개인 분석 진행 사항
•
•
타깃(페르소나) → 평점(2~3점), 구매완료 횟수(1~2회), 구매 개수
민규
세희
승인
지연
수민
실행 및 진행 사항 정리
# 두 그룹의 비율 계산
ratio1 = df[df['Is Loyal 2'] == True]['Age Group'].value_counts(normalize=True)
ratio2 = df[df['Is Target'] == True]['Age Group'].value_counts(normalize=True)
ratio3 = df['Age Group'].value_counts(normalize=True)
# 공통 카테고리 정렬 (예: Completed, Cancelled)
labels = sorted(set(ratio1.index).union(set(ratio2.index)))
# y값을 label 순서에 맞게 정렬
y1 = [ratio1.get(label, 0) for label in labels]
y2 = [ratio2.get(label, 0) for label in labels]
y3 = [ratio3.get(label, 0) for label in labels]
# 그래프 그리기
import numpy as np
x = np.arange(len(labels)) # x를 정수 인덱스로 설정
width = 0.25 # 각 막대의 너비
plt.figure(figsize=(8, 5))
plt.bar(x - width, y1, width=width, label='충성 고객', color='skyblue')
plt.bar(x, y2, width=width, label='타깃 고객', color='pink')
plt.bar(x + width, y3, width=width, label='전체', color='gray')
plt.xticks(x, labels)
plt.ylim(0, 0.3)
plt.xlabel('Age Group')
plt.ylabel('비율')
plt.title('세 그룹의 나이 비율 비교')
plt.legend()
plt.tight_layout()
plt.show()
Python
복사
세그먼트 & CLV(목표) 재설정
•
충성 : Completed 3회 이상, Rating 4~5점
•
타깃 : Completed 1~2회, Rating 2~3점
구매 횟수 | 평점 | 구매 금액 | 평가(고객 세그먼트) | 명칭 |
3회 이상 | 4~5점 | 상위 50% | 우리 브랜드에 관심은 있고, 만족도가 높으면서, 지불 금액이 높은 고객 | 충성 고객 |
하위 50% | 우리 브랜드에 관심은 있고, 만족도가 높으면서, 지불 금액이 낮은 고객 | |||
1~3점 | 상위 50% | 우리 브랜드에 관심은 있고, 만족도가 낮으면서, 지불 금액이 높은 고객 | 타깃 고객 1 | |
하위 50% | 우리 브랜드에 관심은 있고, 만족도가 낮으면서, 지불 금액이 낮은 고객 | |||
3회 미만 | 4~5점 | 상위 50% | 우리 브랜드에 관심은 없고, 만족도가 높으면서, 지불 금액이 높은 고객 | 타깃 고객 2 |
하위 50% | 우리 브랜드에 관심은 없고, 만족도가 높으면서, 지불 금액이 낮은 고객 | |||
1~3점 | 상위 50% | 우리 브랜드에 관심은 없고, 만족도가 낮으면서, 지불 금액이 높은 고객 | 타깃 고객 3 | |
하위 50% | 우리 브랜드에 관심은 없고, 만족도가 낮으면서, 지불 금액이 낮은 고객 |
•
CLV 구성요소
1.
1회 평균 구매 금액
2.
만족도 (Rating)
3.
구매 횟수 (Completed 기준)
⇒ 타깃 그룹마다 구성 요소에서의 중요도가 달라짐
길튜님 피드백
•
CLV의 Feature 가중치 ?? (33.3%)
-CLV의 Feature 매우 중요
eg. 고객 점수 매기기.
-목표에 따라 가중치가 달라짐
구매 횟수를 3회 이상으로 나눈 이유:
데이터가 취소 퍼센티지가 30% 이상이었고 3회이상이면 취소된 퍼센티지가 10% 미만으로 떨어졌다.
•
위의 근거처럼 평점, 구매 금액의 데이터 근거 적기
-기준을 만들 때 타당성 정하기
-구매 횟수에 대한 취소 횟수 변수를 둘 것
eg. 구매 횟수는 가산점, 취소 횟수는 감점
eg. 구매 점수, 취소 점수
