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..

여러 테이블 JOIN- SQL에서 두 개 이상의 테이블을 JOIN할 때는 테이블 간의 관계를 명확히 이해하는 것이 중요합니다.- 여러 테이블을 JOIN하는 과정은 직관과 명확한 연결 방식이 필요합니다. 여러 테이블 JOIN의 단계여러 테이블을 JOIN할 때는 단계적으로 접근하는 것이 좋습니다:첫 번째 단계: 두 개의 테이블을 기본적으로 JOIN합니다.두 번째 단계: 첫 번째 JOIN의 결과를 다른 테이블과 다시 JOIN합니다.세 번째 단계 이후: 동일한 방식으로 추가적인 테이블을 계속 JOIN합니다.이 과정에서 각 테이블의 공통 열을 기준으로 JOIN 조건을 설정해야 하며, JOIN 방식은 INNER JOIN, LEFT JOIN, RIGHT JOIN 등 상황에 맞게 선택할 수 있습니다./* 3개의 테이블..

연결(Concatenation):pd.concat() 함수를 사용하여 데이터프레임을 수직 또는 수평으로 연결합니다.이 방법은 인덱스나 열이 동일한 데이터프레임을 연결할 때 유용합니다.# 데이터 만들기data_one = {'A': ['A0', 'A1', 'A2', 'A3'],'B': ['B0', 'B1', 'B2', 'B3']}data_two = {'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']}# 데이터프레임으로 변환one = pd.DataFrame(data_one)two = pd.DataFrame(data_two) # concat을 사용하여 데이터 프레임 합치기, axis=0 행을 기준으로 합치기axis0 = pd.concat([one,two..

RIGHT JOIN- 오른쪽 테이블의 모든 레코드를 포함하며, 왼쪽 테이블에서 일치하는 레코드가 있으면 이를 결합합니다.- 실제로 RIGHT JOIN은 LEFT JOIN과 테이블 순서만 바꿔서 사용할 수 있습니다. 결과는 동일하지만, 조인 방향이 반대가 됩니다SELECT d.dept_no, m.emp_no, d.dept_nameFROM dept_manager_dup m RIGHT JOIN departments_dup d ON m.dept_no = d.dept_noORDER BY dept_no;SQL 조인 구문: 새로운 방식과 오래된 방식오래된 조인 구문에서는 WHERE 절을 사용하여 테이블을 결합합니다SELECT t1.column_name, t2.column_nameFROM..

INNER JOIN- INNER JOIN은 두 테이블 간의 공통된 값을 가진 레코드만을 결합하여 결과로 반환합니다.- 이 조인 방식에서는 두 테이블에 모두 존재하는 레코드만 결과에 포함되며, 어느 한 테이블에만 존재하는 값은 결과에 포함되지 않습니다 - 벤 다이어그램을 생각 하면 교집합과 같다 보시면 될 거 같습니다./*dept_manager_dup와 departments_dup 에서의 dept_no가 설정된 관리자 데이터를 추출하는 쿼리입니다.예를 들어 departments_dup에서 dept_no ='d002'가 없고 dept_manager_dup에는 있다면 해당 데이터는 추출하지 안습니다.*/SELECT m.dept_no, m.emp_no, d.dept_nameFROM dept_mana..

Pandas에서 자주 사용하는 메서드 및 함수 소개 - 2replacereplace 메서드는 값들을 다른 값으로 빠르게 대체할 수 있는 방법입니다.이 메서드를 사용하면 데이터프레임이나 시리즈 내의 특정 값을 원하는 값으로 일괄적으로 바꿀 수 있습니다. # to_replace가 바꿀 값을 입력# value가 어떤 것으로 바꿀지 입력하는 것df['Tip Quality'].replace(to_replace='Other',value='Ok')unique- unique 메서드는 해당 DataFrame의 컬럼명의 값들의 고유값 가져옵니다.즉, 중복을 없앤 값들을 가져오는 방법입니다.df['size'].unique()# 결과 : array([2, 3, 4, 1, 6, 5], dtype=int64)# 고유값 개수를 세..

Pandas에서 자주 사용하는 메서드 및 함수 소개소개할 매서드와 함수는 데이터 처리 및 분석 과정에서 매우 유용하며, Pandas 문서를 통해 더 많은 기능들을 탐색할 수 있습니다. The .apply() method- 이 메서드를 사용하면 데이터프레임의 열(column)에 사용자 정의 함수를 적용하고, 해당 함수를 열 전체에 브로드캐스트(적용)할 수 있습니다.# 숫자에서 마지막 4개의 숫자만 가져온다.def last_four(num): return str(num)[-4:] df['last_four'] = df['CC Number'].apply(last_four) df['last_four']- 이와 같이 모든 열의 값들이 사용자 정의 함수들을 적용한 결과로 바뀌게 되었습니다. apply()..

Condition - 조건- DataFrame에 조건을 추가하여 해당 조건에 부합하는 DataFrame을 출력하는 것들을 보여드리겠습니다.- 이제 보여줄 코드들은 매우 쉬운 코드들로 연산자를 사용하여 필터링 한다 보면 될 거 같습니다.# total_bill의 값이 30보다 큰 값들의 데이터 프레임을 가져온다.bool_series = df['total_bill'] > 30df[bool_series]# 위의 코드와 같은 것이지만 아래 방법으로도 사용 가능하다.df[df['total_bill']>30]- 위의 그림과 같이 total_bill을 확인하면 30보다 큰 값들을 가져온 것을 확인 할 수 있습니다. # 숫자만 가능한 것이 아닌 파이썬에서 사용하는 방식 그대로 문자열 또한 가능하다.df[df['sex']..