instacart-EDA

0. 사용 기술

• Python (pandas, numpy, matplotlib)
• ChatGPT
• Colab
• Slack, Google Docs

1. 문제 정의

해결해야 하는 주요 문제는 매출 상승입니다. 이를 위해 다음 두 가지 분석을 진행하였습니다:

A) 이탈 고객 분석: 이탈 고객과 이탈하지 않은 고객의 특성을 분석하여 비교.

B) 재구매를 많이 하는 사용자의 특징 분석: 재구매를 많이 하는 사용자와, 그렇지 않은 사용자의 특성을 분석하여 비교.

2. 목표

고객 이탈률을 감소시키고 재구매를 유도하여, 매출을 증가시키기 위한 목표를 설정하였습니다.

3. 해결 방법

이탈 고객 가설 검증

---

1. 이탈고객은 유통기한이 긴 제품의 구매가 많다.
   • 제품의 유통기한은 이탈 고객 수치에 영향을 주지 않는다
2. 이탈고객이 발생한다면 첫 구매이후가 가장 많다.
   • 고객의 구매횟수와 고객의 이탈은 비례하지 않는다.
3. 이탈 고객은 비이탈고객보다 새벽시간 구매비율이 높다.
   • 이탈 고객, 비 이탈 고객의 구매시간대는 큰 차이가 없다. 이탈 고객은 오후 시간대, 비 이탈 고객은 주로 오전 시간에 구매하는 경향이 있다.
4. 장바구니의 사용률이 낮은 고객은 이탈고객이 될 확률이 높다.
   • 이탈 고객는 한번에 대량 구매를 하기 때문에 구매주기가 긴 것으로 확인. 원인을 배송비라고 여기고 그에 따른 마케팅 전략 수립
5. 특정 aisle에서 이탈 고객이 많이 발생한다.
   • Baby, Bulk 등 특정 aisle에서 이탈 고객과 비 이탈 고객 간의 차이가 많이 났다. 가족 구성원의 수와 관련되었다고 생각하였으나, user data가 없는 관계로 더 이상의 분석은 불가능했다.

재주문

---

1. milk와 egg, yogurt와 같은 카테고리가 재주문률이 높았다. 카테고리 특성을 이용한 정기배송 프로모션을 진행하면 매출 증가에 도움이 될 것으로 보인다.
2. 하위 5%에게 마케팅을 한다고 가정한다면, morning segment에 해당하는 시간대에 진행하는 것이 유리할 것이다.
3. 상위 5% 사용자를 대상으로 마케팅할때는 주말보다는 주중에 하는것이 매출상승에 도움이 된다.
4. 하위 5%의 사용자들은 instacart를 사용하는 목적성이 “건강하고 신선한” 상품을 구매하기 보다는, “장보기”에 더 가깝다고 분석
5. 오전 9시부터 오후 5시까지 주문량이 증가하므로 해당 시간대에 더 프로모션등을 진행하여 더 많은 주문을 유도할 수 있음

4 .핵심 성과

1. 이탈 고객 분석:
   • 이탈 고객의 특성 파악.
   • 대량 구매 및 장바구니 사용률이 높은 고객을 대상으로 한 정책 제안.
2. 재구매를 많이 하는 사용자의 특징 분석:
   • 특정 카테고리의 재주문률이 높은 패턴 도출.
   • 시간대 및 주간별 주문 패턴 파악.
   • 상위, 하위 5% 사용자에 대한 특성 파악 및 대응 전략 수립.

5. 맡은 역할 및 기여 부분

프로젝트에서 저는 데이터 결측치 제거, 추출, 분석 및 시각화를 담당했습니다. Python를 통해 고객 데이터를 추출하고, 세분화된 분석을 수행했습니다. 특히 대량 구매 및 장바구니 사용률이 높은 고객군에서의 특이한 패턴을 찾아내고, 이를 토대로 전략 수립에 기여했습니다.

보고서 및 결과물 설명 파일

📌 보고서

2차 프로젝트 보고서.pdf