<aside>

담당 가설: 잠재 전환형 유저(저가형)

• under_50k + new + 검색 유입 + 리뷰 클릭 X + 할인 노출 O </aside>

<aside> 📓

내용

• 분석 타겟: 잠재 전환형 유저(저가형)

조건:

• price_band = under_50k
• user_type = new
• traffic_source = search
• review_clicked = False
• discount_exposed = True </aside>

<aside>

내용 적기

</aside>

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

• 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%