고객 맞춤형 마켓팅 전략

장바구니 이탈 고객 타겟팅
분석 방법:

고객이 장바구니에 넣었지만 결제하지 않은 상품 확인
특정 상품군에서 이탈율이 높은지 분석
SQL 쿼리 (이탈 고객 분석)

SELECT c.customer_id, 
       a.product_group_name, 
       COUNT(DISTINCT t.article_id) AS cart_items, 
       SUM(CASE WHEN t.sales_channel_id = 2 THEN 1 ELSE 0 END) AS purchased_items,
       (COUNT(DISTINCT t.article_id) - SUM(CASE WHEN t.sales_channel_id = 2 THEN 1 ELSE 0 END)) * 1.0 / COUNT(DISTINCT t.article_id) cart_abandonment_rate
FROM basic.transactions_hm t
JOIN basic.customer_hm c ON t.customer_id = c.customer_id
JOIN basic.articles_hm a ON t.article_id = a.article_id
GROUP BY c.customer_id, a.product_group_name
HAVING cart_abandonment_rate > 0

상품 조합 기반 번들링 추천
분석 방법:

자주 함께 구매되는 상품 조합 분석
SQL 쿼리 (함께 구매된 상품 분석)

SELECT t1.article_id AS item_1, 
       t2.article_id AS item_2, 
       COUNT(*) AS purchase_count
FROM basic.transactions_hm t1
JOIN basic.transactions_hm t2 
    ON t1.customer_id = t2.customer_id 
    AND t1.article_id < t2.article_id
GROUP BY item_1, item_2
ORDER BY purchase_count DESC
LIMIT 10

VIP 및 로열티 고객 혜택 강화
분석 방법:

구매 횟수 & 총 구매 금액 기준으로 VIP 고객을 분류
SQL 쿼리 (VIP 고객 추출)

SELECT customer_id, 
       COUNT(article_id) purchase_count, 
       SUM(price) total_spent
FROM basic.transactions_hm
GROUP BY customer_id
HAVING SUM(price) > 500 OR COUNT(article_id) > 20
ORDER BY total_spent DESC

신상품 출시 전 고객 반응 예측 및 사전 마케팅
분석 방법:

신상품 판매 속도와 특정 고객군의 선호도를 분석
어떤 고객이 신상품을 구매할 가능성이 높은지 예측
SQL 쿼리 (신상품 반응 분석)

SELECT  a.product_group_name, 
       COUNT(t.article_id) AS total_purchases, 
       AVG(t.price) AS avg_price, 
       COUNT(DISTINCT t.customer_id) unique_customers
FROM basic.transactions_hm t
JOIN basic.articles_hm a ON t.article_id = a.article_id
WHERE t.t_dat BETWEEN '2019-09-01' AND '2019-12-31'
GROUP BY a.product_group_name
ORDER BY total_purchases DESC