[기고] 동물병원의 잠재적 우수고객과 이탈우려 고객 찾기

RFM model로 고객 분류하기

등록 : 2022.12.09 11:47:53   수정 : 2022.12.09 11:47:56 데일리벳 관리자

수의사 X는 매년 6월과 12월 중순쯤 되면 손편지를 씁니다. X가 근무하는 동물병원에서는 매 반기마다 진료비 지출 상위 N명의 보호자에게 의료진을 할당해 손편지를 보내기 때문인데요.

같이 밥을 먹던 분석가 Y는 친구 X가 하는 이야기를 듣고는 두 가지 의문을 품게 됩니다.

첫째, 악필이 죄라면 최소한 징역은 다녀왔을 것 같은 이 친구의 손편지를 과연 보호자가 해독할 수 있을 것인가.

둘째, ‘반기별 진료비 지출 상위 N명’은 손편지 마케팅을 위한 최적의 고객 그룹이라고 할 수 있는가.

Y는 서로의 우정을 위해 첫 번째 의문은 일단 제쳐두기로 하고, 두 번째 의문에 대해 자신의 의견을 말했습니다.

“그렇게 고객을 추출하면 매번 진료비 지출 최상위 그룹을 형성하는 충성 고객들만 나올텐데, 그 사람들은 병원에 자주 오면서 의료진과 직접 소통할 것이고 손편지를 보내든 안 보내든 충성고객으로 머무를 가능성이 높잖아.

손편지 마케팅으로 최대의 효과를 보려면 부동층보다는 과거에 진료비 상위그룹을 형성했다가 다음 분기나 연도부터 발걸음이 끊긴 (이탈 위험이 있는) 차상위 우수고객군을 타게팅 해야 하지 않을까?”

하지만 X는 대수롭지 않게 “야, 그냥 원장님이 시키는대로 하는 거지 뭘 그리 복잡하게 생각해”라며 K-직장인다운 반론을 펼치네요.

*   *   *   *

# 고객은 모두 소중하지만 다 똑같지는 않다

편지 쓰는 수의사 X와 생각이 많은 분석가 Y의 이야기는 제가 만들어낸 내용입니다. 그러나 이처럼 고객 데이터를 볼 때 오로지 매출액만 절대기준으로 놓고 보는 경우를 주변에서 흔히 볼 수 있습니다.

물론 경영에서 가장 중요한 지표를 딱 하나만 꼽으라면 당연히 매출입니다. 저도 비즈니스와 관련된 여러 데이터를 새로 접하면 제일 먼저 매출 데이터부터 찾아내 쪼개 봅니다.

하지만 마케팅을 위해 고객을 분석할 때 매출액 하나만 고려한다면, 마케팅 활동에 응답할 가능성이 높은 고객 그룹을 정확히 가려낼 수 없을 것입니다.

지난 기고문 <우리 병원 다음달 내원객 숫자 예측하기>에서 재내원 여부를 기준으로 고객군을 구분하고 거시적인 관점에서 전체 고객군의 변동 추이를 분석하고 예측해 보았습니다.

동물병원의 성장에 있어 재내원·부활 고객 수와 전체 유효고객 가운데 이들이 차지하는 비중의 중요성을 확인할 수 있었는데요.

그렇다면 우리 동물병원 유효고객들의 특성 분포를 어떻게 세분화해 파악하고 관리할 수 있을까요?

이번에는 CRM(Customer Relationship Management) 기법 중 하나인 RFM 분석을 동물병원 데이터에 적용해보려고 합니다.

 

# RFM Analysis

CRM을 위한 고객 분류 방법론에 언제나 정답이 있는 것은 아닙니다. 각자의 비즈니스 특성과 환경에 따라 선택하게 됩니다.

RFM 분석 모델은 직관적이고, 적용이 쉽고, 어느 비즈니스 도메인에서나 비교적 잘 들어맞는다는 장점이 있어 자주 채택됩니다.

RFM 분석이란 거래의 최근성(Recency), 빈도(Frequency), 규모(Monetary)를 기준으로 고객을 분류(Segmentation)하는 방법인데요.

고객이 얼마나 최근에 구매했는가(Recency), 고객이 얼마나 자주 구매했는가(Frequency), 고객이 얼마나 많은 금액을 구매했는가(Monetary)를 기준으로 사용자 그룹을 나누거나 등급을 부여합니다.

 

예를 들어 제가 고양이 츄르를 파는 회사 “머글랭”의 마케터라고 하겠습니다. 쇼핑몰 시스템에서 전체 기간 고객 데이터를 추출했을 때 다음 8명의 고객 데이터가 있습니다.

이때 RFM 기준은 다음과 같이 정의해보겠습니다.

R : 마지막 구매일로부터 지난 일자가 30일 이내인가

F : (지불내역이 있는) 구매횟수가 3회 이상인가

M : 통산 구매금액이 10만원 이상인가

이 기준을 적용해 각 기준을 만족하는 데이터는 1, 아니면 0으로 값을 매기면,

위와 같이 등급값을 부여할 수 있고, RFM 각 등급에 따라서 사용자를 분류할 수 있습니다.

가령 RFM이 모두 1인 안효섭은 최근성, 빈도, 규모가 모두 높은 우수 고객입니다. R은 0이지만 FM이 모두 1인 강동원은 이미 이탈했거나 이탈할 위험이 있는 우수고객이죠.

F는 0이지만 RM이 모두 1인 송강은 지속적인 구매유도가 필요한 잠재 우수 고객, RFM이 모두 0인 서강준은 이탈했거나 이탈을 앞둔 저성과 고객으로 해석할 수 있다는 말이죠.

 

# 실제 동물병원 데이터에 RFM 모델 적용해보기

RFM 모델을 동물병원 데이터에 적용해보겠습니다. EMR 기반 데이터분석에 동의한 C, D동물병원의 고객 데이터를 합친 다음 100명만 무작위 샘플링했고, 이를 가명처리한 고객 데이터를 준비했습니다.

(서로 다른 병원의 고객 데이터를 합친 다음 샘플링한 이유는 제시된 데이터로 실제 데이터 분포를 역산할 수 없도록 하기 위함입니다)

여기서 Recency, Frequency, Monetary는 다음을 의미합니다.

Recency : 해당 고객의 마지막 내원일로부터 지난 일수

Frequency : 통산 청구횟수

Monetary : 통산 지불금액(원)

실제 비즈니스 환경에서 RFM 모델을 적용할 때는 전체 데이터를 살펴보고 상황에 따라 알맞은 RFM 등급값을 부여하는 것이 중요합니다.

RFM Modeling의 주요 고려사항으로는 ▲RFM 등급을 몇 개 구간으로 나눌 것인가 ▲RFM 등급 구간을 나눌 때 어떠한 기준(상대기준 vs 절대기준)을 적용할 것인가 ▲FM 집계 기간을 얼마나 과거까지 설정할 것인가 등이 있죠.

깊이 들어가면 Behavior Quintile Method, Judgment based Hard-Coding 등 각종 수학적인 방법론이 등장합니다.

하지만 여기서는 단순하게 모든 기간, 4분위수 기준, 4구간으로 나누어 RFM 등급을 부여하겠습니다.

쉽게 말해, Monetary 기준 최고 통산 지불금액 고객으로부터 최저 통산 지불금액 고객 순으로 모든 고객을 정렬해 전체를 4등분하는 거죠. 상위 25% 고객까지는 M=4, 50% 고객까지 M=3, 75% 고객까지 M=2, 100% 고객까지 M=1을 부여했다는 의미입니다.

이때 동물병원 원장님이 RFM 등급에 따른 고객 분류 조건을 다음과 같이 설정했다면,

아래와 같이 고객을 분류할 수 있습니다.

마지막으로 우리가 설정한 조건이 고객군을 적절히 분류했는지 확인하기 위해 고객군별 평균 통계량을 산출해보면

우수고객은 짧은 Recency, 가장 높은 Frequency와 Monetary

잠재 우수고객은 짧은 Recency, 낮은 Frequency와 높은 Monetary

저성과 고객은 긴 Recency, 가장 낮은 Frequency와 Monetary

를 보이는 등 전체적으로 처음 의도한 대로 고객군이 분류되었다는 것을 확인할 수 있습니다.

 

# 엔드유저가 RFM 분석결과를 직접 확인할 수 있도록 시각화하기

‘RFM 분석결과 우리 병원의 우수고객은 몇 명 몇 퍼센트, 저성과 고객은 몇 명 몇 퍼센트입니다’를 확인하는 데서 끝난다면 고객 분석의 의의는 크지 않겠죠.

RFM은 본질적으로 고객 관계 관리(CRM), 궁극적으로는 비즈니스의 성장을 위해 존재하는 모델입니다.

때문에 엔드유저(수의사 혹은 원무지원조직)가 분석결과를 빠르게 파악하고 실제로 대응하는데 도움이 되어야 합니다.

예를 들어 앞선 데이터 분석결과를 기반으로 병원에서 고객군별 마케팅 전략을 수립하고 집행한다면, 분석가는 원내 타겟 고객군의 분포와 통계 정보, 개별 고객 정보까지 한 눈에 확인할 수 있는 반응형 시각화 자료를 작성해 업무효율을 개선할 수 있을 것입니다.

*   *   *   *

이렇게 동물병원에서의 RFM 분석을 주제로 데이터 추출 – 전처리 – 분석(모델링) – 시각화에 이르는 과정을 모두 아울러보았습니다.

일반적으로는 고객 특성 분석을 먼저 수행한 뒤 현업의 요구와 분석가의 판단에 따라 Binning method를 선택하고, RFM에 서로 다른 가중치를 부여해가며 최적의 모델을 설계하며, 경우에 따라 머신러닝 알고리즘을 활용해 고객군을 분류(Clustering) 하는 고급 기법을 활용하기도 합니다.

다만 여기서는 데이터기반 고객분석이 실제 동물병원에서도 타겟 세그멘트 분석과 CRM에 기여할 수 있음을 실증하고자 가장 단순하고 직관적인 모델을 사용했습니다. 감사합니다.

*아이엠디티 데이터랩(iamdt d.LAB)은 벳아너스 얼라이언스의 EMR 데이터와 각종 통계 데이터를 바탕으로 동물병원 경영과 반려동물 산업에 도움이 되는 인사이트를 도출합니다(문의 hyde@iamdt.co.kr).

Loading...