- 입력 데이터 변수 간의 통계적 관계를 분석하기 위해, "성별", "연령", "제품"에 따라 구성 비율을 파이 그래프로, 판매 수량, 월 별 매출 총액을 막대 그래프로 각각 시각화 하였습니다.
- VAR 시계열 분석이란 예측할 변수의 과거 데이터 뿐만 아니라 여러 변수들 사이의 의존성을 고려하여 예측을 제공하는 분석입니다. 독립 변수와 종속 변수를 각각 주문일자, 제품별 매출액(단가 * 일별 판매량)으로 가정함으로써 제품별 일별 매출액 사이의 관계를 반영하였고, 30일 이후의 시점까지 제품별 매출액을 예측하여 그래프로 표현하였습니다.
- 그러나, 입력된 데이터는 정상성(stationary)이 확보되지 않아, 본 분석은 통계적으로 유의미하지 않았으며, 차분, 로그 변환을 시도하였음에도 ADF(정상성검정)의 유의수준이 0.05를 초과하였고, 따라서 정상성을 갖지 않는다는 결과를 얻었습니다. 발표 이후, 추후 보완작업으로 데이터 전처리 및 다양한 통계 분석을 시도할 예정입니다.
- LTV는 'Life-Time Value'의 줄임말로, 고객이 평생 동안 기업에게 어느 정도의 금전적 가치를 가져다 주는지를 정량화한 지표를 의미합니다. 이 값은 (예상 구매 횟수) X (예상 평균 수익)으로 계산되며, (예상 구매 횟수)는 BG/NBD(Beta, Geometic / Negative Binomial) 모형을 따르고, 예상 평균 수익은 Gamma-Gamma 모형에 의해 산출됩니다. 이를 위해, R (Recency), F (Frequency), T (Time), M (Monetary Value)의 정보가 필요합니다.
- 이 지표는 유료 웹 서비스를 제공하는 업체나 카드 회사, 게임 회사에서 많이 사용되어 왔으나, 최근 많은 시장(거래)가 데이터화가 되고 있기 때문에 더욱 많은 기업에서 마케팅 지표로 활용하고 있습니다.
- 입력 데이터(Woori_Input.csv)에 대한 정보입니다. 1,000개의 데이터 주문 로그 데이터를 사용했으며, 제품은 A, B, C 등 총 3개, 고객은 100명, 주문 시간은 2022.01.01부터 2022.12.31로 가정하였습니다.
- 출력 데이터(Woori_Output.csv)에 대한 정보입니다. 각 고객의 생애 가치에 대한 데이터입니다.
[1] 사용한 데이터는 특정 기업으로부터 입수한 데이터가 아닌 학습 목적의 가상의 데이터 입니다.
[2] LTV분석은 다음 자료를 참고하였습니다. (URL : https://playinpap.github.io/ltv-practice/)