스타벅스 고객 세그멘테이션: 데이터 기반 마케팅 전략_데이터 전처리 및 EDA

1. 분석 배경 및 목표

• 프로모션 효율성을 측정하여 효과가 낮은 프로모션을 제거하고, 효과적인 프로모션에 예산을 집중한다.
• RFM(Customer Segmentation)을 활용해 주요 고객 세그먼트의 행동 패턴을 분석하여 타겟화된 프로모션 전략을 도출한다.

 

(1) 분석 흐름

A. 프로모션 효율성 평가

1. 참여율(Offer Completed / View) 계산:
   • 각 프로모션별 참여율을 산출하여 효율성을 평가.
   • 참여율 공식:
     

     

2. 거래 금액 기반 추가 평가:
   • 참여율이 높은 프로모션의 **총 거래 금액(Total Revenue)**을 확인.
   • 참여율이 낮더라도 거래 금액이 높은 프로모션이 있는지 확인.
3. 효율성 기준 설정:
   • 참여율과 거래 금액 모두 낮은 프로모션 → 제거 후보.
   • 참여율은 낮지만 거래 금액이 높은 프로모션 → 분석 필요.

 

B. 고객 세그멘테이션: RFM 분석

1. RFM(Recency, Frequency, Monetary Value) 기준으로 고객 분류:
   • RFM 점수별로 고객을 1~4분위로 나누기.
   • 1분위: 가장 최근에 방문하고 자주 방문하며, 거래 금액이 높은 고객.
2. 세그먼트별 프로모션 참여 분석:
   • RFM 1분위 고객이 가장 많이 View 및 Complete한 프로모션 파악.
   • RFM 1분위의 행동 패턴에 집중하여 맞춤형 프로모션 강화.

 

C. 가설 검증

 

가설 1: 비효율적인 프로모션 제거

• 참여율과 거래 금액 기준으로 비효율적 프로모션 제거.
• 제거된 프로모션의 수익 손실 영향력 측정.

가설 2: 효과적인 프로모션 강화

• RFM 1분위 고객에게 맞춘 프로모션을 강화.
• 강화 프로모션의 예상 수익 증가 효과 평가.

 

(2) 구체적 데이터 분석 계획

1. 데이터 준비
   • View, Offer Completed, Transaction Amount 데이터를 활용.
   • RFM 점수를 산출하기 위해 고객별 거래 기록 데이터 필요.
2. 분석 단계
   • 각 프로모션별 참여율 및 총 거래 금액 산출.
   • 고객 세그먼트별 프로모션 행동 분석:
     • RFM별 View 및 Complete 데이터 비교.
     • RFM 1분위 고객의 선호 프로모션 도출.
3. 결과 시각화
   • 프로모션별 참여율 및 거래 금액 그래프.
   • RFM 세그먼트별 행동 패턴 차트.
   • 비효율적 프로모션 제거 및 강화 프로모션 제안.

 

2. EDA

가지고 있는 데이터를 먼저 뜯어 보았다. 총 세 개의 테이블이 존재했고

Portfolio에는 진행한 프로모션의 종류(10개 항목 * 6개의 컬럼) 

Profile: 고객들의 인구통계학적 자료(17,000명 * 5개 컬럼)

Transcript: 고객에게 프로모션이 안내되고, 거래가 완료된 내역(총 306,638 이벤트 * 4개 컬럼) 

 

ERD

 

3. 데이터 전처리 

(1) JSON 데이터 전처리

 

 

(2) 프로모션 이름 변환

기존 프로모션을 구분하는 id가 알기 어렵게 되어 있어서 ( ‘프로모션의 종류-리워드-어려움-발신기간')으로 이름만 보고 구분할 수 있도록 설정해줌. 

 

 

(3) 이상치 확인

age 컬럼에서 나이가 100세 이상인 고객이 2175개의 행이 존재하여 이 부분은 나이와 관련된 분석을 할 때는 제외해주었음.

 

4. RFM 세그멘테이션

Class	Recency	Frequency	Monetary
VIP(충성고객)	3	3	3
Potential(방문 잠재고객)	3	3	2
Low(구매 잠재고객	3	1 or 2	1 or 2
Risk	1 or 2	1 or 2	1 or 2

 

RFM 정의

- Recency: 이벤트 진행 시간을 뜻하는 time 값이 큰 순으로 집계

- Frequency: Frequency 값을 구하기 위해 회원 별로 거래가 완료된 수를 집계하여 통계값을 구했으며

- Monetary: 유저 별로 사용한 금액을 합하여 구했습니다.

 

 

고객층을 아래의 기준과 같이 4분위 수로 구분해주었음. 

●Recency : (12 ≤ time < 594) 1점, (594 ≤ time < 654) 2점, (654 ≤ time < 690) 3점, (690 ≤ time) 4점 

●Frequency : (1 ≤ 총 구매횟수 < 5) 1점, (5 ≤ 총 구매횟수 < 7) 2점, (7 ≤ 총 구매횟수 < 11) 3점, (11 ≤ 총 구매횟수) 4점

●Monetary : (0.05 ≤ 총 지출 < 23) 1점, (23 ≤ 총 지출 < 72) 2점, (72 ≤ 총 지출 < 150) 3점, (150 ≤ 총 지출) 4점

 

 

5. 고객 세그먼트별 유저 특징

고객군의 비율을 비교해보았을 때 아래의 순으로 유저들이 있었다. 

low(방문 잠재 고객)  > VIP(충성 고객) > risk(이탈 위험) > potential(지출 잠재 고객)

 

 

---