답변
먼저 두 지표가 원래 다른 걸 측정한다는 전제부터 짚어야 회귀분석 설계가 제대로 나옵니다. 순고객추천지수(NPS)는 '이 브랜드를 지인에게 추천할 의향이 얼마나 되나요'라는 단일 문항(0~10점)에 대해 추천자(9~10점) 비율에서 비추천자(0~6점) 비율을 뺀 값으로, 설문 응답이라는 '의도'를 측정합니다. 반면 재구매율은 실제 결제 데이터라는 '행동'을 측정하는 지표라서, 두 지표가 항상 같은 방향으로 움직인다는 보장은 없습니다 — 이 괴리 자체가 상관관계를 실증적으로 검증해야 하는 이유입니다. 회귀분석 설계는 이렇게 하면 됩니다. 개별 고객 단위로 ① 설문 응답 시점의 NPS 점수, ② 그 시점 이후 일정 기간(예: 90일) 내 재구매 발생 여부(이진 변수)를 짝지은 데이터셋을 구성해서, 재구매 여부가 이진 변수이므로 로지스틱 회귀를 돌리는 게 통계적으로 적합합니다. 이때 NPS 점수 하나만 독립변수로 넣지 말고, 구매 빈도·평균 객단가·최근 구매일(RFM 지표)을 통제변수로 함께 넣어야 NPS의 순수 설명력을 다른 요인과 분리해서 확인할 수 있습니다. NPS만 넣고 돌리면 사실은 원래 자주 사던 고객이 NPS도 높게 준 것뿐인지, NPS가 재구매를 실제로 예측하는지 구분이 안 됩니다. 전체 고객을 하나로 뭉쳐서 돌리면 업종·구매주기가 다른 고객군이 섞여 상관관계가 희석될 수 있으니, 구매 주기가 비슷한 세그먼트(월간 구독형 vs 비정기 구매형 등)별로 나눠 회귀분석을 각각 돌리고 그 결과를 비교하는 것이 리텐션 가치를 더 정확하게 증명하는 방식입니다. 세그먼트별로 NPS의 재구매 예측력이 다르게 나온다면, 그 자체가 '어떤 고객군에서 리텐션 마케팅이 실제로 작동하는지'를 보여주는 유용한 인사이트가 됩니다.