RFM 분석
Recency - 얼마나 최근에
Frequency - 얼마나 자주
Monetary - 얼마나 많은 금액을
- 구매자가 얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 사용했는지에 따라 구매자의 분포를 확인하거나 그룹을 분류하는 분석 기법이다.
- 구매 가능성이 높은 고객을 선정할 때 용이하다.
- 구매 패턴으로 분류하여 각 그룹의 특성마다 차별화된 마케팅 전략 사용 가능하다.
1-1. 원본 구매데이터 (데이터리안 블로그 예시)
| 사용자 | 최근 구매일 | 총 구매 횟수 | 총 구매 금액 |
|---|---|---|---|
| 1 | 2020-12-28 | 12 | 903 |
| 2 | 2020-12-26 | 7 | 162 |
| 3 | 2020-12-14 | 1 | 943 |
| 4 | 2020-12-03 | 2 | 120 |
| 5 | 2020-11-17 | 6 | 623 |
| 6 | 2020-11-08 | 9 | 135 |
| 7 | 2020-10-21 | 2 | 801 |
| 8 | 2020-10-01 | 1 | 13 |
분류기준
- Recency : 2021-01-01일 기준으로 한 달 이내에 구매 기록이 있으면 ‘recent’ 이외는 ‘past’
- Frequency : 3회 이상 구매시 ‘high’, 3회 미만 구매시 ‘low’
- Monetary : 500달러 이상 구매시 ‘high’, 500달러 미만 구매시 ‘low’
-- 분류 기준에 따른 코드 작성
SELECT 사용자
, IF(최근 구매일 >= DATE_SUB('2021-01-01', INTERVAL 1 MONTH), 'recent', 'past') AS recency
, IF(총 구매 횟수 >= 3, 'high', 'low') AS frequency
, IF(총 구매 금액 >= 500, 'high', 'low') AS monetary
FROM 구매내역1-2. RFM을 기준으로 변환된 데이터
| 사용자 | recency | frequency | monetary |
|---|---|---|---|
| 1 | recent | high | high |
| 2 | recent | high | low |
| 3 | recent | low | high |
| 4 | recent | low | low |
| 5 | past | high | high |
| 6 | past | high | low |
| 7 | past | low | high |
| 8 | past | low | low |
1-3. 사용자 분류
| 사용자 | recency | frequency | monetary | 사용자분류 |
|---|---|---|---|---|
| 1 | recent | high | high | 서비스 충성도가 높은 고객 |
| 2 | recent | high | low | |
| 3 | recent | low | high | |
| 4 | recent | low | low | 최근까지 접속은 있었지만 구매는 많이 없는 고객 |
| 5 | past | high | high | 떠나간 VIP |
| 6 | past | high | low | |
| 7 | past | low | high | |
| 8 | past | low | low | 떠났지만 뼈 아프진 않은 고객 |
시도할 수 있는 마케팅
- 떠나간 VIP를 위해 복귀 유저 쿠폰을 보낸다. -> 5번 해당
- 구매 금액이 높거나 자주 구매했던 떠나간 유저에게 쿠폰을 보낸다. -> 5, 6, 7번 해당
- 구매 금액이 높거나 자주 구매한 기존 고객들에게 감사 쿠폰을 보낸다. -> 1, 2, 3번 해당
RFM 적용시 중요한 점
- 상황과 서비스에 따라 recency, frequency, monetary를 나누는 기준이 달라진다.
- 같은 데이터라도 분석가가 정한 기준에 따라 다른 결과가 나올 수 있다.
