수익증대 시나리오1 : 무료서비스를 주로 이용하는 고객군을 발견하고 이들의 방문목적에 따라 자주 방문하는 페이지에 Target Marketing을 수행하는 것으로 조치함 시나리오2 : push 알림 마케팅 서비스 효과 검증 시나리오1 : 원인 : 라디오, 동영상재생, 앨범댓글작성 등 무료서비스를 주로 사용하는 사용자를 확인함 해결 : 고객군에 따라 알맞은 Target Marketing 등 프로모션을 수행하여 구매전환율을 높일 방안을 모색함 시나리오2 : 원인 : 당일 가입자중 push알림 서비스를 신청한 고객들에게는 할인쿠폰을 지급하고 있음, 이러한 마케팅의 효과를 알아보고자함 해결 : push 알림 서비스를 신청한 고객들의 이용권 구매율이 높았으므로 알림을 신청하지 않은 고객의 알림 신청을 적극 유도하..

3. 수익증대 시나리오1 : 가입당일 고객의 프로세스를 분석하고 이용권을 구매하지 않은 고객의 구매전환률을 높일 수 있는 방안을 모색함 원인 : 이벤트에만 참여하고 프로세스를 종료하는 고객군을 발견하였음. 해결 : 실시간차트에 진입시 프로모션 페이지가 뜨도록 조치 하였음, 이러한 마케팅 효과에 대해서는 차후 몇개월간 데이터를 수집하여 프로세스 마이닝 분석을 다시 수행하기로 함. variant : 같은 프로세스 경로를 공유하고 있는 케이스들의 집합 필터링 조건 1. 이벤트 참여만 하고 프로세스를 종료한 고객 2. 최초로그인에서 이벤트 참여 후 실시간 차트로 끝난 고객 3. 이벤트를 3개만 가지고있는 case attribute 이벤트 참여만 한 고객 필터링 endpoint 최초로그인에서 실시간 차트로 끝나는..

시나리오 : In-bound(콜센터)에서 수집한 데이터를 결합하여 고객들이 어떤 과정을 통해 비용이 많이드는 대 고객채널(콜센터)로 전이되는지 발견하였음. 콜센터로 전이되는 다양한 고객군을 확인하고 각각 어떤 프로세스를 따르는지 확인하여 조치함 원인 : 콜센터로 전이되는 고객들의 프로세스를 분석한 결과, '장르신설 및 장르문의' 에 관한 문의가 많았으며 주로 '자주하는질문(FAQ)'에서 명확한 해결책을 찾지 못해 콜센터로 연결되는것으로 보임 해결 : 비용이 많이드는 채널로 쉽게 전이 되지 않으면서 고객경험을 높이기 위해 '자주하는질문(FAQ)'에서 장르관련 파트를 추가하기로 함 콜센터 연결한 고객을 필터링 필터링 결과 1%의 고객이 콜센터 연결을 함 장르음악 검색후 고객지원을 거쳐 자주하는 질문을 통해 ..

고객여정분석 고객여정: 고객이 기업과 상호작용할 때 일어나는 이벤트들의 집합 검색,구매, 등록 , 추천 , 재구매 등 고객여정 분석을 통해 얻고자 하는 가치 1. 고객경험 개선(고객만족지수, 순 추천지수, 고객노력지수 등) - 사용자 후기에 언급된 내용을 고객 프로세스 분석을 통해 확인하고, 서비스 개선을 위한 우선순위를 정함 - 결제 오류 분석을 통한 서비스 불만족을 해소함 2. 비용절감 -고객 프로세스가 비용이 많이드는 서비스 채널로 전이되는 과정과 원인 분석을 통한 해결책 발견 3. 수익증대 - 구매전환율을 높이기 위한 고객 프로세스 분석 1.고객경험개선 시나리오1 : 결제 오류 분석을 통한 원인 발견 후 개선 이용권 결제시 오류가 발생한 고객들의 프로세스를 분석하여 원인을 찾고자 함 원인 : 이용..

차트를 왜 쓰는가? 1. 비교와 순위 매기기 2. 전체중에 얼마에 해당되는가 파악 3. 트렌드 파악(시세, 추세) 4. 상관관계 파악(인공지능, 머신러닝, 딥러닝) 5. 분산정도 (얼마나 퍼져 있는가 , 중심값? ,유효값?) 데이터 시각화 - 핵심차트 10 -차트의 용도와 목적에 맞는 사례를 중심으로 # 비교를 위해 사용하는 차트 1. column chart 2. bar chart 3. pareto chart - 가장 중요한 부분 찾기(일종의 히스토그램) 4. Dual axis chart # 전체중에 얼마에 해당되는가 파악 1. pie chart # 트렌드 파악 1. line chart(주로 시계열 분석 - 시간에 따른 추세) # 상관관계(연관성) 파악 1. scatter chart - 분포를 보면서 패..

팬더스 apply 함수 다양한 활용 방법¶ In [1]: import pandas as pd date_list = [{'yyyy-mm-dd':'2000-06-27'}, {'yyyy-mm-dd':'2002-09-24'}, {'yyyy-mm-dd':'2005-12-20'}] df = pd.DataFrame(date_list,columns=['yyyy-mm-dd']) df Out[1]: yyyy-mm-dd 0 2000-06-27 1 2002-09-24 2 2005-12-20 In [2]: #column 추가하기 (year) def extract_year(column): return column.split(&#3..