RFM 분석

RFM

RFM에서 R은 최근성(Recency), F는 구매 빈도 (Frequency), M은 구매액(Monetary)를 뜻하고

이 세가지 지표(얼마나 최근에, 얼마나 자주, 얼마나 많이 구매)는 고객을 분류하고 고객의 가치를 측정하는데 활용된다. 

 

RFM분석은 여러 산업에서 많이 쓰이지만, 산업에 따라 세가지 지표의 중요 정도는 다르다

• Recency : 백화점, 대형할인마트 등의 산업에서 중요 (*보험 같은 산업은 반대로 R이 약할수록 좋다)
• Frequency : 이동통신 등의 산업에서 중요
• Monetary : 은행, 명품관 등의 산업에서 중요

 

cf.

RFM을 구한다고 해서 꼭 R,F,M을 다 쓰지 않아도 된다.

어느 곳에서는 F, M만을 활용해서 고객 등급을 분류한다던가 도메인에 맞게끔 RFM을 유연하게 사용하면 됨!

 

---

RFM 지수

RFM 점수는 R scoring * (R 가중치) + F scoring * (F 가중치) + M scoring * (M 가중치) 로 구할 수 있다

 

 

R scoring, F scoring, M scoring을 구하기 위한 방법은 다음과 같다

 

---

 

1.   R, F, M을 구하기

• R : 현재로 부터 구매일자가 얼마나 지났나? → 고객별로 가장 최근 구매일을 구하고 그게 현재 날짜로부터 얼마나 지났는지 일자 차이를 구해줌
• F : 고객별로 구매를 몇번 했는지 구해줌
• M : 고객별로 매출을 구해줌

  

  RFM을 구한 데이터프레임

   → U10001 고객은 현재 기준으로 10일 전 마지막으로 구매를 했고, 구매횟수는 296번, 구매금액은 2,218,030원

 

 

2. R, F, M에 대해 기준에 따라 점수를 주어 R scoring, F scoring, M scoring을 구하기

기준을 정하는 방법과 기준에 따라 부여되는 점수는 개인이 정하기 나름이다

• 사분위수 기준으로 75% 이상이면 5점, 50% 이상이면 4점 이런식으로 하거나
• 구매한지 7일 이내면 5점, 8일 이상 14일 이내면 4점 이런식으로 하거나 기준을 정하고 그에 따라 점수를 부여하면 됨 
  

  

  RFM 스코어를 구한 데이터프레임

 

3. R scoring, F scoring, M scoring에 가중치를 부여하기

가중치 역시 개인이 정하기 나름!

산업에 따라 각각 중요하게 보는 지표가 다르기 때문에 도메인에 알맞게 가중치를 설정해주면 된다

 

 

4. 최종 RFM 점수 구하기

가중치까지 곱해진 R scoring, F scoring, M scoring을 각각 더하면 된다

 

나는 해당 RFM을 100점 척도로 만듦 여튼 저튼 이렇게 RFM을 구하면 된다

 

---

  

RFM을 이용한 고객평가

 

이런식으로 RFM 점수를 기반으로 고객 등급을 정할 수 있다.

 

고객 등급을 정의하면 고객 등급별 혜택 제공 등이 가능해진다 뭐 VIP 고객에게는 추가 할인 쿠폰을 제공한다든가.. 

개인별, 상품별 마케팅 전략 수립을 따로 한다던가, 고객 이탈을 방지한다던가 고객에 따른 전략적 활용이 가능해지는 것이다.

 

 

이상 RFM 분석 끝!

 

실제로 제가 한 프로젝트도 첨부해봅니다!  

이커머스 데이터) 5. RFM 고객 세분화 분석

 

 

---

 

 

출처

• 강서대학교 빅데이터경영학과 이상철 교수