멀티캠퍼스 데이터분석 5월 20일 수업 내용 — 해적지표(AARRR)/플라이휠 이론, 통신사 고객 이탈 분석, RFM 분석, 마케팅 믹스 모델링, 딥러닝/PyTorch 이론

---

📌 목차

AARRR 이론
1. 해적지표 (AARRR)
2. 퍼널의 종말과 플라이휠 (Flywheel)

실습

3. Retention 분석 — 통신사 고객 이탈 예측 (01_AARRR)
4. RFM 분석 — 고객 총지출 예측 (02_flywheel)
5. 마케팅 믹스 모델링 — 광고 채널 기여도 분석 (03_MMM)

딥러닝 이론

6. 딥러닝 — AI, 머신러닝, 딥러닝의 관계
7. 딥러닝의 세포 — 퍼셉트론
8. 순전파 & 역전파
9. 학습의 단위 — Epoch & Batch Size
10. PyTorch — Tensor & 학습 루프 5단계
11. 신경망(nn.Module) & 자동 미분 & 최적화
12. 핵심 파라미터 — 학습률(lr) & 모멘텀(momentum)

---

AARRR 이론

1. 해적지표 (AARRR)

단계	영어	의미
A	Acquisition	고객 획득 — 어떻게 유입시킬 것인가?
A	Activation	활성화 — 첫 핵심 경험을 제공했는가?
R	Retention	유지 — 고객이 다시 돌아오는가?
R	Revenue	수익 — 돈을 버는가?
R	Referral	추천 — 고객이 다른 사람에게 추천하는가?

---

2. 퍼널의 종말과 플라이휠 (Flywheel)

• 퍼널(Funnel) — 고객을 일방향으로 흘려보내는 선형 구조
• 플라이휠(Flywheel) — 고객 경험이 선순환하며 스스로 성장하는 구조
  • 좋은 경험 → 추천 → 신규 고객 유입 → 규모의 경제 → 더 좋은 경험 반복

---

실습

3. Retention 분석 — 통신사 고객 이탈 예측 (01_AARRR)

데이터 로드 & 컬럼 설명

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import classification_report

df = pd.read_csv('../data/Telco_Customer-Churn.csv')

컬럼	설명
customerID	고객 고유 식별자
gender	성별
SeniorCitizen	고령자 여부 (1: 고령자, 0: 아님)
Partner	파트너 여부 (Yes/No)
Dependents	부양 가족 여부 (Yes/No)
tenure	서비스 이용 기간 (개월 수)
PhoneService	전화 서비스 가입 (Yes/No)
MultipleLines	다중 회선 (Yes/No/No phone service)
InternetService	인터넷 서비스 방식 (DSL/Fiber optic/No)
OnlineSecurity	온라인 보안 서비스 (Yes/No/No internet service)
DeviceProtection	기기 보호 서비스 (Yes/No/No internet service)
TechSupport	기술 지원 서비스 (Yes/No/No internet service)
StreamingTV	스트리밍 TV (Yes/No/No internet service)
StreamingMovies	스트리밍 영화 (Yes/No/No internet service)
Contract	계약 유형 (Month-to-month/One year/Two year)
PaperlessBilling	전자 청구서 사용 (Yes/No)
PaymentMethod	결제 방식
MonthlyCharges	월 청구 요금
TotalCharges	누적 총 청구 요금
Churn	해지 여부 (Yes: 해지, No: 유지) ← target

전처리

# TotalCharges — 공백 문자(' ')가 있어 object 타입
# pd.to_numeric(errors='coerce') → 변환 불가 데이터는 NaN 처리
df['TotalCharges'] = pd.to_numeric(df['TotalCharges'], errors='coerce')

# NaN은 신규 가입자로 간주 → 이탈 여부와 무관하여 제거
df.dropna(inplace=True)

# InternetService, PaymentMethod, Contract → 더미 변수 생성
df2 = pd.get_dummies(df, columns=['InternetService', 'PaymentMethod', 'Contract'])

# 불필요한 customerID 제거
df2.drop('customerID', axis=1, inplace=True)

# gender → LabelEncoder
le = LabelEncoder()
df2['gender'] = le.fit_transform(df2['gender'])

# 나머지 object 컬럼 → Yes=1, 나머지=0
obj_cols = df2.select_dtypes('object').columns
for col in obj_cols:
    df2[col] = df2[col].map(lambda x: 1 if x == 'Yes' else 0)

💡 pd.to_numeric() errors 매개변수

• 'raise' (기본값) : 변환 실패 시 에러
• 'coerce' : 변환 실패 시 NaN 처리
• 'ignore' : 변환 실패 시 원본 데이터 유지

모델 학습 & 평가

x = df2.drop('Churn', axis=1)
y = df2['Churn']

X_train, X_test, y_train, y_test = train_test_split(
    x, y, test_size=0.2, random_state=42, stratify=y
)

model = RandomForestClassifier(random_state=42, class_weight='balanced_subsample')
model.fit(X_train, y_train)

pred = model.predict(X_test)
print(classification_report(y_test, pred))

인사이트 도출 — 이탈에 영향을 주는 핵심 요인

feature_df = pd.DataFrame({
    'feature_name' : x.columns,
    'importance'   : model.feature_importances_
}).sort_values('importance', ascending=False).reset_index(drop=True)

print('해적 지표 Retention 분석 : 이탈에 영향을 미치는 핵심 요인 Top 5')
print(feature_df.head())

💡 AARRR 중 Retention(유지) 관점에서 분석합니다.
피처 중요도 Top 5를 파악하면 어떤 서비스/요금제가 이탈에 가장 큰 영향을 주는지 알 수 있습니다.

---

4. RFM 분석 — 고객 총지출 예측 (02_flywheel)

데이터 로드 & RFM 개념

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score

df = pd.read_excel('../data/Online Retail.xlsx')

RFM	의미	계산 방법
R (Recency)	최근성 — 얼마나 최근에 구매했는가	현재 시간 - 마지막 주문일 (일 수)
F (Frequency)	빈도 — 얼마나 자주 구매했는가	고객별 거래 횟수
M (Monetary)	금액 — 얼마나 많이 지출했는가	고객별 총 지출 합계

전처리 & RFM 생성

# CustomerID 없는 행 제거 (비회원 거래)
df.dropna(subset='CustomerID', inplace=True)

# 거래 금액 파생변수
df['price'] = df['Quantity'] * df['UnitPrice']

# 현재 시간 = 마지막 주문일 + 1일
now_time = df['InvoiceDate'].max() + pd.Timedelta(days=1)

# 고객별 RFM 집계
customers = df.groupby('CustomerID').agg(
    {
        'InvoiceDate' : lambda x: (now_time - x.max()).days,  # 최근성
        'InvoiceNo'   : 'count',                               # 빈도
        'price'       : 'sum'                                  # 총지출
    }
)
customers.columns = ['최근성', '빈도', '총지출']

모델 학습 & 피처 중요도

x = customers[['최근성', '빈도']]
y = customers['총지출']

X_train, X_test, y_train, y_test = train_test_split(
    x, y, test_size=0.2, random_state=42
)

model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)

pred = model.predict(X_test)
print('R2 Score :', r2_score(y_test, pred))

importance_df = pd.DataFrame({
    'feature_name' : x.columns,
    'importance'   : model.feature_importances_
}).sort_values('importance', ascending=False)

print(importance_df)

💡 pd.Timedelta(days=1) — 날짜에 1일을 더할 때 사용합니다.
lambda x: (now_time - x.max()).days — 그룹별 최근 주문일로부터 현재까지의 일 수를 계산합니다.

---

5. 마케팅 믹스 모델링 — 광고 채널 기여도 분석 (03_MMM)

마케팅 믹스 모델링(MMM)이란?

TV, 검색광고, SNS 등 각 마케팅 채널이 매출에 얼마나 기여했는지를 수치로 분석하는 방법입니다.
PolynomialFeatures + Ridge 를 활용하여 채널 간 상호작용 효과까지 분석합니다.

상호작용 항 생성 & Ridge 모델

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, PolynomialFeatures
from sklearn.linear_model import Ridge
from sklearn.metrics import r2_score

df = pd.read_csv('../data/Alternative.csv', index_col=0)

x = df.drop('sales', axis=1)
y = df['sales']

# 상호작용 항 생성
# degree=2             → 2차 다항 특성 생성
# interaction_only=True → 상호작용 항만 생성 (제곱 항 제외)
# include_bias=False    → 상수항(1) 컬럼 제외
poly = PolynomialFeatures(degree=2, interaction_only=True, include_bias=False)
x_poly = poly.fit_transform(x)

poly_columns = poly.get_feature_names_out(x.columns)

X_train, X_test, y_train, y_test = train_test_split(
    x_poly, y, test_size=0.2, random_state=42
)

# 스케일링
scaler  = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test  = scaler.transform(X_test)

# Ridge 모델 — L2 규제로 상호작용 항이 많아져도 과적합 방지
model = Ridge()
model.fit(X_train, y_train)

# 회귀 계수 확인 — 어떤 채널(상호작용)이 매출에 가장 큰 영향?
coef_df = pd.DataFrame({
    'feature_names' : poly_columns,
    'coefficient'   : model.coef_
}).sort_values('coefficient', ascending=False)

print(coef_df)

PolynomialFeatures 주요 매개변수

매개변수	기본값	설명
degree	2	다항 차수
interaction_only	False	True 시 상호작용 항만 생성 (제곱 항 제외)
include_bias	True	False 시 상수항(1) 컬럼 제외

💡 상호작용 항이란?
TV × SNS 처럼 두 변수를 곱한 항입니다.
TV 광고와 SNS 광고를 함께 집행할 때 매출 시너지 효과를 포착할 수 있습니다.

💡 왜 Ridge를 사용하는가?
상호작용 항을 추가하면 피처 수가 급격히 증가합니다.
Ridge의 L2 규제로 과적합을 방지하고 계수를 안정적으로 추정합니다.

---

딥러닝 이론

6. 딥러닝 — AI, 머신러닝, 딥러닝의 관계

개념	설명
인공지능 (AI)	사람의 지능을 흉내 내는 기계의 모든 기술 (가장 넓은 의미)
머신러닝 (ML)	데이터를 주어 기계가 스스로 규칙을 학습하게 만드는 방법론
딥러닝 (DL)	머신러닝 중 사람의 뇌(신경망) 구조를 모방한 최신 기술

AI ⊃ 머신러닝 ⊃ 딥러닝

---

7. 딥러닝의 세포 — 퍼셉트론

• 뇌의 신경세포(뉴런)를 수학적 공식으로 옮겨 놓은 인공 뉴런
• 입력 데이터에 가중치(중요도) 를 곱하고 편향(기준치) 을 더한 뒤, 활성화 함수 라는 스위치를 켬

---

8. 순전파 & 역전파

순전파 (Forward Propagation)

입력층 → 은닉층 → 출력층 방향으로 데이터가 흐르며 예측값을 생성합니다.

역전파 (Backpropagation)

• 출력층에서 발생한 최종 오차에서부터 역방향으로 거슬러 올라가며 어떤 가중치가 오차에 가장 큰 원인을 제공했는지 추적
• 찾아낸 기울기를 바탕으로 오차를 줄이는 방향으로 가중치(weight) 와 편향(bias) 을 미세하게 수정

---

9. 학습의 단위 — Epoch & Batch Size

개념	설명	예시
Batch Size	한 번에 몇 개의 샘플을 처리하고 가중치를 업데이트할 것인가	Batch Size=100 → 100개 처리 후 가중치 업데이트
Epoch	전체 데이터셋을 처음부터 끝까지 몇 번 반복 학습할 것인가	Epoch=3 → 전체 데이터를 3회 반복 학습

💡 Batch Size가 작을수록 업데이트가 잦아 학습이 불안정하지만 일반화 성능이 좋을 수 있습니다.
Epoch가 너무 크면 과적합 위험이 있습니다.

---

10. PyTorch — Tensor & 학습 루프 5단계

Tensor (텐서)

• 복잡한 숫자를 체계적으로 담는 다차원 배열
• 1차원 → 리스트 / 2차원 → 행렬(표) 로 이해
• PyTorch는 텐서를 이용해 레고 블록을 조립하듯 딥러닝 모델을 구축

학습 루프 5단계

1. 순전파 (Forward)    → 입력 데이터를 모델에 통과시켜 예측값 생성
2. 손실 계산 (Loss)    → 예측값과 실제값의 오차(손실) 계산
3. 기울기 초기화       → optimizer.zero_grad() (이전 기울기 초기화)
4. 역전파 (Backward)   → loss.backward() (기울기 계산)
5. 가중치 업데이트     → optimizer.step() (가중치 수정)

---

11. 신경망(nn.Module) & 자동 미분 & 최적화

nn.Module — 신경망의 기본 뼈대

• __init__ 함수 : 사용할 레이어(Linear 등) 를 미리 선언
• forward 함수 : 레이어를 어떤 순서로 통과시킬지 조립 레시피 정의

자동 미분 vs 최적화(optimizer)

최적화 알고리즘의 진화 — SGD → Momentum → Adam

알고리즘	특징
SGD	가장 기본적인 경사하강법
Momentum	이전 기울기를 관성처럼 활용하여 수렴 속도 향상
Adam	Momentum + 학습률 자동 조정, 현재 가장 많이 사용

---

12. 핵심 파라미터 — 학습률(lr) & 모멘텀(momentum)

학습률 (Learning Rate)

• 너무 크면 → 최적점을 지나쳐 발산
• 너무 작으면 → 학습이 너무 느리고 지역 최솟값에 갇힐 수 있음
• 일반적으로 0.001 ~ 0.01 사용

모멘텀 (Momentum)

• 이전 업데이트 방향의 관성을 현재 업데이트에 반영
• 진동을 줄이고 수렴 속도를 높임

---

📎 핵심 개념 요약

개념	설명
AARRR	해적지표 — Acquisition/Activation/Retention/Revenue/Referral
Flywheel	고객 경험 선순환 성장 구조
RFM	Recency/Frequency/Monetary — 고객 가치 분석 지표
pd.to_numeric(errors='coerce')	변환 불가 값을 NaN으로 처리
pd.Timedelta(days=1)	날짜에 특정 기간 추가
groupby().agg()	여러 집계 함수를 한 번에 적용
PolynomialFeatures	다항/상호작용 특성 생성
interaction_only=True	상호작용 항만 생성 (제곱 항 제외)
poly.get_feature_names_out()	생성된 다항 피처명 확인
Ridge	L2 규제 선형 회귀 — 과적합 방지
model.coef_	Ridge 회귀 계수 — 각 채널의 매출 기여도
class_weight='balanced_subsample'	RandomForest 클래스 불균형 보정
feature_importances_	피처별 중요도 (합계=1)
퍼셉트론	생물학적 뉴런을 수학적으로 모방한 인공 뉴런
순전파	입력→출력 방향으로 예측값 생성
역전파	출력→입력 방향으로 오차 원인 추적 & 가중치 수정
Epoch	전체 데이터를 몇 번 반복 학습할 것인가
Batch Size	한 번에 처리할 샘플 수
Tensor	PyTorch의 기본 다차원 배열
nn.Module	PyTorch 신경망 기본 뼈대
Adam	현재 가장 많이 사용하는 최적화 알고리즘
학습률(lr)	가중치 업데이트 보폭 — 너무 크면 발산, 너무 작으면 느림