프로덕트 분석24 그로스 해킹이란? (개념과 전제 조건) 그로스 해킹이란? 들어가기 전에, 관련 주요 개념 🎯 그로스 해킹 크로스펑셔널한 직군의 멤버들이 모여서, "핵심 지표"를 중심으로 실험을 통해 배움을 얻고 이를 빠르게 반복하며 제품이나 서비스를 "성장"시키는 것 목적 기반 조직에서 여러 직군이 치열하게 협업해야 함 (Cross-Functional Team) 린 스타트업 : 제품 개발 → 지표 측정 → 학습 및 개선 사이클을 빠르게 반복 최소 기능 제품(MVP : mininum Viable Product) 가설을 검증할 수 있는 최소한의 기능이 포함된 제품 AARRR : 고객 유치, 활성화, 리텐션, 수익화, 추천 → 5개 범주에 따라 주요 지표들을 모니터링하고 관리해야 함 그로스 해킹의 전제 조건 1. PMF(Product-Market Fit) : 제품.. 2024. 2. 28. 리텐션(Retention)이란? 리텐션을 측정하는 지표 👉 리텐션을 측정하는 데 크게 다섯가지 방법이 있다. 코호트 리텐션 (Cohort Retention) 리텐션 커브 (Retention Curve) Day N Retention Bracket Retention, 혹은 Bounded Retention Unbounded Retention, 혹은 On and After Retention 1. 코호트 리텐션 👉 코호트는 동질적인 특성을 공유하는 사람들의 집합을 가리키는 말로, 주로 '같은 시기에 가입한 사용자들'을 가리키는 용어로 쓰임 👉 가입 시기 외에도 다양한 기준에 따라 코호트를 구분할 수 있음 (인구통계학적 특성, 프로덕트 내 특정 행동 여부) 코호트 리텐션이란 특정 코호트 유저들이 시간이 경과함에 따라 유지되는 비율을 뜻한다. 예를.. 2024. 1. 27. [Pandas] RFM Segmentation 분석(feat. K-Means Clustering) 코호트 분석과 동일한 데이터로 이어서 RFM 세그먼트를 분석해본다. (RFM에 대한 개념과 예시는 별도 포스팅으로 게시할 예정입니다) RFM을 구하기 위한 전처리 먼저 총 구매금액 컬럼부터 생성해준다. 상품 개당 가격과 판매량을 곱해준다. # 총 구매금액 컬럼 생성 df['TotalSum'] = df['UnitPrice'] * df['Quantity'] 송장번호 최솟값과 최댓값(가장 오래전 주문 건과 최근 주문 건의 날짜)을 출력해본다. 대략적인 시간 범위를 파악한다. print('Min Invoice Date: ', df.InvoiceDate.dt.date.min(), 'max Invoice Date: ', df.InvoiceDate.dt.date.max(), '\n') df.head(3) 보통 당일 .. 2024. 1. 27. [Pandas] Cohort Analysis(2) : 고객 유지율 구하기 #1에서 도출한 코호트로 고객 유지율(Retention Rate)부터 살펴보자. Retention Rate Table(고객 유지율) cohort_counts 테이블에서 0번째 인덱스는 해당 월에 유입된 고객 수를 뜻한다. # 각 코호트의 초기 고객 수 cohort_size = cohort_counts.iloc[:, 0] cohort_size cohort_counts 테이블을 위에서 구한 cohort_size로 divide()하면 리텐션 비율이 구해진다. 이때 axis = 0 으로 하여 모든 행에 대해서 월별 리텐션 비율을 구한다. # 각 월별 고객의 유지율 retention = cohort_counts.divide(cohort_size, axis=0) #axis 열방향 retention.round(3) .. 2024. 1. 26. [Pandas] Cohort Analysis(1) 코호트 분석 시작하기 라이브러리와 데이터 임포트 import numpy as np import pandas as pd import datetime as dt import matplotlib.pyplot as plt import seaborn as sns from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans import os df = pd.read_excel('Online Retail.xlsx') 데이터 확인 df.head() df.info() df.isnull().sum() 결측치 제거 Description 과, CustomerID에 결측지 있음. 확인 필요! df = df.dropna(subset=['CustomerID']) d.. 2024. 1. 26. 코호트 분석이란? 코호트 분석이란? 동일한 기간동안 동일한 특성을 가진 사람들을 모아 분석하는 것으로, 일종의 '행동 분석'이다. 쉽게, 날짜에 기반한 사용자 세그먼트라고도 이해할 수 있다.(세그먼트와의 비교는 하단에 설명) 코호트를 통해 분석할 수 있는 데이터 전환률(converstion rates) 리텐션률(retention rates) 이용자의 목표 달성률(Goal completions per user) 이용자의 수익률(Revenue per user) 이용자 당 세션(Sessions per user) 이용자 당 페이지 뷰 수(Page views per user) 이용자 당 세션 기간(session duration per user) ; 얼마나 오래 머물러 있는지 이용자 당 전환률(transactions per user.. 2024. 1. 26. 이전 1 2 3 다음 728x90
