Customer Shopping Behaviour Analytics: An Integrated Data Pipeline and Decision-Support System
본 논문은 Python ETL, MySQL 모델링 및 대화형 대시보드를 통합하여 소매 거래를 분석하는 AI 기반의 엔드 투 엔드 데이터 분석 프레임을 제시하며, 이를 통해 거래량의 불균형에도 불구하고 성별 지출 균등성이 존재함과 동시에 현재의 프로모션 할인 및 구독 모델이 장바구니 규모나 방문당 지출을 유의미하게 견인하지 못하고 있음을 밝힘으로써 고객 획득 및 수익화 전략의 결정적인 격차를 강조한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
현대 소매업의 활기찬 세계에서 모든 거래는 디지털 발자국을 남깁니다. 고객이 재킷을 사고, 신용카드로 결제하거나, 별점 평점을 남길 때마다 그들은 하나의 데이터 조각을 생성합니다. 수십 년 동안 매장 관리자와 기업 기획자들은 사람들이 무엇 때문에 구매를 하는지, 무엇이 그들을 다시 돌아오게 만드는지, 그리고 최대 이익을 위해 품목의 가격을 어떻게 책정해야 하는지를 이해하기 위해 이 수백만 개의 흩어진 기록들을 이해하려고 노력해 왔습니다. 문제는 언제나 규모와 명확성이었습니다. 데이터는 존재하지만, 종종 지저분한 스프레드시트에 파묻혀 있거나, 누락된 숫자로 가득 차 있거나, 전문적인 기술이 있어야만 잠금을 해제할 수 있는 형식 속에 갇혀 있습니다. 이 연구의 목표는 그 혼란스러운 영수증과 리뷰의 더미를 고객 행동에 대한 명확하고 살아있는 그림으로 변환하여, 비즈니스 리더들이 컴퓨터 전문가가 아니더라도 자신의 매장에서 정확히 어떤 일이 일어나고 있는지 볼 수 있게 하는 것입니다.
이를 달로 하기 위해, 연구진은 원시 판매 기록과 인간의 의사결정 사이에서 자동 번역기 역할을 하는 새로운 종류의 시스템을 구축했습니다. 그들은 의류, 신발, 액세서리를 아우르는 실제 소매 환경의 3,900개 실제 거래 컬렉션으로 시작했습니다. 원래 형태의 기록들은 불완전했습니다. 일부 고객 만족도 점수가 누락되어 있었고, 데이터는 항상 일치하지 않는 서로 다른 열에 흩어져 있었습니다. 연구팀은 먼저 특정 제품 유형에 대한 중앙값 평점을 참조하여 누락된 만족도 점수를 자동으로 채워 넣는 컴퓨터 프로그램을 사용하여 이 데이터를 정제함으로써, 가치 있는 판매 정보가 버려지지 않도록 했습니다. 그런 다음 그들은 정제된 데이터를 즉각적인 검색과 정렬이 가능한 디지털 파일 시스템인 구조화된 데이터베이스로 정리했습니다. 마지막으로, 매장 관리자가 "남성이 여성보다 얼마나 더 많이 소비하는가?" 또는 "할인이 실제로 사람들을 더 많이 구매하게 만드는가?"와 같은 질문을 던지고 즉각적인 답변을 얻을 수 있도록 몇 번의 클릭만으로 작동하는 간단하고 상호작적인 웹사이트를 구축했습니다.
이 조사의 결과는 쇼핑객이 어떻게 행동하는지에 대한 일반적인 가정에 도전하는 몇 가지 놀라운 진실을 드러냈습니다. 가장 눈에 띄는 발견 중 하나는 성별에 관한 것입니다. 남성이 전체 데이터셋 구매의 3분의 2를 차지했지만, 방문당 지출 금액은 남녀 모두 거의 동일했습니다. 남성은 주문당 평균 59.57달러를 썼고, 여성은 59.52달러를 썼습니다. 이 5센트의 미세한 차이는 여성 고객으로부터 발생하는 총 매출이 낮은 이유가 그들이 쇼핑할 때 적게 소비하기 때문이 아니라, 단순히 매장에 들어오는 여성의 수가 적기 때문이라는 것을 증명합니다. 격차는 고객이 얼마나 지불할 용의가 있느냐가 아니라, 얼마나 많은 고객에게 도달하느냐에 달려 있습니다.
또 다른 발견은 표준 판매 전략의 효과성에 의문을 제기합니다. 연구진은 고객이 할인 쿠폰을 사용할 때 어떤 일이 일어나는지 면밀히 살펴보았습니다. 그들은 전체 주문의 거의 42%가 할인을 사용했음에도 불구하고, 평균 장바구니 크기는 거의 늘어나지 않았다는 것을 발견했습니다. 쿠폰을 사용한 고객은 정가를 지불한 고객보다 평균적으로 단 0.74달러만을 더 썼습니다. 이는 많은 쇼핑객에게 할인이 더 많은 품목을 구매하거나 더 많은 돈을 쓰도록 유도하는 것이 아니라, 단지 그들이 이미 구매할 계획이었던 품목의 가격을 낮춰줄 뿐임을 시사합니다. 결과적으로, 매장은 추가적인 판매량을 확보하지 못한 채 이러한 판매에서 잠재적 이익의 상당 부분을 잃게 됩니다.
이 연구는 멤버십이나 구독에 관한 역설도 밝혀냈습니다. 많은 기업은 멤버십이나 구독료를 지불하는 고객이 더 가치 있고 방문당 더 많이 소비한다고 가정합니다. 그러나 데이터에 따르면 활성 구독자는 방문당 평균 59.47달러를 소비한 반면, 비구독자는 59.59달러를 소비했습니다. 이 차이는 무시할 만한 수준이며, 이는 현재 이러한 멤버십가 더 많은 지출을 유도하는 도구라기보다는 결제를 위한 편리한 방법이나 단골 고객을 위한 혜택으로서 기능하고 있음을 나타냅니다. 높은 지출의 진짜 동인은 특정 제품 유형과 방문 빈도에서 발견되었습니다. 예를 들어, 신발을 구매한 고객은 주문당 60.75달러로 가장 많은 금액을 지출했으며, 과거에 10회 이상의 구매를 했던 가장 충성도 높은 고객들이 전체 거래의 거의 절반을 차지했습니다.
복잡한 데이터 정제 단계와 사용자 친화적인 웹사이트를 결합함으로써, 연구진은 복잡한 비즈니스 질문에 대해 수동 스프레드시트 작업으로 몇 시간이 걸리던 작업을 1초도 안 되어 해결할 수 있음을 입증했습니다. 이 시스템을 통해 관리자는 연령, 성별 또는 제품 유형별로 데이터를 즉시 필터링하여 서로 다른 집단이 어떻게 행동하는지 정확히 볼 수 있습니다. 예를 들어, 그들은 신발을 구매한 고객이 가장 높은 평균 주문 가치를 가졌음을 발견했으며, 동시에 배송 선호도와 결제 수단이 균등하게 분포되어 있어 특정 옵션이 압도적이지 않다는 것을 확인했습니다. 이는 다양한 선택지를 제공하는 것이 고객을 만족시키는 데 필수적임을 시사합니다.
이 작업의 궁극적인 가치는 컴퓨터 과학 학위 없이도 원시 숫자를 실행 가능한 전략으로 바꿀 수 있는 능력에 있습니다. 연구진은 더 공격적인 할인이나 멤버가 더 많이 소비할 것이라는 가정에 있지 않다는 것을 보여주었습니다. 대신, 데이터는 여성 고객을 더 많이 유치해야 한다는 점을 가리키고 있는데, 여성 고객은 일단 도착하면 남성과 거의 동일하게 소비하기 때문입니다. 또한 더 높은 지출을 진정으로 유도할 수 있도록 로열티 프로그램을 재구조화하는 방법을 고민해야 함을 보여줍니다. 그들이 구축한 시스템은 모든 소매 기업이 자신의 성과를 감사하고, 이러한 숨겨진 패턴을 포착하며, 비즈니스가 가정하는 방식이 아닌 고객이 실제로 행동하는 방식에 기반하여 의사결정을 내릴 수 있도록 돕는 신뢰할 수 있고 저비용의 도구 역할을 합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.