전자상거래 개인화 블로그

RFM 분석은 전자 상거래 판매를 증가시킵니다. 오늘 우리는 고객의 최근성, 빈도 및 금전적 데이터를 사용하여 잠금을 해제하는 방법을 탐구합니다.   개인화된 마케팅 및 참여도를 높입니다. 더 나아가 RFM 분석이 코호트 분석을 극대화하여 유지율을 높이는 가장 좋은 방법 중 하나임을 알게 될 것 입니다.

RFM 세분화 예제로 건너뛰려면 여기를 클릭하십시오.

RFM 분석 은 데이터 기반 고객 행동 세분화 기술 입니다.

RFM은 최근성, 빈도 및 금전적 가치를 나타냅니다.

아이디어는 마지막 구매가 언제인지, 과거에 얼마나 자주 구매했는지, 전반적으로 지출한 금액을 기준으로 고객 을 분류하는 것입니다. 이 세 가지 측정값 모두 마케팅 메시지 및 제안에 참여하려는 고객의 의향을 효과적으로 예측하는 것으로 입증되었습니다.

RFM 분석은 DM에서 탄생했지만 오늘날 전자 상거래 상점에서 사용할 수 있는 강력한 도구입니다.

위는 고객 세분화를 통해 기업이 고객의 특정 가치에 대해 이야기할 수 있는 방법을 잘 보여줍니다. 이미지 출처: 인터콤

RFM 분석의 최초 알려진 응용 프로그램은 카탈로그 산업이었습니다. 개척자에는 Land's End, JC Penny's 등이 있습니다. 초기부터 RFM의 많은 변형이 다음을 포함하여 개발되었습니다.

고객 기반에 대한 RFM 분석을 수행하고 가치가 높은 대상에게 개인화된 캠페인을 전송하면 전자 상거래 상점에 막대한 이점이 있습니다.

최근성을 어떻게 계산해야 합니까? 또는 점수 빈도? 좋은 수익 창출 기준은 무엇인가요?

임계값을 정의하는 것은 세분화의 첫 번째 단계입니다. 아래에서는 전자 상거래 회사가 최근성, 빈도 및 수익 창출에 사용할 수 있는 일반적인 측정항목에 대해 설명합니다.

최근성은 마지막 구매 이후의 시간을 측정합니다.

최근성을 계산할 때 전자 상거래 상점에는 두 가지 문제가 있습니다.

첫째, 옴니채널 세계에서는 각 채널의 구매 데이터를 하나로 묶는 것이 어려울 수 있습니다.

둘째, 각 비즈니스는 좋은 최근성 점수에 대한 해석이 다릅니다. 예를 들어, 소모품은 자주 주문해야 하는 본질적인 요구 사항이 있으므로 마지막 구매 이후 더 높은 점수를 받기 위해 필요한 시간이 짧아집니다.

위의 스타벅스 제품은 일반적으로 하루 안에 소비됩니다. 그들의 제품 믹스는 훨씬 더 긴 제품 수명 주기를 가진 느리게 움직이는 제품과 비교하여 최신 데이터의 다른 해석을 필요로 합니다.

최근에 대한 동일한 문제는 빈도 분석에서도 나타납니다.

다시 말하지만, 제품 수명 주기

최근성, 빈도 및 수익 창출 점수를 계산하는 것도 비슷한 문제를 나타냅니다. 현실은 각 비즈니스가 고유하다는 것입니다. 정확한 벤치마크를 만드는 것은 매우 어렵습니다.

운 좋게도 RFM 메트릭을 적절하게 할당하는 몇 가지 일반적인 접근 방식이 있습니다.

RFM 점수를 생성하는 가장 쉬운 방법인 사분위수 분석을 사용하면 상대 성과를 기반으로 점수를 빠르고 공정하게 할당할 수 있습니다.

각 사분위수는 1에서 4까지의 점수를 제공합니다. 최종 RFM 세분화는 이 점수를 함께 사용합니다.

다음은 Python을 사용하여 RFM 세그먼트를 정의하기 위해 사분위수를 사용하는 것에 대한 훌륭하고 간단한 개요입니다.

이미지 크레딧

RFM 세분화는 복잡할 필요가 없습니다.

아래에서는 Excel에서 RFM 모델을 만드는 방법을 보여줍니다. 모델을 쉽게 복제할 수 있도록 단계별로 스크린샷을 포함합니다.

전자 상거래 브랜드는 고유합니다.

이것은 귀하의 특정 비즈니스에 가장 적합한 방법은 아니지만 반복할 수 있는 훌륭한 템플릿이 될 것입니다.

의 시작하자.

시작하기 전에 각 세분화 벡터에 대해 비즈니스에 가장 중요한 KPI(최근성, 빈도 및 수익 창출)를 정의해야 합니다 .

이렇게 하려면 각 고객에게 구매 내역을 연결하고 작업할 기간을 선택해야 합니다.

이 예에서는 다음 KPI와 기간을 사용합니다.

최근: 마지막 구매 날짜
빈도: 총 주문 수
수익 창출: 평균 주문 금액
기간: 2년

보시다시피 RFM 분석은 간단한 프로세스입니다. 목표는 최근성, 빈도 및 수익 창출에 따라 각 고객에게 체계적으로 점수를 매기는 것입니다. 우리는 우리가 선택한 메트릭에서 모든 고객을 1순위로 정렬한 다음 데이터베이스의 다른 고객과 비교하여 그들이 얼마나 잘 수행하는지에 따라 점수를 매기는 방식으로 이를 수행합니다.

최근에 사용할 수 있는 KPI가 많이 있습니다. KPI의 예는 다음과 같습니다.

이 연습에서는 마지막 구매 후의 일수를 기본 메트릭으로 사용합니다.

어떤 메트릭이 비즈니스에 가장 적합한지 직관적으로 알아야 합니다. 당신이 전통적인 전자 상거래 상점이라면 마지막 구매 날짜도 선택 기준이 될 것입니다.

먼저 지정된 KPI로 고객 정보를 다운로드하려고 합니다. 여기에서는 Barilliance에서 직접 이 정보를 다운로드하여 Google 시트에 업로드했습니다.

다음으로 시트를 약간 정리하고 싶습니다.

닫는 것을 잊은 원치 않는 열(세션, 마지막으로 본, 처음 본, 첫 주문, AOV)을 삭제합니다.

다음으로 RFM 점수에 대해 세 개의 열을 추가합니다. 상단에 '최근', '빈도', '수익 창출'이라는 제목을 붙입니다.

마지막으로 데이터에 필터를 적용하여 매우 쉽게 정렬할 수 있습니다. 필터를 적용하는 방법을 모르는 경우 프로세스는 쉽습니다. 제목을 포함한 모든 데이터를 선택합니다(Shift+command+화살표를 누르고 있으면 빠르게 선택할 수 있습니다).

모든 데이터가 선택되면 데이터->필터를 클릭합니다.

완료되면 시트가 다음과 같아야 합니다.

최근성 KPI로 이동하여 적절한 순서로 목록을 정렬합니다. 우리의 경우 "마지막 구매일로부터의 일수"로 이동하여 내림차순으로 정렬합니다.

마지막으로 각 고객의 위치에 따라 점수를 매깁니다.

이를 수행하는 몇 가지 방법론이 있지만 사분위수를 사용하는 것이 가장 쉽고 가장 유용하다는 것을 알았습니다.

총 고객 수를 4로 나눈 값을 취하십시오. 다음으로, 각 사분위수에 위치를 반영하는 점수를 부여하십시오.

1분위: 1

2분위: 2

3분위: 3

4분위: 4

모든 것을 "완벽"하게 만드는 것에 대해 너무 걱정하지 마십시오. 예를 들어, 여기에 지난 3일 동안 모두 주문한 두 명의 고객이 있습니다. 나는 5명의 고객에게 1점을, 3명에게 2점을 부여했지만 단순히 최근성 점수 1점을 할당했습니다.

이 시점에서 시트는 아래의 것과 유사해야 합니다.

이 프로세스는 빈도와 수익 창출 모두에서 매우 유사합니다.

지난 2년 동안의 총 주문 수를 빈도 KPI로 사용하고 있지만 선택할 수 있는 경쟁 메트릭이 많이 있습니다. 그 중 일부는 다음과 같습니다.

이전에 언급했듯이 # of order를 빈도 KPI로 사용할 것입니다. 2.b단계와 2.c단계를 반복하고 빈도 KPI를 안내 지표로 사용합니다. 채점 후 시트는 아래의 것과 유사해야 합니다.

마지막으로 수익 창출 점수를 기록할 준비가 되었습니다.

수익 창출 KPI에는 다음이 포함됩니다.

이전과 마찬가지로 2.b 및 2.c 단계를 반복하고 수익 창출 KPI를 지침 지표로 사용합니다. 채점 후 시트는 아래의 것과 유사해야 합니다.

대박!

이 시점에서 분석이 완료되었습니다. 다음은 재미있는 부분입니다. 실제로 이러한 새로 발견된 통찰력을 사용하여 수익성 있는 세그먼트를 식별합니다.

마케터가 마케팅을 안내하기 위해 이 세분화를 사용하는 방법은 여러 가지가 있습니다. 다음은 체리 선택에 대한 몇 가지 아이디어입니다.

RFM 점수: 111

누구인가: 가장 최근에 가장 자주 구매하고 가장 많은 수익을 창출한 참여도가 높은 고객입니다.

마케팅 전략: 로열티 프로그램 및 신제품 소개에 중점을 둡니다. 이러한 고객은 지불할 의향이 더 높은 것으로 입증되었으므로 할인 가격을 사용하여 판매를 늘리지 마십시오. 대신 이전 구매를 기반으로 한 제품 추천 을 통해 부가 가치 제안에 집중 하십시오.

위에서 Uber는 "핵심" RFM 고객 세그먼트를 대상으로 새로운 Uber Eats 서비스를 소개합니다.

RFM 점수: X1X

누구인가: 매장에서 가장 자주 구매하는 고객입니다.

마케팅 전략: 로열티 프로그램 은 이러한 반복 방문자에게 효과적입니다. 옹호 프로그램 및 검토도 일반적인 X1X 전략입니다. 마지막으로 이러한 고객에게 무료 배송 또는 기타 유사한 혜택을 제공하는 것을 고려하십시오.

여기서 Costco는 반복 구매율을 높이고 지갑 점유율을 확대하기 위해 맞춤형 신용 카드로 멤버십 비즈니스 모델을 보완합니다.

RFM 점수: XX1

누구인가: 매장에서 가장 많은 수익을 올린 고객입니다.

마케팅 전략: 이 고객들은 높은 지불 의향을 보였습니다. 프리미엄 제안, 구독 계층, 고급 제품 또는 부가 가치 교차/상향 판매를 고려 하여 AOV를 높 입니다. 할인에 마진을 낭비하지 마십시오.

RFM 점수: X13, X14

누구인가: 자주 방문하지만 지출을 많이 하지 않는 고객.

마케팅 전략: 이미 충성도를 만드는 데 성공했습니다. 지출 임계값(스토어 AOV에 고정됨)과 연결된 인센티브 및 과거 구매를 기반으로 한 제품 추천 을 통해 수익 창출을 늘리는 데 중점을 둡니다 .

위는 특정 RFM 세그먼트에서 수명 주기 마케팅을 사용하는 Target의 예입니다. 재정 할인과 지출 임계값을 결합하여 반복 구매를 유도하고 고객 수익성을 높이는 방법에 주목하십시오.

또 다른 예는 AirBnb에서 제공됩니다. 여기에서 고객의 보기 활동에 따라 트리거된 메시지를 보내 예약을 요청합니다.

RFM 점수: 14X

누구인지: 귀하의 사이트를 처음 방문하는 구매자입니다.

마케팅 전략: 대부분의 고객은 충성도가 높은 고객으로 전환하지 않습니다. 트리거된 환영 이메일과 같은 최초 구매자를 위한 명확한 전략을 마련하면 배당금을 지불할 수 있습니다.

Starbucks는 RFM 부문에서 고객을 이동시키는 데 탁월합니다. 위에서 그들은 이메일을 사용하여 고객을 로열티 보상 프로그램에 참여시킵니다. 여기에서 스타벅스의 전체 사례 연구를 볼 수 있습니다.

RFM 점수: 44X

누구인가: 한동안 구매하지 않은 훌륭한 과거 고객.

마케팅 전략: 고객은 다양한 이유로 이탈합니다. 상황에 따라 가격 거래, 신제품 출시 또는 기타 유지 전략 .

Barilliance를 사용하면 각 RFM 세그먼트에 대해 개인화된 경험을 생성할 수 있을 뿐만 아니라 또한 다변수 ab 테스트를 생성할 수 있는 기능도 제공합니다.

특정 세그먼트에서 가장 반향을 불러일으키는 제안을 빠르게 확인하고 판매로 이어지는 콘텐츠 등을 발견할 수 있습니다.

RFM 분석(및 일반적으로 세분화)의 중요한 과제 중 하나는 고객에 대한 전체 360도 뷰를 생성하는 것입니다. 오늘날의 옴니채널 구매자는 RFM이 탄생한 DM 세계와 크게 다르지 않습니다. RFM은 여전히 ​​믿을 수 없을 정도로 강력한 모델입니다.

그러나 효율성은 보유한 데이터의 품질에 따라 결정됩니다.

여기에서 Barilliance가 빛납니다. 장치, 쇼핑 세션 및 채널 전반에 걸쳐 전체적인 고객 보기를 생성합니다. 고객이 상호 작용하는 페이지, 마지막 구매 이후 시간, 주문량, 브랜드 참여 등을 볼 수 있습니다.

즉, 하나의 간단한 인터페이스를 통해 위에서 언급한 모든 세그먼트를 포함하여 매우 상세한 세그먼트를 생성할 수 있습니다.

행동을 취하다.

RFM은 고객 목록에서 더 많은 것을 얻을 수 있는 확실한 방법입니다.

하지만...

RFM을 다음 단계로 끌어 올리려면 Barilliance's Retention을 고려해야 합니다. 두 가지 기본적인 방법으로 기존 RFM 분석을 개선합니다.

첫째 , 온라인 및 오프라인 구매, 웹 행동 및 인구 통계 데이터를 한 곳에서 연결하여 보다 정확한 세분화를 수행할 수 있습니다.

둘째 , 정의된 세그먼트로 캠페인을 자동화할 수 있습니다. 웹 개인화 및 개별 이메일 제품 권장 사항 에 연결 하여 세그먼트 수준이 아니라 개별 수준에서 각 상호 작용을 사용자 지정합니다.

여기 에서 Retention 데모를 요청 하십시오 .