콘텐츠 비즈니스에 RFM을 끼얹어본다면

 

 

 

RFM은 행동 패턴을 통해 사용자를 분류하는 몇 가지 툴 중 가장 보편적으로 사용되는 것이다. 이름은 이 분석의 지표가 되는 Recency(최근성), Frequency(구매 빈도)*그러고 보니 아직 커피를 안 마셨는데, Monetary(구매 금액) 세 개의 앞 글자를 따서 부르는 이름이다.

 

 

출처/ clevertap

 

 

   이 툴, 데이터리안에서 처음 포스트를 읽었을 때 꽤 짜릿했다. 너무 직관적이고, 관점의 손실 없이 데이터가 아우러져서다. 지표 외에는 고정된 부분이 없으니 기준을 바꿔서 확장성 있게 제공할 수도 있어 보였다. 해당 툴은 커머스 업계에서 구매 가능성이 있는 사용자를 추출해 내고 이를 통한 CRM 마케팅 최적화에 주로 쓰인다고 한다. 그럼 확장성 측면에서 의문이 하나 둘 떠오른다. 그 의문들은 아래와 같다.

 

 

   1) RFM이 뉴닉, 롱블랙, 아웃스탠딩 등의 콘텐츠 기반 플랫폼에서 사용될 수는 없을까?

   2) 기준을 재정의해 도입한다면 <구매>를 어떤 이벤트 혹은 지표로 잡아야 할까?

   3) RFM을 도입한다면 해당 데이터를 통해 핵심 지표를 개선 가능한 액션 아이템을 도출할 수 있을까?

 

 

   밑으로는 해당 의문에 대해 나름의 답을 내 보면서 글을 이어나가 보도록 한다.

 

 

1) RFM이 뉴닉, 롱블랙, 아웃스탠딩 등의 콘텐츠 기반 플랫폼에서 사용될 수는 없을까?

   RFM은 주로 커머스 기반 플랫폼에서 구매 가능성이 있는 우량 사용자 집단을 추출해내기 위해서 사용된다고 한다. 그럼 이 툴을 뉴닉, 롱블랙, 아웃스탠딩 등의 콘텐츠 기반 플랫폼에서 사용할 수는 없을까? 일단 핵심 액션을 <뉴스레터 읽음>으로 정의하면 Recency는 뉴스레터 열람 여부겠고, Frequency는 뉴스레터 열람 수량 혹은 빈도, Monetary는 뉴스레터 완독률 정도로 치환될 수 있을 것이다.

 

 

   이렇게 보면 경우에 따라 조금 어렵겠다 싶었다. Recency는 쉽게 측정이 가능하고 Frequency도 뉴스레터를 오픈한 수량 혹은 빈도 정도로만 따지면 역시 가능하겠지만 그 다음 Monetary가 문제인 것이다. 뉴스레터 완독률을 잡는다고 하면 스크롤을 어디까지 내렸는지를 따야 하는데 이는 GA 같은 툴로 스크롤 액션 잡아야 가능한 부분이라서 웹, 앱 등으로 링크를 걸어 데려오는 경우에만 가능하고 이메일 내부에 전문을 기재한 뉴스레터 같은 경우에는 어려울 것 같았다. 다만 다행히도 내가 구독하는 열 몇 개의 뉴스레터를 보니 (내가 인지하진 못 했지만) 대다수가 이메일에서 전문을 공개하는 게 아니라 일부만 공개 후 자체 웹이나 앱으로 연동하는 구조를 취하고 있어 도입이 가능해 보였다. *스티비의 웨비나 뉴스레터를 보면 측정 지표를 오픈율과 클릭율로 나누고 있는데, 오픈율의 경우 이메일에서 클릭하는 거고 클릭율은 본문 내부의 더보기나 링크를 눌러서 전환하는 사람의 비율을 뜻한다. 오픈> 클릭> 전환으로 이어지는 구조고 완독률은 측정이 안 되는 걸 알 수 있다.

 

출처/ 스티비 블로그

 

 

2) 기준을 재정의해 도입한다면 <구매>를 어떤 이벤트 혹은 지표로 잡아야 할까?

   이제 콘텐츠 플랫폼에서 RFM 분석이 가능한 정도의 데이터를 전반적으로 수집하고 있음을 읽었다. 다음 스텝은 커머스에 <구매>라고 정의되었던 지표를 콘텐츠 비즈니스식으로 재정의할 차례다. 앞서서는 해당 지표들을 각각 Recency는 (이메일) 뉴스레터 열람 여부겠고, Frequency는 (이메일) 뉴스레터 열람 수량 혹은 빈도, Monetary는 (이메일) 뉴스레터 완독률로 정의했었는데, 실제로 살펴보니 보내주는 이메일로만 운영하는 뉴스레터는 거의 없었고, 자체 웹이나 앱을 갖추고 있었다. 이러면 각 지표를 각각 다시 정의내릴 수 있다. 유입 위치에 따라 (이메일), (웹/ 앱)에 따라 두 개로. 

 

 

   그럼 고민이 생긴다. 도입할 콘텐츠 플랫폼의 기준을 <뉴스레터 전문을 이메일에 담지 않고 자체 웹/ 앱으로 유입시켜 자체 데이터를 충분히 보유한 업체>로 잡더라도 유입 위치에 따라 두 가지 데이터를 보유하게 되는데, 두 데이터의 <느낌> 이 다를 때 어떤 일관성으로 잣대를 세워서 둘 모두 포괄하는 데이터를 만들 수 있을까? 이를 테면 이메일을 읽어서 제목과 초반 부분까지는 인지했지만 자체 사이트로 전환이 되지 않은 경우 Recency/ Frequency에 각각 해당이 되는 걸까? 이메일을 안 보고 바로 웹/ 앱에 접속한 경우는? 메인 페이지만 접속한 후 글을 읽지도 않고 바로 이탈했다면? 애초에 이메일만 받기 하고 회원가입은 안 했거나 회원가입만 하고 이메일 받기는 안 했다면? (내가 후자에 속한다. 이메일 안 받고 자체 웹에서 뉴스레터만 즐겨찾기 해 놓고 읽는 편이라.) 만일 두 유입 경로를 합쳐서 본다면 중복 지표는 어떻게 관리해야 할까?

 

 

   해결하기 위해서는 플랫폼에 우선 단일한 기준이 갖춰져야 할 것 같다. Recency와 Frequency를 관리하려면 일단 통일된 고객 정보가 이메일이나 웹/ 앱 중 하나의 공간에 있어야 할 테니까. 물론 두 개의 고객 정보값을 합친 후 중복을 제거해도 되겠지만 일단 이메일을 기본키로 본다고 가정했을 때 이메일로 쓰는 아이디와 회원가입으로 쓰는 아이디가 다르다면 중복이 잡힐 수도 있으며 전화번호의 경우에도 비슷한 답이 나오겠다. (내 동생이 좋은 옌데, 폰 번호가 두 개다.) 취합할 때마다 전처리 해주는 것도 일이다.

 

 

   명확하게, 둘 중 하나로 통일한다고 하면 웹/ 앱으로 통일해야 할 거다. 뉴스레터를 구독하기 위해서는 소셜로그인이든 자체 가입이든 일단 회원가입을 한 번 해야 하고 거기서 기입한 이메일 번호로 뉴스레터를 보내준다면 회원정보를 중복 없이 관리할 수 있을 테니까. (아마 EO레터를 구독할 때 이런 절차를 거쳤던 것 같다. 이런 이유일 줄은 몰랐지만.)

 

 

   이제 회원정보의 정의가 명확히 내려질...... 줄 알았는데 아니었다. 나는 GA가 수집하는 User ID가 이메일, 전화번호 등 고객 데이터일 줄 알았는데 그게 아닌 임의의 값이라고 한다. 출처 이러면 우선 Recency, Frequency를 이메일, 웹/ 앱 두 개의 데이터 다 합친 뒤 중복 제거해 볼 방법이 없어진 셈이라 한 쪽의 데이터만 봐야 한다. 뭐 데이터의 크기가 줄어들긴 하겠지만 그만큼 더 변별력 있어질 테니 어떤 지점에서는 원래의 목적에 더 부합하겠다 싶다. 여튼 결과적으로 R, F, M이 다 갖춰졌다. 아래와 같이.

 

 

   Recency: 웹/ 앱에 얼마나 최근에 접속했는지 (활성 이용자 기준)

   Frequency: 웹/ 앱에 얼마나 자주 들어와 뉴스레터를 열람했는지 (페이지뷰 기준)

   Monetary: 웹/ 앱에 들어와 얼마나 뉴스레터를 완독했는지 (스크롤 기준)

 

 

 

3) RFM을 도입한다면 해당 데이터를 통해 핵심 지표를 개선 가능한 액션 아이템을 도출할 수 있을까?

   이젠 위에서 정의한 지표 기준으로 액션 아이템을 뽑아볼 것이다. 어떤 분석 방법이든간에, 단순히 데이터에 그치지 않고 의사결정에 연결될 수 있어야 실무적으로 활용될 수 있다. RFM을 구분짓는 방법에는 수학적 통계에 근거한 어렵고 많은 어쩌고 분석법들이 있지만, 그건 초심자인 내가 실행하기 어렵기 때문에 뒷전으로 미뤄 두고 이번 포스트에서는 각 지표를 1부터 3까지의 숫자로 분류하는 3단계 분석법을 사용해 분석할 것이다. 숫자가 올라갈 수록 높은 점수다. (3, 3, 3) 이면 순서대로 R 3, F 3, M 3이다. 놓쳐선 안 되는 프리미엄 고객이다. 좀 다르게 (3, 2, 1)이면 꽤 많이 우리 서비스를 눌러 보고 최근까지 들어왔었지만 실제로 완독은 별로 안 하는 고객으로 볼 수 있을 듯하다. 해당 방식으로, 각 그룹별 액션 아이템을 몇 개 도출해 보았다.

 

 

   (3, 3, 3) 그룹: 절대 지켜 그룹. 우리 서비스를 가장 많이 그리고 잘 이용해 주는 고객들이다. 이 그룹의 결은 최종적으로 우리 서비스가 갖춰야 할 결이라고 말해도 좋다. 해당 그룹이 조회한 포스트를 분석함으로써 우리 서비스를 가장 열렬히 좋아하는 고객들이 좋아하는 포스트를 모아 보고 그에 관련한 연관성을 찾아 밀도 있는 추가 포스팅을 작성해 보는 건 어떨까. 이 그룹은 아마도 그 포스트를 좋아해 줄 것이고 자발적인 공유로 이어질 수 있다. 또 AB테스트가 구현되기 어려운 환경이라면 새로운 기능이나 콘텐츠들을 이 그룹에 먼저 노출하고 피드백 받음으로써 개선해나가는 방법도 있겠다.

 

 

   (3, 3, 1) 그룹: 좀 결이 안 맞아 그룹. 최근 접속했고 꽤 자주 글을 읽지만 완독까지는 안 하는(중간에 읽다 나가버리는) 그룹. 이런 그룹에 속한 고객들이 많아진다면 우리 포스트가 고객들이 원하는 것을 충분하게 해소해주지 못 했거나 읽고 싶을 만큼의 호기심을 주지 못 했단 걸 뜻한다. 우리 서비스 구독자라면 얻고 싶을 수밖에 없는 혜택이나 이벤트에 몇몇 포스트 완독 조건을 덧붙여서 푸쉬 보내 주고 이 분들이 우리 글을 일단 끝까지 읽게 만들어 보는 건 어떨까. 마음에 든 고객은 다시 혜택이 없더라도 남을 것이다.

 

 

   (3, 1, 3) 그룹: 켠 김에 끝까지 그룹. 자주 접속하는 건 아닌데 한 번 접속하면 처음부터 끝까지 정주행 한다. (왠지 나도 대부분의 뉴스레터 채널에서 이 그룹에 속할 것 같고 그러네......) 한 번 한 번의 접속이 파급이 큰 유형이니 지속적인 푸쉬로 읽기를 유도해줘야겠다. 아, 또 하나 더 있는데 <뭔가 쓸 데 없고 귀여운 거>, <수집되는 거> 살짝 도전과제나 엠블렘 형식으로 주면 좋다. 롱블랙에서 자주 쓰는 방식인데 한 번 더 접속하고 한 개 더 모으고 싶고 그랬다. 또 구독일자와 지금까지 읽은 포스트 표기해주는 거. 요새는 뉴스레터 구독도 취향 표현의 연장선상이니까, 어디다 캡쳐 형식으로 과시할 수 있는 그런 것들이 한 번 더 접속을 자극해 주는 데 좋은 요소였다. (구독 서비스가 아닌 곳은 정시 클릭 포스트 수 이런 것도 좋을 듯.)

 

 

 

   여기까지, RFM을 콘텐츠 비즈니스에 도입해 보고 과정 설계, 이어 그룹별 간단한 액션 아이템까지 도출해봤다. 꽤 뉴스레터를 많이 읽는 편인데도 겪으면서 자각하지 못 했던 콘텐츠 서비스의 플러스 알파를 알게 돼서 좋았다. 분석하면서 개인적으로 느낀 부분이지만, 매출이 있는 커머스 이외의 매체에서도 RFM은 도입해봄직 했다. 서비스를 가장 사랑해주는 고객의 관점에 집중해 이를 발전시켜 나간다면 그 서비스는 망하는 게 성공하는 것보다 더 힘들 것이다. 이를 사용자 행동 데이터 분석과 결합해 본다면 출처 어쩌면 제 2의 미국판 하우스 오브 카드 같은 컨텐츠가 나올 지도 모른다.

 

 

 

   24.01.23 추가/  29CM에서 이와 유사한 맥락으로 RFM을 활용한 사례를 봐서 문득 공유한다. 이처럼 매출 뿐 아니라 고객의 호오를 볼 수 있는 대부분의 요소에서 RFM을 적용할 수 있다. 사례에서 29CM는 고객의 콘텐츠 조회 횟수, 상세페이지 체류 시간, 좋아요, 장바구니 등 종합적인 행동 데이터로 고객의 <좋아하는 브랜드> 순위를 찾아낼 수 있었고 이를 통해 푸시 메시지를 <개인화>, 클릭률 6배를 상승시키는 성과를 거뒀다.