목록전체 글 (18)
아날로그와 디지털사이
주로 고객사를 상대로 고객행동 분석을 했었다. 그래서 리텐션에 대해서도 잘 알고 있다고 생각했다. 하지만 리텐션을 바라보는 시각이 여러가지라는점을 알았고 제대로 이해하고있지 않다고 판단하게 되었다(반성..) 데이터리안에서 소개하는 리텐션을 바라보는 시각은 1. 클래식 리텐션 2. 롤링 리텐션 3. 범위 리텐션 이렇게 세가지이다. 경험적으로 그리고 상황마다 기준을 잡고 분석을 해왔기 때문에 이해하기 어렵진 않았고 개념적으로 분류를 잘 해두어 학습하기 수월했다. -출처- https://datarian.io/blog/classic-retention https://datarian.io/blog/rolling-retention https://datarian.io/blog/range-retention https:..
Funnel analysis
데이터 분석가라면 퍼널 분석을 한 번쯤은 들어봤을 거예요, 주로 B2C Product에서 사용되는 것을 예로 접했을 것입니다. 개념 Funnel의 사전적 의미는 '깔때기'입니다. Customer가 Product(app, homepage..)를 광고 또는 검색을 통해서 유입(1)되어 가입(2)을 하고 활동유저로서 재방문(3), 구매(4), 타인에게 소개 또는 공유(5) 등의 단계적인 행동을 하며 유입되었던 Customer수가 점차 감소되는데 이러한 필터링 되는 모습이 마치 깔대기 같아서 붙여진 개념으로 보면 쉽게 이해할 수 있습니다. 그렇다면 Funnel 분석은 왜 하는 것일까? Funnel 분석을 통해 어느 단계가 약점인지 수치적인 확인이 가능합니다. 그래서 약점인 단계의 개선점을 찾아 나설 수 있겠죠...
현업에서 데이터 분석가로 일하고 있지만 다양한 실무자분들과 협업할 때 마케팅 용어를 인지하고 있어야 될 필요성을 항상 느끼게 돼요. 그래서 오늘은 아웃바운드, 인바운드 마케팅에 대하여 알아보겠습니다. 1. 개념 아웃바운드 고객을 찾아 나서는 e.g)가끔(?) 걸려오는 보험 전화 같은 광고 인바운드 고객이 알아서 찾아오는 e.g)특정 키워드를 검색한 고객에게 마케팅 2. 차이점 예를들어 해외여행 계획을 하고 있는 잠재 고객이 항공권을 사기 위해 여행지의 비행기표를 검색했다고 한다면 해당 고객은 이미 니즈가 있는 상태이기 때문에 비행기표를 마케팅하면 구매 확률이 높아지게 될 것을 예상할 수 있어요. 즉, 인바운드 마케팅은 고객의 검색 할 때부터 니즈를 갖고 시작합니다. 반면에 아웃바운드 마케팅은 고객이 니즈..
ML - 차원 축소(Dimension Reduction)
기본적인 내용은 '핸즈온 머신러닝'에 기반합니다. *Index* 0. Intro 1.차원의 저주 2. 차원 축소를 위한 접근 방법 3. PCA 4. 커널 PCA 5.LLE 6. 다른 차원 축소 기법 0. Intro 본 내용에 들어가기에 앞서 차원 축소를 인코딩으로 해석하면 쉽게 이해가 가능합니다. 고화질 영상을 해상도를 낮게 조정하여 인코딩 하는 경우 화질은 낮아지지만 용량은 감소합니다. 일부 정보(인코딩의 경우는 화질이겠죠?)가 유실되긴 하지만 영상을 재생하는 것에는 큰 문제가 없습니다. 차원 축소를 고려하기 전에는 훈련이 느린지 먼저 원본 데이터로 시스템을 훈련해봐야 합니다. 경우에 따라 잡음이나 불필요한 세부사항을 걸러내므로 성능을 높일 수 있지만 일반적으로는 훈련 속도만 빨라지기 때문입..
1. Tableau 공식 홈페이지 https://www.tableau.com/ko-kr/learn/start-your-journey https://www.tableau.com/ko-kr/support/knowledgebase 2. 인터넷 강의 및 책 Udemy / Coursera https://book.naver.com/bookdb/book_detail.naver?bid=18524455 데이터 시각적 분석 태블로로 끝내기 『태블로 굿모닝 굿애프터눈』 저자가 말하는데이터 시각적 분석 노하우 공개!태블로는 데이터를 분석 및 시각화하는 BUSINESS INTELLIGENCE 솔루션으로, 매년 GARTNER에서 발표하는 MAGIC QUADRANT 분석 및 book.naver.com https://book.nav..
ML - 분류(Classification)
기본적인 내용은 '핸즈온 머신러닝'에 기반합니다. *Index* 1.MNIST 2. 이진 분류기 훈련 3. 성능측정(3.1~3.5) 4. 다중 분류 5.에러분석 6. 다중 레이블 분류 7. 다중 출력 분류 1. MNIST 머신러닝의 가장 기본적인 데이터 셋으로 학습용으로 많이 사용. 7만 개의 이미지 데이터 셋이고 필체가 다른 숫자 이미지(0~9)로 구성. MNIST 데이터 셋은 Train set(front 60,000), Test set(back 10,000)개로 나누어져 있습니다. Train set은 이미 섞여 있어 모든 교차 검증 폴드를 비슷하게 만듭니다. (= 어떤 한 숫자가 쏠리는 것 방지 : 골고루 섞여있음) 2. 이진 분류기 훈련 True & False Training (MNIST..