📍 데이터 분석 비교 정리

📍 데이터 분석 결과

<aside> 💡

‘어떤 유저가, 어떤 환경에서 독서를 했고, 어떤 이유 때문에 완독하지 않았을까’를 데이터를 통해 근거를 들어 설명

<aside> 💻

(예시) 20대 여성, tablet 이용, pay_per_book 유저 → 전체 유저 중 12%

• 소설장르를 자주 시청하지만, 독서 중단 시점이 초반에 머물러 있음 (45%)
• 이 페르소나는 대체로 추천 클릭 비율도 높음 (78%). 이탈 사유를 살펴보니 너무 길다는 이유로 이탈 (25%)

</aside>

🤔 2030대, 독서 중단 위치 2-3구간 → 전체 유저 중 15.7% (+ pay_per_book 유저 포함 보류)

• 자기계발을 가장 많이 봄 (31%)
• 이탈 사유는 추천 실패로 이탈하나 (37%), 가장 많은 유입 경로도 추천에 의해서임 (53%)
• 추천 클릭 비율이 클릭하지 않은 비율보다 2배 가량 높음 (68%)

⇒ 타깃 유저만의 특징은 X

*비율 반올림 O

</aside>

📍 target_group 코드 정리

<aside> 1️⃣

이탈률에 대한 정의 - 이탈 지점에 대한 범위 (독서 중단 범위)

• WHY? 2~3구간? : 2~3구간을 포함한 타겟군을 50% 초과 확장(4구간 : 완독 가능성이 가장 높은 구간 or 1구간 : 완독 가능성이 가장 낮은 구간 포함)하지 않고도 완독 가능성이 어느 정도 있는 전체 48%에 해당하는 사람들을 집중타겟

# 구간별 유저 수
df['exit_po_group'] = pd.cut(
    df['exit_position_numeric'],
    bins=[-1, 14, 40, 65, 90, 100], 
    labels=['15% 미만', '15~40%', '41~65%', '66~90%', '90% 초과'],
    right=True
)

>>>                                   
target_group = df[(df['exit_po_group'] == '15~40%') | (df['exit_po_group'] == '41~65%')]

</aside>

<aside> 2️⃣

특정 유저의 특성 / 행동 데이터 파악하기

• 나이대 → 2030 선택

# 나이 구하기

birth = target_group['birthday_filled'].dt.year       # 출생년도에서 년 정보만 추출
current_year = 2023                                   # 현재 년도 설정
year_age = current_year - birth + 1                   # 나이 구하기 (연나이 기준)
target_group['age'] = year_age                        # 1000 non-null / int32 'age' 컬럼 생성

def age_categorize(age):                              # 나이대 범주화
  age = (age // 10) * 10
  return age

age_category = target_group.age.apply(age_categorize) # apply()로 age컬럼 전 데이터에 적용 

target_group['age_category'] = age_category           # 새로운 컬럼'age_category' 생성
>>>
age_category count
50     86
30     82
40     82
10     79
20     75
60     61
100    11
0       8
비율 ver
50     0.177686
30     0.169421
40     0.169421
10     0.163223
20     0.154959
60     0.126033
100    0.022727
0      0.016529

• 성별 분포 → 여성 남성 모두 포함

target_group_age = target_group[(target_group['age_category'] == 20) | (target_group['age_category'] == 30) ]

target_group_age['user_demographics_gender'].value_counts()
>>>
male      80
female    77

</aside>