마케팅 자동화 솔루션, BizSpring Growth Platform™️
BizSpring Growth Platform™️ 자세히 알아보자 - TAM (1)
BizSpring Growth Platform™️ 자세히 알아보자 - TAM (2)
지난 포스팅에서는 클러스터링과 RFM 분석기법을 활용한 Discovery 세그먼트 생성에 대해 살펴보았는데요,
이어서 이번 포스팅에서는 구글 빅쿼리에서 실행하여 생성된 RFM의 쿼리 에 대해 좀 더 자세히 소개드리고자 합니다.
RFM 분석기법
RFM 분석기법은 가치있는 고객을 추출해내어 이를 기준으로 고객을 분류할 수 있는 매우 간단하면서도 유용하게 사용될 수 있는 방법으로 알려져 있어 마케팅에서 가장 많이 사용되고 있는 분석방법 중 하나입니다. RFM은 구매 가능성이 높은 고객을 선정하기 위한 데이터 분석방법입니다.
- Recency(거래의 최근성) : 고객이 얼마나 최근에 구입했는가?
- Frequency(거래빈도) : 고객이 얼마나 빈번하게 우리 상품을 구입했나?
- Monetary(거래규모) : 고객이 구입했던 총 금액은 어느 정도인가?
Growth Platform에서는 RFM 분석 데이터를 생성하기 위해서 4단계를 거쳐 데이터를 생성합니다.
1. 일 기준 성과 생성
고객별로 일(day) 기준으로 recency, frequency,monetary의 데이터를 생성합니다.
WITH ,t_session AS ( ,t_rfm_rec AS ( ,t_user_rfm AS ( SELECT * |
2. 대상기간 동안 합계 구하기
생성된 일별 데이터에서 설정한 기간 동안 frequency,monetary는 합계를 구하고 recency는
마지막 방문으로 부터 경과한 일수를 연산하기 위해 LAST_VALUE를 구합니다.
PERCENT_RANK() 함수를 사용하여 rfm_r, rfm_f, rfm_m을 분류합니다.(범위는 0~1)
WITH ,t_user_rfm_p AS ( ,t_rfm_rank AS ( SELECT * |
3. RFM 범주화
rfm_r, rfm_f, rfm_m의 범위에 따라 Lv.1~Lv.5로 정의합니다.
rfm_r이 null이거나 rfm_r<0.2 이면 “Lv.1”, rfm_r<0.4 이면 “Lv.2”, rfm_r<0.6 이면 “Lv.3”, rfm_r<0.8 이면 “Lv.4″이고 그 외에는 “Lv.5″로 범주화합니다.
WITH SELECT * |
4. RFM 모델과 연결
RFM 범주화 후 고객별로 정의해 놓은 rfm_model 테이블과 join 하여 최종 데이터를 생성합니다.
아래의 rfm_model 테이블은 고객의 rfm 기준으로 정의하여 사용할 수 있습니다.
rfm_r | rfm_f | rfm_m | rfm |
---|---|---|---|
Lv.1 | Lv.1 | Lv.1 | 이탈한 고객(휴먼고객) |
Lv.2 | Lv5 | Lv.1 | 놓치면 안되는 고객 |
Lv.3 | Lv.1 | Lv.1 | 이탈할 우려가 있는 고객 |
Lv.5 | Lv.1 | Lv.1 | 신규고객 |
Lv.5 | Lv.5 | Lv.1 | VIP 고객 |
WITH SELECT “2022-05-31” AS stat_date,pfno |
5. RFM 처리된 데이터 결과
최종적으로 생성된 데이터는 타깃그룹으로 사용할 수 있습니다.
일자별, 고객별로 정의된 rfm의 rfm_r, rfm_f, rfm_m을 확인할 수 있습니다.
이상으로, BizSpring Growth Platform™️ 내의 RFM 분석기법을 위한 데이터 생성에 필요한 쿼리에 대해서 살펴보았습니다.
비즈스프링의 마케팅 자동화 솔루션인 Bizspring Growth Platform™️에 대해 궁금한 점이 있다면 언제든지 연락주세요.
감사합니다.