가상 쇼핑몰 고객 주문데이터 2. 고객 Retention 코호트 분석

먼저 코호트 분석을  하기 전에 코호트란 ?

 

 간단하게 말하면 같은 기간동안 같은 경험을 한 집단을 나타낸다.

코호트 분석은 그로스해킹 카테고리에 자세한 설명을 써야두어야겠다.

 

사용자 retention 분석

• 월간 사용자 cohort를 바탕으로 월별 재구매율(retention) 분석하기
• heatmap으로 한눈에 재구매율을 파악 가능 

출처:  https://analyticsmarketing.co.kr/digital-analytics/google-analytics/1527/

 

이제 본격적으로 코호트 분석을 할 예정이다.

이전에 데이터 전처리한 데이터를 불러온다.

 

먼저 코호트 예시에 있는 왼쪽 기간부터 구해주어야한다.

 

사용자 기준으로 최초 구매한 월(month) 연산하기

• Month : 구매월(일(day)을 무시)
• MonthStarted: 사용자가 최초 구매한 달
• 코호트 차트의 왼쪽 기준이 되는 시간을 구하기 위함

# 뒤의 날짜는 무시하고 년도와 월만 뽑아내게 함수 생성
# 일은 1로 고정시킨다. 

def get_month(date):
  return datetime(date.year, date.month,1)

retail['Month']=retail['InvoiceDate'].apply(get_month)

month_group=retail.groupby('CustomerID')['Month']

# MonthStarted 컬럼을 생성하여 해당 고객이 구매한 가장 빠른 달을 구해줌
retail['MonthStarted']=month_group.transform(np.min)

retail.head()

 

기준이 되는 월과 실제 구매 월의 차이 계산하기

• 각 구매가 최초 구매로 부터 얼마의 월이 지났는지 연산
• MonthPassed : 최초 구매월로부터의 월 차이
• 코호트에서 위쪽 기간이 지난 부분을 나타내기 위함

retail['MonthPassed']=(retail['Month'].dt.year - retail['MonthStarted'].dt.year)*12 + \
(retail['Month'].dt.month - retail['MonthStarted'].dt.month)
# (해당 구매 년도 - 첫 구매 년도)*12 + (해당 구매 달 - 첫 구매 달)을 해주어서 
# 해당 구매가 첫 구매일로부터 얼마나 지났는지 계산해주는 식

retail.tail()

 

기준 월, MonthPassed를 기준으로 고객 카운팅

• 기준이 되는 월과 그 월로부터 지난 기간의 고객 수를 계산
• 코호트 기준 안 쪽 수치를 계산하기 위함

def get_unique(x):
  return len(np.unique(x))
# 해당 기간 동안 고객이 여러 번 사는 경우도 있어서 이를 제외하기 위해 unique 함수를 사용하여
# 고객 1명이 얼마나 구매하는 지 계산

cohort = retail.groupby(['MonthStarted', 'MonthPassed'])['CustomerID'].apply(get_unique)
cohort = reset_index()

cohort.head()

 

피벗 테이블 생성

• pivot 함수를 이용하여 index는 MonthStarted, columns을 MonthPassed로 변경하여 테이블 변경
• 첫번째 column을 기준으로 100분위 연산
• pivot 테이블을 이용하여 최종 코호트 차트로 나타내기 위함

cohort=pd.pivot_table(cohort,'CustomerID','MonthStarted','MonthPassed')
cohort.head()

오...!! 피벗 테이블로 나타내니까 코호트 차트와 굉장히 유사한 데이터 프레임이 생성되었다. !!! 

하지만 해당 값의 count가 아닌 비율로 나타내주어야해서 첫번째 컬럼 기준으로 100분위 연산을 한다.

 

cus_cohort=cohort.div(cohort.iloc[:,0], axis=0)*100
cus_cohort=round(cus_cohort,2)

cus_cohort

 

비율로 차트를 구해주었다 !! 

이제 이를 보기 편하게 히트맵을 이용하여 시각화한다.

heatmap 출력하기

• seaborn의 heatmap 함수로 시각화

xticks = np.arange(0, 13)
yticks = ['2010/12', '2011/01', '2011/02', '2011/03', '2011/04', '2011/05', '2011/06', '2011/07', '2011/08', '2011/09', '2011/10', '2011/11', '2011/12']

plt.figure(figsize = (15, 8))
sns.heatmap(cus_cohort, 
            annot=True, 
            xticklabels=xticks,
            yticklabels=yticks, 
            fmt='.1f',
            cmap = 'Blues'
)

 

히트맵을 이용하여 코호트 분석을 하였다.

고객들의 재구매율을 나타내었는데 기간이 지날수록 재구매율이 낮아지고 있다.

이 자료를 제공하면 의사 결정에 도움을 줄 수 있길 바란다! 

 

자세한 소스는 git에 업로드하였다.

GitHub - busyppp/Study