팀 프로젝트 · 이커머스
이커머스 고객 이탈 · RFM 분석
50만 건 거래 로그로 "반품이 이탈의 원인"이라는 가설을 검증으로 기각하고, 고객군별 CRM 전략을 제안했습니다.
TL;DR 30초 요약
- 1가상의 이커머스 경영진·마케팅팀을 고객으로 두고, 이탈 요인·매출 패턴·핵심 고객군을 찾는 과제였습니다.
- 2MySQL로 전처리하고, 반품과 이탈의 관계를 카이제곱·Cramer's V로 검정해 "반품이 이탈 원인"이라는 가설을 기각했습니다.
- 3시간대·카테고리 매출 패턴과 RFM 세분화로 4개 고객군별 CRM 전략을 제안했습니다.
약 50만
거래 로그
4개
RFM 고객군별 전략
Flow
- 1MySQL 전처리
- 2반품-이탈 검정
- 3매출 트렌드
- 4RFM 세분화 · CRM 전략
배경
약 50만 건의 합성 이커머스 거래 로그로 실제 기업 환경을 재현해, 단순 매출 집계를 넘어 고객군별 이탈·반품 요인, 시간대·카테고리별 매출 패턴, 고객 세분화를 하나의 흐름으로 연결해야 했습니다.
내가 한 일
- 리드 — 4인 팀의 일정과 분석 방향을 관리했습니다.
- 전처리 — MySQL로 결측·이상치를 처리하고 파생 변수를 만들었습니다.
- 이탈 분석 — 반품과 이탈의 관계를 카이제곱 · Point-Biserial · Cramer’s V로 검정했습니다.
- 트렌드 — 계절 · 시간대 · 상품군별 매출 패턴을 분석했습니다.
- 세분화 — RFM으로 고객을 나누고 고객군별 전략을 정리했습니다.
결과
- 반품은 이탈에 큰 영향이 없고, 성별·연령대별 이탈률 차이가 더 크다는 것을 확인 → 반품 대응에 쓸 뻔한 리소스를 아낄 근거
- 주말 · 아침/오후 시간대 매출 집중, 특정 시즌 상품군 급등 패턴 도출
- 고객군별 CRM 전략: 이탈 위험 → 맞춤 알림·단기 쿠폰 / 로열 → VIP 혜택 / 성장 가능 → 무료배송·업셀링 / 저활성 → 웰컴 쿠폰
배운 점
직관적으로 그럴듯한 가설일수록 먼저 검증해야 합니다. “아니다”를 빨리 밝히는 것도 분석의 성과라는 것을 배웠습니다.
Ask me about 면접에서 물어봐 주세요
- 가설을 기각한 결과가 비즈니스에 주는 의미
- RFM 구간을 나눈 기준