Overview

• e-commerce의 방문-구매 퍼널 데이터를 활용해 매출 현황과 매출에 영향을 주는 핵심 요인을 분석하고, 이를 기반으로 마케팅 타겟팅 전략을 도출하는 것을 목적으로 한다.
• 본 분석은 특정 제품이나 카테고리 추천이 아닌, 고객의 행동 패턴을 기준으로 어떤 유형의 고객에게 마케팅이 필요한지를 파악하는 데 초점을 둔다.
• 퍼널 분석, 데이터 시각화(PowerBI), 상관관계 분석(Python)
• 최종적으로 (1) 매출 분해(Revenue = Customers×CR×AOV) (2) 세그먼트 정의 (3) 타겟팅 액션 우선순위를 도출한다.

Tables of Content

1. Dataset

출처 (Kaggle) : https://www.kaggle.com/datasets/abhayayare/e-commerce-dataset/data

선정사유

1. order 단위 테이블, event 단위 테이블이 함께 존재
2. Dimension 테이블과 Fact 테이블 구조가 명확히 분리
3. User table row 1만 이상, Event table row 1만 이상
4. 1년 이내 업데이트
5. upvote 10 이상

특징

1. Python(Faker, NumPy, Pandas)을 활용해 생성된 합성(synthetic) 데이터로 실제 시장 패턴과 차이가 있을 수 있음
2. 주요 테이블
   • Users
   • Products
   • Orders
   • Order Items
   • Reviews
   • Events

2. KPI Map