지난 포스팅에서는 TAM 내의 세그먼트와 오디언스에 대해 살펴보았는데요, 이번 포스팅에서는 클러스터링과 RFM 분석기법을 활용한 Discovery 세그먼트 생성에 대해 소개드리고자 합니다.
클러스터링(Clustering)
Growth Platform은 머신러닝 비지도 학습(Unsupervised Learning)을 통해 서로 동일하거나 유사한 특징을 가진 데이터끼리 그룹화합니다. 이렇게 고객들을 군집분석하여 제공하고 있기 때문에 사용자는 고객 군집의 특성을 직접 확인하고 각 군집에 맞는 명칭을 부여하여 사용하기만 하면 됩니다.
클러스터링 세그먼트 생성 시, 머신 러닝으로 분류된 군집을 선택할 수 있습니다. 해당 군집을 선택하면 군집의 속성 및 특성 통계를 제공함으로써 원하는 세그먼트를 간편하게 선택할 수 있습니다.
RFM
Growth Platform은 구매 가능성이 높은 고객을 선정할 때 용이한 데이터 분석방법이라고 알려져 있는 RFM 분석기법을 통해 최근성(Recency), 빈도(Frequency), 금액(Monetary) 데이터를 활용하여 잠재고객을 자동 그룹핑합니다. 즉, 고객별로 얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 지출했는지에 따라 사용자 그룹을 나누어 분류하여 제공하고 있습니다.
RFM 세그먼트 생성 시 고객들의 Recency, Frequency, Monetary별 순위에 따른 분류로 4개의 그룹을 선택할 수 있습니다. 그룹 리스트에 그룹명과 해당 그룹의 속성 및 특성 통계를 제공함으로써 원하는 세그먼트를 간편하게 선택할 수 있습니다.
Growth Platform에서 어떻게 클러스터링과 RFM 분석기법을 사용하여 Discovery 세그먼트를 생성하고 있는지를 알아보았습니다.
이전 포스팅도 함께 참고하시면, 비즈스프링의 마케팅 자동화 솔루션 BizSpring Growth Platform™️에 대해 보다 자세한 내용을 확인할 수 있습니다.
비즈스프링의 마케팅 자동화 솔루션인 Growth Platform™에 대해 궁금한 점이 있다면 언제든지 연락주세요.
▶ 문의 : 02-6919-5516 / ad@bizspring.co.kr
Related Posts via Categories
- 워크플로우 오케스트레이션 플랫폼 Temporal 알아보기
- iOS 14.5부터 GA4까지, 환경 변화가 가져온 업무 폭증을 해결하는 실무 전략은…?
- ChatGPT가 추천하는 병원에 우리는 있을까?
- 비즈스프링의 GEO 74점 달성 테스트 전략 공개
- 매 1시간 테스트가 10시간 디버깅을 절약하는 이유
- 프롬프트를 넘어 개발 환경으로, 하네스 엔지니어링 알아보기
- 웹훅(WebHook)을 이용한 쿠버네티스 간단 HPA 시스템 모니터링
- 요즘 핫한 ‘OpenClaw’, 설치 방법 및 간단한 활용 사례
- 추천 위젯 SDK: API 호출부터 트래킹까지
- 분석 성능을 결정짓는 두 가지 : 데이터 웨어하우스와 모델링