이 강의들을 수강한 후, 전문적인 시각화와 대시보드를 자신 있게 만들 수 있게 되었습니다
Shoebur Rahman구매 담당자, Giz Bangladesh
강의 설명
오늘날 가장 성공적인 기업은 고객의 니즈를 미리 파악할 만큼 고객을 깊이 이해하는 기업입니다. 데이터 분석가는 이러한 인사이트를 발굴하고, 더 나은 서비스를 위해 고객을 세분화하는 데 핵심적인 역할을 합니다. 이 강의에서는 온라인 소매업체의 익명화된 고객 거래 데이터셋을 사용해, 실제 업무에 바로 적용할 수 있는 고객 세분화와 행동 분석 기법을 배웁니다. 먼저 코호트 분석으로 고객 트렌드를 파악하고, 이어서 해석하기 쉬운 고객 세그먼트를 만드는 방법을 학습합니다. 나아가 만든 세그먼트를 Machine Learning에 바로 사용할 수 있도록 준비합니다. 마지막으로, 몇 줄의 코드만으로 k-means 클러스터링을 적용해 세그먼트를 한층 강력하게 만들어 봅니다. 이 강의를 마치면 실무형 고객 행동 분석과 세분화 기법을 직접 적용할 수 있게 됩니다.
선수 과목
커리큘럼
강의 개요
1
코호트 분석
이번 첫 번째 장에서는 코호트의 개념과 분석 방법을 학습합니다. 직접 고객 코호트를 만들고, 핵심 지표를 계산한 뒤 결과를 시각화해 볼 거예요.
2
Recency, Frequency, Monetary Value 분석
두 번째 장에서는 고객 세그먼트에 대해 배웁니다. 특히 재구매 시점(Recency), 구매 빈도(Frequency), 구매 금액(Monetary Value)을 살펴보고, 이 개념에 기반한 고객 세그먼트를 만든 뒤 결과를 분석해 봅니다.
3
클러스터링을 위한 데이터 전처리
세그먼트를 만들었다면 이제 예측을 하고 싶어질 거예요. 하지만 그전에 k-means 클러스터링이 분리도 높고 타당한 세그먼트를 찾을 수 있도록, 실무적인 데이터 준비 방법을 먼저 익혀야 합니다.
4
K-means로 하는 고객 세분화
마지막 장에서는 3장에서 전처리한 데이터를 활용해, 고객의 Recency, Frequency, Monetary Value를 바탕으로 고객 클러스터를 식별합니다.
Python을 활용한 고객 세분화
강의
완료
