고객 생애 가치(CLV) 기본

Python으로 배우는 마케팅용 Machine Learning

Karolis Urbonas

Head of Analytics & Science, Amazon

CLV란?

  • 고객 가치 측정
  • 과거 기반 또는 예측 기반 가능
  • 접근법은 비즈니스 유형에 따라 다름
  • 일부는 공식 기반, 일부는 예측·분포 기반
Python으로 배우는 마케팅용 Machine Learning

과거형 CLV

  • 과거 모든 거래의 매출 합산
  • 이익률을 곱함
  • 또는 거래별 이익 합산(가능한 경우)
  • 문제 1: 재직 기간, 유지, 이탈을 반영하지 않음
  • 문제 2: 신규 고객과 미래 매출을 반영하지 않음

과거형 CLV

Python으로 배우는 마케팅용 Machine Learning

기본 CLV 공식

  • 평균 매출 × 이익률로 평균 이익 계산
  • 평균 고객 수명에 곱함

기본 CLV

Python으로 배우는 마케팅용 Machine Learning

세분화된 CLV 공식

  • 구매당 평균 매출 × 평균 빈도 × 이익률
  • 여기에 평균 고객 수명을 곱함
  • 거래당 평균 매출과 기간당 평균 빈도를 모두 반영

세분화 CLV

Python으로 배우는 마케팅용 Machine Learning

전통적 CLV 공식

  • 평균 매출 × 이익률
  • 평균 이익에 유지:이탈 비율을 곱함
  • 이탈은 1-유지율로 계산 가능
  • 충성도를 반영, 가장 널리 쓰임

전통적 CLV

Python으로 배우는 마케팅용 Machine Learning

거래 데이터셋 소개

  • 온라인 리테일 데이터셋
  • 지출, 수량 등 값이 포함된 거래 데이터

온라인 리테일

Python으로 배우는 마케팅용 Machine Learning

코호트 데이터셋 소개

  • 온라인 리테일에서 파생
  • 획득 월 지정
  • 획득 후 각 월의 고객 수로 만든 피벗 테이블
  • 이를 사용해 유지율 계산 예정

코호트 수

Python으로 배우는 마케팅용 Machine Learning

월별 유지율 계산

첫 달 값으로 코호트 크기 계산

cohort_sizes = cohort_counts.iloc[:,0]

월별 활성 사용자를 초기 크기로 나눠 유지율 계산, 이탈률은 파생

retention = cohort_counts.divide(cohort_sizes, axis=0)
churn = 1 - retention

유지율을 히트맵으로 시각화

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Python으로 배우는 마케팅용 Machine Learning

유지율 표

유지율 표

Python으로 배우는 마케팅용 Machine Learning

CLV 지표를 계산해 봅시다!

Python으로 배우는 마케팅용 Machine Learning

Preparing Video For Download...