이 챕터에서는 데이터셋 가져오기, 탐색적 분석, 기본 시각화 등 pandas의 기초를 복습합니다. 

마케팅을 위한 pandas 소개

데이터셋 불러오기

데이터 살펴보기

데이터 타입과 데이터 병합

열의 데이터 유형 업데이트하기

새 열 추가하기

날짜 열

초기 탐색적 분석

채널별 일일 마케팅 도달 수

일별 마케팅 도달 시각화

Pandas

이 챕터에서는 일반적인 마케팅 지표와 이를 pandas로 계산하는 방법을 배웁니다. 또한 결과를 시각화하고 사용자 세분화 연습도 진행합니다. 

마케팅 핵심 지표 소개

전환율 계산하기

리텐션율 계산하기

고객 세분화

언어별 전환율 비교 (I)

언어별 전환율 비교 (II)

날짜별 집계

캠페인 결과 시각화 (I)

언어별 전환율 시각화

일별 전환율 DataFrame 생성

일별 전환율 시각화를 위한 데이터 준비

일일 전환율 시각화

캠페인 결과 시각화 (II)

연령대별 마케팅 채널

여러 열로 그룹화하고 개수 세기

캠페인의 유지율 분석

탐색적 분석과 요약 통계

이 챕터에서는 반복되는 마케팅 분석을 자동화하는 함수를 만들고, 1월 말에 특정 마케팅 채널의 전환율이 평소보다 낮았던 이유를 파악합니다. 

분석을 자동화하는 함수 만들기

전환 함수 만들기

전환 함수 테스트 및 시각화

플로팅 함수

모두 종합해 보기

불일치 식별하기

하우스 광고 전환율

House ads 전환율 분석

언어별 하우스 광고 전환율

하우스 광고용 DataFrame 만들기

하우스 광고 오류 확인

불일치 해결하기

전환 인덱스 설정하기

사용자 선호도 분석하기

인덱스를 기반으로 DataFrame 만들기

버그 영향 평가

전환 기여도 분석

이 챕터에서는 A/B 테스트를 분석하고, 테스트 결과를 해석할 때 세분화의 중요성을 학습합니다.  

마케팅을 위한 A/B 테스트

핵심 지표 결정하기

테스트 배정

전환율 비교하기

리프트 계산과 유의성 검정

Lift 함수 만들기

통계적 유의성 평가하기

A/B 테스트와 세분화

세분화를 적용한 A/B 테스트 함수 만들기

세분화 함수 사용하기

마무리

개인화 A/B 테스트

Marketing dataset 1

Marketing dataset 2

데이터 사이언스 기술을 배울 때 가장 큰 어려움 중 하나는 그 기술과 개념이 실제 업무에서 어떻게 쓰이는지 이해하는 것입니다. Python과 pandas를 활용해 마케팅 업무 역량을 높이고 싶으시든, 마케팅 조직에서 데이터 과학자가 어떤 일을 하는지 파악하고 싶으시든, 이 강의가 잘 맞을 거예요. 온라인 구독 비즈니스의 데이터를 바탕으로 만든 가상의 마케팅 데이터셋을 사용해, “이 캠페인의 성과는 어땠을까?”, “가장 많은 구독자를 보내는 채널은 어디일까?”, “왜 특정 채널의 성과가 기대에 못 미칠까?” 같은 일반적인 비즈니스 질문을 측정 가능한 결과로 바꾸는 연습을 합니다. 이 강의는 데이터셋 병합/슬라이싱, groupby(), 데이터 타입 정정, matplotlib을 활용한 시각화 등 Python과 pandas의 핵심을 기반으로 진행됩니다.

Intermediate Python

판다스 기술을 키우고 병합, 슬라이싱, 시각화 등으로 마케팅 질문에 답하세요!

pandas로 마케팅 캠페인 분석하기

판다스 기술을 쌓고 병합, 분할, 시각화 등을 통해 마케팅 질문에 답하세요!

분석을 자동화하는 함수 만들기

Create Your Free Account