- 이 그래프 어떻게 해석할 수 있을까요?
=> 값이 1가까운 부분에 쏠려있다. 이상치가 있다,
-
주문서와 결제 테이블이 실 비즈니스에서는 따로 되어 있기도 합니다. 이 데이터는 주문서 테이블이라고 볼 수 있습니다. 결제 테이블에는 무엇이 있을까요?
=> 결제테이블이라면 고객ID, 주문서ID, 총결제금액, 결제수단, 결제일자, PG사승인번호, 상태값(완료, 실패) -
어떨 때 pandas 의 background_gradient() 를 사용하고 어떨 때 seaborn 의 heatmap()을 사용하면 좋을까요
pandas 의 background_gradient() => 변수마다 성질이 다를 때, 각 변수별로 스케일값을 표현합니다.
seaborn 의 heatmap() => 같은 성질의 변수를 비교할 때, 전체 수치데이터로 스케일값을 표현합니다. -
중복 데이터는 왜 생길까요?
=> 중복 데이터는 게시판에 글을 쓸 때 네트워크가 불안정할 때 전송버튼을 두 번 누르거나 서버측 트래픽 이슈로 중복 해서 쌓이는 경우가 발생하기도 합니다. 요즘은 대부분 이런 이슈가 없도록 프론트, 백엔드 개발에서 고려해서 프로그램을 작성하지만 그래도 중복 이슈가 발생하기도 합니다!
DAU, MAU, CAC, ARPU, ARPPU, LTV, ROAS 는 따아, 아아, JMT 처럼 자주 사용하는 용어를 줄여서 사용하는 거과 비슷합니다. -
리텐션이 무엇일까요?
=> 코호트 분석 중에 시간으로 묶어서 분석하는 기법
코호트 기법에서 시간으로 묶어서 분석하는 것이 리텐션이고 리텐션으로는 이탈, 성장 등을 분석할 수 있습니다.
이탈 - 지난 달에 구매한 사람이 이번달에도 구매했는가?
성장 - 지난 달에 비해 매출액이 늘어났는가?
리텐션을 볼 때는 서비스마다 보는 관점이 다르기도 합니다. -
구독형 서비스의 (통신사, 정수기, OTT, 클라우드) 가입자 유지 비율 리텐션을 어떻게 구할 수 있을까요?
=> (1개월 후에도 제품 또는 서비스를 여전히 사용하는 사용자 수 / 해당 월에 제품 또는 서비스를 사용하기 시작한 사용자 수) x 100 -
1개월 후에도 제품 또는 서비스를 여전히 사용하는 사용자 수 는 어떻게 구할까요?
=> 해당 월 서비스 이용자 수 / 다음 월 서비스 이용자 수 -
개월 수로 구한다면 어떻게 구할 수 있을까요? 서비스 첫 이용월을 1로 봤을 때 그다음달은 2, 3, 4, 5, 6 으로 몇 달이 지났는지 어떻게 구분할까요?
=> 해당 고객의 첫 구매월을 찾습니다. 첫 구매월과 해당 구매 시점의 월의 차이를 구합니다. 첫 구매한 달로부터 몇 달째 구매인지를 구합니다.
