고객생애가치(CLV, Customer Lifetime Value)

고객생애가치(Customer Lifrtime Value)란 단순한 개념이다. 한 회사의 고객이 생애(즉, 특정 기간)시간 동안 가지는 가치를 뜻한다. 이러한 고객생애가치를 명확하게 측정하는 방법을 설계하는 것은 깅업의 비즈니스 액션에서 중요한 요소로 작용한다.

이는 python의 lifetimes 라이브러리를 활용해볼 수 있는데, 오늘 직접 조금 해보려 한다.

만약 개개인의 고객의 가치를 알게 되고, 이러한 규모가 더더욱 커지면, 기업은 다음과 같은 움직임을 취할 수 있다.

1. 가치가 있는 고객들의 특성을 파악하여 향후 CRM에 활용하거나, Customer Acquisition을 시도
2. 특정 특징을 가진 고객을 획득할 때, 어느 정도의 예산을 책정해야 하는지 판단
3. 가치가 있는 고객을 획득하기 위한, 다양한 채널들 구축 기획에 활용
4. 시장조사와 상품 피드백에 필요한 최적의 고객을 선별

 

고객은 계약상에 있는 고객과 계약상에 있지 않은 고객으로 나눠서 생각해볼 수 있다.(예시: 멤버십)
이들의 구매는 일회성을 가지느냐, 지속성을 가지느냐에 따라서도 분류가 된다.

CLV를 측정할 때, 위의 각각의 4가지 요소들은 중요하게 작용될 수 있다.

1. 계약상에 있는 고객(멤버십 가입 고객)의 이탈을 산정하는 것은 쉽고도 명확한 기준이 있다. 바로, 멤버십을 새로 가입
했는지의 여부이다. 새로 가입하지 않았다면 특정 서비스를 이탈한 것이다. 이외의 계약상에 없는
고객은 이커머스나 다른 유통 비즈니스에 있을 것이다. 이들은 정말 다양한 제품 소비 주기와 특성들이 있다.
그래서, 이들의 이탈을 정하기 위한 기준을 명확히 하나로써만 세팅하기가 쉽지가 않다.

하지만, 이커머스 비즈니스의 고객들은 일회성의 소비보다는 지속적이고 변속적인 소비패턴을 주로 보인다.
이외의 다른 비즈니스들은 특정 시기에만 한 번의 구매가 발생하는 일회성 소비 고객이 있다.

그래서 CLV를 측정하기 위해서는 기업의 비즈니스 모델을 잘 이해하고, 고객의 특성을 파악하는 일이
우선시 되어야 한다.

 

CLV는 특정 지표들, 다른 말로 알만한 요소들의 계산이 아니라, 예측할 수 없는 요소들이 특정 기준에 맞게 측정되는 것이라고 생각한다. 즉, 형편일률적인 계산법은 사실 존재하지 않고, 비즈니스 및 고객의 특징에 따라 가변적으로 계산될 필요가 있다.

특정 시간 내에 고객의 구매 데이터를 활용해서, 뭐 특정 기간 * 평균 구매액과 같은 방식으로 CLV계산을 생각해볼 수는 있겠지만, 사실, 이러한 계산 Predictive Feature가 없어서, 
미래까지 고려한 CLV를 계산하기에는 살짝 한계가 있다고 생각한다.

CLV를 계산하려 할 때, 너무 전체 고객의 평균에 의지하지 않는 것이 중요하다. 
구매의 빈도수와 구매액은 고객마다 다룰 수 있다. 그렇기 때문에, 뭐 과적합같은 것도 고려가 될 수도 있어서 너무 전체 집단의 평균만을 생각하는 오류를 범하면 안된다.


단적인 예를 들면, 고객 1,2이가 있다고 치자. 
고객1: 1달 전에 겁나 많이 사고, 구매액도 높지만, 1달이 지니고 현재 시점까지 어떠한 구매도 하지 않았다
고객2: 1달 전에 겁나 많이 사지 않고, 구매액도 높지 않지만, 현재 시점까지 꾸준하게 구매를 해주고 있다.

이러한 상황일 때, 전체 고객의 평균을 고려한다면, 고객1이 기업에게 더 큰 value를 주는 고객으로 인식이 될 수 있다.

 

Buy-til-you-die(BTYD) Model

이 모델은 두가지의 추측 과정을 통해 고객의 구매 행위를 측정하는 것이다.
1. 고객이 반복적인 구매 행위를 할 가능성(Buy)
2. 고객이 구매 행위를 그만둘 가능성(Die)

이때 고려할 중요한 2가지 요소는 Recency와 Frequency이다
Recency: 고객이 마지막 소비를 한 이후의 시간
Frequency: 특정 기간동안 고객의 반복적인 소비

이러한 요소를 통해 만들어지는 하나의 가설: 과거에 반복 소비를 했지만, 최근에 소비를 하지 않았다면
죽은 고객이다.

BTYD모델의 목적은 각각의 고객이 주어진 기간동안, 예상되는 고객의 미래의 소비를 예측하는 것이다.
E[X(t)] = expected number of transactions in time of length t
          (given a customer's recency and frequency)

만약에 고객의 미래 소비 횟수를 짐작할 수 있다면, 특정 기간동안의 구매액 평균과 같은 특정 평균값을 
곱해주면, 특정 기간동안의 가치를 산정할 수 있다.
RLV = expected future purchases * expected average order value

이는 개인의 고객의 RLV이고, 이 값을 모두 더해주면, 하나의 CLV를 구해볼 수 있다.