유저 데이터 분석

 

유저 행동 데이터로 서비스 건강성 분석하기

 

len(df) 출력값이 885129 약 88만개의 데이터가 있음을 알 수 있다

이 때 

4 category_code 648910 non-null object

5 brand 672765 non-null object

category_code와 brand 컬럼은 88만개에 미치지 못하는 수치가 non-null count로 집계되고 있다. (비어있다는 뜻)

 

 

판다스 데이터 타입

 

 

 

 

숫자형 컬럼의 중앙값과 평균 살펴보기

 

 

✅대푯값 : 어떤 데이터를 대표하는 값. 일반적으로 자료의 특징을 수 하나로 표현한 값이다.

✅평균(mean)

- 일반적으로 말하는 평균은 산술평균

- 관측된 값을 모두 더한 후 관측값의 개수로 나눈 것 

- 데이터의 무게 중심

✅중앙값(median) : 어떤 주어진 값들을 크기의 순서대로 정렬했을 때 가장 중앙에 위치하는 값

✅최빈값(mode) : 데이텅서 가장 자주 등장하는 값 (빈도수가 높은 값)

 

 

 

 

 

 

 

중앙값과 평균의 관계

 

 

 

---

 

 

DAU(Daily Active Users)

WAU(Weekly Active Users)

MAU(Monthly Active Users)

 

DAU / MAU = 유저가 자주 방문하는 서비스인가?

DAU / MAU 가 3.3% 정도라면 1달 동안 거의 매일 새로운 유저가 유입되는 서비스이다

매일 방문한 고객들의 합이 MAU와 같다

 

DAU / MAU 가 100%라면 즉 DAU = MAU 라면 어제 유저들이 매일 방문하는 서비스이다

10%-20%가 평균이라고 하나 산업군에 따라 다르다. 

 

 

---

 

 

Active Users 장단점

 

거의 모든 서비스에서 쉽게 구할 수 있어 자주 쓰이는 지표이다.

유저의 방문만 보기 때문에, 서비스 내 활동성 있는 유저 또는 전환한 유저가 얼마나 되는지는 측정X

 

 

 

 

 

#날짜 가져오기

df['event_date'] = df['event_time'].str.slice(start=0, stop=10)

 

#날짜 별 unique user 수 계산

df_2 = df.groupby('event_date')['user_id'].nunique()

 

 

#DAU 확인하기

dau_data.head()