Latent Class Analysis

한층 더 합리적인 시장세분화 기법으로 LCA가 관심을 모으고 있다.  LCA는 세분화시 마케터의 주관적 판단을 최대한 배제할 수 있고, 소비행동의 다양한 측면을 반영할 수 있는 것 등의 장점이 있다.  ◆ Market Segmentation의 요건과 기준변수= 시장세분화(Market Segmentation)란 시장을 일정한 기준에 따라 몇 개의 동질적 소비자 집단으로 나누는 것을 의미한다.  이상적 시장세분화는 나눠진 시장 하나하나에 최대한 동질적인 소비자들을 포함하고 있는 것이며, 각 세분시장은 최대한 이질적으로 된 상태라 할 수 있다.  즉 시장세분화의 궁극적 목적은 선택된 세분시장내에 있는 동질적 소비자들에게 맞는 차별적인 마케팅믹스전략을 개발하는데 있다.  전문가들은 세분시장이 그 기능을 제대로 발휘하려면 △측정가능성(Measurable) △시장성(Substantial) △접근가능성(Accessible)을 갖춰야 한다고 말한다.  측정가능성이란 세분시장의 크기와 구매력을 측정할 수 있어야 하는 것이며, 시장성은 세분시장이 이익을 실현할 수 있는 만큼 규모가 돼야한다는 것이다.  접근가능성은 세분시장별로 소비자들에게 접근할 수 있는 수단이 있어야 함을 의미한다.  또한 세분화에 사용되는 변수 가운데 어떤 변수가 세분화에 적합한가는 경우에 따라 다르지만, 지리(Geographic)·인구(Demographic)·심리(Psychographic)·행동(Behavioral)의 변수가 주로 활용된다. 소비자의 정보처리과정이나 구매의사결정과 관련한 항목들도 시장세분화의 유용한 변수가 된다.  전문가들은 최적의 시장세분화를 위한 변수가 되기 위해서는 △소비자들의 행동과 관련성이 있어야 하며 △측정할 수 있고 쉽게 관찰할 수 있어야 하며 △나눠진 세분시장에 따로따로 접근할 수 있어야 함을 강조한다.  이는 시장세분화 이후 실제 시장에서 얼마나 활용할 수 있을지와 직결된 문제이기 때문이다.  최적의 변수 조건을 충분히 고려하지 않고 시장세분화를 실시해, 그 활용에 있어 무용지물이 경우가 많다고 지적한다.  ◆ LCA의 특징= 이같은 시장세분화의 요건을 충족시키고 기준변수를 바람직하게 활용할 수 있는 방법으로 LCA(Latent Class Analysis)가 부상하고 있다.  ‘Latent Class’는 특정 준거내에서 동질성을 가정하는 ‘unobservable subgroup’을 의미한다.  LCA는 육안으로 보이는 한 변수의 분포는 우리가 인지하지 못하는 몇 개의 하위 분포로 구성돼 있다는 점에서 출발한다.  LCA에서 사용되는 확률밀도함수는 정규분포, 포아송, 이항분포, Binominal 등 각종 형태를 모두 가질 수 있다.  이로써 LCA는 변수의 여러 분포형태를 가정하고 있어 투입변수의 척도유형에 관계없이 분석이 가능하다.  기존의 세분화 방법이 한 변수의 분포를 동질적으로 가정하고 이 변수의 상하고저로 세분화를 실시하는 반면, LCA는 마케터의 주관적 판단에 따라 사전에 묶는 것이 아니라 별도의 평균과 분산을 가진 독특한 하위 분포들의 합으로 세분화를 해 집단이 묶인 후 그 성격을 확인하는 하후적 세분화의 성격을 띤다.  또한 한 소비자가 반드시 하나의 세분시장에 속한다는 가정에서 벗어나 여러 개의 세분시장에 속할 확률로 제시되므로, 소비행동의 다양한 측면을 반영한다는 장점이 있다.  LCA의 특징을 기존 요인분석과 군집분석에 의한 세분화와 비교하면, LCA는 통계적 검증이 가능하고 모든 척도가 가능하다는 장점이 있다.  이같이 LCA는 올바른 시장세분화를 위한 조건을 갖추고 있고, 실제 시장의 현상을 반영하는데 적합하다.

( jhshin@kmac.co.kr) 2006-02 원글: http://blog.naver.com/seanmun1917/140029942453