담당 가설: 익숙한 재방문 유저(중저가형) - 성균 
•
mid_50k_150k + returning + 검색 유입(organic,search) + 리뷰 클릭 X + 할인 노출 O
내용
페르소나 조건에 맞는 유저 필터링 ('mid_50k_150k' 기준)
organic과 search를 묶어서 필터링
저가형 미드 비교했을 때 pdp 체류시간 같은 경우 저가형이 짧음, 매우 짧음이 가장 이탈률이 낮고, 미드의 경우 인원수가 적긴 하지만 김 부분이 제일 이탈률이 낮았음
그래서, 가격대별로 상세페이지 전략을 좀 다르게 해야 할 것 같다
리터닝이니까 둘다 신뢰 기반으로 가되
저가형 -
미드 - 가격대 품질 강조
ㄴ 최종적으로
시각화
organic과 search 별로 확인
시각화
인사이트 요약 + PDP 요소 관련 분석
1. organic vs search 이탈률 차이
•
search 유입은 very long 지표가 아예 없다. 지표 자체도 시간이 지날수록 이탈률이 올라가서 long 부분에 100%
•
반대로 organic 유입은 long(60초) 에서 이탈률이 제일 낮아서 어느정도 확인 후 장바구니에 넣는다는 걸 확인할 수 있음
2. PDP 요소의 영향
•
이 분석은 리뷰 클릭 여부가 False, 할인 노출이 True인 유저들만 포함됐기 때문에:
◦
리뷰 등 사용자 생성 콘텐츠에 대한 반응 없음
◦
할인이라는 유인 요소는 존재함
그럼에도 이탈률이 높은 건 PDP의 콘텐츠 품질이나 상품 정보가 유저의 관심을 유지시키지 못했을 가능성이 있다.이건 gpt 생각
따라서 단순히 유입 경로만으로는 이탈을 설명하기 부족하다고 생각을 해
특히 검색 유입 유저는 “목적성 있는 방문”이 많기 때문에, 기대와 다른 콘텐츠를 보면 더 빨리 이탈하는 경향도 보여.
+
상품 타입별로 이탈률 체크
df_filtered1 = df[
(df['user_type'] == 'returning') &
(df['price_band'] == 'mid_50k_150k') &
(df['review_clicked'] == False) &
(df['discount_exposed'] == True) &
(df['traffic_source'].isin(['organic', 'search']))
]
df_filtered1['is_abandon'] = df_filtered1['add_to_cart'] == "No"
result = (
df_filtered1
.groupby('product_category')
.agg(total_users=('add_to_cart', 'count'), abandon_users=('is_abandon', 'sum'))
)
result['abandon_rate'] = result['abandon_users'] / result['total_users'] * 100
result = result.reset_index()
result
Plain Text
복사
내용 적기
성균 유의미한 인사이트(mid_50k_150k + returning + 검색 유입(organic,search) + 리뷰 클릭 X + 할인 노출 O)•
> 아울렛에서 new 유저보다는 이탈률 낮음(근데 85프로 넘긴함) -> 브랜드 신뢰를 기반으로 한 구매일 가능성 있음
•
> 상품 타입별로 이탈률 비슷비슷함-> 뭔가 구매할만한 요소 찾아봐야함 이건
•
> search는 오히려 상세페이지 시간이 ‘김’일 때 이탈률 증가, organic은 ‘김’일 때 이탈률 감소(이거는 좋은데 지엽적인 추가제안으로 넣기)