고객 인사이트

이탈 위험이 있는 고객의 재참여를 유도하는 RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 세분화로 고객 유지 전략을 개선하는 방법을 알아보세요. 최근성(Recency), 빈도(Frequency), 금액(Monetary) 지표를 분석하면 브랜드에서 멀어지고 있을 수 있는 고객을 식별할 수 있어요. 이러한 프로필의 관심과 브랜드 충성도를 유지할 수 있도록 재참여를 유도하도록 설계된 타겟 광고 캠페인을 만들 수 있어요.

RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성을 기반으로 고객 유지 플로우를 구축해 최근에 구매하지 않은 고객을 타겟팅하는 방법을 알아보세요. 고객 유지 플로우는 고객을 윈백(과거 구매 이력이 있는 고객에게 메일을 다시 발송하는 프로세스)하는 데 유용한 수단으로, 적절한 시점에 적절한 메시지로 고객에게 도달하는 데 도움이 돼요. 고객 그룹이 변경되는 시점에 이 구독자에게 자동으로 도달할 수 있어, 매출 감소와 이탈률 위험을 줄이는 데 도움이 될 수 있어요.

퍼널 분석 보고를 사용해 브랜드와 고객의 여정을 검토하고, 행동이나 전환 전에 어디에서 이탈할 가능성이 있는지 알아보세요. 고객이 어디에서 이탈할 수 있는지 더 많이 알면 마케팅 퍼널을 어디에서 최적화할 수 있는지 이해하는 데 도움이 돼요.

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.

Klaviyo의 코호트 분석을 알아보세요. 코호트를 정의하는 방법과 표시되는 데이터를 이해하는 방법을 포함합니다. 코호트 분석을 사용하면 시간에 따른 프로필 그룹의 행동을 분석할 수 있어요.

Recent RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 그룹의 고객을 위한 육성 플로우를 만드는 방법을 알아보세요. 이 플로우는 주요 시점에 자동으로 연락해 일회성 쇼핑객을 반복 구매 고객으로 전환하는 데 도움이 되며, 재구매율을 높이고 고객 생애 가치를 늘리는 데도 도움이 될 수 있어요.

RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법) 속성을 기반으로, 이탈 기간이 매우 긴 고객을 타겟팅하는 이탈률 예방 플로우를 구축하는 방법을 알아보세요. 고객 유지 플로우는 고객을 윈백(과거 구매 이력이 있는 고객에게 메일을 다시 발송하는 프로세스)하는 데 유용한 수단으로, 적절한 시점에 적절한 메시지로 고객에게 도달하는 데 도움이 돼요. 고객 그룹이 변경되는 시점에 이 구독자에게 자동으로 도달할 수 있어, 매출 감소와 이탈률 위험을 줄이는 데 도움이 될 수 있어요.

전환 개요 대시보드에서 Klaviyo 기여 가치(KAV, Klaviyo에서 발신된 메시지로 인한 수익)를 포함한 총 전환 및 매출을 분석하는 방법을 알아보세요. 또한, 다양한 전환을 완료한 프로필의 수와 해당 프로필이 나타내는 총 수익을 검토할 수도 있습니다. 이 대시보드를 사용하면 전환 행동을 기반으로 특정 세그먼트를 타겟팅하여 마케팅 활동을 최적화하고 전환율을 높일 수 있어요.

RFM(RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법)) 그룹을 사용해 과도한 할인으로 인한 잠재 매출 손실을 피하는 방법을 알아보세요.

RMF('가장 최근에 산 사람', '가장 구매 빈도가 높은 사람', '가장 많은 돈을 쓴 사람'으로 구매 비율을 산출하는 기법)(최신성, 빈도, 금액) 속성을 사용해 제품 추천으로 고객을 타겟팅하는 방법을 알아보세요.

잠재고객 성과 대시보드를 사용해 잠재고객 세그먼트의 성과를 분석하고 마케팅 채널별로 최적화하는 방법을 알아보세요. 잠재고객 성과 요약에서는 각 세그먼트, 채널별 전반적인 성공 여부, 그리고 총 전환 또는 수익에 대한 자세한 정보를 제공합니다. 이 정보는 어떤 세그먼트가 좋은 성과를 내는지, 어떤 세그먼트에 추가 최적화가 필요한지 비교하는 데 유용합니다.

이제 퍼널 분석 페이지에 추가된 실행 가능성 기능을 통해 퍼널의 특정 지점에서 완료하거나 이탈한 프로필 세그먼트를 만들 수 있습니다. 이를 통해 클라비요 마케팅 분석 환경을 벗어나지 않고도 퍼널 데이터에서 세그먼트를 구축하여 인사이트에 빠르게 대응할 수 있습니다.

RFM 챔피언 그룹의 프로필을 축하하는 플로우를 만들어 가장 충성도 높은 고객과의 관계를 강화하는 방법을 알아보세요. 이 플로우는 꾸준히 브랜드를 지지하는 사람들을 대상으로 하며, 적시에 감사 메시지와 독점 혜택을 전달해요. 이를 통해 브랜드와의 연결이 더욱 공고해지고, 커뮤니티 의식이 더 깊어지며, 생애 가치가 증가해요.

오류가 발생하거나 부정확한 숫자가 표시될 수 있는 퍼널 분석 카드의 잠재적인 문제를 해결하는 방법을 알아보세요. 이 가이드에서는 특정 이벤트를 함께 배치하거나 특정 순서로 배치할 때 발생하는 주요 문제를 살펴봐요.

RFM 보고서에서 가장 최근 구매, 구매 빈도, 구매 금액 점수와 고객 그룹이 어떻게 산출되는지 알아보세요.

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.

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.