고객 세분화

pandas로 마케팅 캠페인 분석하기

Jill Rosok

Data Scientist

일반적인 세분화 기준

세분화

연령
성별
위치
과거 상호작용
사용자가 상호작용한 마케팅 채널

pandas로 세분화

# House Ads만 서브셋팅
house_ads = marketing\
         [marketing['subscribing_channel'] == 'House Ads']

retained = house_ads[house_ads['is_retained'] == True]\
                    ['user_id'].nunique()
subscribers = house_ads[house_ads['converted'] == True]\
                     ['user_id'].nunique()

retention_rate = retained/subscribers
print(round(retention_rate*100,2), '%')

58.05 %

더 쉬운 세분화 방법이 있을까요?

pandas로 세분화 - groupby()

# subscribing_channel별 그룹화 후 유지 수 계산
retained = marketing[marketing['is_retained'] == True]\
          .groupby(['subscribing_channel'])\
          ['user_id'].nunique()
print(retained)

subscribing_channel
Email        109
Facebook     152
House Ads    173
Instagram    158
Push          54
Name: user_id, dtype: int64

pandas로 세분화 - groupby()

# subscribing_channel별 구분 후 구독자 수 계산
subscribers = marketing[marketing['converted'] == True]\
            .groupby(['subscribing_channel'])\
            ['user_id'].nunique()
print(subscribers)

subscribing_channel
Email        125
Facebook     221
House Ads    298
Instagram    232
Push          77
Name: user_id, dtype: int64

세분화 결과

# DataFrame 전반의 유지율 계산
channel_retention_rate = (retained/subscribers)*100
print(channel_retention_rate)

subscribing_channel
Email        87.200000
Facebook     68.778281
House Ads    58.053691
Instagram    68.103448
Push         70.129870
Name: user_id, dtype: float64

연습해 봅시다!

pandas로 마케팅 캠페인 분석하기