〔顧客分類〕기업 수명을 늘리고 싶은가? 그럼, 고객을 차별화하라

〔顧客分類〕기업 수명을 늘리고 싶은가? 그럼, 고객을 차별화하라

(retailing.co.kr)

 

무조건적인 ‘고객지상주의’ 시대는 지났다. 평생 동안 기업에 가져다 줄 가치의 합이 큰 고객, 다시 말해 생애주기가치가 높은 고객을 찾아내 그들에게 마케팅을 최대한 집중하는 전략이 필요하다. 기업에 장기적으로 높은 수익을 안겨주는 고객에 집중하라는 뜻으로, ‘누가 가치 있는 고객인가’라는 마케터들의 오랜 고민에 ‘고객생애가치(CLV)’가 답을 말해주고 있다.

 

 

유통산업에서 브랜드와 제품에 대한 고객 충성도를 높이기 위한 로열티 마케팅의 중요성이 강조된 것은 어제 오늘 일이 아니다. 많은 기업들이 고객 로열티를 높이기 위해 멤버십 제도를 운영하고 적립 및 할인, 다양한 이벤트 행사를 실시하고 있다. 그러나 혜택만 취하고 매출 및 손익 신장에는 도움이 되지 않는 체리피커 등이 로열티 마케팅의 효과를 저해하며 마케팅 의사결정권자들을 항상 괴롭힌다.

 

이에 따라 마케터들은 ‘과연 어떤 고객이 우리에게 가장 도움이 되는가’,  ‘우리에게 혜택을 주는 고객에게만 마케팅을 할 수 없을까’라는 고민을 안고 있다.

 

 

 

◇CLV로 브랜드 옹호자 찾는다

 

가치 있는 고객을 찾아내기 위한 마케팅 기법인 고객생애가치(Cus–tomer Lifetime Value ; 이하 CLV)를 정의하면 ‘현재 시점까지 고객이 기업에 발생시킨 손익’과 ‘고객이 경쟁사로 이탈하거나 기업에서 탈회하기 전까지 발생시킨 예상 손익’의 총합이라고 할 수 있다.

 

즉, 과거부터 현재까지 고객이 회사 이익에 기여한 손익에 더해 향후 10년 혹은 20년간 고객이 자사 고객으로 남아있을지를 예측해 수치로 제공한다. 이를 통해 미래에도 가치 있는 고객을 선별해 마케팅을 실행할 수 있다.

 

CLV에 따라 고객을 분류하면 현재와 미래 가치가 모두 높은 ‘VIP’, 현재 가치보다 미래 가치가 높은 ‘퓨처 스타(Future Star)’, 현재 가치보다 미래가치가 낮은 ‘올드 VIP’로 구분할 수 있다. 이 같은 고객 분류에 의해 VIP 마케팅을 집중하고, 올드 VIP에 대한 마케팅 비용은 효율화하는 등 세분화된 마케팅 전략을 실행할 수 있다.

 

@글로벌 선도 게임회사이자 유통업체인 EA(Ele–ctronic Arts)

CLV 계산을 통해 산출한 고객가치 지표를 회사의 모든 마케팅과 영업 의사결정에 있어 최우선 지표로 활용하고 있다. 먼저 고객의 게임 이용률과 구매율 등 온라인 채널과 게임 채널상 수집된 데이터를 활용해 고객 CLV를 산출한다.

 

그리고 전사 고객의 CLV 수치와 세부 고객군별 CLV 수치가 마케팅 활동과 게임 판매 실적에 따라 어떻게 변하는지 매일 모니터링한다. 이를 통해 어떤 고객군에 마케팅을 집중해야 할지, 마케팅 비용은 얼마나 투입해야 할지, 신규 투입한 상품을 지속 판매할 것인지 등 경영상 의사결정을 한다.

 

EA 외에 CLV를 마케팅 성과 관리에 활용한 사례를 추가적으로 살펴보면 다음과 같다.

 

@스타벅스ㅣCLV에 따른 비용 통제 및 리워드 제도 개편

스타벅스는 2014년 매장 방문객의 생애주기가치를 3가지 방법으로 계산, 평균 1만 4,099달러의 CLV를 산출했다. 산출된 CLV에 따라 스타벅스는 고객마케팅과 광고비용이 고객당 1만 4,099달러를 초과하지 않도록 엄격히 통제했다.

 

또한 고객 가치 극대화를 위해 2016년 스타벅스의 대표적인 마케팅 프로그램인 마이 스타벅스 리워드(My Starbucks Rewards)를 개편했다. 매출 공헌도가 높은 고가치 고객의 혜택을 강화한 것이다. 이전의 스타벅스 보상 프로그램은 방문횟수에 따라 무료 음료를 제공하는 방식이었다. 그러나 매장 방문시 2달러를 지불하는 고객이 8달러를 지불하는 고객보다 14.7%의 더 많은 혜택을 받고, 이로 인해 마케팅 수익성이 악화되는 문제가 있었다.

 

이를 해결하기 위해 고객의 이용금액에 비례해 무료 음료를 제공하는 방식으로 리워드 프로그램을 변경했다. 무료 음료 제공 기준을 CLV 계산에서 산출된 평균 이용 금액 기준으로 설정한 것이다.

 

 

@아마존ㅣCLV 기반의 ‘프라임 손익구조’ 설계

아마존은 연회비보다 월등히 많은 혜택을 주는 유료 멤버십 제도인 아마존 프라임으로 온라인 마케팅의 혁신을 이뤄냈다.

재무 관점에서 보면 적자 서비스인 아마존 프라임이 장기적으로 손익 구조를 정상화할 수 있는 이유는 아마존이 CLV 관점에서 데이터를 산출, 활용했기 때문이다. 또한 유료 서비스 출시에 그치지 않고, 아마존 프라임 고객의 생애주기가치에 따라 마케팅 전략을 정교화해 궁극적으로 마케팅 성과를 극대화할 수 있었다.

 

아마존은 프라임 고객과 일반 고객의 연매출을 각각 1,500달러와 700달러로 예상했다. 유료 회원고객에게 더 많은 마케팅 비용을 투입하더라도 프라임 고객의 연간 공헌 이익액은 180달러로 일반고객의 112달러보다 높은 것으로 나타났다. 즉, 매출 공헌도가 높은 고객에게 차별화된 혜택을 제공해 추가 매출을 올림으로써 아마존 프라임의 비용을 상쇄할 수 있었던 것이다.

 

99달러라는 연회비는 수익성 개선 효과를 넘어 고객이 연회비 지출 행위를 통해 멤버십에 ‘락인(Lock-in)’된다는 마케팅적 의미가 있다. 아마존 프라임 고객은 일반 고객보다 이탈률도 낮다. 결과적으로 일반 고객 대비 프라임 고객의 연간 CLV가 161달러나 높은 것으로 나타나, 재무 손익으로는 설명되지 않는 아마존 프라임의 손익구조를 이해할 수 있는 열쇠가 됐다.

 

프라임 운영에 따라 아마존은 고객의 CLV 산출 정확성을 높였고, 고객의 현재 및 미래 가치에 따라 마케팅 전략을 차별화하는 전략적 프레임워크로 활용했다. 즉, 잠재적 미래가치가 높은 고객에게 파격적 혜택을 제공해 아마존의 충성도를 높이는 데 공을 들였다. 또한 미래 가치와 현재 가치가 모두 높은 VIP에게만 선별적으로 ‘아마존 리워즈 시그니처 비자카드’를 제안함으로써 VIP의 감성과 니즈를 충족시켰다.

 

 

◇‘고객의 이질성’부터 따져라

CLV 모형을 설계하고 마케팅을 도입할 때 유의해야 할 점이 있다.

 

- 먼저 CLV 산출시 가장 범하기 쉬운 실수는 기업이 현재 보유한 고객들을 하나의 동일한 고객집단으로 묶어 하나의 예측 모형만 적용하는 것이다. 이 경우 산출된 CLV 값이 평균 이상의 의미를 갖지 못해 오차 범위가 커진다. 실제 고객군은 구매 상품의 특성과 이용채널, 연령대·성별·소득수준 등 다양한 요소에 따라 예상 매출과 고객 이탈률이 다르다. 따라서 기업이 보유한 과거 고객 데이터를 기반으로 고객층을 세분화하고, 고객군별 CLV 모형을 설계하는 것이 중요하다. 최근 데이터 분석기술(Data Analytics) 발전으로 수 천 개 수준의 고객군 분류, CLV 모형 설계와 오차 검증 등이 시스템화돼 있다.

 

- 다음으로 CLV 모형을 설계하려면 고객의 매출 변동과 로열티에 어떤 변수들이 영향을 미치는지 초기 가설 수립과 변수 도출이 필요하다. 또한 CLV 활용 목적에 따라 목표 수준을 설정해야 한다. 모든 회사가 고객이 사망 또는 이탈할 때까지 수 십 년간의 CLV를 예측할 필요는 없다. 사업 특성을 반영해 3년 또는 10년간의 CLV 등 기간을 설정하면 예측 모형의 정확도를 높일 수 있다.

 

- 또한 기업이 필요로 하는 CLV의 정확성이 손익산출까지 필요한 95% 정확도를 요구하는 것인지, 마케팅 가이드라인에 필요한 80% 정확도를 요구하는 것인지 설정하면 예측 모형의 난이도 조정에 유리하다.

 

 

 

◇고객자산 가치, 치밀하게 계산해야

 

해외와 달리 국내 유통업계에서 CLV를 도입, 마케팅에 활용하는 사례는 드물다. 그러나 다른 산업으로 눈을 돌려보면 LTV(Life Time Value), CVM(Customer Value Management) 등 CLV와 유사한 개념으로 고객생애가치를 활용하는 곳이 많다.

 

대표적으로 금융권이 고객의 대출한도와 리스크를 심사하기 위해 LTV를 사용하고 있으며, 금융기관의 건전성 규제를 위한 매출·손익 예측에도 다양한 모델링 기법을 활용하고 있다.

 

선도 통신업체 경우 2015년 과도한 마케팅 비용 투입 대비 손익기여도가 낮은 문제를 해결하기 위해 자사 고객의 CLV 예측 모델을 설계했다. CLV 산출 값을 활용해 전사 마케팅 성과 예측과 분석업무에 활용하고 있다. 참고로 당시 설계된 CLV 예측 모델은 12개월 예측 정확도 96%와 24개월 예측 정확도 93%를 달성했다.

 

CLV 값의 산술적 정확도는 빅데이터 등 분석기술 발전과 수집가능한 고객 데이터 확대에 따라 충분히 활용 가능한 수준으로 높아질 것으로 예상된다. CLV 마케팅 도입의 가장 큰 장애물은 예측으로 산출한 CLV 값을 믿고 실제 마케팅 비용을 써야 한다는 심리적 불안감이다.

 

그러나 현재 기업의 마케팅 상황을 냉철하게 되짚어보자. 여러분의 기업은 고객 가치에 대한 분석 없이 할인 쿠폰을 무작정 살포하고 있지 않은가. 지금 수행하는 프로모션이나 행사를 때가 됐으니, 또는 잘 될 것 같다는 ‘감’에 의존해 비용을 쓰고 있지는 않은가.

 

CLV 마케팅 전략은 ‘감에 의존한 마케팅’에서 ‘데이터에 기반한 마케팅’으로 전환을 가장 큰 목표로 한다. 특정 고객의 정확한 CLV 산출이 목표가 아니라 약간의 오차가 있더라도, 가치 있는 고객을식별하고 고객의 예상 가치에 걸맞는 마케팅 정책을 실행하는 데 주안점을 둔다. 시장과 고객이라는 거대한 바다를 항해하는 데 도움이 될 수 있는 나침반 역할이 CLV 마케팅의 목적이다.

 

리테일매거진 2018년 5월호