RFM 분석 세그먼트 나누기: 점수 기준과 그룹 묶는 4단계

RFM 분석은 고객 등급표를 만드는 일이 아닙니다.
누구에게 돈을 쓰고, 누구에게 쓰지 않을지 정하는 예산 배분 기준입니다.

RFM 분석 세그먼트 나누기에서 가장 중요한 건 점수를 매기는 공식이 아닙니다.
우리 상품의 구매 주기에 맞춰 R 구간을 먼저 정하고, 125개 조합을 실행할 수 있는 6~8개 그룹으로 줄이는 것입니다.
액션이 서로 겹치는 세그먼트는 나눌 이유가 없습니다.

아래에서 기준 설정, 점수 산정, 그룹 묶기, 채널별 활용까지 4단계로 설명합니다.

1. RFM 분석 세그먼트 나누기 전에 정할 3가지 기준

RFM은 세 가지 지표로 이뤄집니다.

• R(Recency): 마지막 구매일로부터 며칠이 지났는가

• F(Frequency): 정해진 기간 안에 몇 번 구매했는가

• M(Monetary): 정해진 기간 안에 얼마를 썼는가

정의만 보면 간단하지만, 실무에서 결과가 틀어지는 건 대부분 점수를 매기기 전 단계입니다.
엑셀을 열기 전에 아래 세 가지부터 정해야 합니다.

① 분석 기간: 최소한 구매 주기의 3배 이상

분석 기간이 너무 짧으면 F가 전부 1로 찍힙니다.
너무 길면 3년 전에 한 번 산 고객과 어제 산 고객이 같은 데이터에 섞입니다.

일반적인 기준으로는 평균 재구매 주기의 3~4배를 분석 기간으로 잡습니다.

재구매 주기는 감으로 정하지 말고 주문 데이터에서 직접 계산하는 편이 정확합니다.
2회 이상 구매한 고객만 골라 첫 구매와 두 번째 구매 사이의 일수 중앙값을 구하면 됩니다.
평균값은 몇 명의 이상치에 끌려가기 쉬워서 중앙값이 더 안전합니다.

② 집계 단위: 주문 기준인지, 결제 기준인지

같은 날 두 번 결제한 고객을 F=2로 볼지, F=1로 볼지부터 정해야 합니다.
장바구니를 나눠 결제하는 습관이 있는 고객이 많으면 F가 부풀려집니다.

실무에서는 같은 날 주문은 1회로 묶고, 취소·반품 주문은 제외하는 방식을 많이 씁니다.
M도 마찬가지로 결제 금액이 아니라 환불을 뺀 순매출로 계산해야 합니다.
반품률이 높은 카테고리에서 이걸 놓치면, 반품을 가장 많이 한 고객이 VIP로 분류되는 일이 생깁니다.

③ 분석 목적: 리텐션인지, 객단가인지, 광고 타겟인지

같은 RFM이라도 목적에 따라 가중치가 달라집니다.

• 이탈 방지가 목적이면 R이 가장 중요합니다.

• 객단가 상승이 목적이면 M을 더 세밀하게 쪼개야 합니다.

• 광고 유사 타겟 소스가 목적이면 F와 M이 모두 높은 소수 그룹이 핵심입니다.

-> 핵심: 기간·집계 단위·목적을 정하지 않고 나눈 세그먼트는, 숫자는 그럴듯해도 쓸 데가 없습니다.

2. RFM 점수 매기는 법: 5분위와 고정 구간 중 고르는 기준

기준을 정했다면 고객마다 R, F, M 각각에 1~5점을 매깁니다.
방식은 크게 두 가지입니다.

5분위 방식: 고객을 20%씩 나눠 점수 부여

고객을 지표 순으로 정렬해 상위 20%는 5점, 그다음 20%는 4점… 이렇게 매기는 방식입니다.
R은 최근일수록 높은 점수, F와 M은 클수록 높은 점수입니다.

장점은 데이터 분포와 상관없이 고객이 고르게 나뉜다는 점입니다.
그러나 F에서는 거의 반드시 문제가 생깁니다.

재구매율이 낮은 브랜드에서는 1회 구매 고객이 전체의 절반을 넘는 경우가 흔합니다.
이 상태에서 5분위로 자르면 F=1인 고객이 1점, 2점, 3점에 나눠 들어갑니다.
같은 1회 구매 고객인데 점수가 다르게 매겨지는 겁니다.

고정 구간 방식: 실무 기준으로 직접 경계 설정

이럴 때는 F만이라도 고정 구간으로 바꾸는 게 맞습니다.
예를 들어 화장품 브랜드라면 이렇게 잡을 수 있습니다.

R의 경계는 앞에서 구한 재구매 주기를 기준으로 잡습니다.
재구매 주기가 60일이라면, 60일 이내는 "아직 정상 주기 안에 있는 고객", 90일을 넘기면 "주기를 놓친 고객", 180일을 넘기면 "이탈 가능성이 높은 고객"으로 읽는 식입니다.

M은 분위 방식을 그대로 써도 괜찮습니다.
다만 상위 구간을 더 촘촘하게(10%, 25%) 나누는 게 실무에 유리합니다.
매출 기여는 소수의 상위 고객에게 몰리는 경우가 많아서, 상위권을 뭉뚱그리면 진짜 VIP가 묻힙니다.

💡tip: 점수 합산(R+F+M)은 쓰지 마세요

R+F+M을 더해 15점 만점으로 등급을 매기는 방식이 자주 보입니다.
하지만 이렇게 하면 R5·F1·M1(어제 처음 산 고객)과 R1·F5·M1(예전에 자주 샀던 고객)이 같은 7점이 됩니다.

두 고객에게 필요한 메시지는 완전히 다릅니다.
한 명은 두 번째 구매를 유도해야 하고, 다른 한 명은 돌아오게 만들어야 합니다.
점수는 더하지 말고 조합(예: 5-1-1, 1-5-1)으로 읽어야 세그먼트가 의미를 가집니다.

3. RFM 세그먼트 나누기: 125개 조합을 6~8개 그룹으로 묶는 기준

R, F, M이 각각 5단계면 이론상 125개 조합이 나옵니다.
125개 세그먼트에 각각 다른 메시지를 보낼 수 있는 팀은 없습니다.

묶는 기준은 하나입니다.
"이 두 조합에 다른 액션을 할 것인가?"
같은 액션을 할 거라면 같은 그룹입니다.

실무에서 쓰기 좋은 7개 그룹 예시

이 표는 출발점일 뿐, 경계는 브랜드 데이터에 맞춰 조정해야 합니다.

그룹을 나눈 뒤 반드시 확인할 2가지

첫째, 그룹별 인원수입니다.
어떤 그룹이 전체 고객의 1%도 안 되면, 액션을 해도 매출 변화가 측정되지 않습니다.
반대로 한 그룹이 50%를 넘으면 너무 넓게 묶인 것이니 다시 쪼개야 합니다.

광고 매체에 업로드할 계획이라면 최소 인원도 따져야 합니다.
메타 맞춤 타겟은 매칭된 인원이 100명 미만이면 사용이 어렵고, 실제 매칭률은 업로드 인원보다 한참 낮게 나오는 경우가 많습니다.
업로드 단계에서 확인할 기준은 메타 고객 리스트 업로드 기준: 매칭률부터 활용 순서까지에서 자세히 정리했습니다.

둘째, 그룹별 매출 비중입니다.
그룹마다 "고객 수 비중"과 "매출 비중"을 나란히 놓아보세요.

예를 들어 고객 10,000명인 브랜드에서 이런 결과가 나왔다고 가정해 보겠습니다(설명용 예시 수치).

이 표에서 읽어야 할 건 하나입니다.
고객 5%가 매출 18%를 냈는데, 지금 떠나고 있다는 사실입니다.
이런 결과가 나오면 휴면 일반 4,500명보다 이탈 위험 VIP 500명이 훨씬 먼저입니다.

-> 핵심: RFM 분석 세그먼트 나누기의 결과물은 그룹 이름이 아니라 "어디부터 손댈지"의 우선순위입니다.

4. RFM 세그먼트 활용: 광고·CRM 채널별 적용 기준과 실패 사례

세그먼트를 나눴다면 이제 채널에 연결합니다.
그룹마다 쓸 채널과 쓰지 말아야 할 채널이 다릅니다.

그룹별 채널 배분 기준

① 핵심 VIP
- CRM: 알림톡·이메일로 신상품 선공개, 등급 혜택
- 광고: 리타겟팅 대상에서는 제외, 유사 타겟 소스로만 사용
- 이유: 어차피 돌아올 고객에게 광고비를 쓰면 성과가 부풀려질 뿐 매출은 늘지 않습니다.

② 신규·성장 고객
- CRM: 첫 구매 후 7일, 재구매 주기 직전에 자동 메시지
- 광고: 교차판매 상품 위주로 소액 리타겟팅
- 이유: 두 번째 구매가 일어나면 F 점수가 올라가며 다음 그룹으로 넘어갑니다. 이 구간의 전환이 장기 매출을 좌우합니다.

③ 이탈 위험 VIP
- CRM: 개인화된 메시지(최근 구매 상품 기반 추천)
- 광고: 맞춤 타겟으로 업로드해 리타겟팅 예산을 우선 배정
- 이유: 객단가와 구매 이력이 검증된 고객이라 복귀 시 회수 금액이 큽니다.

④ 휴면 일반
- CRM: 비용이 낮은 채널(이메일, 앱 푸시)로 분기 1회 수준
- 광고: 별도 예산 배정 안 함
- 이유: 인원은 많지만 반응률이 낮아서, 건당 비용이 높은 채널로 보내면 수익이 남지 않습니다.

채널별 단가 차이가 크기 때문에, 그룹 규모에 따라 문자·이메일·알림톡을 고르는 기준은 CRM 문자 이메일 채널 비용 비교: 건당 단가보다 먼저 볼 3가지 기준을 함께 참고하면 좋습니다.

실패 사례 ①: 휴면 고객 전체에 할인 쿠폰 발송

실무에서 가장 흔한 실수입니다.
"휴면 고객이 많다"는 결과를 보고, 휴면 전체에 할인 쿠폰을 한 번에 보내는 경우입니다.

한 화장품 브랜드의 경우 이 방식으로 일시적인 주문은 늘었지만, 복귀 고객 대부분이 쿠폰 사용 후 다시 휴면으로 돌아갔습니다.
더 큰 문제는 핵심 VIP까지 "할인을 기다리면 된다"고 학습하게 된 점이었습니다.

휴면 고객도 이전 F와 M에 따라 나눠야 합니다.
F 4 이상이었던 휴면 고객과 F 1이었던 휴면 고객은 같은 "휴면"이 아닙니다.

실패 사례 ②: 세그먼트를 한 번 만들고 업데이트하지 않음

RFM은 스냅샷입니다.
R은 시간이 지나면 저절로 떨어지기 때문에, 3개월 전에 만든 세그먼트의 "핵심 VIP"는 지금 일부가 "이탈 위험"으로 넘어가 있습니다.

일반적인 기준으로는 재구매 주기와 같은 간격으로 재계산합니다.
재구매 주기가 30일이면 월 1회, 90일이면 분기 1회가 기본입니다.
광고 매체에 올린 고객 리스트도 같은 주기로 교체해야 제외 타겟이 어긋나지 않습니다.
제외 기간과 범위를 정하는 기준은 메타 제외 타겟 설정 기준: 무엇을, 며칠, 어디에 걸까에 정리되어 있습니다.

실패 사례 ③: 세그먼트별 성과를 따로 보지 않음

캠페인 전체 매출만 보면 어떤 그룹이 반응했는지 알 수 없습니다.
그룹마다 발송 수 → 클릭 → 구매 → 매출을 따로 집계하고, 가능하면 그룹마다 10~20% 정도의 미발송 대조군을 남겨두세요.

대조군이 없으면 "원래 살 사람이 샀다"와 "메시지 때문에 샀다"를 구분할 수 없습니다.
특히 핵심 VIP 그룹은 메시지가 없어도 재구매율이 높아서, 대조군 없이 보면 성과가 과대평가되기 쉽습니다.

💡tip: 세그먼트별 메시지 발송과 재계산을 매번 손으로 하기 어렵다면, 자동화 툴로 넘기는 시점을 고민해볼 만합니다. 도입 전 비교 기준은 CRM 자동화 툴 비교: 도입 전 따져볼 4가지 기준을 참고하세요.

자주 묻는 질문

Q. RFM 분석 점수는 몇 단계로 나누는 게 좋나요?
일반적으로 R·F·M 각각 5단계를 많이 씁니다. 다만 고객 수가 수천 명 이하이거나 재구매율이 낮다면 3단계로 줄이는 편이 낫습니다. 단계가 많을수록 그룹당 인원이 줄어 성과 측정이 어려워집니다.

Q. RFM 분석은 엑셀로도 할 수 있나요?
가능합니다. 주문 데이터에서 고객 ID별로 마지막 구매일, 구매 횟수, 순매출을 피벗으로 집계한 뒤, 기준표에 따라 점수를 매기면 됩니다. 고객이 수십만 명 단위로 늘어나거나 매월 재계산해야 한다면 SQL이나 자동화 툴로 넘어가는 게 효율적입니다.

Q. 신규 고객은 RFM에서 어떻게 처리하나요?
신규 고객은 R은 높고 F는 1이라 점수상 애매하게 분류됩니다. 그래서 첫 구매 후 재구매 주기 이내의 고객은 별도 "신규" 그룹으로 빼서 관리하는 경우가 많습니다. 이 그룹의 목표는 두 번째 구매 하나로 단순하게 잡는 것이 좋습니다.

Q. RFM 세그먼트를 광고 타겟으로 바로 써도 되나요?
쓸 수 있지만 그룹 규모와 역할을 먼저 확인해야 합니다. 핵심 VIP는 유사 타겟 소스와 제외 타겟으로, 이탈 위험 VIP는 리타겟팅 대상으로 쓰는 식으로 나누는 것이 일반적입니다. 업로드 후 실제 매칭 인원이 너무 적으면 노출 자체가 안 될 수 있습니다.

Q. RFM과 CLV(고객 생애 가치)는 무엇이 다른가요?
RFM은 과거 구매 행동으로 지금의 고객 상태를 분류하는 방법이고, CLV는 앞으로 고객이 가져올 가치를 예측하는 지표입니다. 데이터가 적은 초기 단계에서는 RFM으로 시작하고, 구매 이력이 충분히 쌓이면 CLV 예측으로 넘어가는 순서가 무리가 없습니다.

마무리

RFM 분석 세그먼트 나누기는 공식보다 기준이 먼저입니다.

재구매 주기로 분석 기간과 R 구간을 정하고,
점수는 더하지 말고 조합으로 읽고,
125개 조합은 액션이 갈리는 6~8개 그룹으로 묶어야 합니다.

그리고 나눈 뒤에는 고객 비중과 매출 비중을 나란히 놓고 어디부터 손댈지를 정해야 합니다.
대부분의 경우 정답은 인원이 가장 많은 휴면 고객이 아니라, 매출 비중이 큰데 떠나고 있는 소수 그룹입니다.

처음부터 완벽하게 나눌 필요는 없습니다.
최근 12개월 주문 데이터로 R·F·M 세 칸을 채우는 것부터 시작해 보세요.
그룹별 매출 비중표 한 장만 있어도 다음 달 CRM과 광고 예산을 어디에 쓸지가 분명해집니다.