답변
멤버십·로열티 프로그램의 효과가 늘었다고 해도, 그게 이 프로그램 때문인지 원래도 늘었을 자연 증가인지 구분하지 않으면 다음 분기 예산 근거로 쓸 수 없습니다. 효과가 진짜 그 프로그램 때문인지 원래도 일어났을 자연 증가인지 구분하려면 상관관계가 아니라 증분 효과(incrementality)로 검증해야 한다. 가장 흔한 방법은 무작위로 나눈 홀드아웃(대조군)에는 프로그램을 노출하지 않고 노출군과의 매출·재구매율 차이를 비교하는 방식이고, 전국 단위로 끄기 어려운 경우는 일부 지역만 켜서 비교하는 지역 실험(geo-lift test)을 쓴다. 단순히 시행 전후 숫자를 비교하는 사전사후 비교는 계절성·다른 캠페인 영향이 섞여 증분 효과를 과대평가하기 쉬우므로 단독 근거로 쓰지 않는 것이 안전하다. RFM 분석은 최근성(Recency, 마지막 구매가 얼마나 최근인지)·빈도(Frequency, 특정 기간 구매 횟수)·금액(Monetary, 누적 구매 금액) 세 축으로 고객을 점수화해 세그먼트를 나누는 방법이다. 멤버십 성과를 매출 총액 하나로만 보지 않고 이 세 축으로 쪼개보면, 매출은 늘었는데 실제로는 소수 VIP의 금액만 커진 것인지 진짜 활성 고객 저변이 넓어진 것인지 구분할 수 있다. 구독·멤버십처럼 가입·해지가 명확한 프로그램은 해지를 이탈로 정의하면 되지만, 등급제·포인트제처럼 해지 개념이 불분명한 프로그램은 일정 비활동 기간(예: 최근 N개월 무구매·무접속)을 이탈 판정 기준으로 미리 정해둬야 활성회원율을 일관되게 계산할 수 있다. 테스트에 쓸 예산·기간이 빠듯하다면 완벽한 홀드아웃 대신 지역 단위로라도 대조군을 남겨두시는 걸 권합니다 — 아예 증분 검증 없이 전수 노출로 진행하면 다음 분기 예산 방어 자체가 어려워집니다.