RFM 고객 분석이란?

RFM stands for Recency Frequency Monetary

RFM 분석이 필요한 이유

RFM 분석은 존재하는 고객 행동을 기반으로 한 데이터를 사용해 미래에 새로운 고객이 어떻게 행동할 지를 예측하고자 하는 방법이다.

(a way to use data based on existing customer behavior to predict how a new customer is likely to act in the future.)

 

또한 Marketing과 Customer Experience의 성공 정도를 측정하고 인지시켜줄 수 있는 강력한 KPI로 활용될 수 있다고 한다.

(RFM is one of many powerful KPIs that can be used to inform and measure the success of your enterprise’s marketing programs and customer experiences.)

 

개념 자체는 "구매"에 기초하지만 "소비" 혹은 "사용" 패턴을 분석하기 위해서 사용해볼 수도 있는 등 다양한 변주가 가능한 방법론이다.

KPI로도 활용되기 때문에 팀 혹은 조직의 방향성을 결정하는 매우 중요한 역할을 할 수 있다.

 

Recency Frequency Monetary

RFM는 아래 세 단어의 약자이다.

Recency : 얼마나 최근에 구매 했는지

Frequency : 얼마나 빈번하게 구매했는지

Monetary : 얼마나 많은 금액을 지출했는지

 

Datarian 블로그에 있는 RFM 고객 세분화 분석에 대한 내용을 읽으며

 

Recency, Frequency, Monetary를 각각 몇 개의 단계로 나눌 지에 따라 사용자 그룹의 수가 결정되고,

 

Frequency와 Monetary를 계산하기 위해서는 "어느 시점"에서 부터의 데이터를 기반으로 할 지에 대한 정책 결정이 더 중요할 수 있다고 느꼈다.

 

번외로 아래 Geeksforgeeks에서 소개하는 pandas.DataFrame을 활용한 예시에서는 별도로 RFM score를 계산하는

Recency, Frequency, Monetary 별 가중치를 부여하여 (가중치의 합이 1) 최종 Score를 기반으로 고객 군집을 만들기도 하였다.

 

가중치를 일종의 parameter로 생각해서 모델 학습을 통해 기존 서비스에 가장 적절한 가중치로 업데이트 되도록 하고, 이에 따라 고객 등급을 구분하게 할 수도 있다는 생각이 들었다.

 

출처

https://www.actioniq.com/blog/what-is-rfm-analysis/

What is RFM Analysis?

 

https://datarian.io/blog/what-is-rfm?utm_source=sql-camp

RFM 고객 세분화 분석이란 무엇일까요

 

https://www.geeksforgeeks.org/rfm-analysis-analysis-using-python/

RFM Analysis Analysis Using Python - GeeksforGeeks