기 위해 새 사용자 지정 지표를 만들었다면, 이 변경사항이 데이터에 반영되기까지 최대 48시간이 걸릴 수 있어요.
RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 정의
RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 지표는 마케팅 및 데이터 전략에서 흔히 사용되는 용어예요. Klaviyo에서는 다음과 같이 정의하고 계산해요:
- 최근성
고객이 회사에서 구매한 지 얼마나 되었는지. 최근성은 보고서의 기간 내 마지막 구매 이후 경과한 시간(일수로 측정)으로 표시돼요. - 빈도
보고서의 기간 내에 고객이 회사에서 구매하는 빈도예요. - 금전적 가치
고객이 계정에서 지출한 금액(과거 구매)입니다.
이러한 정의를 다시 확인해야 하는 경우, RFM 보고서에서 고급 설정 > RFM 정보 로 이동하면 RFM 보고서의 고급 설정에서 찾을 수 있어요.
백분위수, 점수 산정, 고객 그룹 이해하기
백분위수 및 점수 산정
특정 고객의 경우, Klaviyo는 최신성, 빈도, 금액 기준으로 전체 고객 중 백분위를 결정해요. 이 백분위가 결정되면, Klaviyo는 각 항목(최신성, 빈도, 금액)에 대해 고객에게 1~3점 점수를 부여해요.
Klaviyo는 양수 값이 있는 주문만 확인해요. 주문이 무료인 경우(예: 100% 할인) RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 분석에서 고려되지 않아요.
기본적으로 점수는 계정에 고유한 임곗값을 사용해 할당돼요. 이러한 이벤트에는 다음이 포함됩니다.
- 최근 구매 점수
- 고객의 가장 최근 구매가 지난 180일 이내인 경우: 점수 3이 부여됨
- 고객의 가장 최근 구매가 지난 365일 이내인 경우: 2점이 할당돼요.
- 고객의 가장 최근 구매가 지난 365일 밖에 있었으며, 다시는 구매하지 않을 가능성이 높음을 나타냅니다: 점수 1이 할당됨
- 빈도 점수 산정
- 상위 33%(일반적으로 구매 3회 이상): 점수 3점이 할당됨
- 중간 33%이지만 66백분위 미만(보통 구매 2회): 2점이 부여됨
- 사용자 하위 33%(보통 단일 구매): 할당된 점수 1개
- 금전적 점수 부여
- 상위 33%: 점수 3점이 할당됨
- 중간 33%: 점수 2 할당됨
- 하단 33%: 1점 배정
고객 그룹
각 RFM 지표에 대한 점수가 결정되면 이러한 점수를 종합해 고객 그룹을 결정해요.
아래 모델은 이 3가지 점수가 혼합되어 잠재 고객의 구매 그룹을 결정하는 방식을 시각화합니다. 모든 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 지표와 점수(1-3)는 이 큐브에서 시각화할 수 있으며, 각 면 또는 사분면 중 어디에 속하는지 확인할 수 있어요. 예를 들어 모델의 오른쪽 위 녹색 모서리는 모든 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 지표에서 최고 점수인 3점을 획득한 고객을 보여줍니다.
Klaviyo가 이 3가지 점수를 함께 가져오면, 이후 점수가 분류되어 고객 그룹에 정렬돼요. 이 고객 그룹은 현재의 구매 습관을 설명하며, 어떤 고객이 재구매 고객인지, 향후 구매를 위해 약간의 유도가 필요한 고객은 누구인지, 이탈률 위험이 있을 수 있는 고객은 누구인지 등을 이해하는 데 도움이 되는 유용한 방법이에요. 아래 차트는 다음을 포함해 이 로직을 보여줘요:
- 고객 그룹 이름
- 그룹 분할(즉, 어떤 개별 RFM 점수가 이 그룹에 기여하는지)
- 이 그룹의 고객에 대한 일반적인 설명
- 이 고객 그룹에 대한 권장 조치
이러한 고객 그룹과 정의를 다시 확인해야 할 때는 RFM(RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법)) 보고서 내에서 확인할 수 있어요. 자세한 내용은 고급 설정 > RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 정보를 클릭해 확인해 주세요.
그룹 이름 | 가능한 점수 세분화(RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 순서대로 왼쪽에서 오른쪽으로 나열) | 설명 | 이 그룹에 대한 잠재적 작업/전략 예시 |
Champions | 333, 332, 323 | 최고 고객 |
|
충성 고객 | 321, 322, 331, 232, 233 | 참여도가 높은 가치 있는 고객 최근에 구매했거나 자주 구매했어요. 하지만 Champion에 해당하는 사람들보다 지출이 적어요. |
|
최근 | 312, 313, 311, 222, 223 | 최근 고객 |
|
주의 필요 | 213, 221, 123, 132, 133 | 최근 구매하지 않은 가치 있는 고객 과거에 많이 지출했거나 자주 구매했을 수 있지만, 최근에는 구매하지 않았을 수 있어요. |
|
위험 상태 | 231, 212, 122, 131, 211 | 최근에 구매하지 않았거나 전체적으로 지출이 적은 고객 |
|
비활성 | 111, 112, 113, 121 | 이탈한 고객 | 다시 참여를 유도하기 위해 윈백 캠페인을 시도해 보세요.독점 프로모션이나 쿠폰을 제공해 보세요(특히 기간 한정 프로모션). 참여도가 낮은 경우(특히 윈백 이메일이나 프로모션 이메일에 반응하지 않는 경우) 전송 가능성에 악영향을 주기 전에 리스트 정리를 고려하고 삭제해 보세요. |
추가 자료
- RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 분석 보고서 시작하기
최근성, 빈도, 금액 가치(RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법)) 보고서를 사용해 고객의 구매 행동에 대한 더 깊은 인사이트를 얻는 방법을 알아보세요. RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 보고서는 고객이 가장 최근에 구매한 시점, 전반적으로 얼마나 자주 구매하는지, 그리고 개별 거래에서 일반적으로 얼마나 지출하는지에 대한 데이터를 제공합니다. 그런 다음 Klaviyo는 이 데이터를 종합해 프로필이 어떤 고객 그룹(예: 충성 고객)과 가장 잘 일치하는지 판단합니다. 이러한 인사이트는 메시지를 개인화하는 방법, 반복 구매를 유도하는 방법, 메시지를 보내는 빈도와 시기 등 마케팅 전략을 최적화하는 데 도움이 됩니다. 또한 위험할 수 있는 고객 또는 세그먼트의 경우 이러한 인사이트를 활용해 윈백 캠페인을 진행하고 이탈률을 줄일 수 있습니다.
- RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성을 사용하여 세그먼트를 구축하는 방법
세그먼트에서 속성으로 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 값과 고객 그룹화를 사용하는 방법을 알아보세요. 세그먼트에서 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성을 사용하면 마케팅 콘텐츠에서 세그먼트 기반 추천을 만드는 데 유용해요. 예를 들어 현재 At Risk 또는 비활성 고객 일부에게 할인을 제공하거나, Recent 그룹의 고객에게 교차 판매 콘텐츠를 사용할 수 있어요.
- 캠페인 및 플로우에서 RFM 속성을 전략적으로 사용하는 방법
RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성을 사용해 고객 그룹별로 특정 유형의 캠페인과 콘텐츠를 타겟팅하는 방법을 알아보세요. 프로필 속성 자체를 사용하거나 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성이 포함된 세그먼트를 사용하면 마케팅을 더욱 맞춤화할 수 있어요.