담당 가설: 잠재 전환형 유저(저가형)
•
under_50k + new + 검색 유입 + 리뷰 클릭 X + 할인 노출 O
내용
•
분석 타겟: 잠재 전환형 유저(저가형)
조건:
•
price_band = under_50k
•
user_type = new
•
traffic_source = search
•
review_clicked = False
•
discount_exposed = True
내용 적기
해야 할 분석
1.
상품 타입별 전환율 차이 확인
→ 어떤 제품군에서 전환율이 높고 낮은지 파악
2.
PDP 체류시간과 할인 노출의 상관관계
→ 체류 시간이 길수록 할인 영향이 있었는지 파악
# 1. 분석 타겟 필터링
target_users = df[
(df['price_band'] == 'under_50k') &
(df['user_type'] == 'new') &
(df['traffic_source'] == 'search') &
(df['review_clicked'] == False) &
(df['discount_exposed'] == True)
]
# 2. 체류시간 + 상품 카테고리별 분석
summary = target_users.groupby(['duration_group_label', 'product_category']).agg(
total_users=('user_id', 'count'),
avg_pdp_duration=('pdp_duration_sec', 'mean'),
churned_users=('add_to_cart', lambda x: (x == 'No').sum()),
converted_users=('purchase_completed', lambda x: (x == 'Yes').sum())
).reset_index()
# 3. 비율 계산
summary['dropout_rate'] = (summary['churned_users'] / summary['total_users']) * 100
summary['conversion_rate'] = (summary['converted_users'] / summary['total_users']) * 100
# 4. 반올림
summary['avg_pdp_duration'] = summary['avg_pdp_duration'].round(1)
summary['dropout_rate'] = summary['dropout_rate'].round(1)
summary['conversion_rate'] = summary['conversion_rate'].round(1)
# 5. 결과 출력
summary
Python
복사
출력결과
————————————————
결과 요약
•
accessory, outlet 카테고리에서만 전환 발생
•
bag, fashion은 전환율 0%
•
전환율 TOP3 조합:
1.
매우 짧음 + accessory → 25.0%
2.
매우 짧음 + outlet → 20.0%
3.
짧음 + outlet → 16.7%
•
체류시간이 짧은 데도 100% 이탈한 유저들은 “고민조차 하지 않은 유저”일 수 있음.