RFM
위키백과, 우리 모두의 백과사전.
 |
이 문서는 위키백과의 편집 지침에 맞춰 다듬어야 합니다. 더 좋은 문서가 되도록 문서 수정을 도와주세요. 내용에 대한 의견이 있으시다면 토론 문서에서 나누어 주세요. |
 |
이 문서의 내용은 출처가 분명하지 않습니다. 지금 바로 이 문서를 편집하여, 참고하신 문헌이나 신뢰할 수 있는 출처를 주석 등으로 표기해 주세요. 검증되지 않은 내용은 삭제될 수도 있습니다. 내용에 대한 의견은 토론 문서에서 나누어 주세요. |
RFM은 가치있는 고객을 추출해내어 이를 기준으로 고객을 분류할 수 있는 매우 간단하면서도 유용하게 사용될 수 있는 방법으로 알려져 있어 마케팅에서 가장 많이 사용되고 있는 분석방법 중 하나이다. RFM은 구매 가능성이 높은 고객을 선정하기 위한 데이터 분석방법으로서, 분석과정을 통해 데이터는 의미있는 정보로 전환된다.
RFM은 Recency, Frequency, Monetary의 약자로 고객의 가치를 다음의 세 가지 기준에 의해 계산하고 있다. [1]
- Recency- 거래의 최근성: 고객이 얼마나 최근에 구입했는가?
- Frequency- 거래빈도: 고객이 얼마나 빈번하게 우리 상품을 구입했나?
- Monetary- 거래규모: 고객이 구입했던 총 금액은 어느 정도인가?.
모형 [편집]
- Scoring 기법: RFM의 요인을 각각 5등급으로 등 간격으로 분류하는 방법이다.
현재 개발된 RFM 모형은 크게 4가지로 분류 할 수 있다.
-모델1. RFM 각 요소의 20% rule의 적용
-모델2. 비율 척도에 의한 양적인 장도의 차이에 따른 등 간격의 5등급 분류
-모델3. 상하 20%를 제외한 등간격 억도에 의한 그룹 분류
-모델4. 군집 분석에 의한 각 요소 별 5개의 그룹 분류
- Data Mining 기법을 이용한 모형
1) 회귀분석
-선형 회기 분석을 이용한 모형: 고객의 구매 최근성, 구매 빈도, 구매 금액 등 고객의 수익 기여도를 나타내는 세가지 지표들의 선형결합으로 세가지 지표들을 점수화 한다.
-다중 회귀 분석을 이용한 모형: 각 고객의 구매 행동을 나타내는 R,F,M의 변수들을 독립변수로하고 고객의 미래 구매 행동을 예측하는 기법.
-신경망을 적용한 모형: 로지스틱 회구 모형을 보완하는 차원에서 연구.
-확률적 RFM모형:Colombo와 Weina의 확률적인 RFM모형은 과거의 고객의 응답 이력으로 고객의 미래 응답을 예측하는 행동모델이다.[2]
