[#7] 스프린트 DA 트랙 9주차 위클리 페이퍼(장바구니 분석, 연관 규칙 평가 지표)

위클리 페이퍼는 현재 훈련받고 있는 코드잇 스프린트 데이터 애널리스트 트랙에서 매주마다 훈련생 스스로 프로그래밍 언어, 데이터분석, 통계, 머신러닝 등 특정 주제에 대하여 심화 학습을 할 수 있도록 제출하는 과제입니다.

(매주 2~3가지 주제를 스스로 알아보고 학습하여 관련된 내용을 정리하여 후에 취업 활동 간에 경험할 수 있는 기술 면접을 대비함)

---

8주차에 이어 이번 9주차 위클리 페이퍼의 내용을 소개하겠습니다.

 

이번 7번째 위클리 페이퍼 주제는

1. 장바구니 분석의 다양한 활용 사례를 설명해 주세요. 각 사례에서 얻을 수 있는 비즈니스 인사이트는 무엇인지 구체적으로 설명해 주세요.

2. Support, Confidence, Lift 지표의 정의와 각 지표의 중요성을 설명해 주세요. 이 지표들을 해석하는 방법을 구체적인 예와 함께 설명해 주세요.

---

이번 9주차 위클리 페이퍼의 첫 질문에서 가장 중요한 키워드는 장바구니 분석입니다.

'장바구니 분석'이란 무엇인가?

장바구니 분석(Market Basket Analysis)은 고객의 구매 데이터에서 특정 상품들이 함께 구매되는 패턴을 찾아내는 연관성 분석 기법입니다.

이를 통해 어떤 상품이 함께 구매될 가능성이 높은지 파악하여 매장 진열(제품 배치 최적화), 마케팅 전략, 고객 관계 관리(CRM) 등에 활용할 수 있습니다.

 

예를 들어, 슈퍼마켓에서 고객들이 우유를 구매할 때 빵도 자주 구매한다는 사실을 알게 된다면, 이 두 상품을 가까이 진열하거나 묶음 상품으로 할인 판매하는 전략을 세울 수 있습니다. 이렇게 하면 매출을 올리고 고객이 더 많은 상품을 구매하도록 유도할 수 있습니다.

또 다른 활용 방법으로는 프로모션 전략이 있습니다. 자주 함께 구매되는 상품들을 묶어 할인하거나, 관련 상품을 추천하는 방식으로 판매를 촉진할 수 있습니다. (예를 들어, 특정 음료와 간식을 자주 함께 구매한다면, 이를 묶어 할인하는 프로모션을 진행할 수 있습니다.)

장바구니 분석은 또한 재고 관리와 매장 진열에도 유용합니다. 연관성이 높은 상품들을 함께 배치하면 고객이 더 편리하게 쇼핑할 수 있고, 재고를 효율적으로 관리할 수 있어 품절이나 과잉 재고를 방지할 수 있습니다.

장바구니 분석의 활용에 대한 내용은 주제와 관련된 내용으로 밑에서 더 자세히 설명하도록 하겠습니다.

 

결국, 장바구니 분석을 통해 얻은 데이터는 더 나은 비즈니스 결정을 내리는 데 중요한 역할을 합니다. 고객의 구매 패턴을 이해하고, 이를 기반으로 다양한 마케팅 및 운영 전략을 최적화할 수 있기 때문입니다.

---

 

지금부터 위의 개념을 기반으로 이번 주차 위클리 페이퍼의 첫번째 주제를 설명하도록 하겠습니다.

1. 장바구니 분석의 다양한 활용 사례를 설명해 주세요. 각 사례에서 얻을 수 있는 비즈니스 인사이트는 무엇인지 구체적으로 설명해 주세요.

위에서 설명한 장바구니 분석을 활용하는 다양한 사례와 그로 인해 얻을 수 있는 비즈니스 인사이트를 알아보겠습니다.

연관 상품 판매 전략 (Cross-Selling) : 함께 팔리면 더 잘 팔린다

장바구니 분석의 대표적인 활용 사례는 바로 연관 상품 판매 전략입니다.

고객이 특정 상품을 구매할 때 함께 구매하는 제품들을 분석해 보면, 이들 상품을 묶어 판매하거나 추천할 수 있습니다.

예를 들어, 슈퍼마켓에서 우유를 사는 고객들이 빵도 자주 구매한다는 사실을 알게 된다면, 이 두 제품을 묶어 할인 프로모션을 진행할 수 있습니다.

비즈니스 인사이트:

이러한 전략을 통해 고객의 구매량을 늘리고, 매출을 자연스럽게 증대시킬 수 있습니다. 또한, 고객이 한 번에 더 많은 제품을 구매하게 되어 장바구니당 평균 구매 금액이 상승하게 됩니다.

제품 진열 최적화 : 고객의 시선을 사로잡는 방법

장바구니 분석은 매장 내 제품 배치를 최적화하는 데도 큰 도움을 줍니다. 고객들이 자주 함께 구매하는 제품들을 매장 내에서 가까이 배치하면, 자연스럽게 추가 구매를 유도할 수 있습니다. 예를 들어, 치약과 칫솔을 같은 진열대에 배치하면, 고객이 한 번에 두 가지 제품을 구매할 가능성이 높아지죠.

비즈니스 인사이트:

이 전략은 매출을 증대시킬 뿐만 아니라, 고객의 쇼핑 편의성을 높이는 데도 기여합니다. 고객이 필요한 제품들을 쉽게 찾을 수 있게 배치하면, 자연스럽게 만족도가 높아지고, 이는 다시 매장 재방문으로 이어질 수 있습니다.

프로모션 및 할인 전략: 고객의 지갑을 여는 마법

프로모션을 효과적으로 운영하기 위해서도 장바구니 분석은 유용합니다. 분석을 통해 자주 함께 구매되는 제품들을 파악하고, 이를 바탕으로 묶음 할인이나 세트 상품 프로모션을 진행할 수 있습니다. 예를 들어, 음료와 과자가 자주 함께 팔린다는 사실을 알게 되면, 이 두 제품을 세트로 묶어 할인 프로모션을 진행하는 방법이 있습니다.

비즈니스 인사이트:

이러한 전략은 할인이나 묶음 판매를 통해 매출을 일시적으로 증대시키는 것뿐만 아니라, 재고 회전율을 높이고, 고객의 구매 경험을 개선할 수 있습니다. 특히, 고객이 브랜드에 대해 긍정적인 인식을 가지게 되어, 장기적으로 로열티를 강화할 수 있습니다.

재고 관리 및 공급망 최적화: 효율적인 운영을 위한 필수 전략

장바구니 분석은 재고 관리와 공급망 최적화에도 기여할 수 있습니다. 특정 제품들이 자주 함께 구매된다는 사실을 알면, 그 제품들의 재고를 적절히 관리하여 품절 위험을 줄일 수 있습니다.

예를 들어, 휴지와 세제가 자주 함께 구매된다면, 두 제품의 재고를 함께 관리하는 것이 좋습니다.

비즈니스 인사이트:

이 전략의 비즈니스 인사이트는 운영 비용 절감과 고객 만족도 향상에 있습니다. 효율적인 재고 관리를 통해 불필요한 재고를 줄이고, 고객이 원하는 제품을 항상 제공할 수 있어 고객의 신뢰를 얻을 수 있습니다.

신제품 개발 및 출시 전략: 고객이 원하는 것을 알아내다

장바구니 분석을 통해 얻을 수 있는 또 다른 중요한 인사이트는 신제품 개발과 출시 전략입니다. 고객들이 선호하는 제품 조합을 발견하면, 이를 바탕으로 새로운 상품 조합을 기획하거나, 연관성이 높은 새로운 제품을 개발할 수 있습니다.

예를 들어, 건강 식품과 특정 음료가 자주 함께 구매된다면, 이를 결합한 새로운 건강 음료 제품을 개발할 수 있습니다.

비즈니스 인사이트:

이런 신제품 개발 전략은 시장에서의 경쟁력을 강화할 수 있는 기회를 제공합니다. 고객의 니즈를 정확히 반영한 제품을 출시하면, 높은 판매 성과를 기대할 수 있고, 브랜드에 대한 고객의 충성도를 더욱 강화할 수 있습니다.

고객 세분화 및 타겟 마케팅: 맞춤형 서비스의 시작

마지막으로, 장바구니 분석을 통해 고객을 세분화하고 타겟 마케팅을 수행할 수 있습니다. 특정 상품 조합을 자주 구매하는 고객 그룹을 파악하면, 이들에게 맞춤형 마케팅 캠페인을 진행할 수 있습니다.

예를 들어, 자주 특정 건강 식품을 구매하는 고객에게는 관련 제품의 쿠폰을 제공할 수 있습니다.

비즈니스 인사이트:

이 전략의 비즈니스 인사이트는 마케팅의 효과를 극대화할 수 있다는 점입니다. 고객에게 맞춤형 혜택을 제공하면, 고객이 그 브랜드에 더 큰 애정을 느끼게 되어 재구매로 이어질 확률이 높아집니다. 또한, 이러한 맞춤형 서비스는 고객 만족도와 브랜드 로열티를 크게 향상시킬 수 있습니다.

---

장바구니 분석은 고객의 구매 행동을 깊이 이해하고, 이를 바탕으로 비즈니스 전략을 최적화하는 데 매우 유용한 도구입니다. 이를 통해 매출을 증대시키고, 운영 효율성을 높이며, 고객 만족도를 향상시킬 수 있습니다. 각 사례에서 살펴본 것처럼, 장바구니 분석을 활용하면 다양한 측면에서 비즈니스 성과를 개선할 수 있는 강력한 인사이트를 얻을 수 있습니다. 결국, 장바구니 분석은 더 나은 비즈니스 결정을 내리는 데 중요한 역할을 하며, 이를 통해 성공적인 비즈니스를 이끌어갈 수 있을 것입니다.

---

9주차 위클리 페이퍼 두번째 질문의 Support, Confidence, Lift 지표는 장바구니 분석의 연관 규칙 마이닝에서 규칙의 가치를 평가하기 위해 사용하는 정량적인 지표입니다.

좋은 연관 규칙을 찾기 위해 사용하는 지표인 Support, Confidence, Lift를 설명하려면 연관 규칙 마이닝에 대한 설명이 먼저 이루어지면 이해를 도울 수 있을 것 같습니다. 밑에서 연관 규칙 마이닝에 대한 설명을 이어 가겠습니다.

연관 규칙 마이닝

연관 규칙 마이닝(Association Rule Mining)은 데이터에서 아이템 간의 상호 관련성을 분석하여 유의미한 정보를 추출하는 방법입니다.

이 방법은 주로 장바구니 분석에 사용되며, 규칙은 보통 "IF (조건), THEN (결과)"의 형식으로 표현됩니다.

• IF: 이 부분은 연관 규칙의 ‘조건’을 나타냅니다. 즉, 어떤 상황에서 이 조건이 발동되는지를 정의하는 부분입니다. 이 부분은 일반적으로 하나 이상의 아이템이 들어가는 조건으로 구성되며, Antecedent라고 표현하기도 합니다.
• THEN: 이 부분은 연관 규칙의 ‘결과’로, 조건이 충족되면 어떤 상황이 발생하는지를 의미합니다. 이 부분은 일반적으로 하나 이상의 아이템이 들어가는 결과로 구성되며, Consequent라고 표현하기도 합니다.

예를 들어, "커피를 구매하면 빵도 함께 구매할 가능성이 높다"와 같은 규칙을 도출할 수 있습니다.

이러한 규칙을 통해 상품 진열 전략이나 프로모션을 최적화할 수 있습니다. 하지만 연관 규칙은 인과 관계를 나타내는 것이 아니라, 단지 아이템 간의 관련성을 나타내는 점이라는 것을 유의해야 합니다.

또한, 많은 규칙 중에서 가장 의미 있는 규칙을 찾기 위해 규칙의 가치를 평가하는 과정이 필요합니다.

---

 

2. Support, Confidence, Lift 지표의 정의와 각 지표의 중요성을 설명해 주세요. 이 지표들을 해석하는 방법을 구체적인 예와 함께 설명해 주세요.

위에서 설명한대로 연관 규칙 마이닝에서 좋은 규칙을 찾기 위해서는 규칙의 가치를 평가하는 정량적인 지표가 필요합니다.

이 정략적인 지표로 지지도(Support), 신뢰도(Confidence), 향상도(Lift)를 사용할 수 있습니다.

밑에서 이 세가지 지표에 대해 자세히 설명하겠습니다.

지표의 정의

지지도(Support)

전체 거래 중에서 특정 상품 또는 상품 조합이 포함된 거래의 비율을 의미하며, 특정 규칙이 얼마나 자주 발생하는지를 나타내는 지표로, 규칙의 일반성을 평가합니다.

지지도가 높을수록 규칙이 데이터 내에서 빈번하게 나타나며, 범용성이 높다고 해석할 수 있습니다

 

계산 방법:

지지도는 ‘X와 Y가 함께 포함된 거래 수’를 ‘전체 거래 수’로 나눈 값입니다.

• X ⇒ Y : "X를 구매하면 Y도 구매한다"는 규칙.
• N(X ∩ Y) : X와 Y를 모두 포함한 거래 수.
• N: 전체 거래 수.

신뢰도(Confidence)

특정 상품이 포함된 거래에서 다른 특정 상품이 함께 포함될 확률을 나타내며, 규칙의 신뢰성을 평가하는 지표로, X를 구매한 사람 중 Y도 함께 구매한 비율을 나타냅니다.

이는 조건부 확률로, 하나의 상품이 거래에 포함되었을 때 다른 상품이 얼마나 자주 같이 포함되는지를 측정합니다.

신뢰도가 높을수록 규칙이 더 믿을만하며, 추천의 방향성도 결정할 수 있습니다.

 

계산 방법:
​신뢰도는 "X와 Y가 함께 포함된 거래 수"를 "X가 포함된 거래 수"로 나눈 값입니다.

• X ⇒ Y : "X를 구매하면 Y도 구매한다"는 규칙.
• N(X ∩ Y) : X와 Y를 모두 포함한 거래 수.
• N(X): X를 포함한 거래 수.

향상도(Lift)

두 항목(X와 Y)의 관계가 정말로 유의미한지, 또는 단순히 우연에 의한 것인지 평가하는 데 사용하는 지표입니다.

특정 상품이 다른 특정 상품과 함께 나타날 확률이, 해당 상품들이 독립적으로 나타날 확률에 비해 얼마나 더 높은지를 나타내는 지표이기도 합니다.

즉, 향상도는 X를 구매하는 것이 Y를 구매할 확률에 얼마나 영향을 미치는지를 측정합니다.

 

계산 방법:

• N(X∩Y): X와 Y를 모두 포함한 거래 수.
• N(X): X를 포함한 거래 수.
• N(Y): Y를 포함한 거래 수.
• N: 전체 거래 수.

또는

• P(X∩Y): X와 Y를 모두 포함한 거래 확률.
• P(X): X를 포함한 거래 확률.
• P(Y): Y를 포함한 거래 확률.

---

각 지표의 중요성

연관 분석을 하는 경우에, 단순히 데이터 간의 관계를 파악하는 것으로 끝나기에는 충분하지 않습니다. 이 관계가 실제로 비즈니스에 어떤 의미가 있는지를 이해하는 것이 더 중요하기에 이런 상황에서 Support, Confidence, Lift는 각기 다른 측면에서 그 관계의 중요성을 평가하는 데 필수적인 역할을 합니다.

지지도(Support)

지지도는 특정 아이템이 얼마나 자주 거래에서 나타나는지를 보여줍니다.

이 지표는 단순히 빈도를 측정하는 것 같지만, 사실 그 이상의 가치를 지닙니다.

• 핵심 포인트:
  지지도가 높은 아이템은 고객의 관심이 많이 집중되는 아이템입니다. 따라서 이런 아이템들은 마케팅 캠페인이나 프로모션에서 핵심적으로 다루어질 수 있습니다.
  또한, 지지도가 높은 아이템은 전체 재고 관리나 제품 배치 전략에서도 우선 순위가 될 수 있습니다.

신뢰도(Confidence)

신뢰도는 한 아이템을 구매한 고객이 다른 아이템을 구매할 가능성을 나타냅니다.

이 지표는 고객의 구매 패턴을 이해하는 데 매우 중요한 역할을 합니다.

• 핵심 포인트:
  높은 Confidence는 Cross-Selling 전략을 세우는 데 유리합니다.
  예를 들어, 특정 제품을 구매한 고객이 자주 다른 특정 제품을 함께 구매한다면, 이를 기반으로 추가 상품을 추천하거나 프로모션을 기획할 수 있으며, 고객당 매출을 높이는 데 큰 도움이 됩니다.

향상도(Lift)

향상도는 두 아이템 간의 관계가 실제로 의미 있는지를 판단하는 데 사용됩니다.

두 아이템이 단순히 자주 함께 구매되는 것이 아니라, 실제로 서로 영향을 주고받는지 여부를 파악할 수 있습니다.

• 핵심 포인트:
  Lift가 1보다 크다면, 두 아이템 간의 연관성이 강하다는 뜻입니다.
  이는 두 아이템을 묶어서 판매할 경우, 고객의 추가 구매를 유도할 가능성이 높다는 것을 의미합니다.
  따라서 Lift가 높은 상품 조합은 마케팅 및 프로모션 전략에서 우선적으로 고려될 수 있습니다.

---

각 지표의 해석 방법

가정: 슈퍼마켓의 판매 데이터

가상의 슈퍼마켓에서의 거래 데이터를 분석한 결과, 아래와 같은 정보가 있다고 가정한 뒤에 각 지표의 해석 방법을 설명하도록 하겠습니다.

• 전체 거래 수: 1,000건
• 빵을 구매한 거래 수: 300건
• 우유를 구매한 거래 수: 400건
• 빵과 우유를 함께 구매한 거래 수: 150건

이제 이 데이터를 바탕으로 각 지표를 해석해보겠습니다.

지지도(Support)

지지도는 전체 거래 중 특정 아이템이나 아이템 조합이 얼마나 자주 나타나는지를 보여주며, 지지도의 수치는 아이템의 상대적 중요성을 파악하는 데 유용하지만, 단순히 빈도만을 의미하지는 않습니다.

• 예시 : 빵과 우유를 함께 구매한 거래의 지지도(Support) 계산

• 해석 :
  빵과 우유가 함께 포함된 거래는 전체 거래의 15%입니다. 이 수치는 이 조합이 얼마나 자주 나타나는지를 보여줍니다.
  지지도(Support)가 높다면, 이 조합은 고객 사이에서 흔히 구매되는 조합이므로, 이를 고려한 프로모션이나 상품 배치 전략을 생각해볼 수 있습니다.
  

신뢰도(Confidence)

신뢰도는 하나의 아이템이 포함된 거래에서 다른 아이템이 함께 포함될 확률을 의미하며, 이는 고객이 특정 상품을 구매할 때 다른 상품도 함께 구매할 가능성을 보여줍니다.

• 예시 : 빵을 구매한 고객이 우유도 함께 구매할 확률 계산

• 해석 :
  빵을 구매한 고객 중 50%가 우유도 함께 구매했습니다. 이 결과는 마케팅 전략에 직접 적용될 수 있습니다. 예를 들어, 빵을 구매하는 고객에게 우유를 추천하는 광고를 보여줄 수 있습니다. 높은 Confidence는 이러한 추천이 효과적일 가능성이 높다는 것을 시사합니다.

향상도(Lift)

향상도는 두 아이템이 함께 구매될 확률이 각각 독립적으로 구매될 확률보다 얼마나 높은지를 측정합니다.

• 예시 : 빵과 우유의 Lift 계산
  먼저, 우유의 지지도를 계산합니다.

        다음으로 향상도를 계산합니다.

• 해석 :
  Lift가 1.25라는 것은 빵을 구매한 고객이 우유를 구매할 확률이 일반적으로 우유가 구매되는 확률보다 25% 더 높다는 것을 의미합니다. 이는 빵과 우유 사이에 유의미한 연관성이 있다는 것을 나타내며, 이 두 제품을 묶어 판매하거나 함께 진열하는 전략이 효과적일 수 있음을 시사합니다.
•  향상도의 해석
  • 향상도 = 1: X와 Y는 서로 독립적입니다. 즉, X를 구매한다고 해서 Y를 구매할 가능성이 높아지지 않습니다. 이 규칙은 특별한 의미를 가지지 않는 우연일 가능성이 큽니다.
  • 향상도 > 1: X와 Y는 양의 상관관계를 가집니다. X를 구매하면 Y를 구매할 확률이 증가합니다. 향상도가 클수록 이 상관관계가 강하다는 의미입니다.
  • 향상도 < 1: X와 Y는 음의 상관관계를 가집니다. X를 구매하면 Y를 구매할 확률이 감소합니다.

---

 

이 세 가지 지표는 서로 보완적인 역할을 하며, 함께 사용하여 데이터에서 가장 유의미하고 유용한 규칙을 식별할 수 있습니다. 예를 들어, 지지도와 신뢰도를 기준으로 기본적인 필터링을 한 후, 향상도를 통해 가장 유의미한 규칙을 선택하는 방식으로 사용할 수 있습니다.

실제로 비즈니스 상황에서 이러한 지표들을 활용해 연관 규칙을 적용할 때는, 규칙의 적용 가능성과 비즈니스 맥락을 고려하여 최종 결정을 내리는 것이 중요합니다.

---