- 작성일: 2019.01.29
- 분석 기간 : 2019.01.30 - 2019.02.06
분석 목표
- 후기가 판매완료에 미치는 영향을 분석
- 양의 상관관계가 있을 경우, 후기 관리 및 후기 등록 유도를 통한 선순환 생태계 구축을 목표로 하기 위함
데이터 개요
- 대상 및 기간: "2019. 01. 30"에 등록된 판매 상품들 중 일반 상점이 등록한 물품들의
- "D+1"의 판매 진행상태
- "D+4"의 판매 진행상태
- "D+6"의 판매 진행상태
- 참조한 데이터
- 판매자 부분: 고유아이디, 후기 점수, 등록된 상점후기 개수,
- 상품 부분: 품목아이디, 상품 판매여부
분석 결과 - 후기부분
- 후기 분포에 대한 overview - 리뷰 점수 부분
- 후기 점수 분포 그래프(5점 만점, 0점은 후기 미등록)
신규상품 등록 상점수 |
후기 등록된 상점(a) |
후기 4점 이상 상점(b) |
후기 미등록 상점 |
19519 |
11494 |
10160 |
8025 |
58.89% |
52.05% |
41.11% |
|
(b/a) |
88% |
- 즉, 후기 등록된 상점의 88%가량이 4점 이상의 높은 점수를 보유함
- 따라서, 후기 점수 분포가 아닌 등록 유무를 가지고 판단해도 괜찮다는 결론을 내림
- 후기 분포에 대한 overview - 후기 개수 부분
- 후기 개수 분포 그래프(max=476, 0은 후기 등록 없음)
신규상품 등록 상점수 |
후기 등록된 상점 |
상점후기 등록된 인원중 |
|||
19519 |
11494 |
후기 3개 이상 |
후기 5개 이상 |
후기 10개 이상 |
후기 100개 이상 |
58.89% |
7804 |
6022 |
3731 |
167 |
|
67.90% |
52.39% |
32.46% |
1.45% |
- 후기 등록된 상점중 절반가량은 5개 미만의 후기 보유중
- 따라서, 누적 점수의 신뢰도가 떨어지기에 등록 유무를 가지고 판단해도 괜찮다는 결론을 내림
분석 결과 - 판매부분
- "2019. 01. 30"에 등록된 판매 상품들 요약
전체 상품 등록 |
후기 있는 상점들이 등록한 상품 |
후기 없는 상점들이 등록한 상품 |
|
건수 |
37590 |
22889 |
14701 |
비율 |
60.8% |
39.1% |
- "D+1"의 판매 진행상태(a)
전체 상품 등록 |
판매 완료* |
삭제된 상품 |
예약된 상품 |
|
건수 |
37590 |
3129 |
5136 |
548 |
비율 |
8% |
13.6% |
1.4% |
- *판매완료 상품 중
후기 있는 상점들이 올린 상품 |
후기 없는 상점들이 올린 상품 |
|
건수 |
2069 |
1060 |
비율 |
66% |
34% |
등록상품당 판매완료 |
인당 판매상품수 |
|
상점후기 있음 |
9.04% |
0.18 |
상점후기 없음 |
7.21% |
0.13 |
- "D+4"의 판매 진행상태(b)
전체 상품 등록 |
판매 완료* |
삭제된 상품 |
예약된 상품 |
|
건수 |
37590 |
4382 |
7127 |
690 |
비율 |
11.6% |
18.9% |
1.8% |
- *판매완료 상품 중
후기 있는 상점들이 올린 상품 |
후기 없는 상점들이 올린 상품 |
|
건수 |
2894 |
1488 |
비율 |
66% |
34% |
등록상품당 판매완료 |
인당 판매상품수 |
|
상점후기 있음 |
12.64% |
0.25 |
상점후기 없음 |
10.12% |
0.19 |
- "D+6"의 판매 진행상태(c)
전체 상품 등록 |
판매 완료* |
삭제된 상품 |
예약된 상품 |
|
건수 |
37590 |
4925 |
7762 |
878 |
비율 |
13.1% |
20.6% |
2.3% |
- *판매완료 상품 중
후기 있는 상점들이 올린 상품 |
후기 없는 상점들이 올린 상품 |
|
건수 |
3270 |
1655 |
비율 |
66.4% |
33.6% |
등록상품당 판매완료 |
인당 판매상품수 |
|
상점후기 있음 |
14.29% |
0.28 |
상점후기 없음 |
11.26% |
0.21 |
[추가] 분석결과 - 상점 종류에 따라
- 후기 4점
이상인 상점들의 판매 진행상테
n = 20570 |
d+1 상태 |
비율 |
d+4 상태 |
비율 |
d+6 상태 |
비율 |
판매중 |
15785 |
76.74% |
13924 |
67.69% |
13108 |
63.72% |
예약중 |
367 |
1.76% |
450 |
2.19% |
605 |
2.94% |
삭제 |
2492 |
12.11% |
3507 |
17.05% |
3830 |
18.62% |
판매완료 |
1926 |
9.36% |
2689 |
13.07% |
3027 |
14.72% |
총합 |
20570 |
20570 |
20570 |
- 삭제 품목에 대한 추적
d+1 상태 |
비율 |
d+4 상태 |
비율 |
d+6 상태 |
비율 |
총합 |
|
미판매 삭제 |
2334 |
93.6% |
831 |
82% |
278 |
85.4% |
3443 (89.8%) |
판매후 삭제 |
158 |
6.4% |
184 |
18% |
45 |
13.9% |
387 (10.1%) |
총합 |
2492 |
1015 |
323 |
3830 |
- 후기 없는 상점들의 판매 진행상테
n = 14700 |
d+1 상태 |
비율 |
d+4 상태 |
비율 |
d+6 상태 |
비율 |
판매중 |
11198 |
76.18% |
9942 |
67.63% |
9501 |
64.63% |
예약중 |
159 |
1.08% |
200 |
1.36% |
229 |
1.56% |
삭제 |
2283 |
15.53% |
3070 |
20.88% |
3315 |
22.55% |
판매완료 |
1060 |
7.21% |
1488 |
10.12% |
1655 |
11.26% |
총합 |
14700 |
14700 |
14700 |
- 삭제 품목에 대한 추적
d+1 상태 |
비율 |
d+4 상태 |
비율 |
d+6 상태 |
비율 |
총합 |
|
미판매 삭제 |
2156 |
94.4% |
696 |
88.4% |
203 |
82.9% |
3055 (96.8%) |
판매후 삭제 |
127 |
5.5% |
91 |
11.6% |
42 |
17.1% |
260 (8.2%) |
총합 |
2283 |
787 |
245 |
3155 |
결과 해석
- 후기의 존재는 상품 판매에 긍정적인 영향을
준다
- 후기가 있는 상점의 경우, 분석 기간인 "D+1", "D+4", "D+6" 모두 "등록상품당 판매완료" 와 "판매자당 판매물품수"가 우위에 있음
- (후기 4점이상과 후기 없음 비교) 삭제 비율의 경우, 모든 타임라인에서 "후기 없는 상점"이 더 높은 비율 보여줌
- (후기 4점이상과 후기 없음 비교) 판매 완료 비율의 경우, 모든 타임라인에서 "후기 4점 이상인 상점"이 더 높은 비율 보여줌
- 후기는
"점수"보다 "존재
유무"가 관건이다
- 신규 물품을 등록한 상점들중 88%가 4점 이상의 평점 기록중
- 또한, 절반 가량이 5개 미만의 후기 보유중
- 따라서, 누적된 후기 점수의 신뢰도가 떨어진다고
판단
- 상품 판매 완료후 등록기록을 삭제해버리는 건수 일부 발생하는 것으로 추정
- 위 정보를 판매자에게 제공하여, 판매자가 구매자에게 후기 작성을 유도하도록 하는
전략 필요?
- 다만, 전체 상점대비 후기 존재하는 상점의 비율이 높아질 경우, 어떤 영향을 줄지는 미지수
- 후기가 있는 상점의 경우, 분석 기간인 "D+1", "D+4", "D+6" 모두 "등록상품당 판매완료" 와 "판매자당 판매물품수"가 우위에 있음
- (후기 4점이상과 후기 없음 비교) 삭제 비율의 경우, 모든 타임라인에서 "후기 없는 상점"이 더 높은 비율 보여줌
- (후기 4점이상과 후기 없음 비교) 판매 완료 비율의 경우, 모든 타임라인에서 "후기 4점 이상인 상점"이 더 높은 비율 보여줌
- 신규 물품을 등록한 상점들중 88%가 4점 이상의 평점 기록중
- 또한, 절반 가량이 5개 미만의 후기 보유중
- 따라서, 누적된 후기 점수의 신뢰도가 떨어진다고 판단
'데이터분석 > 프로젝트_리포트' 카테고리의 다른 글
[Activation] 판매 완료 경험과 추가 물품등록간 상관관계 분석 (0) | 2019.02.04 |
---|---|
[CRM] SPSS를 활용한 캠페인 반응여부 예측 모델 생성 (2) | 2018.03.19 |
[2017 빅콘테스트] 영화 관객 예측 모델 만들기 (0) | 2018.03.12 |