#CRM마케팅 #RFM분석 #채용공고_읽기 🌕
안녕하세요 구독자님, 데이터리안 혜정입니다.
이제는 제법 날이 선선해진 느낌이네요. 구독자님이 계신 곳의 날씨는 어떤가요?
오늘 뉴스레터에는 RFM 고객 세분화 분석을 위한 팁부터, SQL을 활용해 매출을 상승시킨 CRM 마케터의 인터뷰, 토스뱅크의 데이터 분석가가 하는 일까지 담아보았습니다. 오늘도 재미있게 읽어주세요!
그리고 한 가지 안내 사항을 전달해 드려요.
데이터리안 뉴스레터는 매월 첫 번째 화요일에 구독자님을 찾아뵙고 있는데요. 다음 달에만, 두 번째 화요일인 10/8에 찾아올 예정입니다. 변경된 일정 참고 부탁드려요 :)
곧 있을 추석 연휴도 즐겁게 보내시길 바랄게요. 저는 10월에 알찬 소식과 함께 다시 돌아오겠습니다. 10월에 또 만나요✨
|
|
|
1. 블로그 | RFM 고객 세분화 분석 팁 3가지
2. 인터뷰 | CRM 마케터, SQL 배워서 매출 상승에 기여했어요
3. 유튜브 | 해외 기업의 채용 공고는 어떻게 다를까?: 애플 코리아 채용 공고 읽어보기
4. 블로그 | 토스뱅크 Data Analyst는 이런 일을 합니다 |
|
|
안녕하세요, 데이터 분석가 선미입니다.
혹시 'RFM 고객 세분화 분석'을 들어보신 적 있으신가요? 아래 세 가지 단어의 약자를 따서 RFM이라고 부르는데요.
- Recency : 얼마나 최근에 구매했는가
- Frequency : 얼마나 자주 구매했는가
- Monetary : 얼마나 많은 금액을 지출했는가
즉, RFM 고객 세분화 분석 기법은 사용자별로 얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 지출했는지에 따라 사용자들의 분포를 확인하거나 사용자 그룹(또는 등급)을 나누어 분류하는 분석 기법입니다.
저는 SQL 데이터 분석 캠프 수강생분들께 프로젝트 피드백을 드리고 있습니다. 특히 고객 세분화 분석 프로젝트를 하신 분들께 공통으로 하게 되는 이야기가 있어 글로 정리했습니다. 데이터 분석가 포트폴리오를 만들기 위해 프로젝트를 하신 분부터 이제 막 고객 세분화 분석을 시작해야 하는 실무자까지 참고해 보실 수 있을 거예요.
⋯⋯⋯
1. 액션은 마케팅 담당자의 영역
간혹 고객 세분화 분석 내용보다, 각 세분화 그룹에 어떤 액션을 해야 할지에 대한 내용이 더 긴 보고서를 보게 됩니다. 보고서 분량을 채워야 할 것 같다는 생각에 이런저런 CRM 마케팅 사례들을 보고서에 첨부해 넣었기 때문인데요. 마케터 포트폴리오라면 점수를 받을 수 있겠지만, 데이터 분석가 포트폴리오로는 적절하지 않습니다.
2. 표를 포함한 적절한 시각화 방법 선택
그룹별 데이터를 정리하기에 가장 기본이 되는 방법은 표입니다. 고객 세분화 결과를 한눈에 볼 수 있는 표를 꼭 첨부해 주세요. 간혹 줄 글로만 작성된 보고서가 있는데, 그 글을 처음부터 끝까지 읽어볼 인내심을 가진 사람은 바쁘다 바빠 현대 사회엔 없습니다.
3. 중요한 것은 임팩트
고객 수가 5명밖에 안 되는 그룹을 위해 마케팅 예산, 인력을 부어 캠페인을 만드는 회사는 없습니다. 따라서 어떤 그룹이 우리 비즈니스에서 가장 중요한 그룹인지를 한눈에 볼 수 있는 데이터가 필요합니다.
⋯⋯⋯
이 3가지 팁에 대한 자세한 내용은 아래 블로그 글에 적어두었어요. 고객 세분화 분석을 처음 시작하신다면 이 글이 도움이 되길 바라겠습니다😊
|
|
|
🏃♂️
CRM 마케터,
SQL 배워서 매출 상승에 기여했어요
|
|
|
안녕하세요, 데이터 분석가 보민입니다.
앞에서 선미님이 얘기해주신 RFM 분석은 구매 가능성이 높은 고객을 선정할 때 용이한 데이터 분석 방법이라고 알려져 있어요. 또 사용자들의 평소 구매 패턴을 기준으로 분류를 진행하기 때문에 각 사용자 그룹의 특성에 따라 차별화된 마케팅 메시지를 전달할 수 있는데요. 이 RFM 분석은 CRM*을 할 때 사용하는 기법 중 하나입니다.
* CRM: Customer Relationship Management (고객 관계 관리)
CRM 마케팅에서는 데이터를 어떻게 활용할까요? 이번 글에서는 SQL 실력을 키워 매출 상승에 기여한 CRM 마케터 베로니카님의 이야기를 공유합니다.
⋯⋯⋯
Q. 안녕하세요, 간단하게 자기소개를 부탁드립니다!
안녕하세요, 패션 이커머스에서 CRM 마케팅을 하는 베로니카라고 합니다. 이전에는 오프라인 마케팅, 콘텐츠 마케팅 등 다른 일을 하였는데요. 좀 더 잘할 수 있는 일을 찾아 디지털 마케팅 공부를 하게 되었고, 그 과정에서 CRM 마케팅에 흥미를 느껴 현재 CRM 마케터로 일하고 있습니다.
Q. CRM 마케터는 어떤 일을 하나요?
어떤 비즈니스에 속해 있느냐에 따라 조금씩 다르겠지만 저는 주로 앱푸시, 알림톡, SMS, 인앱 메시지, 이메일 등 다양한 채널을 통해 고객과 커뮤니케이션하며 몰 방문과 상품 구매를 유도하는 액션들을 담당하고 있습니다.
|
|
|
[CRM 마케팅 예시]
Q. 데이터 분석을 공부해야겠다고 생각하신 이유가 궁금해요!
CRM 마케팅은 고객을 세분화하고 해당 고객에게 맞춤 혜택을 제공하는 것이 중요해요. 예를 들어, 특정 브랜드의 매출 증대를 위해 쿠폰 프로모션을 진행할 때 해당 브랜드의 구매 이력이 있거나 해당 브랜드 상품을 장바구니에 담은 고객에게 쿠폰을 제공합니다.
이때 해당 고객의 정보를 데이터베이스에서 추출해야 하는데요. 제가 다니는 회사에는 마케터가 직접 데이터를 추출할 수 있는 툴이나 플랫폼이 없어 매번 개발팀에 데이터 추출을 요청해야 하는 상황이었어요. 매번 개발팀에 데이터 추출을 요청하는 방식으로 진행하니 시간도 오래 걸리고, 원하는 대로 데이터를 여러 번 추출하기도 쉽지 않았습니다. 그래서 직접 SQL 쿼리문을 작성해서 원하는 조건으로 타겟 고객을 추출하고 싶었어요.
Q. 그럼, CRM 마케터에게도 SQL 스킬이 꼭 필요할까요?
고도화된 CRM 툴/플랫폼을 갖추고 있는 업무 환경이라면 SQL 스킬이 필수는 아닐 수 있다고 생각해요. 하지만 그렇지 않은 업무 환경이 많고, 툴/플랫폼의 기능만 활용하는 것보다 원본 데이터를 SQL로 직접 뽑아서 분석할 때 훨씬 분석의 자유도가 높다고 느낍니다. 그런 이유로 CRM 마케터도 SQL 스킬을 갖춘다면 업무에 많은 도움이 되는 것 같아요.
실제로 저는 스스로 할 수 있는 업무의 범위가 넓어져 커리어에 좀 더 자신감을 가지게 되었어요.
⋯⋯⋯
베로니카님은 SQL을 배운 후 직접 코호트 분석과 리텐션 분석을 하신다고 해요. 아래 인터뷰 전문에서 CRM 마케터 베로니카님의 구체적인 업무 사례를 확인해 보세요!
|
|
|
🍏
해외 기업 채용 공고는 어떻게 다를까?
: 애플 코리아 채용 공고 읽어보기 |
|
|
안녕하세요, 데이터 분석가 혜정입니다.
지난 뉴스레터에 소개해 드렸던 것처럼, 데이터리안 유튜브 채널에는 현업 분석가들이 데이터 분석가 채용 공고를 읽어보는 콘텐츠를 업로드하고 있어요. 그동안 한국의 여러 데이터 분석가 채용 공고를 한번 읽어봤는데요. 오늘은 해외 기업의 한국 지사 공고를 살펴보려고 합니다. 오늘 살펴볼 공고는 애플 코리아의 'Data Analyst Internship' 공고입니다.
* 해당 채용은 현재 마감되었습니다.
|
|
|
⋯⋯⋯
Description (주요 업무)
💬 데이터 분석가 | 선미
이 섹션에 리포팅 자동화 업무가 적혀있네요. 사실 리포팅은 지루한 업무라고 생각한 적도 있었는데요. '이 보고서에 어떤 숫자들이 포함되느냐'가 '현재 의사결정을 내리는 사람들이 무엇을 중요하게 생각하느냐'와 직결되는 문제인 것 같아요.
업무를 할 때, 1) 어떤 지표를 어떤 방식으로 보는지, 2) 수치가 대략 어떻게 흐르는지와 같은 내용을 기억해 두면, 앞으로 분석가로 일하는 데에 자산이 될 것이라고 생각해요.
💬 데이터 분석가 | 혜정
대시보드는 실무자랑 데이터 간의 연결고리가 되는 것 같아요. 데이터를 볼 수 있도록 분석가들이 대시보드라는 것을 만들고, 대시보드를 통해서 실무자들이 데이터를 볼 수 있는 이런 다리 역할을 한다고 생각하는데요. 만약 '너무 내가 반복적인 업무만 하나?' 하는 생각이 든다면, 동료들이 대시보드를 원하는 목적은 무엇인지, 그리고 만들어진 대시보드가 잘 활용되고 있는지, 이런 맥락을 파악해 볼 것을 추천합니다.
💬 데이터 분석가 | 보민
대시보드를 만든다는 건, 그걸 보는 사람들과도 커뮤니케이션이 필요하다는 거죠. 그래서 커뮤니케이션에 관한 내용도 공고에 적혀있는 것 같아요. 그리고 'Key Interaction With' 파트에 같이 일하는 팀이 적혀 있는데, 아마 일하다 보면 여기 적힌 팀보다 훨씬 다양한 분들이랑 커뮤니케이션하게 될 거잖아요. '어느 회사의 데이터 분석가든 언어가 진짜 중요하구나', '커뮤니케이션 능력이 진짜 중요하겠구나' 이런 생각을 많이 했습니다.
⋯⋯⋯
회사에서 통역사와 함께 일했던 선미님의 이야기부터, 인턴 지원을 준비 중인 / 혹은 인턴으로 일하고 계신 분들을 위한 팁까지 유튜브 영상에서 만나보세요🤗
|
|
|
🏦
토스뱅크 Data Analyst는
이런 일을 합니다
|
|
|
오늘 뉴스레터의 마지막 글로 '토스뱅크'의 글을 소개합니다.
소개할 글은 토스뱅크의 개인대출 스쿼드에서 Data Analyst로 근무하고 계신 김경민님의 글입니다. 주로 스쿼드의 상품 혹은 서비스 출시부터 운영의 과정에서 필요한 데이터 분석을 하고, 지표 개선이나 사용자 경험 개선을 위한 실험 분석도 맡고 계신다고 하는데요. 토스뱅크의 데이터 분석가는 어떤 일을 할까요?
⋯⋯⋯
개인대출 스쿼드에서 진행한 [매달 이자만 갚기 상품* 퍼널에 튜토리얼 추가하여 실행률 높이기] 실험을 소개해 드릴게요. 프로젝트의 A부터 Z까지를 담아보았으니 실제 토스뱅크에 Data Analyst로 합류하시면 어떻게 업무하는지를 상상하실 수 있을 거예요.
*‘매달 이자만 갚기’란 원리금균등분할상환방식의 대출을 보유한 고객에게 만기일시 상환 방식의 대출로 갈아탈 수 있도록 한 상품이에요. 매달 원금과 이자를 내는 것이 부담스러운 고객에게 상환 부담을 덜어주기 위해 출시한 상품입니다.
1. 문제 정의
대출 상품을 분석할 때는 1) 심사율(진입 → 심사), 2) 승인율, 3) 실행률을 주요 지표로 확인하고 문제를 정의합니다. 문제가 있다고 판단되는 지점이 있다면 일차적으로 데이터를 통해 현황을 파악하고, Product Owner, Product Designer와 문제 정의 및 해결 방안을 논의합니다.
2. 문제 발굴
‘매달 이자만 갚기’ 서비스를 오픈한 시점에는 진입부터 실행까지 10% 이상의 전환율을 기대했어요. 신용도가 낮은 고객에게 선오픈했기 때문에 승인율이 낮을 것을 감안한 수치였죠. 하지만 오픈 첫날, 진입부터 실행까지의 전환율은 단 2%였어요. 심사율과 승인율이 낮은 것이 가장 큰 원인이었어요. 우리는 여기서 문제를 발굴하기 시작했어요.
- 왜 심사 단계까지 가지 않는 걸까?
- 왜 대출이 승인됐는데도 실행하지 않을까?
문제의식은 있었지만 원인을 명확히 파악할 방법이 없어, 이탈 시점 설문조사와 UT*를 통해 고객으로부터 문제를 발굴하게 되었어요. Product Designer와 UT를 통해 승인 후 고객들이 왜 이탈하는지 확인해 보니, 1) 상품에 대한 가치 전달 부족, 2) 대출 실행 후 1년 뒤 대출 연장이 되지 않을 것 같은 불안함 때문이었어요.
* UT: Usability Test (사용성 테스트)
|
|
|
그래서 Product Designer와 저는 상품에 대한 이해도를 높이고, 대출 기간이 짧은 것에 대한 불안함을 잠재울 수 있도록 상품의 가치와 연장승인 비율을 담은 튜토리얼 페이지를 퍼널에 심는 실험을 진행하게 되었어요.
⋯⋯⋯
튜토리얼 페이지를 퍼널에 추가하기 위해 어떤 가설을 세우고 실험을 진행했을까요? 그리고 이 실험의 결과는 어땠는지 글 전문에서 확인하실 수 있어요 :)
|
|
|
✨ 구독자님! 데이터리안 콘텐츠와 함께 데이터 분석 능력을 업그레이드 해봐요
|
|
|
데이터리안
데이터 분석, 데이터리안과 시작하세요
contact@datarian.io
|
|
|
|
|
