ݺߣ

ݺߣShare a Scribd company logo

Offering 효과 분석-시계열 예측 모델 활용

•
•
JeongMin Kwon
JeongMin Kwon

11월 18일 DataDay에서 발표한 CausalImpact 패키지와 Multivariate Test를 결합한 Offering 효과 분석

1 of 14
Offering 효과 분석 - 과연 ‘이게’ ‘제대로’ 먹혔을까? 2014-11-18 DataDay@D.Camp(3rd) 권정민 (Data Analyst @ SK Planet)
Offering: Classical Strategy of CRM - (WHO) (WHEN) (WHERE) 타겟 고객들에게 적절할 때 우리 서비스/매장에서 적절한 benefit을 가능한 방법으로 제공한다. (WHAT) (HOW) - LTV 증가/신규 고객 유입/이탈 고객 방지/서비스 인지도 상승... (WHY)
Offering 효과 분석-시계열 예측 모델 활용
기본 고객 관리 고객의 전반적인 Lifetime에 영향을 미치는 속 성 구분 관련 데이터 수집 지속적인 모니터링 및 현 상황에 대한 고객 관리 목표 설정
Targeting 목적 종류 (신제품 추천, 신규 고객 유도, 이탈 예 상 고객 군 관리 등)에 해당하는 고객 군 생성, 분 류 기본 속성(인구통계학 정보) 및 과거의 로그 데이 터를 통한 고객군 생성 Basic Selection (rule-based), Classification, Clustering...
Campaign 각각의 고객군에게 적합한 혜택을 제공함으로 써 해당 목적에 도달할 수 있도록 함 프로모션, 이벤트 등을 통한 특별한 혜택 제 공 제공할 Campaign의 효과 및 고객 군과의 적합 도 등의 파악 + 예측 필요
이게 과연 효과가 있을까?
결과를 어떻게 비교해야 까?
Multivariate Testing 초반 피크가 이후에까지 영향을 준다고 볼 수 없으 나 장기적인 관측 필요 Campaign 속성이 매번 변하므로 지속적 활용 어 려움
캠페인과 서비스 변경 - 지속성 - 일회성으로 끝나는 건 아닐까? - 이번 캠페인 효과를 보기 위해 오랫동안 기다릴 수는 없는데? - 이 사람들에게는 캠페인을 안 했어도 상관없는 것 아닐까? - 사정상 대조군을 만들 수 없는데? - 한꺼번에 여러 종류의 캠페인을 해야 하는데?
Offering 효과 분석-시계열 예측 모델 활용
CausalImpact Google의 [Inferring causal impact using Bayesian structural time-series models]라는 논문 기반 기본적인 시계열 forecasting 방식이나 Bayesian 기반 으로 인과관계 및 영향력 등을 수치적으로 파악 가능 R의 CausalImpact 패키지로도 구현되어 있음 https://github.com/google/CausalImpact
To Be Continued..
Summary New Tool for Offering Evaluation : Multivariate Test + Time-Series Causal Analysis (CausalImpact) ※ 상세한 질문, 의견, 제안 등은 cojette@gmail.com 으로 부탁드립니다. 감사합니다.

More Related Content

Offering 효과 분석-시계열 예측 모델 활용

  • 1. Offering 효과 분석 - 과연 ‘이게’ ‘제대로’ 먹혔을까? 2014-11-18 DataDay@D.Camp(3rd) 권정민 (Data Analyst @ SK Planet)
  • 2. Offering: Classical Strategy of CRM - (WHO) (WHEN) (WHERE) 타겟 고객들에게 적절할 때 우리 서비스/매장에서 적절한 benefit을 가능한 방법으로 제공한다. (WHAT) (HOW) - LTV 증가/신규 고객 유입/이탈 고객 방지/서비스 인지도 상승... (WHY)
  • 4. 기본 고객 관리 고객의 전반적인 Lifetime에 영향을 미치는 속 성 구분 관련 데이터 수집 지속적인 모니터링 및 현 상황에 대한 고객 관리 목표 설정
  • 5. Targeting 목적 종류 (신제품 추천, 신규 고객 유도, 이탈 예 상 고객 군 관리 등)에 해당하는 고객 군 생성, 분 류 기본 속성(인구통계학 정보) 및 과거의 로그 데이 터를 통한 고객군 생성 Basic Selection (rule-based), Classification, Clustering...
  • 6. Campaign 각각의 고객군에게 적합한 혜택을 제공함으로 써 해당 목적에 도달할 수 있도록 함 프로모션, 이벤트 등을 통한 특별한 혜택 제 공 제공할 Campaign의 효과 및 고객 군과의 적합 도 등의 파악 + 예측 필요
  • 9. Multivariate Testing 초반 피크가 이후에까지 영향을 준다고 볼 수 없으 나 장기적인 관측 필요 Campaign 속성이 매번 변하므로 지속적 활용 어 려움
  • 10. 캠페인과 서비스 변경 - 지속성 - 일회성으로 끝나는 건 아닐까? - 이번 캠페인 효과를 보기 위해 오랫동안 기다릴 수는 없는데? - 이 사람들에게는 캠페인을 안 했어도 상관없는 것 아닐까? - 사정상 대조군을 만들 수 없는데? - 한꺼번에 여러 종류의 캠페인을 해야 하는데?
  • 12. CausalImpact Google의 [Inferring causal impact using Bayesian structural time-series models]라는 논문 기반 기본적인 시계열 forecasting 방식이나 Bayesian 기반 으로 인과관계 및 영향력 등을 수치적으로 파악 가능 R의 CausalImpact 패키지로도 구현되어 있음 https://github.com/google/CausalImpact
  • 14. Summary New Tool for Offering Evaluation : Multivariate Test + Time-Series Causal Analysis (CausalImpact) ※ 상세한 질문, 의견, 제안 등은 cojette@gmail.com 으로 부탁드립니다. 감사합니다.