Project Detail
UK Online Retail Segment Analysis
어떤 고객군을 유지·재활성화 우선순위로 볼 것인가?
영국 온라인 리테일 거래 데이터를 기반으로
세그먼트를 분석한 이커머스 분석 프로젝트입니다.
Decision Moment
질문이 바뀐 순간
이 프로젝트가 단순 분석에서 의사결정 구조로 넘어간 핵심 장면입니다.
Original Question고객 세그먼트는 어떻게 나뉘는가?
Reframed Question어떤 고객군을 유지·재활성화 우선순위로 볼 것인가?
- Key Evidence
- Top 20% = 73.5% Sales, 이탈위험 고객군 84.2% MoM Drop
- Final Deliverable
- RFM 세그먼트 분석과 매출·재구매 인사이트
- What this proves
- 고객 세그먼트를 액션과 KPI 언어로 번역하는 역량
Evidence Snapshot
근거 스냅샷
숫자가 있는 프로젝트는 검증 지표를 먼저, 데이터가 부족한 프로젝트는 확인 가능한 산출물 중심으로 정리했습니다.
Problem / Context
문제와 맥락
- 주요 도메인
- 이커머스
- 역할
- RFM 해석 구조화 / 통계 검정 정리 / 캠페인 시나리오 번역
- 기간
- 2026
- 형태
- 팀 프로젝트 기반 정리
영국 온라인 리테일 거래 데이터는 구매 기록 자체는 풍부하지만, 어떤 패턴이 세그먼트 차이와 재구매 관점 인사이트로 이어지는지 구조적으로 정리할 필요가 있었습니다.
거래 데이터 자체는 풍부하지만, 고객 구매 패턴과 세그먼트 차이를 매출 및 재구매 관점으로 읽기 쉽게 정리하는 작업이 필요했습니다.
e-commerce 분석은 고객을 나누는 것만이 아니라 어떤 구매 패턴이 매출과 재구매 관점 해석으로 이어지는지 설명할 수 있어야 하기 때문입니다.
Data & Method
데이터와 접근
- 영국 온라인 리테일 거래 데이터
- 고객 구매 이력
- RFM 기준 데이터
- 고객군을 RFM과 구매 패턴 기준으로 재구성
- 세그먼트별 구매 차이를 비교하고 통계적으로 검토
- 매출 및 재구매 관점 인사이트로 결과 정리
- RFM 기준
- 구매 패턴 비교
- 매출 / 재구매 관점 해석 기준
Output
결과물
거래 데이터를 구매 패턴, RFM, 세그먼트 기준으로 재구성하고, 매출 및 재구매 관점에서 해석 가능한 e-commerce 분석 결과로 정리했습니다.
고객 세그먼트 분석RFM / 구매 패턴 분석매출 / 재구매 관점 인사이트매출 / 고객 유지 인사이트
Key Insight
핵심 포인트
- RFM과 구매 패턴을 함께 사용해 세그먼트 구조를 정리
- 세그먼트별 차이를 매출 및 재구매 관점으로 비교
- 거래 데이터를 e-commerce 해석 언어로 다시 정리
Limits / Notes
한계와 검토 메모
검증 범위와 추가로 확인해야 할 조건을 숨기지 않고 함께 남겼습니다.
- 공개 데이터셋 기반이라 최근 운영 환경에 그대로 일반화하기는 어렵습니다.
- full notebook execution은 UCI Online Retail CSV를 로컬에 배치해야 하며, CI는 artifact completeness와 pipeline entry-point syntax를 검증합니다.
- 실제 운영 고객 식별 정보와 연결한 캠페인 집행/성과 검증은 포함하지 않았습니다.
- 세그먼트 경계값은 업종, 기간, 운영 목표가 달라지면 재검토가 필요합니다.
Links
확인 가능한 산출물
GitHub README와 저장소 문서에서 분석 흐름과 실행 가이드를 확인할 수 있습니다.
Case Studies