Python으로 하는 22년 1-9월 온라인 쇼핑 동향 분석 (3)

Journey to Data Analyst·2022년 11월 27일

github matplotlib pandas python

Python

목록 보기

3/4

요즘 Tableau Dashboard들 정리한다고 Python에 좀 소홀했다.
이제 마지막으로 분석하는 파트를 작성해보도록 하겠다.

4. 개요

일단 앞선 글에서 말했듯이 카테고리가 22개 정도 되기 때문에
여기에 모든 카테고리별 쇼핑 거래액 분석을 적기에는 무리가 있다고 판단해
일부분만 발췌해서 적어보도록하겠다.

하지만 전체적인 Insight는 글의 말미에 다 적으려고 한다.

5. 카테고리별 분석

여기서 한번 짚고 넘어가야할 것!

column.1은 인터넷 쇼핑
column.2는 모바일 쇼핑

을 의미한다!

(1) 컴퓨터 및 주변기기

일단 처음에 나는 거래액 총계 차트 하나
인터넷 쇼핑과 모바일 쇼핑 거래액의 차이를 보기위해 두 개의 그래프를 한번에 그린 차트 하나

이렇게 구성하였다.

sns.lineplot(x = '월', y = '컴퓨터 및 주변기기', data = df1)
plt.title('컴퓨터 및 주변기기 거래액 총계')

fig, ax = plt.subplots(ncols = 2, figsize = (20, 10))

sns.lineplot(x = '월', y = '컴퓨터 및 주변기기.1', data = df1, ax = ax[0])

ax[0].set_title('컴퓨터 및 주변기기 거래액(인터넷 쇼핑)')
sns.lineplot(x = '월', y = '컴퓨터 및 주변기기.2', data = df1, ax = ax[1])

ax[1].set_title('컴퓨터 및 주변기기 거래액(모바일 쇼핑)')
plt.show()

분석
1. 컴퓨터 및 주변기기의 판매량은 학기가 본격적으로 시작되는 3월 전인
  2월에 가장 높고 그다음부터는 지속적으로 하락세를 보인다.
2. 여름철에 다시 소폭 회복되는 것은 2학기를 맞이하기 전
  컴퓨터를 구매하는 것 때문에 올라가는 것으로 생각했다.
3. 컴퓨터 및 주변기기는 인터넷 쇼핑과 모바일 쇼핑의 구매액이 크게 차이나지 않는 것을 볼 수 있다.

(2) 가전, 전자, 통신기기

sns.lineplot(x = '월', y = '가전·전자·통신기기', data = df1)
plt.title('가전·전자·통신기기 거래액 총계')

fig, ax = plt.subplots(ncols = 2, figsize = (20, 10))

sns.lineplot(x = '월', y = '가전·전자·통신기기.1', data = df1, ax = ax[0])

ax[0].set_title('가전·전자·통신기기 거래액(인터넷 쇼핑)')

sns.lineplot(x = '월', y = '가전·전자·통신기기.2', data = df1, ax = ax[1])

ax[1].set_title('가전·전자·통신기기 거래액(모바일 쇼핑)')

분석
1. 2월달과 8월달이 전체적으로 큰 판매량을 보인다.
  이 또한 각 전자제품 판매처마다 학기 전에 시행하는 신학기 이벤트도
  어느정도 영향을 미치는 것으로 추측된다.
2. 가전, 전자, 통신기기는 인터넷 쇼핑보다는 모바일 쇼핑이 더 판매액이
  큰 것을 볼 수 있다.
3. 두 방법 다 2월달에 가장 큰 판매액을 찍은 것은 동일하지만
  4월달부터 8월달의 구매액 상승률은 모바일 쇼핑이 압도적으로
  높은 것을 볼 수 있다.
4. 따라서 가전, 전자, 통신기기를 판매할 때 모바일 UI/UX를 개선하여
  접근성을 더 높인다던지 할인 혜택을 강조하여 더 높은 구매율을 유도하거나
5. 인터넷 쇼핑 같은 경우에는 고객들이 왜 인터넷 쇼핑보다 모바일 쇼핑을
  선호하는지 조사하고 그것을 개선해야될 필요가 있다.

(3) 패션용품 및 액세서리

sns.lineplot(x = '월', y = '패션용품 및 액세서리', data = df1)
plt.title('패션용품 및 액세서리 거래액 총계')

fig, ax = plt.subplots(ncols = 2, figsize = (20, 10))

sns.lineplot(x = '월', y = '패션용품 및 액세서리.1', data = df1, ax = ax[0])

ax[0].set_title('패션용품 및 액세서리 거래액(인터넷 쇼핑)')

sns.lineplot(x = '월', y = '패션용품 및 액세서리.2', data = df1, ax = ax[1])

ax[1].set_title('패션용품 및 액세서리 거래액(모바일 쇼핑)')

분석

패션용품이나 액세서리를 보여주기 힘든 겨울철 및 봄(1~4월)에는 거래액이 낮다.

본격적으로 날이 따뜻해져 옷차림이 가벼워지는 5월부터 지속적으로 거래액이 상승하는 것을 볼 수 있다.

패션용품 및 액세서리 역시 인터넷 쇼핑보다 모바일 쇼핑의 거래액이
약 3배 이상을 차지하는 것을 볼 수 있다.
하지만 상승, 하락폭은 다르다
인터넷 쇼핑은 2월과 7~8월에 저점을 찍고 있지만 반대로 모바일 쇼핑은
2월달에 저점을 찍은 것은 동일하지만 7~8월에는 오히려 거래액이 상승했다.

날씨와 관련되어 사람들의 구매 방법에 차이가 있는지 조사해 볼 필요가 있는듯하다.
➡️ 날씨가 더우니 어디에 앉아서 컴퓨터로 구매하기보다는 간편하게 모바일로 구매하는 것이 더 편해서??

(4) 농축수산물

여기서부터는 그래프를 한꺼번에 그리도록 코드를 수정하였다.

fig = plt.figure(figsize = (10, 10))

ax1 = fig.add_subplot(211)
ax1.plot('월', '농축수산물', data = df1)
ax1.set_title('농축수산물 거래액 총계', fontsize = 14)

ax2 = fig.add_subplot(223)
ax2.plot('월', '농축수산물.1', data = df1)
ax2.set_title('농축수산물 거래액(인터넷 쇼핑)', fontsize = 14)

ax3 = fig.add_subplot(224)
ax3.plot('월', '농축수산물.2', data = df1)
ax3.set_title('농축수산물 거래액(모바일 쇼핑)', fontsize = 14)

# 그래프 간 간격을 맞추어 겹치지 않게 해주는 코드
plt.tight_layout()
plt.show()

분석

농축수산물 거래액 총계는 1월달에 가장 높았다가 2월달에 가장 저점을 찍었으며
그 다음부터는 완만한 회복세를 보이고 있다.
농축수산물 모바일 쇼핑 거래액은 인터넷 쇼핑 거래액보다 최대 4배 더 많으며
2월달에 저점을 찍은 인터넷 쇼핑 거래액과 달리
모바일 쇼핑 거래액은 6월달에 저점을 찍은 것으로 볼 수 있다.
특별한 계기가 있었는지 확인이 필요해보인다.

(5) 여행 및 교통서비스

fig = plt.figure(figsize = (10, 10))

ax1 = fig.add_subplot(211)
ax1.plot('월', '여행 및 교통서비스', data = df1)
ax1.set_title('여행 및 교통서비스 거래액 총계', fontsize = 14)

ax2 = fig.add_subplot(223)
ax2.plot('월', '여행 및 교통서비스.1', data = df1)
ax2.set_title('여행 및 교통서비스 거래액(인터넷 쇼핑)', fontsize = 14)

ax3 = fig.add_subplot(224)
ax3.plot('월', '여행 및 교통서비스.2', data = df1)
ax3.set_title('여행 및 교통서비스 거래액(모바일 쇼핑)', fontsize = 14)

# 그래프 간 간격을 맞추어 겹치지 않게 해주는 코드
plt.tight_layout()
plt.show()

분석

여행 및 교통서비스 거래액 총계는 뚜렷한 감소세 없이 2월부터 8월까지 완만한 증가세를 보이고 있다.
이는 코로나에 대한 사람들의 경계심이 낮아지고 점점 일상이 회복된다는 분위기가 형성되어 지속적으로 거래액이 증가하는 것으로 보인다.
인터넷 쇼핑 거래액은 약 3배정도 증가한 것을 볼 수 있는데 인터넷 쇼핑에서 다른 이벤트들을 진행하였는지 다른 이유가 있는지 조사할 필요가 있어보인다.
또한 다른 상품군과는 달리 모바일 쇼핑 거래액이 인터넷 쇼핑 거래액보다 많긴 하지만 인터넷 쇼핑 거래액이 상승하는 것보다 주춤할 때가 있고
9월달에는 비교적 큰 폭으로 거래액이 하락할 것으로 예측되고 있다.

6. 전반적인 분석

전체 거래액에서 대체로 모바일 쇼핑 거래액이 인터넷 쇼핑 거래액보다 많이 차지하는 것을 볼 수 있었다.
이는 고객들의 구매 플랫폼이 인터넷(컴퓨터)에서 모바일(핸드폰)으로 변화되었다는 것을 알 수 있었으며
모바일 플랫폼에서의 고객 경험을 상승시켜야 더 높은 판매를 기록할 수 있을 것으로 생각된다.
또한 인터넷 쇼핑에 집중하고 있던 기업들은 모바일 플랫폼으로의 전환이나 병행도 필요해보인다.

이제 하나의 프로젝트가 끝이 났다.
이제는 다른 프로젝트들과 SQL을 학습하는 것도 벨로그에 올리려고 한다!