L사의 데이터를 활용하여 고객의 구매 패턴을 파악한 후, 구매 감소 고객 예측 모델을 구축하여 특정 패턴을 보이는 고객에게 맞는 마케팅을 제언합니다. 사용한 모듈을 다음과 같습니다.
Language : python
DB : oracle sql developer
Environment : google Colab
제공 받은 데이터를 분석하여 pain point를 찾고, 이에 대한 해결이 가능한지 통계 및 시각적으로 분석하였습니다. 또한 기존 고객에 대해서 정의를 내리고, 분석에 필요한 데이터를 추출해내어 분석을 진행했습니다.
위 변수를 이용하여 여러 모델을 사용, 최적화된 모델 및 결과는 다음과 같습니다
Machine Learning Model : Logistic Regression (acc : 0.7129 ) , Random Forest (acc : 0.7255 )
Feature importance를 통해 중요변수 22개를 선정하였고, elbow method = 4 (최적화)를 기준으로 군집을 분석하였습니다.
군집분석한 내용을 토대로 Decision Tree에 따라 특성을 파악했습니다.
이후 중요도에 맞게 마케팅을 제언했습니다.
데이터내의 기준이 명확하지 않아, 기준을 세우고, 그에 맞는 데이터의 기준을 세우는데에 시간이 많이 소비되었습니다. 또한 추가적인 파생변수를 만들어내기 위해서 여러가지의 마케팅 정보를 습득하는데에 있어서 어려움을 겪었습니다.
- 팀장 : 채승혜 https://github.com/SeunghyeChae
- 팀원 : 권준기 https://github.com/pkwon35
- 팀원 : 김광훈 https://github.com/kikiru328
- 팀원 : 진유훈 https://github.com/JINYUHOON