Retention
Retention의 특성은 Momentum과 흡사하다고 말하고 싶습니다. 한번 시작되면 연쇄반응으로 인하여 유지가 쉬워지기 때문입니다. 처음 구매를 한 고객이 2번째 구매를 일으켰다면 이후 3번째, 4번째 구매가 일어날 가능성이 높습니다. 그러나 시장은 점점 경쟁이 치열해 지고 있어 retention은 마케터들에게 아주 중요한 부분으로 자리잡게 되었습니다.

이렇듯 Retention과 밀접한 관계에 있는 customer loyalty에 대하여 고심하지 않을 수 없습니다.

일반적으로 기업에서는 retention 관리에 *RFM분석 모델을 주로 사용하고 있습니다. 고객들의 최근 구매일, 구매 빈도, 구매 금액을 세그먼트 하며, 세그멘트 데이터를 기준으로 비즈니스에 고객가치를 판단합니다. 위의 3가지 항목, 최근 구매일/구매빈도/구매금액 에서 가장 높은 점수를 받고 있는 고객이라면 loyalty가 높다고 말할 수 있으며 놓쳐서는 안될 고객들입니다. 이러한 고객들에게는 특별대우를 해야 고객유지에 도움이 될 것입니다.

RFM 분석 모델 사용의 장점은 간단하다는 것 입니다. 분석/세그먼트가 용이하여 특정 타깃고객과 커뮤니케이션이 가능하기도 합니다. 그러나 문제의 여지가 되는 것이 두 가지 있습니다.

그 첫 번째로, RFM만으로는 retention 마케팅에 쓰일 메시지를 만들 수 없다는 점 입니다.
예를 들면, 카테고리가 많은 온라인 소매업자에서는 고객의 성향을 파악할 수 없습니다. 다양한 고객이 다양한 제품을 구매 하더라도 구매패턴과 RFM 수치는 비슷할 수가 있습니다.

두 번째로 문제가 되는 것은 최근 구매일 입니다. 정기적으로 거래나 교류가 있던 고객이 한동안 접촉이 끊긴 것을 알아차렸을 때는 이미 너무 늦어버린 상황이 될 수 있습니다. 서비스를 취소하거나 사이트 방문을 중단하거나 또는 비즈니스를 중단하였을지도 모릅니다. 어느 시점에선가 충성심을 잃어버렸지만 그 시점을 파악하는 것에는 시간이 걸린다는 단점이 있습니다.

Customer loyalty 변화가 있고 난 다음에 대처만 하는 것이 아니라 미리 알 수 있어야 합니다. 때때로 고객은 충성심에 변화가 있을 때 어떤 신호나 실마리를 보여줍니다. 고객상담을 더 자주 한다거나, 행동 패턴이 변화가 있다거나, 전화요청 메모를 남겨도 응답이 없는 경우가 될 수 있습니다.

Retention 마케팅에서, 예측적분석(predictive analytics)은 고객의 어떤 변화를 마케터들에게 경고해 줍니다. 예측모델(predictive model)을 활용함으로써 다른 데이터(고객의 성향, 기반으로 어느 고객이 위험한 상태인지를 알 수 있습니다. 예측모델은 100% 정확하지는 않지만 고객이탈을 보완할 수 있으므로 충분히 활용할 가치가 있습니다.

Figure-1 Retention Relationship Funnel

Figure-2 Logger™ 회원ID분석
-Recency, Monetary 에 해당하는 조건에 맞추어 회원을 추출할 수 있으며, 타깃마케팅에 활용할 수 있습니다.

ID별 상세 분석

Figure-3 Logger™ 회원 방문 상세정보
-특정 회원을 선택하여 과거 주문/방문에 대한 Frequency 및 매출금액 등을 조회할 수 있습니다

당신의 비즈니스에 customer loyalty가 어떤 가치와 의미가 부여됩니까? 중요하다면 어떻게 그것을 알 수 있습니까? 관계된 매트릭스(metrics)는 무엇입니까? 어떠한 영향을 미칩니까?

위의 질문들에 대한 답은 산업별 또는 업종별(industry)에 따라 다릅니다. 예를 들어 비스킷을 파는 업체와 자동차를 파는 업체의 Loyalty 기준은 상당히 다를 수 있습니다. 이와 같은 경우에는 고객의 구매결정 요소와 재구매수가 될 수 있습니다.

때때로 Customer Loyalty를 정의한다는 것은 애매하고 측정하기 어려울 때가 많습니다. 이러한 이유로 Loyalty 측정을 방관하게 되면 고객에게 충분한 서비스와 마케팅 활동을 적극 이행한다 하더라도 비즈니스에 불균형한 재방문자의 수치가 생성됩니다

그렇다면, Loyalty를 어떻게 정의하고 측정/관리 할 것인가?
실제로 Loyalty를 하나의 지표를 사용하여 측정하는 것은 불가능 하므로 Loyalty Dashboard를 구성하도록 해야 합니다. 그러기 위해선 방문자와 고객이 당신의 브랜드와의 관계를 어떻게 생각하고 있는지 등의 정보를 알 수 있는 지표를 모으는 작업이 필요합니다.

또한 그들의 행동분석뿐만 아니라 생각을 읽는 것 또한 통찰 할 수 있어야 합니다. 당신의 비즈니스 종류에 따라 크게 달라질 수 있다는 것을 명심하십시오.

온라인 상에서의 행동분석은 웹분석 툴을 사용하여 쉽게 측정될 수 있습니다. 이러한 데이터가 Customer Loyalty의 측정기준이 되는 경우가 대부분인데, 여러 웹분석 툴을 벤치마킹 해본 결과, 재방문수와 이벤트 전환단계의 데이터를 바탕으로 Customer Loyalty가 측정되고 있는 것을 알게 되었습니다. 그러나 이 지표들이 충분히 Loyalty를 설명하지 못한다고 판단되었습니다.

예를 들어, 한 방문자가 사이트에 3번 접속하여 각 5분 정도 머무른 것과, 다른 방문자는 한 번 방문하여 30분을 머물렀다 하면 어느 방문자가 Loyalty가 높다고 할 수 있을까요? 재방문수의 데이터가 상당히 흥미롭긴 하지만 실질적으로 Loyalty를 좌지우지하는 꼭 필요한 측정지표라고는 할 수 없습니다.

Figure-1 Logger™ 재방문 횟수 리포트

Figure-2 Logger™ 체류시간 리포트

최근성(recency)도 생각해 볼 필요가 있습니다. 어제 내 사이트를 방문한 사람을 한 달 전 방문한 사람보다 더 Loyalty가 높다고 할 수 있을까요? 아닐 것입니다. 그러나 지속적으로 자주방문하며 최근에도 방문을 하고 있다면 Loyalty가 높다고 보여 집니다. 최근성(recency)과 빈도(frequency)의 분석을 결합하여 보는 것이 개별적으로 분석하여 보는 것보다는 확실히 효과적일 것입니다. 하지만 이것 역시 전부가 아닙니다.

우리는 현재 경쟁사회에서 살고 있습니다. 자본금과 예산, 또는 단지 관심유도에 신경을 곤두세우고 있습니다. 방문자들과 고객들이 좀 더 많은 시간과 돈을 다른 경쟁상대가 아닌 우리에게 투자하기를 원하고 있습니다. 이러한 환경분석을 위해서는 웹분석 시스템으로 얻는 데이터가 아닌 다른 소스(source)의 데이터를 활용해야 합니다.

Loyalty Dashboard에 다른 소스의 데이터를 추가 하여 관리할 수 있는데. 그 예로, 방문자 설문조사를 들 수 있습니다. 어느 다른 사이트를 방문하고 있는지, 필요하다면, 얼마나 많은 시간과 돈을 투자하고 있는지 등을 조사하여 나온 분석된 데이터를 바탕으로 지속적으로 또는 다른 형태의 방문자(Visitor Segments)와의 교차분석 Loyalty 지표를 구성합니다.

설문조사는 특히 Loyalty Dashboard에서 태도와 개인적인 의견에 관한 정보를 알 수 있게 해주는 중요한 역할을 합니다. 측정기준으로는 재방문 하는 경향, 확고한 Loyalty 고객 가능성, 고객생애가치(Life Time Value)를 들 수 있습니다. 만족도 또한 Loyalty를 바꾸는 중요한 지표가 됩니다. 이러한 측정들의 장점은 너무 늦기 전에 행동을 취할 수 있는 기회를 준다는 것입니다.

Customer Loyalty 측정은 정해진 답이 있는 것이 아닙니다. 여러 측정기준을 가지고, 다양한 데이터 소스와 여러 요소를 복합적으로 측정/관리 하여야 합니다. 당신의 유일한 고객 Loyalty Dashboard를 만드십시오! 측정되었다면 행동으로 옮기십시오!

다른 편에서는 Customer Loyalty와 직접적인 관계에 있는 Retention 단계의 마케팅 활동에서의 데이터 운영 및 활용에 대한 내용을 다루겠습니다.

Reference: www.clickz.com

엠파스 & 디시인사이드의 페이지뷰 논란을 통해 페이지뷰가 순위산정의 주요 측정지표값이 아님이 이슈화되면서, 다른 연관기사들이 이후 등록되어 지기 시작했다.
우선 참고로, 해외에서는 순위산정을 위해 체류시간등이 주요 지표로 등장했다는 기사들이다.

아래는 Eric 블로그의 기사정리문구 발췌.

인 터넷 세상도 주요서비스가 페이지를 보는것(Page View)에서 동영상등의 감상, AJAX로 구현된 웹애플리케이션의 사용등으로 변화되면서 페이지뷰로는 제대로된 웹사이트에 대한 충성도(?)를 파악할 수 없다는 것이 주요 변화의 요인이겠다.

코리안클릭도 웹2.0 시대에 맞는 측정지표를 개발하기로 하였다고 한다. (관련기사)

그러자, 랭키에서는 한발 더 나아간 기사를 릴리즈하였다.
원배포처 : 랭키 / 게재출처 : 디지털타임즈

랭키의 계획처럼 SV를 널리 퍼뜨리려면, 몇가지가 더 보완되어야 할것 같다.

우선, 개인적 생각으로 Session Visits 는 용어자체가 좀 혼란스러운 단점이 있다고 본다.
Session 이 사실상 Visit 과 같은 의미로 사용되는 유사한 단어를 나란히 배열하였기 때문에 그렇게 느껴지는것 같다. 또, 세션(Session)단위를 일반적인 30분이 아닌 1시간으로 한것도 본 Session Visits 값을 널리 퍼뜨리는데 기존 웹분석가들의 거부감이 있을지도 모른다.
어렵겠지만 다른 좋은 용어를 만들면 좋겠다.

그리고, SV값은 충성도 반영과 조작성 배재에 유리하다는 의견에 대해서이다.
위 SV(Session Visits)가 방문자 개별적으로 방문이후 체류시간을 시간으로 나누어 그 숫자로 SV의 값을 증가시키는 방법(Rolling 기준)으로 계산된다면, 단순 방문수(Visits) 및 페이지뷰(Pageviews)를 통해 급격히 왜곡되는 측정값을 다소 극복할 수는 있겠지만, 조작의 방법이 지속적인 접근에 의한것이 대부분이므로, 왜곡되는 경우의 수는 똑같다고 생각된다. 1일 최대 발생시킬수 있는 SV값이 24이므로 조작의 한계가 있고 왜곡값이 적어진다는 부분은 맞겠다.
그런데 한계값을 설정하여 왜곡을 줄이는 방법은 잘못하다가는 더 큰 왜곡된 값을 표현할지도 모른다는 염려가 들기도 한다.

SV 의 의도상 그렇지는 않겠지만, 만약 시계(달력)기준으로 매 1시간씩 끊어서 값을 측정(Calendar 기준)하게 되면 매시 55분에 접속하여 다음 05분에 접속을 종료할 경우 SV가 2로 계산되게 된다면, 역시 왜곡되는 값이 적지 않을것이다. 뭐 그래도 방문자가 많은(표본이 큰) 경우에는 별 문제가 되지  않으니깐 상관없을것 같다. ( 이 값은 시간당 순수방문자수 값과 같다 )

여하간 모든 측정에 있어서, 단 하나의 측정지표로 모든것을 대표하여 표현할 수 없는것이 사실인 만큼 측정목적에 맞추어 적합한 측정지표(Metric)를 개발하는것은 좋은 일이다.

아시아권의 표준 웹사이트 순위지표로 만들겠다는 계획에 대해 선전을 기대해본다.