- 발표영상: https://www.youtube.com/watch?v=WBpVgxsxNrA
- 유통회사 L사의 구매 데이터를 분석하여 유의미한 솔루션을 도출하는 프로젝트입니다.
- 원본 데이터는 보안 규약상 보여드릴 수 없고, 이에 따라 데이터 가공 과정 역시 구두설명만 드리게 되었습니다. 이 점 양해 부탁드립니다.
- 자세한 내용은 소스코드 혹은 ppt를 참고해 주시기 바라며 모바일은 최적화가 되어 있지 않습니다.
1. 기획 및 타겟 정의
2. 모델링
3. 군집화 및 인사이트 도출
4. 팀원소개
최근 유통회사들은 경쟁에서 도태되지 않기 위해 고객 맞춤형 서비스의 필요성이 대두되고 있습니다. 특히, L사는 4분기 매출이 다른 분기에 더 취약한 부분이 있었습니다.
2년간 구매 이력이 있는 지속고객들 중에서 솔루션 대상을 정의합니다. 전년도 대비 4분기 매출이 감소한 약 2만명의 고객을 유의고객이라고 정의합니다. 이 고객들은 다른 분기에서도 많은 구매 감소를 보이고 있었고, 이 감소금액은 회사에 타격을 줄 만큼 큰 금액입니다.
제휴사별 카테고리를 통합 카테고리로 재분류하고, 변수를 개발합니다. 변수는 다중공선성 문제가 없도록 상관도를 고려하여 재선정하고, 오른쪽 사진과 같이 구성되었습니다.
유의 고객을 예측하는 분류 모델을 선정하기 위해 평가지표들을 확인합니다.
2년 중 7분기분을 train 데이터와 validation 데이터로 나누어 모델을 구성하였고, 8분기를 test 데이터로 활용하였습니다.
오른쪽 사진 내용과 같이 XGBoost를 선택하였습니다.
이제 유의고객이 될 고객을 예측하고, 해당 고객들을 군집분석하여 군집별 솔루션을 제시합니다.
군집화 알고리즘은 K-평균 알고리즘을 사용하였으며, 실루엣 계수를 확인하고 군집 수는 3개로 결정합니다.
"잠재적 충성 고객층"
- 단계별 마케팅
- 평소 선호 제품군 추천
- 소속감을 부여하는 서비스
"이탈 예상 고객층"
- 이벤트 등의 추가 서비스
- 자주 구매하는 상품 위주
- 온라인 채널 홍보
"구매력 높은 고객층"
- 구매 금액에 따른 혜택
- 고품질의 고가 상품군
- 계절 상품 개발
최근에는 큰 틀에서의 추천 시스템은 효과를 별로 보지 못합니다.
따라서 군집솔루션과 고객들의 개인 선호도를 결합하여 Base 추천 시스템을 구성할 필요가 있습니다.
여기에 계절 인기상품과 개인 선호 상품군, 가격대 등이 결합되어 더 유의미한 추천이 이루어집니다.
Surprise api를 통해 구성하였으며, Baseline은 SVD알고리즘과 Knn 알고리즘 중 rmse가 낮은 것이 선택되어 적용되도록 하였습니다.
전년 동월의 상품군별 인기 상품과 개인 추천 리스트와 곂치는 것이 있다면, 가중치를 주어 상단으로 올라오게 됩니다.
이를 통해 개인 맞춤형 추천에 군집 솔루션을 자연스럽게 녹일 수 있으며, 가중치 등은 전문가와 함께 보완할 여지가 있습니다.
[팀장] 어정호
데이터 가공, 변수개발, ML
MAIL : fishup97@gmail.com
Github : https://github.com/fish-ho
[수석개발자] 조남현
변수개발, ML, 군집분석, 시각화, 추천시스템
MAIL : chonh0531@gmail.com
Github : https://github.com/MiddleJo
[수석디자인] 최지원
데이터 가공, ML, 군집별 솔루션, ppt제작
MAIL : plasticmelody@gmail.com
Github : https://github.com/JadeWednesday
[데이터마이너] 김민성
데이터 가공
MAIL : nycticebus0915@gmail.com
Github : https://github.com/nycticebus0915
조경윤
데이터 가공
MAIL : kkyxxn@gmail.com
Github : https://github.com/kkyxxn