{
  "id": "6d8a9ed4-140a-4d97-b502-a955d38068c9",
  "slug": "case/blog-cohort-selling-point-ltv",
  "doc_type": "case",
  "title": "신규/기존 고객 코호트 분석으로 셀링 포인트 발굴 — LTV 향상",
  "title_en": null,
  "one_liner": "신규 고객과 기존 고객의 선호 제품군 차이, 주문 회차별 구매 패턴 변화를 분석해 고객 유형별 맞춤 전략을 도출한 사례.",
  "summary_bullets": [
    "신규 고객과 기존 고객을 같은 잣대로 분석하면 각 그룹에 실제로 통하는 셀링 포인트를 놓치기 쉽다",
    "전체 주문 데이터를 집계로만 보지 않고 단일 주문 vs. 반복 주문으로 나눠야 회차별 변화 패턴이 드러난다",
    "고객의 선호는 정적이지 않고 구매 이력(주문 회차)에 따라 이동하므로, 추천 전략도 회차 구간별로 달라져야 한다",
    "카테고리별 선호 비중 같은 단순 지표라도 고객 유형을 나눠 비교하면 바로 실행 가능한 마케팅 인사이트로 이어진다"
  ],
  "body_md": "## 무엇이 문제였나\n신규 고객과 기존 고객 모두 구매율·재구매율이 하락하는 추세였다. 고객 유형을 하나로 묶어 접근해서는 각 그룹에 맞는 유지 전략을 세우기 어려웠다.\n\n## 과제\n신규 고객을 유인할 전략과 기존 고객의 충성도를 높일 전략을 각각 도출하려면, 두 그룹의 구매 행동 차이와 주문 회차에 따른 변화 요인을 먼저 규명해야 했다.\n\n## 접근\n- 신규 고객과 기존 고객을 구분해 각 그룹이 주로 구매하는 제품 카테고리와 비중을 비교 분석\n- 단일 주문과 반복 주문을 분리해, 전체 주문을 뭉뚱그려 집계했을 때는 보이지 않는 패턴을 확인\n- 주문 회차가 늘어날수록 선호 제품과 구매 의사결정 요인이 어떻게 바뀌는지 추적\n\n## 구축 내용\n- 신규 고객은 B 카테고리 제품 선호도가 61%로 나타난 반면, 기존 고객은 A 카테고리 제품 선호도가 54%로 뚜렷하게 갈려, 고객 유형별로 다른 제품 추천 전략을 설계\n- 주문 회차별로 셀링 포인트가 달라지는 지점을 발굴해, 회차 구간에 맞춘 제안 로직을 수립\n\n## 이 사례에서 배울 수 있는 것\n- 신규 고객과 기존 고객을 같은 잣대로 분석하면 각 그룹에 실제로 통하는 셀링 포인트를 놓치기 쉽다\n- 전체 주문 데이터를 집계로만 보지 않고 단일 주문 vs. 반복 주문으로 나눠야 회차별 변화 패턴이 드러난다\n- 고객의 선호는 정적이지 않고 구매 이력(주문 회차)에 따라 이동하므로, 추천 전략도 회차 구간별로 달라져야 한다\n- 카테고리별 선호 비중 같은 단순 지표라도 고객 유형을 나눠 비교하면 바로 실행 가능한 마케팅 인사이트로 이어진다",
  "related_slugs": [],
  "faq": [
    {
      "a": "신규 고객과 기존 고객의 선호 제품군 차이, 주문 회차별 구매 패턴 변화를 분석해 고객 유형별 맞춤 전략을 도출한 사례.",
      "q": "신규/기존 고객 코호트 분석으로 셀링 포인트 발굴 — LTV 향상"
    }
  ],
  "jsonld": null,
  "keywords": [
    "이커머스",
    "blog-case"
  ],
  "source_id": "https://blog.bizspring.co.kr/%ed%99%9c%ec%9a%a9-%eb%b0%a9%eb%b2%95-%ec%82%ac%eb%a1%80/success-cases/e-commerce/%ec%bd%94%ed%98%b8%ed%8a%b8%eb%b3%84-%ec%85%80%eb%a7%81-%ed%8f%ac%ec%9d%b8%ed%8a%b8-%eb%b0%9c%ea%b5%b4%ec%9d%84-%ed%86%b5%ed%95%9c-ltv-%ed%96%a5%ec%83%81/",
  "video_url": null,
  "duration_sec": null,
  "thumbnail_url": null,
  "image_url": null,
  "caption": null,
  "solution_slug": null,
  "captured_at": null,
  "width": null,
  "height": null,
  "created_at": "2026-08-23T15:08:48.7497+00:00",
  "updated_at": "2026-08-23T15:08:48.7497+00:00",
  "visibility": "public",
  "source_stage": "1",
  "anonymized": true,
  "source_key": "web-cases",
  "origin": "ingest",
  "locked": false,
  "locked_by": null,
  "locked_at": null,
  "gate_state": {
    "g1": {
      "hits": [],
      "pass": true
    },
    "g2": {
      "pass": true,
      "total": 55,
      "issues": [
        "숫자·규격 같은 검증 가능한 구체가 부족합니다",
        "Q&A 쌍이 3개 미만입니다"
      ],
      "applies": true
    },
    "g3": {
      "pass": true,
      "required": false
    },
    "stage": "1",
    "decided_at": "2026-08-23T13:13:07.689Z"
  },
  "raw_id": null,
  "search_text": "신규/기존 고객 코호트 분석으로 셀링 포인트 발굴 — LTV 향상  신규 고객과 기존 고객의 선호 제품군 차이, 주문 회차별 구매 패턴 변화를 분석해 고객 유형별 맞춤 전략을 도출한 사례. 이커머스 blog-case ## 무엇이 문제였나\n신규 고객과 기존 고객 모두 구매율·재구매율이 하락하는 추세였다. 고객 유형을 하나로 묶어 접근해서는 각 그룹에 맞는 유지 전략을 세우기 어려웠다.\n\n## 과제\n신규 고객을 유인할 전략과 기존 고객의 충성도를 높일 전략을 각각 도출하려면, 두 그룹의 구매 행동 차이와 주문 회차에 따른 변화 요인을 먼저 규명해야 했다.\n\n## 접근\n- 신규 고객과 기존 고객을 구분해 각 그룹이 주로 구매하는 제품 카테고리와 비중을 비교 분석\n- 단일 주문과 반복 주문을 분리해, 전체 주문을 뭉뚱그려 집계했을 때는 보이지 않는 패턴을 확인\n- 주문 회차가 늘어날수록 선호 제품과 구매 의사결정 요인이 어떻게 바뀌는지 추적\n\n## 구축 내용\n- 신규 고객은 B 카테고리 제품 선호도가 61%로 나타난 반면, 기존 고객은 A 카테고리 제품 선호도가 54%로 뚜렷하게 갈려, 고객 유형별로 다른 제품 추천 전략을 설계\n- 주문 회차별로 셀링 포인트가 달라지는 지점을 발굴해, 회차 구간에 맞춘 제안 로직을 수립\n\n## 이 사례에서 배울 수 있는 것\n- 신규 고객과 기존 고객을 같은 잣대로 분석하면 각 그룹에 실제로 통하는 셀링 포인트를 놓치기 쉽다\n- 전체 주문 데이터를 집계로만 보지 않고 단일 주문 vs. 반복 주문으로 나눠야 회차별 변화 패턴이 드러난다\n- 고객의 선호는 정적이지 않고 구매 이력(주문 회차)에 따라 이동하므로, 추천 전략도 회차 구간별로 달라져야 한다\n- 카테고리별 선호 비중 같은 단순 지표라도 고객 유형을 나눠 비교하면 바로 실행 가능한 마케팅 인사이트로 이어진다",
  "embedding": null,
  "embedded_at": null,
  "embedding_hash": null,
  "backlinks": [],
  "html_url": "https://bizspring.ai/kb/case/blog-cohort-selling-point-ltv",
  "markdown_url": "https://bizspring.ai/kb/case/blog-cohort-selling-point-ltv.md"
}