[데이터리안 SQL 입문반 26기] 고객 분석의 기본이 되는 RFM 세분화

얼마 전에 데이터리안에서 신청한 SQL 수업을 듣다가 2주차 과제로 데이터리안의 이보민 님이 쓰신 <RFM 고객 세분화 분석이란 무엇일까요> 글을 읽게 되었다.

 

https://datarian.io/blog/what-is-rfm?utm_source=sql-camp&utm_medium=camp&utm_campaign=referral&utm_content=sql-basic

RFM 고객 세분화 분석이란 무엇일까요

 

RFM(Recency, Frequency, Monetary) 분석이란 무엇인지 이미 설명하고 있는 글이 워낙 많다.

여기선 내가 RFM 분석에 대해 느꼈던 점을 간단하게 적어보려고 한다.

 

 

 

무엇부터 시작해야 할지 모르겠다면, 기본으로 돌아가자

RFM 분석은 처음 듣는 사람도 바로 이해할 정도로 직관적이고 쉬운 개념이다.

한마디로 고객이 만약 자사 제품을 최근에(recency), 그리고 자주(frequency) 구매했고, 결제 금액이 클수록(monetary) 중요한 고객이라는 뜻이다.

 

이해는 쉽지만 막상 실제 분석에서 활용하는 건 또다른 차원이다.

실제 데이터를 받아서 분석하려고 하면,

특히 나같은 초보자는 어느 변수부터 시작해야 할지 또 어떻게 핵심 고객을 정의해야 할지 막막하기 때문이다.

 

이때 가장 먼저 시도해봐야 하는 게 RFM 분석이라고 생각한다. 그만큼 가장 기본이 되는 단계이기 때문이다.

우리가 어려운 수학 문제나 알고리즘 문제를 풀 때 기본 개념부터 다시 찬찬히 되짚어보면 금방 풀리는 것과 같은 맥락인 것 같다.

 

 

 

 

수업에서는 가르쳐주지 않는 것

작년에 빅데이터 분석 교육을 들으면서 데이터 분석 관련 지식은 웬만큼 쌓았다고 생각했다.

Pandas로 데이터프레임 다루기, 통계적 추정과 가설 검정하기, 의사결정트리 등 다양한 모델링 기법을 배웠고

많이 쓰면서 익숙해질 수 있었다.

 

하지만 막상 실제 데이터를 받아서 분석 프로젝트를 진행하는 건 너무 어려웠다.

아무리 훌륭한 도구(통계, 머신러닝 지식)를 손에 쥐어줘도 비즈니스적 인사이트(+도메인 지식)가 없다면 분석을 하지 않는 것이나 마찬가지라는 걸 깨달았다.

 

한창 밤새면서 프로젝트를 진행하던 어느 날, 강사님이

'교재에서는 없어서 안 다뤘지만, RFM 분석을 많이 쓰기도 한다. 이걸 적용해보는 건 너네 맘이다'

라고 지나가듯이 말씀했는데 그걸 이제서야 깨닫다니 아쉬움이 남는다.

(사실 내가 팀원들이랑 진행했던 프로젝트는 보험사 고객 데이터였고 RFM 세분화를 적용하기는 어려운 면이 있었다)

 

 

 

 

RFM에서 한 걸음 더 나아가기

아까 말했던 것처럼 RFM 분석은 워낙 간단한 단계이기 때문에 여기서 분석이 끝나면 안되고,

더 다각도로 깊게 분석을 진행할 필요가 있어 보인다.

 

예를 들어 '단위 기간별(일주일, 한달) 구매한 횟수'라든가 '결제 횟수당 평균 결제 금액'처럼 좀 더 섬세하게 변수를 고안해볼 수 있고

보민님이 글에서 언급하신 것처럼 기업마다 recency나 빈도수(frequency)의 기준이 각기 다를 수 있기 때문에

이 기준을 설정하는 것도 상황별로 잘 고민해보아야 한다고 생각한다.

 

하지만 이 심층 분석도 결국엔 RFM을 기본으로 건드려보고 난 다음에 수행해야 하는 일이라는 것! 꼭 명심하자.