세그먼트를 액션 언어로 바꾸는 방식
세그먼트 이름을 붙이는 것보다, 그 구분이 실제 액션과 우선순위로 이어지는지가 더 중요하다는 관점입니다.
연결 글 보기Starbucks Promotion Analysis
고객군별 오퍼 반응과 채널 성과를
함께 도출한 CRM 분석
고객, 오퍼, 채널 데이터를 기반으로
세그먼트와 오퍼 반응의 상관관계를 분석한
CRM / 마케팅 분석 프로젝트입니다.
고객, 오퍼, 채널 데이터가 분리된 상태에서는 어떤 고객군이 어떤 제안에 반응하는지와 오퍼/채널 성과 차이를 함께 읽기 어렵습니다.
Overview
프로젝트 개요
프로젝트 범위와 역할을 빠르게 훑을 수 있도록 핵심 정보를 먼저 압축했습니다.
- 핵심 결과
- 고객, 오퍼, 채널 데이터를 재구성해 고객 반응과 오퍼/채널 성과를 함께 해석할 수 있는 CRM / 마케팅 분석 결과로 정리했습니다.
- 도메인
- CRM / Marketing Analytics / 고객 반응 분석 / 오퍼/채널 성과 분석
- 역할
- 이벤트 구조 재설계, 추천 후보 해석, Tableau 결과 정리
- 사용 기술
- Python, SQL, Tableau
- 기간 / 진행 상태
- 2026 / 개인 프로젝트
Problem
핵심 과제
고객, 오퍼, 채널 기준으로 흩어진 데이터를 한 구조에서 보고 고객 반응과 오퍼 성과를 함께 읽을 수 있는 분석 틀이 필요했습니다.
마케팅 분석은 단순 반응률이 아니라 어떤 고객군이 어떤 제안과 채널에 반응하는지까지 연결되어야 실행 인사이트가 되기 때문입니다.
Evidence Snapshot
핵심 근거
Data & Method
데이터와 접근
- 이벤트 로그
- 고객 정보
- 오퍼 / 채널 데이터
- 반정형 로그를 조인 가능한 테이블 구조로 전처리
- 고객 반응과 오퍼 / 채널 성과를 함께 비교
- Tableau 대시보드와 해석 문서로 결과 정리
- 고객 반응 비교 기준
- 오퍼 / 채널 성과 기준
- 마케팅 인사이트 정리 기준
Output
결과물
고객, 오퍼, 채널 데이터를 재구성해 고객 반응과 오퍼/채널 성과를 함께 해석할 수 있는 CRM / 마케팅 분석 결과로 정리했습니다.
고객·오퍼·채널 데이터 통합고객 반응 / 오퍼 성과 분석Tableau 대시보드마케팅 액션 인사이트
Key Insight
핵심 포인트
- 반정형 이벤트 로그를 분석 가능한 구조로 재정리
- 고객 반응과 오퍼 / 채널 성과를 함께 해석
- Tableau 대시보드와 README 스토리로 마케팅 의사결정 흐름을 강조
Notes
검토 메모
- 공개 저장소 기준으로는 데이터 커버리지보다 분석 구조와 대시보드 흐름 중심으로 확인할 수 있습니다.
- 실제 운영 캠페인 성과와 연결한 후속 검증은 포함되지 않았습니다.
- 오퍼별 장기 유지 효과 비교는 추가 분석이 필요합니다.
Links
바로가기
GitHub README와 대시보드 산출물 기준으로 전체 분석 흐름을 확인할 수 있습니다.
Case Studies