이 글은 퍼스트파티, 서드파티, 쿠키 개념을 핵심 정리한 글입니다. 이와 더불어 고객식별 관련 추가 개념도 담고 있습니다.   퍼스트파티 vs 서드파티 개념 차이 파티 데이터는 고객 데이터를 '수집하는 주체'가 누구인가에 따라 나뉜다.따라서 파티 데이터의 종류는 다양한데, 가장 흔히 접할 수 있는 퍼스트 파티, 서드파티의 차이는 다음과 같다. 퍼스트파티(First Party data)고객의 동의를 얻어, 회사가 직접 수집하는 고객 정보 데이터, 행동데이터고객이 회사의 제품/서비스 사용 시 회사에 제공하게 되는 데이터예를 들어, 앱을 사용하기 위해 회원가입하면서 제공하게 되는 기본 정보와 앱을 사용하면서 페이지를 보거나 구매하는 등의 과정에서 쌓이는 데이터들을 의미한다. 이 과정에서 고객 A의 구매일, 찜..

이 글은 개인화와 초개인화 마케팅에 대한 차이, 사례를 핵심 정리한 글입니다.    개인화 마케팅 개인화 마케팅은 고객의 기본 정보를 바탕으로 segmentation (고객 그룹 설정) 하고, 이에 따른 그룹별 라이프 스타일, 취향, 특성 등에 맞춘 마케팅을 의미한다. '반려동물을 키우는 30대 남성/여성을 위한 제품'처럼 타깃 그룹의 특성뿐만 아니라, 고객의 이름을 활용해서도 진행되었다. 이는 초개인화 마케팅 이전의 마케팅 방법, 초석이다.    그중 오래되고 정말 익숙한 개인화 마케팅 사례로, 스타벅스의 Call My Name이 있다.아래는 2014년 2월 기사로, 스타벅스가 매장에서 고객 닉네임으로 음료를 제공하는 마케팅을 시작한다는 내용이다. 그 당시 이를 경험하고자 가입한 신규 고객수가 기존 월..

이 글은 공간 시각화(단계 구분도 Choropleth Map, 등치 지역도 Contour Map, 카토그램 Catogram Map) 개념 핵심 정리를 담고 있습니다.   공간 시각화 공간 시각화는 지도(위도, 경도)를 활용하는 직관적인 시각화 방법이다.때문에 당연한 이야기지만, 시각화하는 공간에 대한 이해가 매우 매우 중요하다. 얼마 전 진행했던 분석이 해외 데이터셋이었다.데이터들이 공간(지역)에 따라 매우 달라지는 경향이 있었는데, 지역에 대한 이해도가 낮아 분석에 어려움이 있었다.지역 정보를 얻고자, 열심히 구글링 했으나 역시 한계는 존재한다.실제로 살아보지 않았기에, 단순히 글로만 적혀 있는 지역 정보는 와닿지 않았다.예를 들어, 특정 지역이 대도시여서 교통 혼잡도가 높다는데, 대도시라면 보통 그렇..

이 글은 백틱 Back-ticks(`) 개념, 예시, 큰따옴표와 작은따옴표 개념 및 예시 등 기본 정리를 담고 있습니다. MySQL 백틱 Back-ticks(`) 기본 개념 백틱(`)은 보통 키보드 Tab키 위에 물결 표시 키(~)에 존재. 작은따옴표('), 큰따옴표(")와 다른 기능이므로, 구분해야 한다. 백틱(`)은 식별자 구분 시 사용 MySQL의 키워드 혹은 예약어를 DB, 뷰, 테이블, 컬럼 등에 사용 시, 이는 키워드나 예약어가 아님을 구분하고자 백틱을 사용한다. 백틱은 이런 특이상황에 사용하기에, 남발해서 사용할 필요가 없다. 또한 따옴표와 구분해야 한다. MySQL 백틱 예시 # 백틱 사용 예시1 SELECT customer_order_date FROM `date`; # 백틱 사용 예시2 ..

이 글은 Python 컬럼(column)명 추출 / 컬럼명 변경 / 컬럼 추가 및 삭제 / 컬럼 순서 변경 등 컬럼 기초 정리를 담고 있습니다. Python 컬럼(column) 파이썬의 판다스(Pandas) 라이브러리의 2차원 데이터를 다루는 데이터프레임의 열(column, 컬럼) 데이터프레임은 2차원 자료 구조 형태(=엑셀 시트, 테이블, 행+열) 아래 데이터프레임에서 product_nm, price가 컬럼이다. (index) product_nm price 0 apple 1300 1 banana 1000 2 orange 1500 Python 컬럼명 추출 데이터프레임명.columns import pandas as pd # 데이터프레임 모든 컬럼명 df.columns 사진 속 데이터프레임(=df)을 예시로..

이 글은 DAU, WAU, Stickiness 간단 개념 및 MySQL 버전의 계산 방법과 예시 담고 있습니다. DAU, WAU, Stickiness DAU 매일 활성 사용자(Daily Active User) WAU 주간 활성 사용자(Weekly Active User) Stickiness 사용자 고착도(애정도 혹은 충성도), 재방문율 측정 지표. (DAU / MAU)*100 혹은 (DAU / WAU)*100로 계산 관련 추천 글 활성 사용자 AU 개념 핵심 정리 Stickiness(고착도) 개념 핵심 정리 MySQL DAU, WAU, Stickiness 계산 방법 아래의 order_info 테이블로 계산해보자. order_dt: 주문일 customer_id: 주문자 아이디 DAU 계산 방법 DAU는 00..

이 글은 Python seaborn 서브플롯 개념과 생성 예시, 옵션 설정 메서드 기초 정리를 담고 있습니다. Python seaborn 서브플롯 seaborn은 sns로 쓰인다. 따라서 sns라고 지칭하겠다. sns은 matplotlib의 상위 호환 같은 라이브러리인데, 이 때문에 matplotlib 서브플롯을 사용한다. plt.subplots(행 개수, 열 개수) 만약 서브플롯 개념과 생성법이 궁금하다면, 지난 글 참고를 추천드린다. * 관련 글 추천 Python matplotlib 서브플롯 fig, ax(s) 개념과 사용법 기초 정리 Python seaborn 서브플롯 생성 예시 먼저 서브플롯 생성을 위해 fig, axs를 생성한다. sns 서브플롯 생성 시, 인덱싱 법칙에 따라 0부터 입력한다. ..

이 글은 Python matplotlib 서브플롯 생성 시 사용하는 fig, ax(s) 개념과 사용법 기초 정리를 담고 있습니다. Python matplotlib 서브플롯 fig, ax(s) 개념 matplotlib 라이브러리로 서브플롯 생성 시 사용하는 변수 fig(=Figure) Figure의 앞 글자를 따서 fig로 입력. figure 객체는 이미지 전체(프레임)를 대상으로 하며, 크기/색/서브플롯 등을 포함한다. 이는 그림이 담기는 액자와 같으며, 액자와 관련된 옵션을 다룬다고 보면 된다. ax(s) (=Axes, ax) Axes를 ax 혹은 axs로 입력. axes 객체는 서브플롯을 대상으로 하며, 각 서브플롯 그래프/타이틀 등을 포함한다. 이는 액자 속 그림과 같으며, 그림과 관련된 옵션을 다..

이 글은 머신러닝 개념, 종류, 기본 용어 및 절차, 알고리즘 종류 기초 정리를 담고 있습니다. 머신러닝 개념 머신러닝은 기계학습(Machine Learning, ML)으로 불림. 이름처럼 컴퓨터가 알고리즘(모델)을 사용하며, 데이터 분석 및 패턴 학습. 학습 결과를 바탕으로 자동화, 예측, 솔루션 제시, 의사결정 등이 가능. 예시: 자율주행, 상담 챗봇, 판매량 예측, 맞춤형 서비스/상품 추천. 머신러닝 종류 지도 학습(Supervised Learning) 사람이 제공한 입출력값(함수 관계, 문제와 정답)을 학습하며 예측. 쉽게 말해, 정답이 있는 것을 학습. 시험을 위한 주입식 교육 같다. 지도 학습 중 하나인 일반화 예시는 다음과 같다. 만약 "A상황(문제)에서 B상황(정답)이 발생한다"라고 학습하..

이 글은 머신러닝 피처 엔지니어링(Feature Enginerring) 개념과 방법 기초 정리를 담고 있습니다. Python 피처 엔지니어링(Feature Enginerring) 개념 특성 공학으로도 불림. 알고리즘(모델) 성능 향상을 위해, 원본으로부터 Feature(x, 독립 변수)를 (재)구성. 테이블의 기존 컬럼을 바탕으로 새 컬럼 추가 혹은 컬럼 제거. 타깃 변수와 의미 있는 변수를 선택하는 과정. 때문에 데이터 도메인 지식, 즉 전문성이 많이 필요한 과정이다. Python 피처 엔지니어링(Feater Enginerring) 방법 피처 엔지니어링에는 여러 방법이 있는데, 그중 몇 가지만 추려보자. Feature Encoding 모델 학습을 위해 모델에 맞는 Feature로 변환. 범주형 변수(문..