전체 글6 [AARRR] 2. 활성화(Activation)_ 퍼널(Funnel)&코호트(Cohort) 0. 활성화(Activation) - 활성화 단계의 핵심 목표는 고객 유치 과정에서 유입된 사용자가 우리 서비스의 핵심 가치를 경험하게 만드는 것 1. 퍼널(Funnel) 분석 [ 기본 개념 ] - 사용자들이 서비스에 진입하고 나서 최종적인 핵심 기능을 사용하기까지의 여정을 도식화한 것 - 퍼널 분석의 단계: 사용자들이 경험하는 단계를 도식화 -> 각 단계의 전환율 측정 -> 분석 - 퍼널 분석의 핵심 고려사항: 1. 핵심 가치를 경험하는 시점과 그곳으로 연결되는 각 단계를 잘 정의했는가? 2. 각 단계별 전환율을 어떤 기준으로 측정하는가? 3. 코호트(Cohort)에 따른 퍼널별 전환율을 보고 있는가? - 퍼널분석의 가치는 주요 퍼널에서의 단편적인 전환율을 계산하는 데 있는 것이 아니라 전환율에 영향을.. 2022. 3. 24. [AARRR] 1. 고객 유치(Acquisition) 0. 고객 유치(Acquitition)란 - 고객 유치는 사용자를 우리 서비스로 데려오는 것과 관련된 활동을 의미 - 고객 유치 단계의 목표는 사용자의 유입채널을 최대한 누락없이 추적하고, 각 채널별 성과를 정확히 판단하는 것. - 고객 유치 과정의 핵심은 고객 유치에 기여(Attribution)한 채널의 성과를 판단할 수 있는 모델을 만드는 것 1. 사용자의 서비스 유입 경로 파악 - 유입경로를 파악하는 관점에는 무료(Organic) vs 유료(Paid) 와 식별(Identified) vs 미식별(Unknown)이 있다. 첫 번째 관점의 목표는 무료 사용자를 늘리는 것이고 두 번째 관점은 미식별 사용자를 줄이는 것이다. - 무료(Organic) 사용자는 자발적으로 유입된 사용자라고 해석할 수도 있지만 .. 2022. 3. 24. [AARRR] 0. AARRR 개요 0. 지표(Metric)란 - 서비스에서 쌓이는 로그를 특정 기준에 따라 요약한 자료. 일반적으로는 숫자의 형태로 수집된다. - 지표를 잘 관리하고 활용한다는 것은 현재 우리 서비스가 위치한 상황을 정확히 이해하고, 목표가 명확하고, 의사결정을 내리는 데 참고할 수 있는 명확한 기준이 있다는 의미. 1. 지표(Metric)를 보는 두 가지 관점 - 과업기반 지표관리: 각 조직별로 담당하는 업무를 정의한 후 업무에서 발생하는 수치들을 지표화 해서 관리(업무->지표) - 프레임워크 기반 지표관리: 회사 조직도에 따른 관리가 아닌, 사용자의 서비스 이용 흐름에 따라 단계별 주요 지표를 전체 서비스 관점에서 정의(지표->업무) 2. AARRR 정의 - '프레임워크 기반 지표관리' 의 대표적인 지표 관리 방법론으.. 2022. 3. 24. [python][시각화] 밀레니얼세대의 금융자산투자행동(matplotlib, seaborn) > 다음 순서 2022.03.08 - [시각화] - [Tableau][시각화] 밀레니얼 세대의 금융자산투자행동 목차 [ 1. 막대그래프 ] - 먼저 한글 폰트를 사용해도 그래프에서 글씨가 깨지지 않게끔 설정해준다. matplotlib에서 font_manager, rc 를 import한다. # 인구통계학적 특성 빈도분석 - '성별' 빈도 분석 결과를 막대그래프로 시각화한다. 기본 bar 차트는 세로형인데 가로형으로 만들어 보았다. 가로형으로 만들고 싶다면 plt.bar 대신 plt.hbar을 사용하면 된다. freq_sex 는 이전 포스트의 빈도분석 과정에서 만들어진 성별 빈도분석 데이터이다. - '교육수준'도 시각화를 해본다. 교육수준은 기본 plt.bar 형태로 만들었다. 색도 바꿔주었다. 가로형 차트.. 2022. 3. 10. [python][통계분석] 밀레니얼 세대의 금융자산투자행동 > 다음순서 2022.03.10 - [시각화] - [python][시각화] 밀레니얼세대의 금융자산투자행동(seaborn, matplotlib) 목차 [ 0. 데이터 후처리 ] - 분석에 필요한 라이프러리를 import 한다. - 전처리 완료된 데이터 파일을 판다스를 사용하여 raw_data 데이터프레임으로 읽어오고 결측값이 있는지 확인한다. - 숫자로 코딩된 데이터를 실제 항목명으로 모두 변경한다. - 회귀 분석을 위해서는 명목형 변수를 더미 변수로 변환해야 한다. get_dummies를 사용하여 데이터프레임 raw_dummies를 생성한다. [ 1. 인구통계학적 변수 빈도분석 ] - value.counts()를 사용해서 인구통계학적 변수 각각의 빈도를 분석한다. [ 2. 금융지식 / 위험수용성향 기술통.. 2022. 3. 8. [python][전처리] 밀레니얼 세대의 금융자산투자행동 > 다음 순서 2022.03.08 - [데이터 분석] - [python][통계분석] 밀레니얼 세대의 금융자산투자행동 목차 [ 1. 연구모형과 변수 ] [ 분석에 앞서 ] - 석사 학위논문에 사용한 통계분석을 파이썬으로 연습해보기 위해 작성함.(실제 수집에 사용한 설문지 첨부) - 연구윤리문제로 자료를 그대로 사용할 수 없기 때문에 학위논문에 사용한 로데이터와는 다른 값으로 데이터 구성. (연구를 위해 수집된 자료와 문항별 응답 비율이 최대한 비슷하도록 랜덤으로 값을 넣었음.) - 따라서 데이터 분석 결과는 연구 논문과는 다른 값이 도출 될 수 있음. [연구 모형] [연구에 사용된 변수] - 인구통계학적 특성 변수들 중 나이는 수치형, 범주형 두 개 모두 사용되었으며, 나머지 변수는 모두 범주형이다. - .. 2022. 3. 8. 이전 1 다음
