들어가며

문제를 정의하는 것도 중요하지만, 문제에 대한 다양한 방법론들을 학습하고 시도하는 것도 중요합니다. 프로덕트는 고객과 떨어질 수 없는 관계이기도 합니다. 프로덕트에서 대부분 비슷한 문제들이 풀곤 합니다. “우리 프로덕트의 고객을 어떻게 분류할 수 있을까?”에 대한 5단계별 방법론에 대해 소개합니다.

고객 세그먼테이션 분석 기법 개요

고객 세그먼테이션은 고객을 공통된 특성을 가진 다양한 그룹으로 나누는 분석 기법입니다. 고객 세그먼테이션 분석 기법은 대표적으로 간단한 방법과 통계 모델 활용 기법으로 크게 2가지로 나눌 수 있습니다.

첫째로, 위치적 세분화(지역별로 구분), 인구통계학적 세분화(연령, 성별 등으로 구분), 행동적 세분화(구매 행동, 사용 패턴, 충성도 등으로 구분), 심리학적 세분화(가치, 라이프스타일 등으로 구분)으로 나눌 수 있습니다.

둘째로, 통계 모델을 활용한 군집 분석 및 추천시스템으로 예측 고객 세그먼테이션, 추천 기반 세그먼테이션이 있습니다.

해당 글의 표를 바탕으로, 제가 경험한 기준을 토대로 단계별로 재구성했습니다. ( Reference: https://www.garyfox.co/customer-segmentation/ )

접근 방법

접근 방법에 대한 기준을 외부적 요인 및 내부적 요인으로 나누어 2가지로 분류해보았습니다.

1. 외부적 요인

(1) 리소스가 많이 들어가는가?

분석 및 구현에 대한 어려움과 리소스가 많이 필요한가? 분석할 인력이 있으며 리소스가 많이 남아있는가?

(2) 고객 세그먼테이션 프로젝트의 기간이 짧고 액션이 빠른가?

• 단기 프로젝트: 1주 ~ 2주내로 마감및 실행
• 장기 프로젝트: 1개월 이상

2. 내부적 요인

현재 프로덕트의 성장 상황과 고객의 수에 따라 임의의 기준이 달라질 것이고 분석을 통해 기준이 계속 바뀔 수도 있고 상황에 맞는 지표를 선정해야합니다.

5단계 세그먼테이션 방법 소개

1단계. 특성기반 고객 세그먼테이션

빠르게 고객 세그먼테이션을 활용할 수 있는 방법입니다. 고객 세그먼테이션을 할 때 기준이 필요합니다.

1. 인구통계학적 세그먼테이션: 사용 기기(e.g. 안드로이드, IOS, 태블릿 등), 나이, 성별과 같은 공통된 간단한 특성을 바탕으로 고객을 여러 그룹으로 나눕니다.

• 빠르게 세그먼테이션을 진행할 수 있는 가장 원초적이고 널리 알려진 간단한 방법입니다.
• 고객 데이터의 개인정보가 불충분하거나 법적인 사용 제한 또는 고객사 데이터인 경우 용이합니다. 데이터가 마스킹 되어있을 경우, 제한적인 데이터를 활용해야할 상황에 심플하게 활용할 수 있습니다.

2. 위치적 세그먼테이션: 고객을 국가, 지역, 도시와 같은 위치 및 장소에 따라 여러 그룹으로 나눕니다. 글로벌 지역 단위일 경우, 지역 및 도시별로 고객의 특성이 다르기 때문에 활용할 수 있습니다.

• 도메인: 모빌리티, 배달 산업과 같은 GIS기반 위치가 중요한 외부 요인인 O2O 산업에서 활용 가능합니다.
• 활용 방법: 서울 특별시 기준으로 Q-GIS 또는 Uber H3 활용해서 나누어볼 수 있습니다.

3. 심리적 세그먼테이션: 고객을 라이프스타일, 관심사, 가치 및 태도에 따라 여러 그룹으로 나눕니다. 이커머스 산업에서 많이 활용될 수 있습니다.

4. 고객 행동 세그먼테이션: 프로덕트 관점에서 고객의 웹/앱 로그, 사용 패턴, 브랜드 로열티 및 충성도, 마케팅 채널에 대한 반응률을 기준으로 고객을 여러 그룹으로 나눕니다. 고객이 주로 사용하는 마케팅 채널별(이메일, 앱푸시, 문자 등) 이용에 따라 그룹을 나눌 수도 있습니다.

2단계. 마케팅 기법 고객 세그먼테이션

• RFM 고객 세그먼테이션: 고객별로 얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 지출했는지에 따라 고객을 그룹으로 나눌 수 있는 마케팅 RFM(Recency, Frequency, Monetary)기법입니다. 장기적으로 고객을 고정해서 활용해야할 경우 용이합니다.

예를 들어, 쇼핑몰 로그를 바탕으로 기준을 정해보면 아래와 같습니다.

• R(Recency) 구매의 최근성: 고객이 얼마나 최근에 상품을 구입했는가?
• F(Frequency) 구매 빈도: 고객이 얼마나 자주 상품을 구입했나?
• M(Monetary) 구매 규모: 고객이 구입했던 총 상품 금액은 얼마인가?

아래 3단계 - 5단계의 방법은 통계를 활용한 예측 모델 또는 추천시스템 알고리즘을 활용합니다.

3단계. 예측 고객 세그먼테이션 : ML 모델 활용

• 비지도 학습: 클러스터링 기법 k-means clustering, k-medoids clustering 등 도메인에 맞게 군집 알고리즘을 활용할 수 있습니다.
• 지도 학습: 고객 행동 예측 레이블링 하거나 고객 행동 데이터 예측을 바탕으로 고객이 어떤 행동을할지 예측을 하여 분류할 수 있습니다.

4단계. 개인화 추천 고객 세그먼테이션 : 추천시스템 활용

데이터가 충분히 쌓였고 프로덕트의 유저가 많을 단계에 고객을 세분화하고 개인화 추천 타깃팅이 용이합니다. 데이터를 수집할 수 있는 여건에 따라 컨텐츠 기반 필터링, 협업 필터링 등 추천시스템을 활용해서 만들 수 있습니다.

• 도메인: 컨텐츠 산업(영화, 음악, 웹툰) 또는 이커머스 산업에서 컨텐츠, 이미지를 활용하여 나누어볼 수 있습니다.
• 참고 예시 자료: 2019년 파이콘에서 진행했던 최규민님 강연을 흥미롭게 봤었습니다. 픽코마 웹툰 개인화 홈추천에서 클러스터링 타깃팅으로 MAB를 통해 웹툰 후보작품을 랭킹화한 내용입니다. (Reference: https://www.youtube.com/watch?v=RK3-aNWveMs)

5단계. 혼합 고객 세그먼테이션

로직 트리처럼 고객 세그먼테이션 분석 목적에 맞게 위 4단계 방법 중 아래와 같이 몇가지 방법들을 혼합해서 활용할 수 있습니다. 아래와 같이 자주 사용되는 혼합 방법론 등이 있습니다.

• 위치적 세그먼테이션(지역) + 추천시스템
• RFM + 비지도 학습

고객 세그먼트 프로젝트를 마치면 고객을 기준에 맞게 그룹별로 잘 나누었는지를 분석하는 단계도 중요합니다. 예상치 못한 아웃라이어가 있을 수도 있고, 비중이 적지만 리텐션 또는 매출이 큰 그룹이 존재할 수도 있습니다. 세그먼트별로 나눈 결과를 바탕으로 정성적인 부분 또는 도메인을 고려하여 적용해볼 수 있으며, A/B 테스트를 통해 사후 효과를 확인해볼 수 있습니다.

마치며

비즈니스와 프로덕트의 상황에 따라 고객 세그먼테이션의 기준이 달라질 수 있습니다. VIP 고객의 수익 비중이 큰 도메인의 경우, VIP 고객만 세그먼트하여 별도로 집중 관리하는 것이 효과적일 수 있습니다. 고객 세그먼테이션 결과를 활용하여 마케팅 프로모션, 푸시 알림 서비스 등 고객에게 넛지 타깃으로 활용할 수 있습니다.

고객의 데이터를 요리조리 다른 관점으로 쪼갰을 때 효과가 나타날 수 있습니다. 때로는 생각의 전환을 통해 복잡한 방법을 활용할 경우 효과가 나타날 수 있지만, 때로는 단순한 방법을 사용할 경우 예상치 못한 효과가 나타날 수 있습니다.

고객 세그먼테이션 분석을 진행해야할때, 위 5단계 방법을 참고해보시길 바랍니다.

👋 이 글을 재밌게 읽으셨다면 이 글의 원문 저자의 블로그를 확인해보세요!