50

1. 사전지식: 사용자와 서비스 이해가설 혹은 지표를 설정하거나 축적된 데이터를 해석하는 등,모든 과정에서 담당자의 판단은 사용자와 서비스 도메인 지식 기반으로 이루어져야 한다.따라서 아래 항목들을 잘 정의해두는 것이 좋다.우리 서비스는 어떤 카테고리에 속해있고, 경쟁자는 누구인가?그 카테고리에 속한 서비스들은 어떤 특성이 있는가서비스 사용자는 누구이고, 어디에서 만날 수 있는가우리는 어떻게 돈을 벌고 있는가우리 서비스와 관련된 법이나 규제는 어떠한가우리 서비스 및 관련 카테고리는 지난 10년간 어떻게 발전해왔는가 2. 전제조건: PMF 만족PMF(Product-Market Fit, 제품-시장 적합성)는 제품이 시장의 요구와 기대에 얼마나 부합하는지를 말한다.PMF가 만족되지 않은 상태에서는 마케팅을 ..

그룹(A/B)간 성과지표(CTR, CR, CPA, RPV, Bounce Rate)의 차이가 유의미한지 판단하기 위한 A/B test import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport statsmodels.api as smimport statsmodels.formula.api as smf# A/B 테스트 데이터 하드코딩 (Group 데이터를 직접 입력)data = { "Group": ["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"], "Visitors": [1000, 1200, 1100, 1150, 1300, 1050, 1250, 1400, 1350, 1280], "..

1. AARRR 프레임워크 활용 (Pirate Metrics) 단계 설명 주요 지표 데이터 활용 방법 Acquisition(유입)고객이 유입되는 단계방문자 수, 클릭률(CTR), 고객 획득 비용(CAC)마케팅 채널별 성과 분석, 트래픽 원천 파악Activation(활성화)유입된 고객이 서비스를 사용하게 유도가입률, 첫 사용 완료율, CTA 클릭률랜딩 페이지 최적화, 온보딩 실험(A/B 테스트)Retention(유지)고객이 지속적으로 사용하는지 확인고객 유지율, DAU, MAU, 세션 지속 시간푸시 알림 최적화, 이탈 분석(Churn Rate)Revenue(수익화)고객이 유료 서비스로 전환결제율, ARPU, LTV가격 정책 실험, 맞춤형 프로모션 제공Referral(추천)기존 고객이 신규 고객을 초대추천 ..

그로스마케팅에서 어떤 프로세스로 상관분석/회귀분석 활용이 가능한지 참고용으로 작성하였습니다. 1. 목표광고 캠페인으로 유입된 사용자의 회원가입을 늘리려고 합니다.💡 목표에 따라 데이터 분석의 방향이 결정되므로, 목표 설정은 매우 중요합니다. 2. 데이터 확인원하는 모든 데이터가 있다면 좋겠지만, 적재된 데이터는 제한적일 수 있습니다.현재 상황에서 활용가능한 데이터가 무엇이 있고, 어떤 구조를 가지고 있는지 확인합니다. 광고 캠페인별 고유ID가 있고, 각 광고 캠페인별 정보가 1row씩 있는 '캠페인'의 데이터입니다. 💡 분석을 위해서는 결측치와 이상치를 확인하고, 값을 대체하거나 제거하는 단계가 필요합니다.실제 데이터를 임의로 수정하는 것이기 때문에, 데이터의 왜곡이 발생하지 않도록 신중하게 ..

2,000명의 구독서비스 고객 데이터 샘플을 활용한 분석 보고서입니다. 1. 분석 개요분석 목적: 구독 기반 서비스의 구독 유지율을 높이기 위함분석 목표: 고객 이탈 패턴을 분석, 고객 재활성화 및 리텐션 전략 제안활용 데이터 컬럼명 설명 데이터 타입 샘플데이터 고객ID고객 고유 IDINT1가입일서비스 가입 날짜VARCHAR2022-01-01구독기간(개월)서비스 유지 개월 수INT29구독상태구독 유지(1) 이탈(0)INT1서비스이용횟수최근 6개월 동안의 서비스 이용 횟수INT38월평균이용시간(시간)월평균 사용 시간FLOAT9.363541결제금액월 결제 금액FLOAT22287.437559할인사용여부할인/프로모션 적용(1) 미적용(0)INT1추천가입여부추천인 링크 가입(1) 그 외(0)INT0고객유형고..

2022년 7월 진행한 롯데멤버스 빅데이터 경진대회 기록입니다. 목차1. 세그먼트와 개인화의 중요성 1-1. EDA2. 고객 군집화 사용 변수 2-1. 변수 생성:제휴사 이용성향 2-2. 변수 생성:일주일 이용패턴 2-3. 변수 생성:상품취향(RC1~6)3. 고객 군집화 3-1. 군집화 결과 및 마케팅전략4. 군집 내 추천시스템 4-1. ALS추천시스템 선정이유 4-2. 추천시스템 적용 4-3. 모델 성능 평가 및 기대효과 1. 세그먼트와 개인화의 중요성디지털 퍼스트 시대에서 대부분의 소비자는 고객경험이 제품만큼 중요하다고 생각한다. 또한 개인화된 경험을 기대하는 고객이 점점 늘어나고 있다. 기업 입장에서도 고객들을 세분화해 그룹..