Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- Sum
- 상관관계
- 그래프시각화
- max
- 그래프 생성 문법
- Dense_Rank
- if문 작성법
- 정보획득량
- 팀스파르타
- 히스토그램 그리기
- 여러 데이터 검색
- %in%
- sql
- 회귀분석 알고리즘
- sqld
- 데이터분석
- merge
- 막대그래프
- 총과 카드만들기
- count
- Intersect
- 빅데이터
- 회귀분석
- 데이터분석가
- 단순회귀 분석
- loop 문
- 순위출력
- 불순도제거
- 빅데이터분석
- difftime
Archives
- Today
- Total
ch0nny_log
[빅데이터분석] 테블로 02.히스토그램 본문
이 히스토그램은 고객의 첫 구매 후 두 번째 구매까지 걸린 시간 분포를 나타내며, 고객 재구매 패턴을 분석하여 마케팅 전략을 수립하는 데 유용한 정보를 제공합니다. 특정 구간에서 재구매가 많이 일어난다면, 해당 구간에 맞춘 마케팅 전략이 필요할 수 있습니다.
그래프의 구조
-
- 첫 번째 구매 후 두 번째 구매까지 걸린 일수를 10일 단위로 구간화한 것입니다.
- 예를 들어, "0-10일", "10-20일", "20-30일" 등으로 구간이 나누어져 있습니다.
-
- 각 구간별로 해당 일수 내에 두 번째 구매를 완료한 고객 수를 나타냅니다.
-
- 예를 들어, 첫 번째 막대는 첫 구매 후 10일 이내에 두 번째 구매를 한 고객의 수를 나타내고, 두 번째 막대는 10-20일 이내에 두 번째 구매를 한 고객의 수를 나타냅니다.
그래프의 의미
- 가장 높은 막대: 첫 구매 후 두 번째 구매를 가장 많이 한 기간을 나타냅니다. 예를 들어, 그래프에서 가장 높은 막대가 0-10일 구간에 있다면, 많은 고객들이 첫 구매 후 10일 이내에 재구매를 했다는 뜻입니다.
- 구매 주기 분석: 이 그래프를 통해 고객들이 첫 구매 후 두 번째 구매까지 얼마나 빨리 이루어졌는지, 즉 고객들의 재구매 주기를 분석할 수 있습니다.
- 마케팅 인사이트: 만약 대부분의 고객이 10일 이내에 재구매를 한다면, 첫 구매 후 10일 이내에 맞춤형 마케팅을 집중적으로 진행하는 것이 효과적일 수 있습니다.
Null 값 제외의 의미
- Null 값은 재구매가 이루어지지 않은 고객들을 의미합니다. 재구매가 없는 고객은 이번 분석의 목적에서 제외되었기 때문에, 해당 막대를 제외한 것입니다.
그래프 그리는 방법:
▣ 히스토그램 그래프 1. 좌측 사이드바 분석 아래 세모 누르신다음에 첫번째 계산된 필드 만들기를 누룹니다. ![]() 2. 네모 박스에 고객별 첫 구매일자를 적습니다. ![]() 3. 아래에 { FIXED [고객명] : MIN([주문 일자]) } 를 적고 확인을 누릅니다. ![]() ※설명: 각 고객별로 가장 빠른(최소) 주문 일자를 계산하여 반환합니다. 예를 들어, '고객명'이 '홍길동'인 고객이 여러 번의 주문을 했다고 가정하면, 이 표현식은 '홍길동' 고객의 첫 번째 주문 일자(가장 빠른 주문 일자)를 반환합니다. 이 수식은 각 고객별 첫 구매일(최초 주문 날짜)을 구하기 위해 사용됩니다. 고객별로 첫 주문 날짜를 찾을 때 유용합니다. 4. 좌측 사이드바 분석 아래 세모 누르신다음에 첫번째 계산된 필드 만들기를 누룹니다. 5. 네모 박스에 고객별 재구매 일자들 을 적습니다. 6. 아래에 IIF( [주문 일자] > [고객별 첫 구매일자], [주문 일자], NULL) 을 적고 확인 버튼을 누릅니다. ![]() ※설명: 만약 "주문 일자"가 "고객별 첫 구매일자"보다 나중이라면 "주문 일자"를 반환하고, 그렇지 않으면 NULL을 반환하는 수식입니다. 이 수식은 보통 고객이 첫 구매 이후에 한 주문들을 필터링하거나 확인할 때 사용됩니다. 7. 좌측 사이드바 분석 아래 세모 누르신다음에 첫번째 계산된 필드 만들기를 누룹니다. 8. 네모 박스에 고객별 두 번째 주문 일자 를 적습니다. 9. 아래에 { FIXED [고객명] : MIN([고객별 재구매 일자]) } 를 적고 확인을 누릅니다. ![]() ※설명: 이 수식은 고객별로 가장 빠른 재구매 일자를 계산하는 데 사용됩니다. 이를 통해 고객이 첫 구매 이후 다시 구매한 날짜 중 가장 빠른 재구매 날짜를 파악할 수 있습니다. 10. 좌측 사이드바 분석 아래 세모 누르신다음에 첫번째 계산된 필드 만들기를 누룹니다. 11. 네모 박스에 고객별 두 번째 구매까지 걸린 날짜 를 적습니다. 12. 아래에 DATEDIFF('day', [고객별 첫 구매일자], [고객별 두 번째 주문 일자]) 를 적고 확인을 누릅니다. ![]() ※ 설명: 이 수식은 고객이 첫 구매 후 두 번째 주문까지 걸린 일수를 계산합니다. 이를 통해 고객의 재구매 속도나 패턴을 분석하는 데 유용합니다. 13. 좌측 사이드바 측정값에서 고객별 두 번째 구매까지 걸린 날짜를 마우스 오른쪽을 누르고 만들기에서 세번째에 있는 구간차원을 선택합니다. 이 구간 차원의 크기는 10으로 선택합니다. ![]() ![]() 14. 그러면 좌측 사이드바에 차원에 고객별 두 번째 구매까지 걸린 날짜가 생성됩니다. 그러면 이것을 마우스 클릭하고 드래그해서 열선반에 올려놓습니다. 15. 좌측 사이드바 차원에서 고객명을 누르고 마우스 오른쪽을 누르고 행선반에 올려놓습니다. ![]() 16. 그러면 필드 놓기가 나오는데 거기서 카운트(고유)(고객명) 을 선택하고 확인을 누룹니다. 그러면 히스토그램 그래프가나옵니다. ![]() 17. 그러면 맨앞에 null 값에 대한 그래프가 나오는데 막대 그래프를 붙잡고 오른쪽 마우스를 누르고 제외 처리를 합니다. 첫번째 null값 같은 경우는 아직 재구매가 이뤄지지 않은 첫구매만 이뤄진 경우라고 보시면 되겠습니다. ![]() 18. 이제 위에 툴바에 보기를 전체보기로 변경합니다. |