방향성 수정 및 역할 분담
분석 방식
인구통계학적 분석, 행동 패턴 분석으로 리스트 추출, 서비스 내 특정 조건으로 분류
=> 고객 예측도 할 수 있음. 시간이 된다면
RFM 분석
Recency : 얼마나 최근에 구매했는가
Frequency : 얼마나 자주 구매했는가
Monetary : 얼마나 많은 금액을 지출했는가
최근 구매일, 총 구매 횟수, 총 금액 => 요금제 외에도 사용한(구매한) 데이터 필요
각각의 기준 필요 ex. 1달 이내(recent/past), 3회 이상(often/rarely), 20만원 이상(high/low)
=>
recent, often, high = 충성고객(vip) ⇒ 유지할 수 있는 전략 필요
recent, rarely, high = 잠재 vip => 구매 회수 늘릴 수 있는 전략 필요
past, often, high = 떠나간 vip(이탈 우려 고객) => 다시 돌아올만한 요소 추가
recent, rarely, low = 구매가 많이 없는 고객(혹은 신규 고객)
past, rerely, low = 이탈 고객
혹은 각각의 단계를 좀 더 세분화하여 세그먼트를 더 나눌 수 있음
KPI>
CRR : VIP가 유지되는 비율
Churn Rate: 이탈률(RFM에서 R)이 갑작스럽게 낮아진 비율
NRR: VIP가 아닌 일반 고객이 지난 달 대비 얼마나 많은 매출을 제공했는지에 대한 비율
CAC : VIP를 만들기 위해 들어간 비용 - 더미 데이터가 시계열성을 잘 가진다면 넣고 아니면 이 부분은 제외
참고 자료
RFM 고객 세분화
RFM 고객 세그먼트
RFM 모델 분석
코호트 분석
사용자 특성 집단화
- 나이대별
- 성별
- 특성별(가족, 혼자)
- 거주 지역
- 사용 서비스별
- RFM과 같은 분석 결과 세그먼트별
=> 일별, 주별, 월별로 조회 가능
사용자당 거래수, 사용자당 수익, 사용자당 유지율, 합계, 전환률, 리텐션률 를 보여줌
통신사는 주로 안 바꾸니 주별, 월별, 년별로 조회 가능하게 하면 될 거 같음
참고자료
코호트 세그먼트
구매 이력 없이 상담 데이터(정성적 데이터) => 키워드, 감정
플래티넘 15%(이탈 방지), 골드 30%(vip가 되게), 실버 35%, 브론즈 20%(맞춤형 마케팅)
고객 생애 가치(CLV) 및 여정 분석
LTV : 평균 구매 금액 구매 빈도 유지 기간
CLV : 평균 구매 금액 구매 빈도 고객 수명
참고자료
CLV 계산식
CRM 고객 분석은 데이터를 기반으로 고객의 행동, 특징, 선호도를 파악해 개인화된 마케팅과 매출 증대를 이끄는 과정입니다. 핵심은 세분화(Segmentation), 개인화(Personalization), 자동화(Automation)이며, 고객 행동 데이터(구매 이력, 접속 로그 등)를 분석하여 타겟 캠페인을 진행하고, ROAS(광고비 대비 매출)를 측정하여 효율을 극대화
람다는 메모리(최대 10GB), 처리시간 (최대900초, 즉 15분)으로 제한되어 있다.
람다 관련 출처
데이터 처리 방식
상담 및 구매 이력 데이터 전처리(상담 텍스트 키워드 및 빈도, 상담 채널(전화/채팅), 평균 상담 시간, 인바운드 건수, 아웃바운드 건수, 고객별 마지막 상담일, 고객별 총 상담 회수, 30일 이내 상담 회수 / 최근 3개월 평균 데이터 및 전화 사용량, 로밍 이용 횟수(일수 및 국가 수 포함), 소액결제 금액 및 출처, 연체 횟수 및 최대 연체 기간) -> 특성 생성(RFM, LTV, 고객별 많이 받는 상담 카테고리, 아웃바운드 제안 수락 확률, 상담 감정 지수, 이탈 위험도) -> 고객 분류(VIP, 나이대별, 장기고객, 상태별, 서비스 사용에 따른 카테고리화) -> 통계(코호트 분석 -> 변화 추이) -> 맞춤 데이터(상품) 제공
CS 지식
인바운드 : 고객이 먼저 연락하는 CS
- 문의, 불만 접수, 서비스 요청 등
- 기존 고객 대상
아웃바운드 : 기업이 먼저 고객에게 연락하는 CS
- 프로모션, 만족도 조사, 안내
- 신규 고객 대상
참고자료
인바운드 VS 아웃바운드
