유통산업 고객을 바라보는 새로운 시각과 분석방법론

 

SPSS Featured Article: 유통산업 고객을 바라보는 새로운 시각과 분석방법론

SPSS Korea (주) 데이타솔루션

정성원 이사

 

모든 산업분야가 다 그렇지만 특히 유통산업분야의 고객은 매우 다양합니다. 또한 타 산업분야에 비하여 비교적

고객의 Transaction이 많은 편입니다. 이러한 유통산업에 종사하는 마케터들에게 꼭 드리고 싶은 얘기는

"고객분석을 많이 해보자!"입니다. 다양한 고객분석을 통해서 고객을 이해하고 새로운 시각에서

고객을 바라보자는 얘기입니다.

 

하지만 이런 얘기를 들은 대부분의 마케터들의 반응은 "고객분석, 그거 너무 어렵다! 귀찮다! 잘 안 맞는다!

고객분석의 ROI가 어떻게 되냐?" 였습니다. 아무리 어렵고 귀찮고 잘 안 맞는다고 생각하더라도

고객분석을 하여야만 합니다. 그리고 아무리 고객분석을 잘해서 고객 Insight를 잘 도출하였다고 하더라도

활용을 잘하지 않으면 좋은 ROI를 얻을 수 없습니다.

 

우리나라 사람들은 숫자에 대해서 익숙한 사람들이 아닙니다. 언어에서부터 그러한 경향이 두드러집니다.

하지만, 사람이 피부적으로 느껴서 의사결정하기에는 너무 빠르게 세상이 변화하고 있습니다. 특히나 유통산업에서

고객은 아주 빠르게 움직이는 철새와 같습니다.

유통산업의 마케터들은 숫자에 익숙해져야 합니다. 숫자로 얘기하는 것이 불편해서는 안됩니다.

분석의 출발은 생각에서부터 시작됩니다. 내가 평상시 생각하는 것과 다르게 생각해보고 그 생각을 데이터를 통해서

입증해보는 것이야 말로 고객을 이해하는데 꼭 필요한 과정입니다.

 

우리의 우수고객은 어떤 모습일까요? 연예인일까요? 팬시한 여성일까요? 히피일까요?

유통산업의 채널 별로 우수고객의 프로파일을 얘기합니다. 흔히들, 백화점의 우수고객은 "소득이 많은 최상위 부유층

또는 연예계 등 특수직 종사자"이고, 반면 할인점의 우수고객은 "생활여유가 적은 중산층 또는 나이가 젊고 독식

또는 아파트 등 집단 거주지 거주자" 이라는 생각을 쉽게 할 수 있습니다.

 

 

하지만 귀사의 우수고객의 모습은 통상적으로 생각하는 것과 다른 모습일 수 있습니다. 왜그럴 수 있는지

극단적인 가상의 인물 "김경숙씨와 이미란씨" 예를 들어서 할인마트의 우수고객의 모습을 살펴보겠습니다.

김경숙씨는 38세의 결혼 10년차 전업주부로 42세 남편, 9세 아들과 7세 딸과 함께 노원구 상계동의 26평형 아파트에

거주하고 있으며, 남편의 월급여 310만원으로 전체수입중 고정지출을 제외한 월 소비가능금액은 약 145만원으로

평균적으로 할인마트에서 지출하는 월비용은 약 64만원 정도되고 있습니다.

반면 이미란씨는 31세의 결혼 2년차 주부로 34세 남편, 1세 딸과 강남구 도곡동 65평의 주상복합에 거주하고 있으며

월소비가능금액은 약 1,000만원이지만 할인마트보다는 백화점이나 전문점에서 주로 쇼핑을 하고 할인마트에서는

차에 놓고 씹을 자일리톨 껌과 음료수 및 과자 정도를 구매하기에 평균 할인마트에서 지출하는 월 비용은

약 12만원 정도에 불과하다고 합니다.

이 극단적인 두사람을 비교해 보았을 때 소비가능능력은 이미란씨가 김경숙씨보다 훨등히 크지만, 실제로

할인마트의 이용량을 살펴보면 김경숙씨가 이미란씨 보다 훨씬 크다고 할 수 있습니다. 그러면 할인점 입장에서는

어는 고객이 더 좋은 고객일까요? 또한 누구를 공략하는 것이 좋은 선택일까요?

 

 

우리가 고객을 똑바로 이해하려면 고객 삶의 Life Style이 아닌 쇼핑/구매의 Life Style을 알아야 합니다.

고객 Life Style의 기준은 고객이 우리에게서 무슨 상품을 사는가입니다. 즉, 돈이 아무리 많은 고객이라도

우리에게서 물건을 사가지 않으면 거지와 마찬가지입니다. 우리는 상품을 통해서 고객의 Life Style을 파악해야 합니다.

명심하여야 할 것은 "고객 삶의 패턴과 쇼핑 Life Style은 다를 수 있다!"는 점입니다. 돈이 없어 빚을 내는 고객도

비싼 의류를 구매할 수 있고, 돈이 무지 많은 고객도 우리에게선 껌 한통만 구매할 수 있다는 것입니다. 먼저 상품을 통한

고객 Life Style을 정의하고 그 다음에 다른 요소들을 결합시켜나가야 합니다.

 

유통산업분야에서 오랫동안 사용되어온 고객분석방법중에 RFM분석이라는 것이 있습니다. 이는 고객의 가치를

Recency(최근성), Frequency(구매빈도), Monetary(구매금액)의 기준에 따라 점수화하고 고객의 가치를 판단하고

고객을 세분화하는 방법입니다.

 

 

Robert Kestnbaum은 기존 RFM체계에 상품(Type of Mechandise)이라는 축을 추가시켜서 상품별 고객의 구매행태를

이해하고자 하는 새로운 고객분석체계인 FRAT분석체계를 고안하였습니다. 이는 기업이 비교적 잘 관리되고 있는

상품정보를 고객분석에 접목시킨 이론입니다.

 

 

FRAT 분석체계에서 가장 중요하고 선행되는 것은 상품에 대한 분류입니다. 상품을 제대로 분류하는 기준을

만드는 것은 FRAT분석체계의 성패를 결정짓는 가장 중요한 작업입니다. 모든 유통산업에서는 상품분류체계가 있습니다.

하지만 그러한 상품분류체계는 소비자 입장이 아닌 공급자가 판매, 배송, 재고관리등의 업무 프로세스를 효율적으로

수행하기 위하여 만들어 놓은 분류체계입니다. 따라서 이러한 상품분류체계는 고객분석을 수행하고 고객의 상품구매

Life Style을 이해하는데 적합하지 않은 분류체계입니다.

FRAT 분석체계를 위한 상품분석은 고객중심적이고 분석중심적이며 연결성과 다양성을 고려한 간단 구조체가 되어야 합니다.

 

 

고객중심적이라는 말은 "고객이 상품을 어떻게 생각하는가?"에 따른 상품분류를 하여야 한다는 말입니다.

예를 들어 대부분의 유통회사에서는 화장품냉장고를 가전제품으로 분류하고 있습니다. 하지만 고객의

입장에서 생각해보면 이는 이미용품으로 분류되는 것이 더 적합할 것입니다.

또한 분석중심적이라는 말은 분석에 적합하도록 비교적 구매빈도가 적은 상품은 통합하고 구매빈도가 많은

상품은 좀 더 세분화하고 고객의 입장에서 동일하게 인지되는 상품은 통합하여야 한다는 말입니다. 예를 들어

"문화>광학기기>디지털카메라"와 "가전기기>영상기>디지털카메라"는 "문화기기>영상관련>디지털카메라"로

통합하는 것이 더 고객의 상품구매 Life Style을 이해하는 데 적합할 것입니다.

연결성이라는 관점은 상품분류자체가 계층적 구조를 가지도록 분류하여야 한다는 점입니다. 의미적인

연결만이 아니라 상품분류코드에서도 연결성이 존재하게 하여야 합니다. 예를 들어 "의류>여성의류>원피스"는

"A01>A0102>A010244" 등과 같이 하여 의류를 자주, 많이 최근에 구매한 고객들을 파악하고, 다음으로 여성의류를

자주, 많이, 최근에 구매한 고객들이 누군지를 파악하고, 그 다음으로 원피스를 자주, 많이, 최근에 구매한 고객들이

누군지를 파악하는 것이 용이하도록 하여야 합니다. 이는 OLAP분석에서 분석의 깊이를 Drill-Down과

Drill-Up을 통해서 조절해가는 가는 것과 유사한 개념입니다.

다양화는 한 상품에 대하여 여러 개의 분류체계를 만들어야 한다는 것입니다. 이는 상품을 수직적으로도 분류하고

수평적으로도 분류하여야 합니다. 1개의 분류체계로 다양한 분석을 수용할 수 없으므로 반드시 여러 개의

분류체계를 만들어야 합니다. 예를 들어 의류, 속옷, 가전기기, 보석 등의 상품종류별 분류 이외에 생활필수품,

기호품, 사치품 등의 상품 특성 별 분류와 2만원 이하, 2~5만원, 5만원 이상 등의 가격대 분류 등을 추가합니다.

고객이 10만원짜리 자전거를 구매 했다면 위와 같이 다양화된 상품분류체계에 의하여 고객은

운동용품>자전거를 구매한 것이며, 저가형 상품을 구매한 것이며, 전문성제품이 아닌 일반형제품을

구매한 것이 됩니다.

 

마지막으로 간단구조체라는 것은 4단계 이상의 분류체계는 피한다는 것입니다. 종적으로 깊은 분류체계보다는

횡적으로 여러 개의 분류체계를 지향한다는 것입니다. 예를 들어 한 가지 분류 체계에서는 대/중/소 구분과 같이

4단계를 넘지 않도록 하는 것이 좋다는 개념입니다.

 

 

위와 같은 고객분석에 적합한 상품분류에 입각하여 고객의 Transaction을 데이터화하고 나면 이를 기반으로

고객의 구매/쇼핑에 대한 Life Style을 이해할 수 있는 체계가 만들어 집니다.

그런 다음에 유통회사의 입장에서 특정상품을 구매할 가능성을 분석하는 Up-Selling 모델, 이미 구매한 상품의

재구매 시점을 분석을 하는 Re-Selling 모델, 구매할 때 함께 구매하는 상품을 분석하는 Cross-Selling 모델을

만들어 나갑니다. 이러한 URC-Selling 모델은 고객의 상품/구매에 대한 Life Style을 기반으로 구매 반응 스코어가

높은 고객을 우선적으로 타케팅하거나 재구매 시점이 지난 고객에게 할인쿠폰증정 등의 이벤트를 진행하거나

상품진열에 대한 의사결정 기초자료로 활용될 수 있습니다.

 

 

실제적으로 고객분석을 위한 상품분류체계를 만들고 FRAT체계를 구축하는데 들어가는 노력과 시간이

전체 공정의 50%이상을 차지한다고 볼 수 있고, 대부분의 유통기업의 고객분석가들을 힘들게 만드는 요소입니다.

하지만 이러한 과정을 넘어서면 고객에 대한 다양한 쇼핑/구매에 대한 Life Style을 이해하고 다양한 URC-Selling

캠페인의 Right Customer를 Right Time에 Right Offer를 던질 수 있는 체계적이고 효율적인 분석체계를 구축할 수 있습니다.

SPSS Korea (주) 데이타솔루션은 지난 22년간 국내에 SPSS 통계분석 소프트웨어를 독점 공급해온 동시에

분석 CRM을 비롯한 통계분석 컨설팅, 분석마트 구축, 스코어링, 예측, 세분화, 사기적발 등 고객 중심의

문제 해결을 위한 분석 시스템의 개발 등의 용역을 여러 차례 수행해옴으로써 관련 업계의 리더로서 자리 매김 해왔습니다.

또한 통계 분석 및 데이터 마이닝과 관련된 교육, 세미나 및 출판 사업을 병행해옴으로써 고객분들이 SPSS 예측 분석

소프트웨어와 개발 된 시스템을 좀 더 잘 사용하실 수 있도록 지원해드리고 있습니다. SPSS Korea (주) 데이타솔루션

은 유통 산업을 비롯한 예측 분석을 통한 고객 insight 도출 및 활용을 원하시는 모든 기존∙잠재 고객분들께

최적의 솔루션을 제시할 것입니다.

 

*문의: marketing@spss.co.kr