[7주차 학습일지] 패스트캠퍼스 파이썬 프로젝트 중간점검2

상품 관점 맞춤 마케팅 (What : 제안 상품 중심)

고객에게 어떤 제품 또는 조합을 제시할지에 집중

세부 전략

1. 묶음 상품 기획 (Cross-sell & Up-sell)
   • 장바구니 동시 구매율 높은 상품쌍 기반 번들링
   • 예 : 바나나 + 우유, 시리얼 + 우유
2. 구독형 상품 제안
   • 주기가 일정하고 재구매율 높은 상품 → 구독 서비스
   • 예 : “휴지를 매월 자동 배송받고 10% 할인받으세요”
3. 프리미엄/Organic 집중
   • reorder_score 상위의 Organic 제품군 → 건강/친환경 이미지 강조
4. 진열 구역(aisle/department) 기반
   • 판매량 대비 재구매율 낮은 구역 → 번들/할인으로 보완

핵심 포인트 : 고객에게 "무엇"을 추천해야 가장 효과적일지 정의

 

1. 묶음 상품 기획 (Cross-sell)

장바구니 동시 구매율 높은 상품쌍 기반 번들링

 

1. 초기 시도 : 상품쌍 조합 Top 20을 뽑았으나 바나나 + 딸기, 바나나 + 아보카도 등 과일 위주의 신선식품(Produce) 쏠림 현상 발생
   • 문별 상품 리스트 생성 → 상품쌍 조합 추출 → 가장 자주 함께 담긴 상품쌍 Top 20

     

2. 문제의식 : 너무 유사한 조합이 반복되어 의미 있는 마케팅 인사이트나 번들 전략 다양성 부족 
3. 전략 전환 : 부서쌍(Department Pair)을 기준으로 먼저 유의미한 조합을 추출한 후, 해당 조합에 한정하여 대표 상품쌍을 도출 → Cross-sell & Up-sell 전략 수립
4. 가설 : 상위 부서쌍에서 추출한 상품쌍은 단일 부서 내 조합보다 마케팅 번들 구성이나 교차 판매 전략에 더 효과적이다
5. 목표 : 유의미한 상품쌍 추천 구조 재정립 및 부서 간 교차 판매 가능성 분석하여 마케팅 활용도 높은 추천 리스트 추천
   • 상품쌍 조합으로는 produce안에서만 번들 가능하여 부서별 상품쌍 조합 추출 예정
   • Top 부서쌍 5개 추출해서 전략 수립
   • Heatmap을 top10 부서 기준으로 슬라이싱 후 시각화

     

   • produce 부서 기준으로 연결 강한 조합 분석 가능 (cross-sell)

     

   • 부서쌍별 대표 상품쌍 보여주기

     

결론

• 기존 상품쌍 추천은 거의 모두 produce 제품들로 대부분 바나나 + 다른 과일 형태로 마케팅 전략 다양성 부족 (스무디/과일세트 외 조합이 거의 없음)
• 부서쌍 기반 접근 효과 : dairy eggs, beverages, snacks 등 다양한 부서 등장
• 활용 시나리오, 마케팅 포인트, 번들링 방식이 훨씬 다양해짐
• 마케팅 전략
  

  전략명	설명
  부서쌍 기반 자동 번들링	상위 부서쌍 + 상위 상품쌍 조합으로 매주 자동 추천 (상위 부서쌍 내 사용자의 관심 부서 상위 상품쌍 추천)
  이종 카테고리 조합 강화	동일 부서 내 추천 → 부서쌍 조합으로 전환(세트 상품 및 할인 프로모션 진행)
  아침 루틴 세트	바나나 + 우유 + 그래놀라 등으로 아침 루틴 콘텐츠
  디톡스/수분 보충 세트	과일 + 탄산수 조합으로 여름 한정 기획 가능
  유아 간식 패키지	유제품 + 스낵류 조합으로 부모 타깃 패키지 기획

 

2. 구독형 상품 제안

주기가 일정하고 재구매율 높은 상품 → 구독 서비스

1. 주기가 일정하고 재구매율 높은 상품 → 구독 서비스
   • 가설 : 특정 상품은 소비자들이 규칙적인 간격으로 반복 구매하는 경향이 있다. 이러한 상품은 정기 구독, 재고 리마인더, 맞춤형 프로모션 타겟으로 활용 가능하다.
   • 목표 : 주기성과 재구매율을 기준으로 상품을 선별하여, 마케팅 전략(구독, 리마인더, 프로모션 등)을 수립한다.

product_order_gap feature 생성

• 지표
  • 상품별 주문 간격 : avg_order_interval
  • 주문 간격 등급 : interval_level
  • 재주문 점수 : reorder_score
• 상품별 평균 주문 간격, 평균 주문 간격 분포 Q25미만, Q25~Q75, Q75이상 기준 주문간격 Low, Mid, High 상품별 라벨링

  

• 주기별 Top10 상품표 (총 주문 수, 재구매율)

  

• 마케팅 전략

  주문 주기 구간	주요 제품 특성	추천 마케팅 방식	마케팅 문구
  8일 이하 (High Frequency)	유제품, 음료, 과일 등 생필품소비 주기 짧고 반복성 매우 높음(고빈도 생필품)	정기 배송(Weekly Plan)+ 소량/단가 기반 구독+ 리마인드 쿠폰(매주 가장 많이 사는 3종 묶음)	1. “매주 정기배송” → 신선도 유지를 이유로 구독 유도 2. 첫 구독 시 20% 할인 + 매 4회마다 1개 무료 3. "이번 주 우유 다 떨어졌죠?" 자동 알림
  9일 이상 ~15일 이하 (Mid Frequency)	과일, 채소, 가공식품 등 다양성 높은 식재료	격주 배송 구독제+ 번들 레시피 제안+ 기호 맞춤형 옵션 제공 (테마형 묶음 구독)	1. “격주 건강 간식 박스”로 구성 2. 레시피 카드 + SNS 공유 시 1회 무료 제공 3. 소비 주기를 기반으로 "다 떨어질 시기예요" 자동 메시지
  15일 초과 (Low Frequency)	샐러드 재료, 식음료, 가공품 등건강 중심 식단 재료 ( 비정기적/ 건강식 위주)	재구매 리마인드+리워드+ 자동 장바구니 제안+ 잊지 마세요 알림	1. 마지막 구매 2주 후 “다음 구매 적기입니다!” 알림 2. 2회 연속 구매 시 포인트 적립 or 샘플 제공“ 3. 최근 이런 제품과 함께 많이 구매했어요” 추천

3. Organic 집중

reorder_score 상위의 Organic 제품군 → 건강/친환경 이미지 강조

 

1. 가설 : 유기농 제품군은 일반 제품군보다 평균적으로 재구매 점수가 높다. 따라서, 유기농 제품군은 선호도 기반 추천의 핵심 타겟이 될 수 있다
2. 목표 : 고충성 유기농 제품을 기반으로, 재구매율이 낮거나 아직 유기농 제품을 구매하지 않은 고객(잠재 고객)을 타겟으로 추천 → 재구매 유도 → 고충성 고객군 확대
3. 지표
   • organic 여부 : product_stats[’is_organic’]
   • 재구매율 : product_stats[’ireorder_rate’]
4. KDE(커널 밀도 추정)를 통한 유기농 vs 일반 제품 재구매율 밀도 분석 요약

   

   • 평균 재구매율 기준으로, 유기농 제품군은 일반 제품군보다 약 4%p 높은 재구매율(40.2% vs 36.2%)을 보여 가설(“유기농 제품이 더 높은 재구매율을 가진다”)은 통계적으로 지지됨
   • 독립표본 t-test 결과 p-value < 0.05로 나타나, 유기농과 일반 제품군 간 재구매율 평균 차이는 통계적으로 유의함
   • 다만 밀도 분포 분석(KDE)에 따르면, 유기농 제품은 재구매율이 0%인 극저충성 제품의 비중이 높게 나타남
   • 중앙값 > 평균이라는 구조 역시 이를 뒷받침:
     • 유기농 제품: 평균 40.2% < 중앙값 42.0%
     • 일반 제품: 평균 36.2% < 중앙값 37.4%
     • 이는 극저충성 제품의 존재가 평균을 다소 낮추고 있음을 시사함
   • 따라서 유기농 제품을 무분별하게 추천하기보다는, 재구매율 기반 상위 제품군(고충성 제품)에 한정하여 정밀 추천 전략을 수립해야 실제 효과적인 마케팅 타겟팅이 가능함
5. organic_reorder_rate = organic_reorders / total_organic_orders를 기준으로 0.4보다 작으면 저충성, 0.4에서 0.6사이는 중충성, 0.6보다 크거나 같으면 고충성 고객으로 등급 구분했을 때 저충성(45.8%) > 중충성(31.7%) > 고충성(22.5%) 분포를 확인할 수 있음 → 이를 바탕으로 중충성 고객에게는 기존과 유사한 제품군의 상위 제품 추천하고, 저충성 고객에게는 재구매율 높은 대표 제품 중심 집중 추천하여 고충성 고객으로 전환하고자 함
   • user 전체 206209명중 유기농 제품을 구매한 경험이 있는 189125명을 대상으로 organic_reorder_rate를 분석했을 때 25% 0.208333, 50% 0.428571, 75% 0.615385

     

     
     

     고객 충성도	주요 특징	추천 전략
     고충성 고객	유기농 제품에 익숙하고 반복 구매	신제품 + 유사 제품 크로스셀링 추천
     중충성 고객	잠재적 로열티 고객	고충성 고객 대비 order수와 reorder_rate가 상대적으로 낮은 제품 추천
     저충성 고객	유기농 관심은 있지만 반복 경험 적음	대표 고충성 제품군 중심 집중 추천으로 전환 유도

6. 저충성 고객 타겟
   • 유기농 제품 전체 중에서 각 department의 평균 reorder_score 계산하여 Top 5 부서 선정 → 각 상위 부서에서 reorder_score가 높은 유기농 제품을 3개씩 추출

     

     

     
     

     전략 요소	설명
     정밀 추천 배너	저충성 고객에게 고충성 유기농 제품 중 소비 부서 다양성을 반영한 대표 제품군 노출
     추천 번들 묶음	같은 부서 내 대표 고충성 제품을 조합한 “건강 아침 세트”, “오가닉 런치박스 세트” 등 구성
     제품 후기 강조	재구매율이 높은 제품이니 고객 리뷰/후기 강조 (“이 제품은 고객의 83%가 재구매한 제품입니다”)
     충성도 전환 목표	저충성 고객에게 고충성 제품 3회 이상 재구매 유도 캠페인 운영 (예: 3회 구매 시 적립금 등)

7. 중충성 고객 타겟 
   • 고충성 고객은 재구매율 높은데, 중충성 고객은 낮은 → 격차 큰 제품 Top 10
     • gap = 고충성 고객 reorder_rate - 중충성 고객 reorder_rate → gap이 크다는 것은 고충성 고객에게는 잘 팔리는 제품인데 중충성 고객은 아직 소비를 잘 안 한 제품이라는 뜻
     • 고충성 고객 유기농 구매 이력과 중충성 고객 유기농 구매 이력을 각각 추출하여 각 제품별 재구매율 계산
     • gap이 일정 수준(gap 분포 상위 20% 격차 수준인 0.288%) 보다 큰 제품들 중 total_orders가 큰 10개 제품 선별 → 단순히 gap만 클 경우 total_orders가 너무 적으면 마케팅 타겟으로 부적합하여 전체 제품 중 상위 20% 격차 기준 구매량이 큰 제품 10종 선택

       

       

       
       

       전략명	대상 제품	예시 주요 메시지	목적
       고충성 신뢰 기반 추천	Bartlett Pear, Quick Oats	“재구매율 79% 이상! 신뢰받는 유기농”	경험 자극
       유사 카테고리 확장	Oats → Oats, Baby Food 확장	“이미 좋아하는 맛, 더 좋은 제품으로”	확장 유도
       재구매 격차 프로모션	Rolled Oats, Red Grapes	“반복 구매의 이유가 있습니다”	반복성 유도
       정기배송/묶음 할인	Cashew, Oats	“편하게 먹고 혜택도 챙기세요”	충성도 전환

4. 진열 구역(aisle/department) 기반판매량

판매량 대비 재구매율 낮은 구역 → 번들/할인으로 보완

 

1. 가설 : 재구매율이 예측 대비 낮은 판매 상위 구역이 존재한다
2. 목표 : 재무개 점수가 기대보다 낮은 판매 상위 부서를 식별한 후, 해당 구역의 대표 제품을 번들/할인 구성하여 재구매 유도 및 충성도 개선 전략을 수립한다.
3. 지표
   • 판매량 : 부서별 총 판매량
   • avg_reorder_score : 부서별 평균 reorder_score ( reorder_rate * np.log1p(total_orders)
4. scatter 분석을 통해 판매량은 높은데 재구매가 적은 부서(우측 하단) 파악

   

   
   
   • 우측 상단 = 인기 + 고충성(상대적 약자 그룹을 뽑아 마케팅 타겟으로 설정 가능)
   • 좌측 하단 = 비인기 + 저충성
   • 좌측 상단 = 비인기 + 고충성
   • 우측 하단 = 인기 있는데 재구매율 낮음 → 타겟
   • 판매량은 많지만 재구매율 낮은 부서 거의 없음
     • 후속 조치 1 : 좌측 상단(=덜 팔리는데 충성도 높은 부서)를 확장 잠재력이 있는 충성 부서로 타겟팅 변경
     • 후속 조치 2 : 가설 검증 수단으로 scatter(정량적 기준 없이 분포를 파악하는 주관적인 방법) 시각화는 타겟 선별 실패 → 잔차(Residual) 분석으로 정량적이고 객관적으로 회귀 모델을 통해 예상된 재구매율을 정하고, 그보다 낮은 부서 추출
5. 후속 조치 1 결과 : 구매한 소수의 고객들이 꾸준히 재구매하는 경향이 있는 부서 top 5 : breakfast, bulk, meat seafood, babies, pets 내에서 재구매 점수가 높은 3가지 상품 추천(재구매율만 반영할 경우 판매량이 200건 정도로 너무 저조해 타겟으로는 부적절하여 부서 기준 Low-Volume but High Loyality를 구했으니 상품은 재구매 점수 기준으로 선별)

   

   
   

   부서	추천 번들	적용 마케팅
   breakfast	그래놀라 + 시리얼 조합	리뷰 기반 강조 배너
   meat seafood	닭가슴살 조합	건강식단 타겟 큐레이션
   babies	이유식 + 요거트 세트	정기배송 구독 제안
   pets	곡물프리 사료 묶음	정기배송+리뷰 강조
   bulk	말린망고 + 귀리	스낵/건강식 번들 제안

   •  
6. 후속 조치 2 결과 :

   

   
   
   • 잔차(Residual) 분석으로 정량적 통계적으로 기대 대비 성과가 저조한 부서 재탐색
   • 회귀선보다 위에 있는 점: 기대보다 재구매율이 높은 부서
   • 회귀선보다 아래에 있는 점: 기대보다 성과가 저조한 부서 (타겟 후보)
   • residual < 0(기대 대비 재구매율이 낮음)이면서 magnitude(판매량이 많음)가 큰 부서
   • log1p(total_orders) >= 중간값 이면서 residual < 0인 top 5 부서 : pantry, household, canned goods, dry goods pasta, frozen

     

     
     

     부서	추천 번들(Kit / Set)	적용 마케팅
     dry goods pasta	Marinara Sauce + Organic Tomato Basil Pasta Sauce + Spaghetti→ 레시피 카드 동봉 파스타&소스 번들	셰프 추천 레시피 번들 구성홈쿡족/자취생 대상 큐레이션 콘텐츠
     pantry / frozen / canned goods	한 달치 장기보관 식재료 세트 → '쟁여두기 패키지' 구성	소비 주기 기반 자동 리마인드 ‘잊지 말고 재구매’ 캠페인
     household	종이 타월 + 화장지 + 호일 제품 묶음 → 일상용품 필수 세트	자동 리마인드 + 리워드2회 이상 재구매 시 포인트 적립

<<4Ls 회고법>>

1. Liked 좋았던 것 : 모든 생각해낸 것들을 실험해볼 수 있었던 것. 챗지피티와 파이썬이라면 무엇이든 시각화 가능하고 결과가 도출 가능했다는 것
2. Lacked 아쉬웠던 것 : 분석 자체는 할 수 있었으나 스토리를 만들어내는 것이 많이 부족했던 것
3. Learned 배운 것 : 분석을 시작하기 전에 방향을 설정하고 스토리를 구상하는 것이 정말 중요하다는 것
4. Longed for 앞으로 바라는 것 : 프로젝트 한 것 제대로 정리해놓고 포트폴리오에 어떻게 구성할지 생각하기