Application of Big Data in Social Science

프로젝트 : 리테일 스토어 타겟 마케팅 전략 수립

개요

해당 프로젝트는 리테일 스토어에서 고객 거래 데이터를 분석하여 소비 패턴을 파악하고, 이를 기반으로 타겟 마케팅 전략을 제안하기 위해 수행되었다.

목표

• 고객군별 특성, 소비 패턴을 파악하여 세그먼트별 소비 성향 이해
• 각 세그먼트별 적합한 타겟 마케팅 전략을 개발하여 마케팅 효율성 강화

주요 특징

• 고객 행동 분석 : 인구학적 정보, 구매처, 구매상품, 구매 행동 간 주요 관계 탐색
• 머신러닝 활용 : 군집 모델을 활용해 고객 간 유사성을 파악하고 데이터 기반 의사결정 지원
• 마케팅 전략 수립 : 고객 세그먼트별 적합한 마케팅 전략을 제안하여 맞춤형 서비스 제공

프로세스

1. 데이터 탐색 및 전처리

• 탐색적 데이터 분석을 통해 리테일 스토어 내 주요 패턴 및 상관관계 파악
• 결측값 처리, 데이터 정규화 등 데이터 전처리 수행

2. 모델 개발

• K-Means++ 모델을 사용하여 군집 분석 후, PCA(주성분분석)를 활용하여 군집 시각화
• Elbow Method을 사용하여 최적의 k값 탐색

3. 세그먼트 구분

• 고객 세그먼트별 행동 및 특성 분석
• 각 세그먼트별 특성에 맞는 맞춤형 전략 수립

비즈니스 효과

• 마케팅 캠페인 최적화 : 고객 세그먼트를 기준으로 군집별 맞춤형 캠페인 제안
• 마케팅 효율성 향상 : 세그먼트별 맞춤형 캠페인 제안을 통해 ROI 향상 기대
• 고객 만족도 향상 : 세그먼트별 선호도에 기반한 서비스 제공으로 고객 경험 개선

결과

• 주요 인사이트 : 군집별로 가족 유형, 방문 횟수, 지불 금액, 구매처 선호도에서 차이가 나타남
• 마케팅 전략 : 가족 고객에게는 온라인 멤버십 서비스 추천, 싱글 고객에게는 프리미엄 제품군 집중

사용 기술

• Python | Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn