parkmina365 / lmembers_solution

구매감소 고객 예측기반 매출 관리 솔루션

Lmembers_solution3

구매감소 고객 예측기반 매출 관리 솔루션

프로젝트 절차

1. 유통업체의 고객 이용, 상품, 계열사, 매출, 구매상품, 경쟁사 이용 데이터 분석
2. 변수 설정
3. 머신러닝 모델로 구매 감소 고객 예측 및 하이퍼 파라미터 튜닝
4. 매출 방어 솔루션 제안

프로젝트 결과

1. 총 7개의 모델, 14개의 변수를 사용하여 모델링 진행

2. Decision Tree 사용 결과, 총 구매금액 증감율, 총 구매금액 평균, A방문횟수 평균을 중심으로 노드가 나뉘는 것을 확인하여 해당 변수가 중요도가 높음을 파악

3. GridSearch CV 활용, 하이퍼 파라미터 튜닝. test score 0.74 도출

4. 실루엣 분석, PCA, 엘보우 기법 진행. 군집을 3개로 분류한 점수가 0.381로 가장 높음. 총 3개의 제휴사 별 주 이용 고객으로 그룹으로 분류

5. 솔루션 제안

5-1. 군집 1 대상 솔루션(단골 고객) :

-> 단골 고객 대상 의류, 신규상품, 잡화 및 신발 상품 프로모션 및 할인 쿠폰 제공

5-2. 군집 2 대상 솔루션(멤버십 가입률이 높은 고객)

-> 개인 맞춤 모바일 쿠폰 배포. 고객의 장바구니 분석 후 재구매율이 높은 상품 위주로 모바일 할인 쿠폰 제공

5-3. 군집 3 대상 솔루션(식재료 구매를 위해 일상적으로 방문하는 고객)

-> PB 상품 별 무료 멤버십 개설. 구매율이 높은 PB상품 위주로 무료 멤버십 개설 후 구매 횟수가 많을 수록 추가 혜택 증정

사용 모델

1) XGBoost

2) LightGBM

3) CatBoost

4) AdaBoost

5) Logistic Regression

6) Random Forest

7) Decision Tree

변수 리스트

1. 인구 통계학적 변수

1. 성별
2. 멤버십 가입 여부

2. 구매액 관련 변수

1. 회당 구매액 증감률
2. 총 구매금액 평균
3. 총 구매금액 증감율
4. A사 구매금액 증감율
5. B사 구매금액 증감율
6. C사 구매금액 증감율

3. 상품 구매개수 관련 변수

1. A사 상품 구매개수 평균
2. B사 상품 구매개수 평균
3. C사 상품 구매개수 평균

4. 방문횟수 관련 변수

1. A사 방문 횟수 평균
2. B사 방문 횟수 평균
3. C사 방문 횟수 평균

lmembers_solution's Issues

ppt title