[쇼핑 데이터 분석] chpt3

탐색적 자료분석 방안 < Lift Score >

1) Lift score 정의

• Psi(아이템k) = 그룹 si에서 아이템 k를 구매할 확률
• Xsi(아이템k) = 그룹 si에서 아이템 k를 구매할 확률 / 각 그룹마다 아이템 k를 구매할 확률의 평균 : 그룹 si에서 아이템 k에 대한 Score
• 각 그룹에서 아이템 k를 구매할 확률이 비슷하다면, 즉
  Psi(아이템k) ~ .. ~ Psn(아이템 k) => Xsi(아이템k) = 1
• If Xi(아이템k) > 1 : 다른 그룹 보다 그룹 Si에 아이템 k가 상대적으로 더 많이 포함
• If Xi(아이템k) ↗ : 그룹 Si가 아이템 k를 많이 산다.
• 즉, lift score를 기준으로 해당 그룹이 아이템k를 다른 그룹에 많이 포함되어 있거나 적게 포함되어 있다고 판단할 수 있다.

2) Lift를 이용한 데이터 분석

• 데이터를 연령대별로 나눔 10대, 20대초반, 20대후반, 30대 초, 30대 후반, 40대

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import plotly.express as px

data=pd.read_excel('data.xlsx')

age=[]

for i in range(0,len(data)) :   
      
    if data.iloc[i,1] < 20 :
        age.append('10')
    
    elif data.iloc[i,1] <25 and data.iloc[i,1] >= 20 :
        
        age.append('20-25')
        
    elif data.iloc[i,1] < 30 and  data.iloc[i,1] >= 25 : 
        
        age.append('25-30')
    
    elif data.iloc[i,1] <35 and data.iloc[i,1] >=30 :
        
        age.append('30-35')
        
    elif data.iloc[i,1] <40 and data.iloc[i,1] >=35 :
        
        age.append('35-40')
        
    elif data.iloc[i,1] <45 and data.iloc[i,1] >=40 :
        
        age.append('40-45') 
        
  data_new=pd.concat([data,pd.DataFrame(age)],axis=1)
  
 1. 10대 
  
  data_10=data_new.loc[data_new.iloc[:,5] == '10']
  data_10.iloc[:,0].value_counts()
  
m    5
f    4
Name: 성별, dtype: int64

data_10.iloc[:,3].value_counts()

경기    5
부산    2
강원    1
전주    1
Name: 지역, dtype: int64

data_10.iloc[:,4].value_counts()

핸드폰케이스    3
화장품       3
마스크       2
자동차용품     1
Name: 구매제품, dtype: int64

2. 20대 초반

data_20_1=data_new.loc[data_new.iloc[:,5] == '20-25']
data_20_1.iloc[:,0].value_counts()

m    39
f    28
Name: 성별, dtype: int64

data_20_1.iloc[:,3].value_counts()

서울    30
경기    21
부산     9
강원     3
제주     2
세종     2
Name: 지역, dtype: int64

data_20_1.iloc[:,4].value_counts()

노트북       18
마스크       14
핸드폰케이스    12
화장품       12
자동차용품     11
Name: 구매제품, dtype: int64

> 20대 후반 , 30대 초반, .. , 40대까지 동일 
> 이렇게 보면 다른 연령대에 비해 특이한 점 발견하기가 어려움 

4. 각 연령대 특징 파악 10대 - 성별 
* 10대 그룹에서 남자와 여자에 대한 Lift Score를 계산해보자

gender_data=[]
gender=['f','m']

for i in range(0,2):
    
    g=gender[i]
    
    a10=  len( data_10[data_10.iloc[:,0] == g ] ) / len(data_10)
    
    a20_1=  len( data_20_1[data_20_1.iloc[:,0] == g ] ) / len(data_20_1)
    a20_2=  len( data_20_2[data_20_2.iloc[:,0] == g ] ) / len(data_20_2) 
    
    a30_1=  len( data_30_1[data_30_1.iloc[:,0] == g ] ) / len(data_30_1)
    a30_2=  len( data_30_2[data_30_2.iloc[:,0] == g ] ) / len(data_30_2)
    
    a40=  len( data_40[data_40.iloc[:,0] == g ] ) / len(data_40)
    
    
    T= a10/(a10+a20_1+a20_2+a30_1+a30_2+a40)
    
    T=T*6
    
    gender_data.append(T)
    
    px.bar( x=gender , y=gender_data)

👉 m > 1 : 남자의 lift score가 1 이상이므로 다른 그룹에 비하여 10대 고객 그룹에 남자가 더 많이 포함되어있다고 해석 

4-1) 각 연령대 특징 파악 10대 - 지역

* 데이터 전체에 대한 각 지역별 고객 빈도수 
data.iloc[:,3].value_counts()

서울    90
경기    63
부산    26
제주     6
강원     5
세종     4
울산     3
전주     2
Name: 지역, dtype: int64

* 위 함수 계산

def cal_prob(data,name):
    
    if len(data.loc[data.iloc[:,3] == name]) !=0 :
        
        a= len(data.loc[data.iloc[:,3] == name])/ len(data)
        
    else: 
        
        a=0
        
    return a
    
* 각 지역에 대한 Lift Score를 계산해보자. 
X{10대}[서울],X{10대}[경기],...,X{10대}[전주]

state_name=['서울','경기','부산','제주','강원','세종','울산','전주']
state_data=[]

for i in range(0,8):
    
    name=state_name[i]
    
    b10= cal_prob(data_10,name)
    
    b20_1=cal_prob(data_20_1,name)
    b20_2=cal_prob(data_20_2,name)
    
    b30_1=cal_prob(data_30_1,name)
    b30_2=cal_prob(data_30_2,name)
    
    b40=cal_prob(data_40,name)
    
    T=b10/(b10+b20_1+b20_2+b30_1+b30_2+b40)
    
    T=T*6
    
    state_data.append(T)
    
px.bar( x=state_name, y=state_data)

👉 10대 그룹은 강원도 거주 비율이 상대적으로 높다. 
👉 max Lift Score = 8

4-2) 각 연령대 특징 파악 10대 - 구매품목

data.iloc[:,4].value_counts()

마스크       50
노트북       49
화장품       38
자동차용품     31
핸드폰케이스    31
Name: 구매제품, dtype: int64

* 구매품목에 대한 확률을 구하는 함수 

def cal_prob_product(data,name):
    
    if len(data.loc[data.iloc[:,4] == name]) !=0 :
        
        a= len(data.loc[data.iloc[:,4] == name])/ len(data)
        
    else: 
        
        a=0
        
    return a
    
    
* 각 구매 품목에 대한 Lift Score를 계산해보자. 
X{10대}[마스크],X{10대}[노트북],...,X{10대}[자동차용품]

product_name=['마스크','노트북','화장품','핸드폰케이스','자동차용품']
product_data=[]

for i in range(0,5):
    
    name=product_name[i]
    
    b10= cal_prob_product(data_10,name)
    
    b20_1=cal_prob_product(data_20_1,name)
    b20_2=cal_prob_product(data_20_2,name)
    
    b30_1=cal_prob_product(data_30_1,name)
    b30_2=cal_prob_product(data_30_2,name)
    
    b40=cal_prob_product(data_40,name)
    
    T=b10/(b10+b20_1+b20_2+b30_1+b30_2+b40)
    
    T=T*6
    
    product_data.append(T)
    
px.bar( x=product_name, y=product_data)

👉 10대들은 핸드폰케이스와 화장품을 다른 그룹에 비해 많이 구매하는 것을 알 수 있다. 
👉 이와 동일하게 다른 연령대도 분석 할 수 있음
👉 Lift Score를 이용하게 되면 "다른 그룹"에 비하여, 얼만큼 더 많이 포함되어 있는지와 각 그룹에서의 선호도(관심도)를 쉽게 알 수 있다. 
👉 그룹안에서의 비교 가능 & 다른 그룹간의 비교도 가능