보유기간 구조상의 동적 고객관리 모델

국문 초록 (Abstract)

최근, 마케팅분야에서는 서비스업과 고객관계 라는 키워드를 중심으로 많은 발전을 거듭해 왔다. 특히, 어떤 서비스업종의 서비스를 향유하고 있는 고객의 이탈을 방지하고 충성도를 유지 또는 향상시켜 재구매로 연결시키는 구조를 계량적으로 분석 및 구축한 여러 수리모델들은 기업의 수익구조를 견고하게 유지하는 전략에 많은 공헌을 하고 있다. 이러한 모델링 활동들은 또한 고객들의 이탈확률들을 예측하므로써 미래의 고객집단규모를 추정하고 고객의 생애가치를 추산할 수 있어 결국 고객집단의 자산적 가치라든가 기업의 가치를 측정하는 하나의 수단으로서 자리를 잡아가고 있다. 본 연구는 내구소비재 시장의 환경변화에 주목한다. 즉, 미래산업을 주도할 소수의 하이테크 내구소비재를 제외하고 대부분의 내구소비재는 성장속도가 둔화되고 있음은 물론 이미 성숙시장단계에 들어가 있는 카테고리들도 적지 않다. 그러므로, 일련의 내구소비재 기업들은 전략의 전환점을 맞이하고 있다고 본다. 시장개척과 확장을 통한 신규고객의 창출전략이 아니라, 기존 고객의 유지와 교체구매시 이탈을 방지하여 수요창출로 유도하는 전략의 중요성이 부각되고 있다는 것이다. 물론 그간 내구소비재의 기업이 고객관리를 해오지 않은 것은 아니지만, 시장전체 수준의 데이터와 고객에 대한 추적데이터가 충분히 못했던 이유가 세련된 수리모델의 발전에 장애가 되어 왔다. 본 연구는 내구소비재 시장의 고객집단을 동태적으로 관리할 수 있는 수리모델을 제안한다. 특히, 고객들의 내구소비재 교체행동으로 유발되는 수요창출의 중요성을 인식한 후, 개인수준에서 출발한 고객행동의 동태성이 고객집단 전체의 성장에 미치는 영향을 고객의 내구소비재 보유기간의 구조로 분석하는 모델을 제안한다. 왜냐하면, 고객집단을 관리하는 마켓터의 입장을 고려하자면, 우선 그는 고객집단을 어떤 기준을 중심으로 나눈 후 우량고객이나 우량고객집단을 파악하고, 교체구매시 이탈을 방지하여 전체 고객집단이 유지되거나 성장하도록 노력할 것이기 때문이다. 그러므로, 본 연구는 첫째, 전체 고객집단이 성장할 것인가 하는 의문, 둘째, 전체 고객집단이 안정상태에 이르렀을 때에 고객의 분포는 어떤 형태를 띨것인가 하는 의문, 셋째 어떤 고객집단이 전체 고객집단의 성장에 공헌을 하고 있는지에 대한 의문에 대답하는 것을 목적으로 둔다. 본 연구는 내구소비재의 전체 고객집단을 분류하는 기준으로 보유기간을 선정하여 고객코호트로 나누고, 각 고객코호트의 동태적 특성을 생존율, 이탈율, 교체율로 분석하여 전체 고객집단에 공헌하는 정도를 계량적으로 파악하는 수리모델을 제안한다. 이러한 발상은 CLV나 CRM에 관한 종래의 연구와는 달리 수리생태학 분야에서 많은 유사점을 발견하게 되었다. 그래서, 본 연구는 수리생태학 분야의 모집단 행렬 모델들을 참고로 하여 내구 소비재 분야의 고객집단 연구에 재정립하는 일종의 학제간 연구의 성격을 띤다. 본 연구가 제안하는 수리모델은 내구소비재시장의 고객집단의 동태적 특성을 내구소비재의 보유기간과 교체구매수요의 관계로 정립하여 고객집단을 보유기간에 따른 단계별 구조로 파악하여 코호트를 구성한다. 그리고, 각 코호트의 동태적 특성을 생존율, 교체율을 이용하여 고객집단 행렬로 표현한다. 또한, 각 고객코호트의 전체 고객집단에 미치는 공헌도를 민감도와 탄력성으로 이용하여 분석하는 수리모델을 제안한다. 본 연구가 제안한 수리모델의 타당성과 유용성을 검증하기 위해서는 어느 기업의 전체고객집단에 대한 추적조사에 의한 데이터가 필요하게 된다. 하지만, 현실적으로 그러한 데이터를 입수하기는 쉽지 않다. 그래서, 본 연구의 형태는 고객집단에 대한 결과데이터로부터 제안모델에 내포된 각종 파라미터들을 추정하는 형태의 연구는 아니다. 그러므로, 본 연구는 수치실험을 통해 제안 모델의 타당성과 유용성을 검증해 보기로 하였다. 수치실험을 현실화하기 위해서 모델에 내포된 각종 파라미터 수준을 이해하기 쉽게 설계한다. 즉, 고객분포는 100 이라는 수치를 기준으로 설정하였으며, 교체율은 bath tub 곡선을, 생존율은 역 bath tub 곡선을 취하도록 설정하여 전형적인 형태를 취하도록 설계하였다. 그리고, 기업이 보유한 고객집단의 분포형태는 시장상황과 카테고리별로 다양하므로 대표적 유형의 시나리오를 구성하여 시뮬레이션을 시행한다. 즉, 각 코호트가 균등분포, 증가추세 분포 및 감소추세 분포의 3가지 시나리오로 진행되어 얻은 결과로 미래상황을 예측하게 된다. 수치실험과 시뮬레이션을 통해 얻은 연구결과는 첫째, 고객집단은 교체율과 생존율을 관리하므로써 전체 고객집단의 성장률을 관리할 수 있다는 것이다. 둘째, 초기의 고객집단의 분포의 유형과 크기가 안정상태에 이르렀을 때의 고객집단의 크기에 영향을 미친다는 것을 알수 있다. 즉, 초기 고객집단분포에서 조기단계의 코호트의 크기가 크면 클수록 안정상태의 고객집단의 전체크기가 커진다. 셋째, 전체 고객집단의 성장에 가장 공헌도가 높은 코호트는 조기단계의 코호트이고, 공헌도의 크기를 분석해 보면 교체율과 생존율의 순서인데 2개의 코호트가 미치는 공헌도의 합계는 전체의 60%를 넘는 수준이다. 본 연구를 통하여 얻은 결론은 우선, 내구소비재 고객집단에 대한 동태적 관리는 보유기간 구조를 중심으로 코호트를 구성한 후 생존율과 교체율을 내포한 고객집단 행렬 모델에 의해 잘 구현될수 있다는 것이다. 그리고, 본연구에서 제안된 범용소프트웨어로 작성된 시뮬레이터는 다양한 시장환경의 변화와 파라미터의 변화에 대응할수 있도록 되어 있다. 또한, 시간의 경과에 따르는 각 코호트의 변화상태를 관찰할 수 있으며, 안정상태에 이르렀을 때의 결과를 예측할 수 있도록 되어 있다. 더욱이, 각 코호트가 전체 고객집단의 성장률에 미치는 공헌도를 계량적으로 분석할수 있어 향후 고객집단 관리에 유용하게 활용될 수 있다고 본다.

다국어 초록 (Multilingual Abstract)

Most of researches on CRM (Customer Relationship Management) and CLV (Customer Lifetime Value) have been done by service providing companies especially in subscription service industry. And their topics of researches on CRM and CLV are concentrated on retention, making their customers heavy users, and leading their cash flows into good conditions when their markets go into saturation stage. What about the management of customers in consumer-durables market? The basic concepts and strategies of CRM in service market may be the same as those of CRM in consumer-durables market. But, some characteristics of consumer-durables market make it difficult for marketers to apply the present CRM models of services market to customer population management of consumer-durables market. Consumer-durables have long product-life-cycles relative to contract-periods of subscription services. Revenues of service providers depend on contract, and cash flows resulted from service usages during contract period without churning. Revenues of consumer-durables are composed of sales of products, repairs or maintenances, and replacements without switching to the other makers. And it is true that the difficulties of data acquisition of consumer-durables market hinder the development of aggregate-level and disaggregate-level models of customer population management in consumer-durables market. Our study proposes a mathematical model that can analyze the dynamics of customer population at cohort level in consumer-durables market. The dynamics of customer population include the rate of customer population increase, the customer population distribution at stable state, the distribution of replacement rates, and the sensitivity analysis and elasticity analysis of the population matrix. We adopt the concept of well-known population matrix models in ecology, redefine the terminologies for replacement behavior of consumer durables, propose a matrix model for customer population management, and test its validity and reliability by simulating it under the typical conditions of numerical experiments. Let`s think about customers as a population or a cohort; a cohort is the set of all individuals born, hatched, or recruited into population during a defined time interval. And we can classify the population of customers into several stages by duration time; how long they have their consumer durables in use. Once a transition matrix has been estimated from trade-in data, the basic information of interest to the marketer are the rate of customer population increase (the dominant eigenvalue, λ), the stable state customer population distribution (the right eigenvector), and the distribution of replacement rates (the left eigenvector). But, although these figures may be of interest in and of themselves, the dynamics they might change is often of interest also. Marketers may want to know how the dominant eigenvalue changes in response to a management decision; the timing of new product launch or the allocation of promotion budget to some stages of population. The goal is to understand the effect of marketing management decision on the rate of population growth. Thus, we propose sensitivity analysis and elasticity analysis of the matrix. It is hard to acquire the trade-in data of customers` replacement behaviors in consumer durables. So, we instead design numerical experiments and simulations that test our proposed model. Through the numerical experiments and simulations, we estimate and analyze some figures including eigenvalue, eigenvectors, sensitivities, and elasticities. These figures will allude us something strategic and intrinsic information on customer management that the previous researches of customers-CRM, and retention rate or churn probability of customers-cannot provide us with. We find some marketing implications from the simulation. First, customer population management is very important to both the retaining of customer population and the increase/decrease of

참고문헌 (Reference)

• 1 Gupta, S., "Valuing Customers" 41 (41): 7-18, 2004
• 2 Schweidel, David A., "Understanding Service Retention Within and Across Cohorts Using Limited Information" 72 : 82-94, 2008
• 3 Tuljapurkar, S., "Structured-Population Models in Marine, Terrestrial, and Freshwater Systems" Chapman & Hall 1997
• 4 Donovan, T. M., "Spreadsheet Exercises in Ecology and Evolution" Sinauer Associates, Inc 2002
• 5 Vandermeer, J. H., "Population Ecology-First Principles" Princeton University Press 2003
• 6 Rust, R. T., "Measuring Marketing Productivity: Current Knowledge and Future Directions" 68 : 76-89, 2004
• 7 Caswell, H., "Matrix Population Models. in: Construction, Analysis, and Interpretation" Sinauer Associates, Inc 2001
• 8 Rust, Robert H., "Marketing Models of Service and Relationships" 25 (25): 560-580, 2006
• 9 Fader, Peter S., "How to Project Customer Retention" 21 (21): 76-90, 2007
• 10 Caswell, H., "Evaluation of the Consequences of Reproduction in Complex Salmonid Life Cycles" 43 : 123-143, 1984
• 11 Berger, Paul D., "Customer Lifetime Value: Marketing Models and Applications" 12 (12): 17-30, 1998
• 12 Borle, Sharad, "Customer Lifetime Value Measurement" 54 (54): 100-112, 2008
• 13 Schmittlein, D. C., "Counting Your Customers : Who They Are and What Will They Do Next?" 33 (33): 1-24, 1987
• 14 Keyfitz, N., "Applied Mathematical Demography" Springer 2005