사용자들이 우리 서비스의 핵심 기능을 잘 사용하는가?!활성화(Activation)활성화는 고객 유치를 통해 데려온 사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것이 중요합니다. 활성화 단계의 핵심은 퍼널(Funnel)에 대한 분석입니다.퍼널 분석 이란??사용자들이 서비스에 진입하고 나서 최종적인 핵심 기능을 사용하기까지의 여정을 도표로 나타내면 점점 그 숫자가 줄어드는게 일반적입니다. 그 모습이 아래 이미지와 같이 깔대기와 비슷하다하여 퍼널이란 용어를 사용합니다.퍼널 분석은 사용자들이 경험하는 단계를 도식화하고 각 단계의 전환율을 측정, 분석하는 과정으로 진행됩니다.즉, 퍼널 분석을 통해 사용자가 어디서 이탈하는지 진행률이 어느 정도인지 확인할 수 있으며, 단계별 전환 또한 확인 할 수 있습니다...

경로 유입모바일 앱 어트리뷰션(Attribution)모바일 앱은 링크를 클릭한 후 앱스토어로 이동한 다음 앱을 설치한고 실행하는 과정이 필요한데, 앱스토어로 이동하는 과정을 거치면서 URL에 지정된 UTM 파라미터가 유실되기 때문에 다른 방법을 사용해야 합니다.그래서 사용하는 것이 어트리뷰션입니다. 어트리뷰션은 사용자가 앱을 설치하고 사용하는데 어떤 채널이 기여했는지를 식별함으로써 모바일 앱의 마케팅 성과를 판단하는 과정입니다.  어트리뷰션 윈도우기여 이벤트 : 앱을 설치하게 하는데 영향을 미친 이벤트를 말합니다.기여 이벤트가 발생한 이후 얼마만큼의 기간 동안 발생한 전환에 대해 어트리뷰션을 인정할 것인가를 의미하는 용어로서 룩백 윈도우라고도 합니다.예를 들어 광고를 클릭하고 앱 스토어로 가서 앱을 설치..

고객 유치(Acquisition)- 고객 유치는 사용자를 우리 서비스로 데려오는 것과 관련된 활동을 의미합니다.- 고객 유치 과정의 핵심은 고객 유치에 기여한 채널의 성과를 판단할 수 있는 모델을 만드는 것입니다. 고객 유치에 기여한 채널이란?- 직접 서비스를 서치해서 들어온 고객(Organic)- 비용을 집행한 마케팅 활동을 통해 우리 서비스를 찾아온 고객(Paid) 채널이란 고객들이 어떻게 서비스로 들어온 것인지를 의미합니다. 그럼 이를 통해 어떤 채널을 통해 들어온 사용자들이 꾸준히 남아서 활동하는지, 결제로 전환되는 비율이 얼마나 되는지 등을 바탕으로 각 채널의 가치를 정확히 판단할 수 있어야 이를 기반으로 전체적인 전략을 수립하거나 예산을 분배 할 수 있습니다.고객 획득 비용(Customer A..

회사가 성장하려면 핵심 지표를 찾고, 그 지표를 성장시키는 방법을 찾아야 합니다. 그럼 서비스의 지표를 어떤 식으로 측정하고 관리할 수 있을까?1. 과업 기반(Task-based)의 지표 관리- 각 조직별로 담당하는 업무를 우선 정의한 후 해당 업무를 통해 발생하는 수치들을 지표화해서 관리하는 것을 의미합니다.-  예를 들어 마케팅팀이 하는 업무, 운영팀이 하는 업무, 개발팀이 하는 업무, 사업팀이 하는 업무들 처럼 팀별로 담당하는 과업에 따라 지표를 선별하고 모니터링하는 방식으로 지표를 관리합니다. - 하지만, 이러한 과업 기반의 지표 관리의 문제점이 있습니다. 전체적으로 서비스 관점에서 무엇이 중요한 지표인지 판단하기가 어렵다는 점입니다.- 위의 내용 처럼 전체적인 관점에서 판단하기 어려우며 각 부서..

🔊Process03RFM 활용 서비스 이용 수준 측정 3.1 Scailing Data# ▶ Min max scale = 최대값을 1, 최소값을 0으로 표준화하는 기법from sklearn.preprocessing import minmax_scale# ▶ 최근성은 숫자가 작을수록, 즉 최근 구매일이 얼마 지나지 않은 고객이 더 점수가 높음 그래서 1을 빼주었음.rfm['Recency'] = minmax_scale(rfm['Recency'], axis=0, copy=True)rfm['Recency'] = 1-rfm['Recency']rfm['Frequency'] = minmax_scale(rfm['Frequency'], axis=0, copy=True)rfm['Monetary'] = minmax_scale..

RFM 분석하는 이유는?고객별 RFM 3가지 지표들을 통해서 고객 점수 부여 및 등급화에 따른 서비스 등급을 부여합니다. 그리고 월마다 중요한 그룹에 대한 비중이 떨어지고 있는지 올라가고 있는지 확인 하는 것이 RFM 분석입니다.즉, RFM 분석을 하게 되면 어떤 그룹에 타겟팅하여 마케팅할 지 정할 수 있게 됩니다.1. 문제 정의런칭 이후 서비스 정체기로 인한 영업이익, 사용 고객 수 감소2. 해결방안구매 데이터 활용 서비스 이용 현황 파악(지표 기획)3. 기대 효과정체 원인 파악 및 대응책 수립 및 실행을 통한 영업이익, 사용 고객 수 증가🔈Process011. Data 전처리1.1 Null값 확인# ▶ Null 값 확인print(df.isnull().sum())코드 결과를 보니 두 개의 컬럼 값에서..

1. Feature 생성기존 Feature 3개(user_id, product_id, reordered)에 더해 총 20개의 Feature를 새로 만든 후 해당 Feature들을 활용하여 재구매 예측 모델을 만들어 보았습니다.uxp_times_bought : user_id 와 product_id를 기준으로 사용자가 해당 제품을 몇 번 주문했는지 나타냅니다.uxp_reorder_ratio : 사용자가 특정 제품을 처음 구매한 이후 해당 제품을 얼마나 자주 재구매 했는지 계산한 비율입니다.uxp_last_five : 최근 5회 주문에서 사용자별 특정 제품의 구매 횟수입니다. uxp_ratio_last_five : 최근 5회 주문 중 제품 구매 비율(uxp_ratio_last_five)을 계산하여 해당 제품..

1. RFM이란?Recency : 고객별로 얼마나 최근에 구매했는지Frequency : 고객별로 얼마나 자주 구매했는지Montary : 고객별로 얼마나 많은 금액을 지출했는지위의 3가지 조건을 합쳐서 RFM이라 하며, 고객의 분포를 확인하여 그룹(등급)을 나누어 분류하는 기법입니다. 저희는 위의 3가지 조건에 맞는 값들을 찾아내고 계산하여 등급을 나누어 주었습니다.하지만 저희는 Montary를 계산 하기 위한 가격이 존재하지 않았습니다. 그래서 저희는 고객이 주문한 전체 상품 수로 대체하여 계산해주었습니다.2. KMeans를 사용하여 점수 기반으로 등급 나누기우선 KMeans를 몇 개로 나눌 것인지에 대해 실루엣 계수를 사용하여 최적의 클러스터 수를 선택해보았습니다.그 결과, 4개로 나누는 것이 제일 높..

1. 프로젝트 시작...팀원들과 프로젝트 주제 설정을 하기로 하여 각각 팀원들의 관심 분야를 알아보게 되었습니다.그래서 공통적인 관심분야는 이커머스로 확인되어 이커머스 관련 프로젝트를 해보게 되었습니다. 그래서 저희는 캐글에 올라온 Instacart 장바구니 분석 데이터셋을 이용하여 재구매 여부 판단하는 프로젝트를 하기로 주제를 잡았습니다. 그리고 해당 데이터 셋에서는 가격에 대한 데이터가 따로 없어서 고객생애가치 확인 해보려 하였으나 하지 못하였습니다.하지만, 해당 데이터 셋을 통해 고객 등급을 RFM을 통해 나누는 작업을 해보자는 의견이 나왔었습니다. 머신러닝 모델은 RFM을 통해 고객 등급을 나눌 때 KMeans를 사용하여 등급을 분류하는 것이였고 두 번째로 재구매 예측을 위해 XGBoost나 Cl..

해당 문제는 HackerRank에서 사용한 문제이며 모든 테이블의 자료와 출처는 Hackerank임을 밝힙니다.해당 글에서는 서브쿼리를 사용하여 푸는 문제로 난이도가 매우 낮은 문제입니다.해당 문제 원본을 확인 하시려면 해당 사이트를 들어가시면 될 것 같습니다. 시작하겠습니다Query the Western Longitude (LONG_W) for the largest Northern Latitude (LAT_N) in STATION that is less than 137.2345. Round your answer to 4 decimal places.STATION 테이블에서 북위(LAT_N)가 137.2345보다 작은 값 중 가장 큰 북위(LAT_N)에 해당하는 서경(LONG_W)을 조회하세요. 결과는 소..