고객 세분화는 서로 비슷한 특성이나 요구를 가진 고객을 집단으로 나누고, 집단별 행동 패턴을 살펴 각기 알맞은 서비스나 제품을 제공하는 방법이다.[1][4] 고객 전체를 한 덩어리로 보는 대신 구체적인 집단을 이해하면, 제한된 자원을 어디에 쓸지 판단하는 데 도움이 된다.[1] 고객 데이터에서 패턴을 찾아 의사결정에 활용하는 것도 세분화의 목적이다.[2]
1. 개요
세분화는 데이터를 분석해 고객 집단을 구분하는 데서 끝나지 않는다. 기업은 각 집단의 특성에 맞춰 마케팅 캠페인, 제품 제공, 고객 경험을 설계할 수 있다.[3] 예를 들어 소매업체는 구매 이력에 따라 자주 구매하는 고객과 한동안 구매하지 않은 고객을 구분해 대응할 수 있다.[3]
고객의 선호와 행동은 시간이 지나며 달라질 수 있으므로 세그먼트를 정기적으로 살펴보고 갱신하는 과정이 필요하다.[3] KTF 사례에서도 시장 상황에 맞춰 세분화 모델을 보완하고, 집단별 요금제와 프로모션을 조정하는 접근이 제시된다.[4] 따라서 고객-세분화는 한 번 정한 분류표라기보다 분석과 활용을 이어 가는 과정으로 볼 수 있다.[3][4]
2. 세분화 기준과 변수
고객을 나누는 기준에는 연령·성별·소득·지역 같은 인구통계 정보와 구매 이력·웹사이트 행동·선호도 같은 행동 정보가 포함된다.[3] 이동통신 사례에서는 가입 유형, 요금제 사용, 데이터 소비, 통화 시간대, 채널 이용 빈도에 더해 브랜드 충성도와 생활양식도 고려할 수 있다.[4] 어떤 변수를 선택할지는 세분화 목표와 시장 환경에 따라 달라진다.[3][4]
KTF 사례는 데이터 사용량에 따라 고객이 중요하게 여기는 서비스가 다를 수 있음을 보여준다. 데이터 사용이 많은 고객은 네트워크 품질과 부가서비스에 민감하고, 사용량이 적은 고객은 가격과 기본 음성 서비스의 안정성을 중시하는 예가 제시된다.[4] 이런 차이는 세그먼트별 요금제와 프로모션을 설계할 때 참고할 수 있다.[4]
변수의 가중치도 고정되어 있지 않다. KTF 사례에서는 시장 진입 단계와 성숙 단계에서 세분화의 초점이 달라질 수 있으며, 시장 환경과 전략 목표에 맞춰 변수와 모델을 보완하는 접근을 다룬다.[4] 이는 같은 행동 데이터라도 분석 목적에 따라 중요도가 달라질 수 있음을 뜻한다.[3][4]
3. 데이터와 세분화 방법
세분화 분석에는 고객 설문조사, 거래 기록, 웹사이트 분석, 소셜 미디어 정보, 고객 지원 상호작용 등의 자료를 사용할 수 있다.[3] 자료를 모은 뒤에는 중복을 제거하고 누락값을 처리하며 형식을 표준화해 정확성과 일관성을 확인한다.[3] 이러한 준비 과정은 서로 다른 출처의 데이터를 함께 살펴볼 때 분석의 기반이 된다.[3]
군집화는 미리 정해 둔 범주 없이 데이터 안의 패턴을 찾아 비슷한 고객을 묶는 방법이다.[2] K-평균과 계층적 클러스터링은 세분화에 사용되는 기법의 예이며, 의사결정 트리도 활용 가능한 방법으로 제시된다.[3] 어떤 방법을 택할지는 데이터의 복잡성과 원하는 세분화 수준에 따라 달라질 수 있다.[3]
비지도 학습은 미리 라벨이나 출력 범주가 붙지 않은 데이터에서 패턴을 추출하는 데 쓰인다.[2] 군집화는 이런 방식으로 데이터의 유사성이나 차이를 찾아 관련된 집단을 구성한다.[2] 세분화 분석에서 방법을 선택할 때는 분석 목표와 자료의 특성을 함께 고려한다.[3]
4. 세분시장 프로파일링과 활용
세그먼트가 만들어지면 각 집단의 주요 특성과 행동을 살펴 프로파일을 작성한다.[3] 집단별 고객 페르소나를 만들면 특성과 행동을 구체적으로 표현하고 시각화하는 데 활용할 수 있다.[3] 이러한 프로파일은 고객 경험을 집단별로 설계할 때 참고가 된다.[3]
기업은 세그먼트의 특성에 맞춰 마케팅 캠페인, 제품 제공, 고객 경험을 조정할 수 있다.[3] 이러한 맞춤형 접근은 집단별 소통과 참여를 높이고, 고객 만족도와 사업 성장에 기여할 수 있는 방법으로 제시된다.[3] 소매업체가 구매 이력에 따라 고객 집단을 구분하는 사례도 세그먼트별 대응의 한 예다.[3]
KTF 사례에서는 고객 관계 관리(CRM)와 고객 세분화를 연결해 세분시장별 요금제와 프로모션을 차별화하고, 고객 만족도와 유지율을 높이려는 접근을 다룬다.[4] 이 사례는 세분화 결과가 실제 서비스와 커뮤니케이션 설계에 연결될 수 있음을 보여준다.[4] 집단별 전략은 시장 상황에 맞춰 보완될 수 있다.[4]
5. 세분화 모형의 평가와 갱신
세분화 분석을 시작할 때는 매출 증대, 고객 유지율 개선, 마케팅 메시지 조정처럼 구체적인 목표를 정할 수 있다.[3] 목표에 맞춰 변수와 분석 방법을 선택하면 어떤 고객 집단을 구분할지 명확해진다.[3] 고객 행동 패턴을 파악하고 집단별 제품이나 서비스를 제공하는 일은 기업의 의사결정과 자원 배분에 관련된다.[1]
국내 신용카드·통신·보험 회사의 인구통계 및 거래 자료를 이용한 연구는 주요 변수로 고객을 먼저 세분화한 뒤, 각 집단별 이탈 예측 모형과 전체 자료를 이용한 모형을 비교했다.[1] 연구는 의사결정 트리로 모형을 만들고 적중률과 생성된 규칙의 단순성을 기준으로 비교했다.[1] 이처럼 고객 이탈 예측에서는 세분화 집단별 분석이 전체 고객 분석과 다른 행동 패턴을 포착할 수 있는지 살펴볼 수 있다.[1]
선호와 행동이 변할 수 있으므로 세그먼트를 정기적으로 분석하고 갱신하는 과정이 필요하다.[3] KTF 사례도 시장 단계에 맞춰 세분화 모델을 보완하는 접근을 다룬다.[4] 따라서 모형의 활용은 목표와 시장 변화에 맞춰 세분화 기준을 다시 살펴보는 과정과 연결된다.[3][4]
6. 관련 문서
- 고객 관계 관리
- 군집화
- 고객 이탈 예측