RFM 고객 세분화 분석이 내게 흥미로웠던 이유

데이터 분석을 어설프게 배웠다고 생각한 나였기에 현업에서 SQL 및 어떤 분석 방법을 쓰는 지가 무척 궁금했다. 그 중에서 가장 많이 언급되는 것이 바로 RFM 고객 세분화 분석 방법이었다. RFM 분석은 어떤 때에 쓰이는 지, 왜 쓰이는 지에 대해서 알아보도록 하자

RFM 고객 세분화 분석 방법

RFM 블로그 글을 처음 맞이 했을 때, ‘너무 어려워서 내가 이해할 수 있을까?’ 라는 생각이 먼저 들었다. RFM 고객 세분화 분석 이름 자체도 어려워 보이지 않는가. 그래서 일단 RFM이 어떤 약자인지 먼저 알아보았다.

구매라는 단어가 계속 나오는 것으로 봐서, 이것은 CRM이랑 관련이 있어 보였다. 결국 고객이 얼마나 최근에, 자주, 많이 구매했는지를 알아보고, 이 데이터로 고객의 특성을 파악하는 것이 아닌가 하는 생각이 들었다.

RFM 고객 세분화 분석 방법을 이용하면 좋은 것이 무엇일까? 를 먼저 생각해 보았다. 일단 최근에, 자주, 많이 구매한 사람들을 바로 알 수 있지 않을까 싶었다.

그 반대인 경우도 파악이 가능하다. 또한 최근에는 구매를 많이 안 했지만, 예전에는 자주, 많이 구매한 고객의 특성도 확인이 가능하다.

일단, 그 중에서 구매 가능성이 높은 사람을 찾아볼 수 있다는 장점이 있었다. 비즈니스의 목적은 어쨌든 수익을 내는 것이므로, 구매 가능성이 높은 사람에게 한정된 비용을 투자하는 것이 수익이 날 확률이 높다.

그리고, 이렇게 다양하게 나눠진 고객의 특성에 따라 차별화된 서비스가 가능하다는 점도 이 분석 기법을 사용하는 이유인 것 같다.

데이터를 보고, RFM 각각의 기준을 세워 컬럼에 그 결과 값을 넣으면서 각 고객의 특성을 파악할 수 있다는 점이 흥미로웠다.

예를 들어 R(Recency) 기준을 세워 보겠다. 이 때 2가지 기준이 있어야 현재 날짜와 최근이라고 생각하는 기간, 30일(임의)로 잡았다.

오늘이 2026년 7월 13일이라면, 6월 13일 ~ 7월 13일 사이 구매가 일어난 날짜를 확인해 보는 것이다. 만약 있다면, ‘최근 구매’로 표시 아니면 ‘과거’ 이런 식으로 그 결과 값을 넣으면 된다.

FM도 마찬가지로 기준을 잡고 그 결과 값을 넣어볼 수 있다. 자세한 표 데이터 예시를 보고 싶으신 분들은 데이터리안의 ‘RMF 고객 세분화 분석’ 블로그 글을 참고하시기 바란다.

우리가 SQL CASE나 IF를 왜 배우는 지 이해할 수 있는 부분이었다. 원본 데이터를 가공하여 또 다른 형태로 만들어야 하는 경우가 이해가 되는 부분이었다.

그리고 이렇게 만들어진 데이터에 사용자 특성이라는 새 컬럼을 만들고, 그 특성에 맞게 차별화된 서비스 전략을 세우는 것이 회사 차원에서 마케팅 비용 효율성을 높이는 길이 아닌가 생각해 본다

나는 기준을 잡을 때가 가장 고려해야 할 사항이라고 생각했다. 누구에게는 최근이라는 의미가 한 달일 수도 있고, 누가 생각할 때는 1년일 수도 있다.

그리고 구매 횟수와 많이 구매했다 부분에서는 그 기간을 어떻게 잡아야 할 지가 관건인 것 같다. 또한 등급을 얼마나 세부적으로 나누는 것도 고려되어야 할 사항이다.

비즈니스 성격과 상황에 맞는 기준을 세우면 된다고 하지만, 이 부분은 사실 아직은 어려운 것 같다. 예로 나온 쿠팡의 생필품 주문 차원에서의 ‘최근’과 브랜드 등산복을 파는 기업 입장의 ‘최근의 기준은 아주 많이 다를 것 같다.

그렇다면 그 회사들은 어떻게 그 기준을 가질까? 정답은 없을 것 같지만, 그냥 감으로 기준을 잡지는 않을 것 같다. 분명히 지금까지 축적되어 있는 데이터를 기준으로 잡지 않을까 싶다.

산업 군 및 카테고리 별의 기준을 잡는 노력이 많이 필요할 것 같다.

오늘은 RFM고객 세분화 분석 방법에 대해서 이야기 해 보았다. 가장 흥미로웠던 것은 데이터를 의미 있는 정보로 변환할 수 있다는 점이었다.

그냥 단지 숫자라고 생각했던 데이터에 기준을 적용하고 결과 값을 붙여서 고객의 특성을 파악한다 라는 점은 나에게는 놀라운 부분이었다.

이런 것을 파악하기 위해서 SQL 같은 언어를 배워야 하는 구나 하는 생각도 들었다. 앞으로 나올 Week3의 RMF 분석 강의가 막 기대된다.