[성동2기 전Z전능 데이터 분석가] DAY 42

• cool_stuff 판매량 지도로 나타내기
• SNS 전환률 확인하기
• 금요일에 왜 주문량이 더 적을까?

---

cool_stuff 판매량 지도로 나타내기

 

지역별로 Cool_sfuff 판매량 확인

select

ocd.customer_state,

count(*) as order_count

from olist_orders_dataset ood

inner join olist_order_items_dataset ooid

on ood.order_id = ooid.order_id

inner join olist_products_dataset opd

on ooid.product_id = opd.product_id

inner join product_category_name_translation pcnt

on opd.product_category_name = pcnt.product_category_name

inner join olist_customers_dataset ocd

on ocd.customer_id =ood.customer_id

where pcnt.product_category_name = 'cool_stuff'

group by ocd.customer_state

order by ocd.customer_state ;

State	State	coolstuff주문량	전체상품주문량	전체상품대비coolstuff주문비율
AC	Acre	1	90	1.1%
AL	Alagoas	16	440	3.6%
AM	Amazonas	4	163	2.5%
AP	Amapá	2	82	2.4%
BA	Bahia	146	3738	3.9%
CE	Ceará	51	1460	3.5%
DF	Distrito Federal	80	2373	3.4%

 

 

 

적도에 가까울 수록 coolstuff 주문율이 높은지 검증하기 위해 state별로 위도 출력(파이썬 이용)

from geopy.geocoders import Nominatim

geolocator = Nominatim(user_agent="Brasil", timeout=None)

def geocoding(address):
    geolocoder = Nominatim(user_agent = 'Brasil', timeout=None)
    geo = geolocoder.geocode(address)
    crd = {"lat": str(geo.latitude), "lng": str(geo.longitude)}

    return crd

for i in range(len(df)):
    coordinates = geocoding(df.loc[i, "state"])
    df.loc[i, "Latitude"] = coordinates["lat"]
    df.loc[i, "Longitude"] = coordinates["lng"]

df

 

 

(Acre의 경우 위도와 경도가 이상하여 구글지도에서 위도와 경도값을 찾아 따로 행을 수정했다)

 

 

상관관계 분석 및 산점도 

 

관계가 없다는 것을 알 수 있었다.................... 

진행하다보니 우기에 한정해서 진행하지 않았는데 해당 지점을 반영한다면 또 다른 결과가 나올 수 있을 것 같아 내일 진행 예정

 

---

 

SNS 전환률 확인하기

시간별로 SNS 주문량은 이미 확인한 상태

leftjoin 이용해서 전환율이 얼마나 되는지 확인 가능하다

유입경로	유입된 사람 수	실제 주문수	실제 주문율
social
direct

 

# SNS 전환률 확인

select

omql.origin,

count(*) as inflow_count,

count(ocdd.mql_id) as closed_deal,

count(ocdd.mql_id)/count(*)*100 as closed_deal_rate

from olist_marketing_qualified_leads_dataset omql

left join olist_closed_deals_dataset ocdd

on ocdd.mql_id = omql.mql_id

group by omql.origin

order by closed_deal_rate desc;

 

SNS의 전환률은 약 5.6%이며 구매로 이어진 수의 비율로는 4위였다.

전환률이 그렇게 높지는 않지만, SNS를 통해 유입된 사람의 수가 많기 때문에 구매로 이어진 사람의 수 또한 높았다.

SNS에서 광고를 한 것은 paid_search 안에 들어갈 것이므로, 실제로는 SNS를 통해서 들어와 구매한 사람이 더 높을 것으로 예상할 수 있다.

 

unknown이 어디서 온 것일지 찾기 위해서 다른 항목과 상관분석을 진행했고 상관관계가 0.95에 가깝게 나왔으나, 이것만으로 이게 영향을 줬다고 보기에는 어렵다.

현재 자료를 통해서는 unknown의 출처를 알기 어렵기 때문에 고객 데이터를 추적할 수 있는 추가적인 방안이 필요할 것으로 생각된다.

 

 

 

상관분석 진행

 

---

내일 진행할 것

여름에 주문량 확인

금요일에 왜 주문량이 더 적을까?

데이터프레임 설명 작성

밤 시간대도 확인