[프로젝트] 마케팅데이터 고객 클러스터링 - (1) 분석 개요 및 주제설정

고객 클러스터링이란?

고객을 특정 기준에 따라 군집화 하고, 군집별 인사이트를 도출하여 실시간 서비스반영에 대한 방향성을 제시하는 것

분석 요구사항: 마케팅 고객데이터에 대한 클러스터링 시행 및 군집별 인사이트 도출

• 데이터셋에 대한 현황을 파악

• 다양한 condition(군집갯수, 컬럼갯수)을 통해 결과를 비교

• 군집(클러스터)별로 유의미한 특징을 살펴보고 이를 시각화

• 이를 바탕으로 군집별 인사이트를 제시

분석 데이터: Marketing and Retail Analyst E-comerce(Kaggle 데이터)

프로젝트명: Wow the Brazil

데이터 상세 정보
customers.csv (고객 거주지역 관련 정보, shape 99441 x 4)
order_items.csv (주문 상품 관련 정보, shape 112650 x 6)
orders.csv (주문 상태 관련 정보, shape 99441 x 7)
payments.csv (결제정보, shape 103886 x 5)
products.csv (상품 정보, shape 32951 x 6)

프로젝트 세부주제(안)

• 세부주제명

  • 마케팅데이터 고객군 구매패턴을 활용한 맞춤형 마케팅 전략 제안

• 제안 사유

  • 고객군별 구매 패턴이 존재할 것으로 예상하며, 해당 패턴을 파악하여 고객 맞춤형 마케팅이 가능할 것으로 예상

• 분석대상 칼럼

  • 활용변수
    customer_id(고객 id), order_purchase_timestamp(구매시점), customer_city(고객 거주도시), payment_type(결제방법), payment_installments(할부기간), payment_value(지불액), product_category_name(상품 카테고리), product_weight_g(상품 무게), product_length_cm(상품 길이), product_height_cm(상품 높이), product_width_cm(상품 너비)

• 분석 방법

  • 구매별이 아닌 고객별로 데이터를 변환(groupby customer_id)

  • 고객별 결제타입, 요일, 시간대별 구매 횟수 계산

  • 고객의 거주 지역은 최종 거주지역으로 산출

  • 수치형자료는 고객별 평균으로 산출

  • 데이터를 병합하여 군집분석 실시

  • 군집 간 평균 차이의 유의성 검정 (ANOVA, Kruskal Wallis) 실시

• 예상 결과 및 시사점

  • 고객군별 주요 결제패턴 식별 및 맞춤형 마케팅 가능 예상