728x90 데이터분석가155 [성동1기 전Z전능 데이터 분석가] Day 19 스프레드 시트의 Query 함수를 이용하 SQL의 기본 구조 이해하기 Query 함수의 기본 구조 =QUERY(데이터의 범위,"select --- [where, order by, group by, limit ,label 등]") Query함수의 조건인 where,order by, group by, limit, label 등에는 작성 순서가 존재한다. →작성 순서가 어긋나면 오류로 인해 값이 나오지 않음 where 데이터를 불러올 때 조건을 설정해줄 수 있다.(데이터 중 '프로모션을 진행한 데이터'와 같은 부분) =QUERY(A4:E24, "SELECT A,B where E='promotion'") 와 같은 형태 →E가 promotion인 데이터만 가져올 것 order by 불러오는 데이터에서 어떤 열을 .. 2023. 11. 9. [성동1기 전Z전능 데이터 분석가] Day 18 뉴스레터 서비스의 데이터를 이용하여 분석을 진행하였다. 데이터 내의 항목으로는 유저의 ID, 생성일, 생성시간, 레퍼럴(추천) 갯수, 받은 뉴스레터 수, 오픈한 뉴스레터 수, 클릭한 뉴스레터 수, 유입경로(organic, embed), 취소한 시간, 마케팅 동의 여부가 있었다. 이 중 받은 뉴스레터 수와 오픈한 뉴스레터 수를 이용하여 오픈율을 계산하고 이것 또한 분석에 이용하였다. 다른 분들이 좋은 분석들을 많이 하셨는데 나는 구독자 수와 평균 오픈율의 변화에 주목해서 분석을 진행하였다. 7월부터 서비스가 시작되었기 때문에 초기 구독자 수가 많은 것을 고려하고 보면 9월에 큰 폭으로 구독자 수가 증가한 것을 볼 수 있다. 하지만 구독자들의 뉴스레터 오픈율은 오히려 50% 아래로 낮아지는 것을 볼 수 있는.. 2023. 11. 8. [성동1기 전Z전능 데이터 분석가] Day 17 그룹화(분류) 분석-R.F.M 더 신경써야 할 고객을 R.F.M에 따라 구분하는 방식 →Recency: 최근 방문 고객이 더 반응할 확률이 높다. → Frequency: 방문 빈도가 높을수록 구매할 확률이 높다. → Monetary: 많이 지출할수록 구매할 확률이 더 높다. 위와 같은 것들을 고려하여 다음을 진행할 수 있다. →핵심 우량 고객군: 프리미엄 서비스를 제공(VIP) →우량 고객 후보군: 우대 서비스를 제공 →이탈 위험 고객군: 재활성화, 프로모션/할인 등을 제공 →저수익성 고객군: 디마케팅 대상 RFM점수는 각 매출액과 구매일, 최종 구매일을 통계적으로 분석해 결정해야하나, 단순하게는 4분위 수로 계산할 수도 있다. f(R,F,M)=a*(R)+b*(F)+c*(M) → a,b,c와 같은 계수값.. 2023. 11. 7. [성동1기 전Z전능 데이터 분석가] Day 16 GA4를 이용한 실습 GA4에서 이벤트는 생성할 수 있는 갯수에 제한이 있다. →이벤트의 수가 일정 범위를 넘었다면 기존의 이벤트들을 합치거나 묶어서 수를 줄일 필요가 있다. 세그먼트(Segment)=잠재고객 정량화할 수 있는 특정 속성을 의미한다. 일반적으로 GA에서는 특정 고객을 묶은 특성이다.(예를 들어, 첫 방문자, 재방문자, 모바일로 방문한 방문자 등) GA내의 탐색 보고서 기본 리포트는 한계가 있다.(3차원 이상의 다차원적인 보고서를 제공하지 않음) 자신이 자주 보는 보고서를 만들고 조금 더 시각적인 형태로 볼 수 있다. 기본 템플릿만을 잘 사용해도 유의미한 분석을 이끌어낼 수 있다. '행'은 측정기준을, '열'은 측정항목으로 불러올 수 있다. 유입경로 탐색 분석 유저의 단계별로 구매까지의 여.. 2023. 11. 6. 이전 1 ··· 34 35 36 37 38 39 다음 728x90
