캠핑 예약 플랫폼의 고객 행동 데이터 기반 고객 세그멘테이션 전략: RFM 분석 모델과 K-Means 클러스터링 기법 비교를 기반으로

Abstract

본 연구는 국내 대표 캠핑장 예약 플랫폼인 ‘땡큐캠핑’의 실제 고객 데이터를 활용하여 전통적인 RFM 분석과 머신러닝 기반 K-means 클러스터링 기법을 비교 적용함으로써, 고객 세그멘테이션의 실무적 적용 가능성을 분석하였다. 연구 결과, RFM 분석 기반의 고객은 다섯 개의 유형으로, 그리고 K-means 클러스터링 기법 기반의 고객은 여덟 개의 유형으로 분류되었다. 각 군집은 예약 패턴, 후기 작성 여부, 유입 채널 등에서 차이를 보였다. RFM 기법은 고객 가치를 기준으로 한 단순한 분류를 가능하게 했고, K-means는 고객의 행동을 기반으로 한 세분화된 군집을 형성하였다. 이러한 분석을 바탕으로 각 고객군에 적합한 맞춤형 마케팅 전략을 제안하였다. 본 연구는 디지털 플랫폼 환경에서 고객 데이터를 효과적으로 활용할 수 있는 세분화 전략의 기초를 제공하고자 한다.

This study aims to analyze the practical applicability of customer segmentation by comparing traditional RFM analysis and machine learning-based K-means clustering, using actual customer data from Korea's leading camping reservation platform, 'ThankYouCamping'. Customers were divided into five distinct groups based on RFM analysis model and divided into eight distinct groups based on K-means clustering, showing differences in booking patterns, review behavior, and channel usage. While RFM enabled simple segmentation based on customer value, K-means offered more detailed clusters based on behavioral data. Based on these results, customized marketing strategies were proposed for each customer segment. This research offers a foundational segmentation strategy for effectively utilizing customer data in digital platform environments.