분석 결과를 실제 도구까지 연결하는 방식
분석 결과를 보고서에서 멈추지 않고, 실제 사용자가 눌러보고 비교해볼 수 있는 도구까지 이어 붙이는 방식입니다.
연결 글 보기ShopEasy
주문 감소 원인을 전환 흐름으로 분해하고
실험 제안까지 연결한 커머스 대시보드
2025년 3분기 주문 감소 원인을
고객·카테고리·세션 흐름으로 분해하고
A/B 테스트까지 제안한 서비스 분석 프로젝트입니다.
주문 감소를 단순 유입 하락으로만 보면 어떤 구간을 먼저 고쳐야 하는지 알기 어렵습니다. 고객 세그먼트, 카테고리, 진입 페이지, 디바이스, 이탈 페이지를 함께 읽어 실제 개선 실험까지 연결하는 구조가 필요했습니다.
Overview
프로젝트 개요
프로젝트 범위와 역할을 빠르게 훑을 수 있도록 핵심 정보를 먼저 압축했습니다.
- 핵심 결과
- 주문 감소 문제를 카테고리, 진입 흐름, 디바이스, 이탈 페이지 기준으로 분해하고, 모바일 전자기기 구매 완료율 개선 A/B 테스트로 이어지는 웹 기반 서비스 지표 대시보드로 정리했습니다.
- 도메인
- 커머스 / 전환율 분석 / 서비스 지표 / 웹 대시보드
- 역할
- 데이터 설계, 전환 흐름 분석, 웹 대시보드 구현, A/B 테스트 설계
- 사용 기술
- Python, Pandas, HTML/CSS/JS
- 기간 / 진행 상태
- 2026 / 개인 프로젝트
Problem
핵심 과제
최근 3개월 주문 감소가 단순 유입 감소인지, 특정 세그먼트·카테고리·디바이스 병목인지 분리해서 읽기 어려웠습니다.
커머스 문제는 감소 사실보다 어느 흐름을 먼저 개선해야 하는지까지 연결되어야 실제 액션과 실험으로 이어지기 때문입니다.
Evidence Snapshot
핵심 근거
Data & Method
데이터와 접근
- 주문 데이터
- 사용자 데이터
- 세션 데이터
- 월별 주문 수와 완료 주문 수 흐름 정리
- 카테고리·진입 페이지·디바이스·이탈 페이지 기준으로 전환 병목 분해
- 분석 결과를 웹 대시보드와 A/B 테스트 설계안으로 연결
- 주문 완료율
- 진입 페이지별 구매 전환율
- 디바이스별 구매 전환율
- 연령대별 이탈률
Output
결과물
주문 감소 문제를 카테고리, 진입 흐름, 디바이스, 이탈 페이지 기준으로 분해하고, 모바일 전자기기 구매 완료율 개선 A/B 테스트로 이어지는 웹 기반 서비스 지표 대시보드로 정리했습니다.
웹 기반 통합 대시보드주문 / 전환 / 이탈 진단카테고리·디바이스 인사이트A/B 테스트 설계안
Key Insight
핵심 포인트
- 주문 감소 문제를 고객, 카테고리, 진입 흐름, 디바이스로 나눠 병목을 구조화
- 분석 결과를 차트 나열이 아니라 문제 → 근거 → 해석 → 액션 순서의 웹 대시보드로 재구성
- 모바일 전자기기 구매 완료율 개선이라는 실험 가설과 KPI까지 연결
Notes
검토 메모
- 더미 데이터 기반이라 실제 서비스 로그를 완전히 대체하지는 못합니다.
- 세션 단위 데이터라 퍼널 전체를 이벤트 수준으로 추적하는 데 한계가 있습니다.
- A/B 테스트는 제안 단계이며 실제 유의성 검정은 포함되지 않았습니다.
Links
바로가기
GitHub README와 배포 대시보드에서 주문 감소 진단 흐름과 실험 제안을 함께 확인할 수 있습니다.
Case Studies