무한 EDA 지옥
전체적인 매출 트렌드
-
전체 상품 가격 분포
-
구매한 상품의 가격 분포
고가 상품보다 저가 상품의 구매 빈도가 높음
월별 분석
-
월별 총 매출
2019년 10월, 11월에서 12월로 넘어오면서 매출이 크게 감소하였다가,
1~3월에 약간의 상승 후 4월에 다시 하락함 -
월별 구매자 수
총 매출이 높은 2019-10, 2019-11보다 2020-02에 구매자 수가 더 많음
2019-10,11의 구매자들이 더 비싼 물품을 샀을 것으로 유추 가능
또는 2020-02의 구매자들이 더 저렴한 물품을 샀을 것으로 예상됨
1~2월에서 강한 상승세를 보였다가 2~4월에서 다시 하락 -
평일 vs 주말 월별 총매출
평일 매출 총합계가 주말 매출 총합의 약 2~2.5배
평일은 5일을 합하고, 주말은 2일을 합했다는 걸 감안하면 요일별 매출 총합은 비슷하거나 토, 일요일이 더 높을 것으로 예상됨 -
상품 카테고리별, 월별 유저 수
-
상품 카테고리별, 월별 유저 수 (Top 5)
-
월별, Main category별 유저 수
-
월별, Main category별 구매 횟수
-
요일별 총 매출
월요일에서 일요일로 갈수록 상승세를 띔
금,토,일로 넘어가는 구간에서 상승의 기울기가 더 큼 -
요일별 구매자 수
금토일 구간에서 강한 상승세
일요일에 구매자 수가 가장 많고, 금요일에 가장 적음
시간대별 분석
-
시간대별 유저 카운트
-
시간대별 총 매출
-
요일별, 시간대별 유저수
-
요일별, 시간대별 총 매출
AOV & ARPU & ARPPU & LTV
- AOV (Average Order Value): 1건의 주문당 평균 결제 금액 = 총 매출 ÷ 총 주문 수
- ARPU (Average Revenue Per User): 사용자 1명당 평균 매출 = 총 매출 ÷ 전체 사용자 수 (구매자+비구매자)
-> 전체 고객 가치 파악 - ARPPU (Average Revenue Per Paying User): 결제한 사용자당 평균 매출 = 총 매출 ÷ 구매자 수
-> 구매자 기준의 고객가치 분석 - LTV (Customer Lifetime Value): 고객 1명이 평생 동안 기업에 기여하는 총 수익 = ARPU × 고객 유지 기간 또는 = AOV × 구매 빈도 × 고객 생애
-> 장기고객 관리 및 수익성 분석
퍼널별 분석
-
1회 방문자 vs 재방문자 퍼널별 유저 수
-
월별 재방문률 & 이탈률 트렌드
-
방문자 유형 비중
-
퍼널별 전환률 계산 (유저기준 vs 세션기준)
-
월별, 퍼널별 전환률 그래프
-
요일별, 퍼널별 전환률 그래프
-
퍼널별 AOV
