Overview

• Cosmetics 온라인 스토어의 Events History(사용자 행동 로그) 데이터를 활용해 매출 현황과 매출에 영향을 주는 핵심 행동 요인을 파악하고, 이를 기반으로 마케팅 타겟팅 전략을 도출하는 것을 목적으로 한다.
• 분석 범위는 다음과 같다.
  • 기초 이커머스 지표 분석 : 매출, CVR, 재구매율, AOV 등 핵심 KPI 현황 파악
  • 퍼널 분석 : view → cart → purchase 단계에서의 전환 구조와 병목 구간 분석
  • 코호트 분석 : 재구매율 및 재구매 주기 구조 분석
  • 고객 세그멘테이션 분석 : 가격×수량 기반 세그먼트와 K-means 기반 고객 군집 분석
• 주요 방법론: Python 기반 데이터 전처리, 퍼널 분석, 코호트 분석, 고객 세그멘테이션, K-means Clustering, Power BI 시각화
• 최종 산출물: 커머스의 현재 시장 포지션 정의 및 고객 세그먼트 기반 마케팅 타겟 전략 도출

Tables of Content

1. Dataset

출처 (Kaggle) :https://www.kaggle.com/datasets/mkechinov/ecommerce-events-history-in-cosmetics-shop

선정사유

1. 최근 관심이 높은 Cosmetics 도메인
2. 이벤트 로그 기반으로 세션/고객/상품 관점의 다양한 집계 분석 가능(매출, CR, AOV, 리텐션/재구매 등)
3. 결측(brand/category_code 등)이 존재해 실무형 데이터 전처리/해석 연습에 적합

특징

• 중형 cosmetics 온라인 스토어의 5개월(2019-10 ~ 2020-02) 사용자 행동 데이터
• 1 row = 1 event(사용자-상품 상호작용)이며, 사용자와 상품 간 many-to-many 관계를 이벤트 로그로 기록 (1 제품 구매 당 purchase event 1개)

Event Types

• view: 상품 조회
• cart: 장바구니 담기
• remove_from_cart: 장바구니 제거