<aside> 📌 Task :

</aside>

대전제 조건

• 주어진 구매 데이터를 기반으로 다음을 분석합니다

• 결과 유의사항 등 인사이트 간결하고 명확하게 정리

  1.고객 세그먼트별 구매 행동 분석 및 맞춤형 마케팅 전략 제안 5/6

  재웅-고가의 제품을 구매하는 고객이 Add-ons Purchased의 경우가 많을 것이다 >귀무가설 채택!

  • [x] 가격별/타입별 저중고를 나누었으나 둘다 의미없었음

    • 본인 진행상황 코드
    • 인사이트

  • [x] 짱구- 분기별 매출 급감 구간이 있을것이다. > 그래프로 결론 머신러닝으로 튀는 구간 잡기 >그 전에 품목 다합쳐야됨

    • 매출 급증구간이 발견되었음 분기별은 아니지만 월별 그리고 다시 일별로 나누었을때 해당값을 구할 수 있었음으로 맨 아래 그래프로 대체하겠음.
    • 본인 진행상황 코드
    • 인사이트

  • [x] 다혜 -스마트폰을 구매한 고객은 헤드폰을 구매한 고객보다 만족도가 높을 것이고 재구매율 또한 높을 것이다.

  • 재구매율은 토탈펄체이스 어마운트기준으로 아이디로 카운트하기!

  • 대립가설채택! >스마트폰구매고객이 헤드폰보다 만족도 높다!! 재구매는 귀무! 연관없음!

  • 본인진행상황코드

  • [x] 서영 - > 특정 결제 수단으로 결제한 사용자의 이탈률이 높을 것이다. 데이터 이쁨 마치 나같음(차서영) 캐쉬 직불카드 확연하게 높았음, 이건에 관한 해결방한 제시 너~무 명확함, 해당결제수단 방법을 개선한다거나 과정을 경량화 한다거나 직관적으로 알 수 있다. 적극추진요청!

    대립가설 채택!

    특정 날짜기준 결제타입별 이탈자가 < 이 전제조건이 맞나?

    1. 관건

       1. 이탈률 기준은 90일 근거 정함 → 하단에 정리 완료

       2. 위 기준으로 이탈자를 확인했더니(결제수단별) 유의미한 차이가있었다(통계적으로)

       3. 이 결제수단별 이탈율을 감소하는 예측이관건(머신러닝)

          결론:

          1. 위 세가지를 통해서 결제수단별 이탈율을 우리가 원하는 결제수단을 옮길 수 있는지(삼성카드 유치목적)
          2. 실제로 원인이 다른게 있을 수 도 있다를 찾기위함.

    유의미한 차이가 있었다. 차서영이 결국해냈다.

    앞으로 이탈률과 결제수단이 서로 얽히는 관계를 찾아봐야한다.

    결과 :

    재웅 : 90일 초과 구매자 = 이탈자 따라서 계좌이체가 58퍼로 제일높다, 직불카드가 70퍼로 높고 검정시 유의미함 > 대립가설 채택!

    혜썬 : 30일 이내 구매 하지않은 고객 = 이탈자, 따라서 이탈율 모두 높았으나 통계적 유의미 하였음

    워크플로우 : 머신러닝을 이용한 결제 수단별 이탈율 하락 예측 과 결제수단을 우리가 원하는 수단으로 옮길 수 있는 방안 > 자사몰 포인트 캐쉬백,

    • 진행 상황 코드
    • 분석 결과 및 인사이트

  • [x] 혜선 - 구매 주기와 이탈률 | 가설: 첫 구매 후 30일 이내 재구매한 고객은 재구매 하지 않은 고객 보다 이탈률이 낮다.

    1.귀무가설 기각 > 대립가설채택 유의미함.

    1-1. > 3,6,90일 단위로 봐도 이탈율이 현저히낮음(30일 이내 재구매자) > 따라서 30일 이내재구매자가 아닌사람과 이탈율이 동등하게 나오는 지점을 마지노선으로 잡고 리마인드 이벤트를 기획 할 수 도있다. 30~마지노선 기간까지를 CLV핫타임으로 정의내릴 수 도 있다. > 이건 이구간대 가격이 얼마나 집중되있는지를 봐야될 수 도있다.

    2.타입별 월별 판매량을 쪼개봤더니 2024년 1월부터 판매량 급증 원인분석 시급

    • 진행 상황 코드
    • 인사이트

  2.제품별 판매 성과 분석 및 재고/제품 라인업 최적화 전략 1/2

  • [x] 혜선 - 제품군 별 재 구매율 차이 | 가설 : Product Type 별로 재구매율이 유의미하게 다르다.

    • [x] 귀무가설 채택!
    • 진행 상황 코드
    • 인사이트

  • [x] 다혜 - 2.배송유형에 따라 제품평점의 평균값에 유의미한 차이가 있을 것이다

    대립가설채택!

    

    • 코드
    • [ ] 유의미하는 차이는 있었으나 세임데이가 제일 높지않고 제일낮음(배송속도에따라 평점이 높은게아님) > 배송 방법의 품질 개선

    또다른 가설! 2-1고가의 상품은 제일 빠른 배송 방법을 선택했을 가능성이 높을까요????

  3.고객 생애 가치(CLV) 증대를 위한 전략적 제안 3/4

  total purchased amount 컬럼은 = CLV의 척도

  • [x] 서영 - 구매가 이루어진 날짜는 월말(연말아님)에 집중되어 있을 것이다. > 예상했던대로 월말이 가장많이 나왔다, 해결은 중순월초 할인쿠폰 이벤트를 한다거나 고객 이끄는 방안 만들 수 있음, 월초 중순에 구매율을 높일 수 있는 이벤트를 기획할 수 있다. >>>> 데이터 이쁨 마치나같음(다혜왈) 좋은뎨?
    • 귀무가설로 봐야할지? > 중립지대 (너무길어서 토글에 넣음)
    • 진행 상황 코드
    • 분석 결과 및 인사이트
  • [ ] 2.혜선 - 로열티 멤버십 효과 | 가설: 멤버십을 가입한 고객의 재구매율은 멤버십을 가입하지 않은 고객 보다 높다.
  • [ ] 멤버쉽 가입할수록 CLV높다 > 귀무
  • [ ] 멤버쉽 재구매율 높다 > 대립가설 채택
  • [ ] 연령대별로?

  멤버십이 의미가 없다는 거니까 멤버쉽을 강화하는게 CLV증진에 키포인트가 될 수 있다.

  • 진행 상황 코드

  • 인사이트

  • [x] 혜선 - 첫 주문 금액과 고객 생애 주기와의 상관관계 | 가설: 첫 구매 주문 금액이 높은 고객일 수록 고객

    • 진행 상황 코드
    • 인사이트

  • [x] 혜선 - 구매 만족도와 CLV의 관계

    가설1. 첫 구매 시 Rating이 높은 고객이 재구매율과 고객 생애 가치가 높다.(귀무가설)

    가설 2. 총 Rating이 높은 고객이 재구매율과 고객 생애 가치가 높다. (대립가설)

  • 진행 상황 코드

  • 인사이트

# 2) 완료 주문만 필터(필요 시)
SSE = SSE[SSE['Order Status'] == 'Completed']

# 3) 주문 월(order_month) 생성
SSE['order_month'] = SSE['Purchase Date'].dt.to_period('M')

# 4) 제품별 월별 구매 건수 집계
monthly_sales = (
    SSE
    .groupby(['order_month', 'Product Type'])
    .size()
    .reset_index(name='sales_count')
)

# 5) pivot: 각 제품을 컬럼으로 펼치기
pivot_SSE = monthly_sales.pivot(
    index='order_month',
    columns='Product Type',
    values='sales_count'
).fillna(0)

# 6) x축에 매월 표시할 datetime 인덱스
x = pivot_SSE.index.to_timestamp()

# 7) 라인 차트 그리기
plt.figure(figsize=(12, 6))
for product in pivot_SSE.columns:
    plt.plot(x, pivot_SSE[product], marker='o', label=product)

# 8) xticks를 모든 월로 설정
plt.xticks(x, [d.strftime('%Y-%m') for d in x], rotation=45)

plt.title('Monthly Purchase Volume by Product Type')
plt.xlabel('Month')
plt.ylabel('Number of Purchases')
plt.legend(title='Product Type', loc='upper left', bbox_to_anchor=(1, 1))
plt.tight_layout()
plt.show()

<aside> 📌 실행 및 진행 사항 정리

</aside>

기준 정리

CLV : TOTAL PURCHASED AMOUT 컬럼

이탈기준 : 90일 이상 재구매가 없는 사용자

대립가설 목록

1. 고객 세그먼트별 구매 행동 분석 및 맞춤형 마케팅 전략 제안

• 특정 결제 수단으로 결제한 사용자의 이탈률이 높을 것이다.
• 스마트폰을 구매한 고객은 헤드폰을 구매한 고객보다 만족도가 높을 것이고 재구매율 또한 높을 것이다.
• 첫 구매 후 30일 이내 재구매한 고객은 재구매 하지 않은 고객 보다 이탈률이 낮다.
• 분기별 매출 급감 구간이 있을 것 이다.

2. 제품별 판매 성과 분석 및 재고/제품 라인업 최적화 전략