여연찌

Today1. 프로젝트 진행2. 크롤링 수강 Today I Learned 프로젝트  어제 프로젝트에 이어서 ' 구독자를 올려서 무엇을 할 것인지? '에 관하여 조금 더 세부적으로 생각해보기로 했다.  이 회사에서 원하는 것이 무엇인지?- 수익성 올리기→ 경험상점, 광고효율 등을 활용하여 올릴 수 있을 듯 해보이지만, 우리가 받아볼 수 있는 데이터는 한정되어 있기 때문에 수월하지 않을 것으로 예상 - 커뮤니티 활성화* 활성화를 시켜야 하는 이유 ?1. 회사의 규모 성장을 하기 위해서2. 구독자들로부터 많은 소재를 얻기 위해 목적: 신규 구독자 증가를 통한 커뮤니티 활성화> 광고 등을 통한 매출 증가  필요한 데이터는 무엇인가?- 웹 페이지 랜딩 페이지 뷰1. 해당 카테고리에 들어온 총 페이지 조회수2. 게..

Today1. 최종프로젝트 기회 회의2. 데이터 수집 방법 1회차 수강Today I Learned  프로젝트  1. 어떤 분석을 가지고 할 것인가?2. 어떤 분석을 할 것인가? → 어떤 데이터가 필요할 것인가? 도메인을 정한다음에그 회사에서 현 상황은 어떤가?우리가 알고 싶은 것은 뭐고?무엇을 해결하려고 하는 것인가? 를 정해보기 위해 기획회의를 해보기로 하였다.  도메인더보기 1. 구독서비스 를 사용하는 커머스회사 ?ex) 컬리, 쿠팡 → ( 이커머스 ) 2. 라이브커머스ex) 카카오쇼핑, 스트리밍, → ( 실시간 방송 )실시간으로 시현을 해볼 수 있는 제품 비즈니스 모델: 이 과정에서 문제가 발생할 수 있는 부분을 찝어서 어떤 문제가 발생할 수 있는지를 파악해보기핵심지표나 퍼널을 선택할 때에도 이런 ..

Today1. ADsP2. 최종 프로젝트 첫 회의 Today I Learned Project  최종 프로젝트를 앞두고 마음이 맞는 팀원들을 꾸렸고,같이 진행해보기 위해 도메인을 어떤것을 하면 좋을지,어떤 분석방향이 좋을지, 어떤 분석을 하고 싶은지 등을 이야기 해보았다.더보기*퍼널 분석- 고객들이 어떤 특징을 가지고 있는지 알아보고 싶음---*CRM 마케팅- VOC까지 분석해보고 싶당- 고객 세그멘테이션을 통해 각 고객층 별 맞춤 마케팅 전략을 데이터를 기반으로 뽑아보고 싶다 -> 할 수 있다면 세그멘테이션이 엄청 촘촘하고 다양하게 나오게까지..!=> 고객으로 가자..!B2B데이터 컨설턴트가 아닌 이상 개인 고객 데이터를 활용할 수 밖에 없으니까..!---*대시보드까지?- 시간이 된다면 대시보드를 제작하..

Keep 이번 분석에서는 지난번 프로젝트 때와는 다르게 고객과 상품파트로 나뉘어져서 진행되었었다.확실히 딱 맡아서 하게 되니 고객 파트에 대해서는 끝까지 분석을 했다는 생각이 들었다.개인적으로 분석 하나마다 궁금증이 있었다면 해결 될때까지 끈질기게 이어갔던 부분도 너무 좋았다.발표를 맡아 하게되다보니 전체 플로우를 맡게 따라가고 있는지 체크해보기 위해 열심히 정리했는데 그렇다보니 이 프로젝트의 흐름을 잘 따라가고 있구나 하는 자신감도 생겼다.다음 발표를 맡지 않더라도 전체 플로우를 개인적으로 정리하는 과정을 하면 좋겠다는 생각을 했다.  Problem 팀원들과의 소통과정에서 다소 불편한 부분이 있었다.팀원이 냈던 인사이트가 이해되지 않아 토의하는 과정에서 말하는 사람의 스킬이 굉장히 중요하구나 하고 느꼈..

프로젝트명: Amazon Fresh 의 미래, 세그먼트별 수익성 개선 전략 수립기간: 2024-07-03~12활용 데이터: 정량적인 수치가 많아 다양한 지표로 분석이 가능하며, 실무에 가까운 데이터로 의사결정에 도움이 될 만한 대시보드를 제작해보기 위해 이 데이터를 선정 후 분석하게 되었다.이번 프로젝트에서는 고객과 상품 각각의 세그먼트별로 나누고 모둔 군집별 마케팅방안을 내보았다. 마지막으로는 영업현황이나 세그먼트에 따른 분류현황을 확인해볼 수 있도록 대시보드를 제작해보았다. 프로젝트 요약프로젝트 소개: 트렌드, 고객, 제품별 분석을 통한 수익 증진 방안 및 대시 보드 제작사용 스킬 & 도구프로그래밍 언어: Python, SQL분석 도구: Pandas, NumPy, Scikit-learn, Matplo..

주말에도 나와 RFM 분석을 마무리 했다. Recency 는 2018년도3월에서 끊겨져있는 데이터의 특이점이 있으니High: 1달이내 방문한 고객Middle: 1달~1년 이내 방문한 고객Row: 1년 전 마지막으로 방문했던 고객 이렇게 3가지로 분류해보았다. Monetary 와 Frequency 는 high 와 row 로 각각 2분류로 나누었고 3:2:2 의 조합으로 유효한 고객군 A~H 까지 나왔다.  RFMCNTAHighHighHigh22BMidHighHigh8CHighLowHigh89DMidLowHigh53ELowLowHigh12FHighLowLow98GMidLowLow173HLowLowLow160 이렇게 나누어 보았다. 8개의 고객분류를 토대로 Margin 합계를 시계열로 분석해보았을 때이와 같이..

Frequency 와 Monetory 의 기준을 잡아보기 위해 분포도를 확인해보려고 했으나성훈튜터님과의 멘토링 중 이런 결과가 나왔다. 도매업자의 매출내역일지도 모른다는 결론이 나왔다.B2B 고객에 대한 데이터일 수도 있다. 이렇게 생각해볼 수 있는 기준으로는1. 영업사원이 있다> 아마존( ex. 쿠팡 )이라는 입점형 쇼핑몰 특성상 영업사원이 있지는 않을 것인데, 왜일까?2. 고객 1명당 구매수량이 높다.  * Recency 분류 기준1등급 0~7일 → 일주일 | 113명 2등급 8일~ 17일 → 1~2주일 | 44명3등급 18일~25일 → 2주~3주 | 52명4등급 26일~365일 → 1달~1년 | 234명5등급 366일~ → 1년 이후 | 172명⇒ 기준 선정 이유: 신선식품, 소비식품 등을 다루고 ..