삼성카드 대회 Track-2 - 포지셔닝 분석(2)
Page content
대회 소개
- 삼성카드 데이터분석 공모전이 시행되고 있다.
- 대회에 처음 참여하는
아시아경제-수강생들을 위해 일종의 가이드라인으로 제안하고자 한다.
- 대회에 처음 참여하는
- 본 포스트에서는 기본적인 내용만 전달하고자 함을 밝힌다.
- Track2 과정은 마케팅 전략 제안이 중요하다!
포지셔닝 분석 개요
- 마케팅에서 자주 보는 분석 방법중의 하나는
포지셔닝(Positioning)기법이다. - 포지셔닝 분석은 마케팅 통계분석 기법중의 하나로, 기업이나, 상품, 브랜드 같은 개체들의 포지셔닝을 수행하는 다차원 척도법(MDS: Multi-Dimensional Scaling)과 상응분석(Correspondence Analysis)이 있다.
- 위 두가지 분석 방법 중 무엇을 사용해야 할까?
- 만약 데이터셋이 주로 등간척도, 비율척도와 같이 구성되어 있다면
다차원 척도법 - 만약 데이터셋이 주로 명목척도, 서열척도와 같이 구성되어 있다면
상응분석
- 만약 데이터셋이 주로 등간척도, 비율척도와 같이 구성되어 있다면
- 현재 삼성카드 대회의 주 데이터셋은 명목척도 및 서열척도로 구성되어 있기 때문에
상응분석으로 시작하면 된다.
상응분석
Correspondence Analysis는 범주형 변수(수준)들 간의 연관성을 분석한 후, 그 결과를 시각적 해석이 용이하도록 그래프화 하는 것임- 삼성카드 대회 Track-2 - 포지셔닝 분석(1)
(1) 기본 개념
- 상응분석을 사용하려면 빈도교차표를 만들어야 한다.
- 요약하면, 상응분석은 범주형 변수의 빈도를 나타내고 있는 빈도교차표의 행과 열(명목변수의 범주 값들)을 그래프상의 자극점 형태로 표시하는 방법.
- 이 때, 단순 상응분석은 2개의 변수, 다중 상응분석은 3개 이상의 변수 활용한다.
- 이 때, 상응분석은 카이제곱 검정과 같이 범주형 변수간의 상호연관성을 바탕으로 진행된다.
- 따라서, 두 개의 범주형 변수가 서로 연관성을 가지고 있다는 전제하에서 진행된다.
(2) 데이터 불러오기
- 먼저 필요한 데이터를 불러온다.
- 필자는 구글 코랩에서 데이터를 불러오기 때문에
%config InlineBackend.figure_format = 'retina'
!sudo apt-get -qq -y install fonts-nanum
The following package was automatically installed and is no longer required:
libnvidia-common-440
Use 'apt autoremove' to remove it.
The following NEW packages will be installed:
fonts-nanum
0 upgraded, 1 newly installed, 0 to remove and 39 not upgraded.
Need to get 9,604 kB of archives.
After this operation, 29.5 MB of additional disk space will be used.
Selecting previously unselected package fonts-nanum.
(Reading database ... 144579 files and directories currently installed.)
Preparing to unpack .../fonts-nanum_20170925-1_all.deb ...
Unpacking fonts-nanum (20170925-1) ...
Setting up fonts-nanum (20170925-1) ...
Processing triggers for fontconfig (2.12.6-0ubuntu2) ...
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.font_manager as fm
/usr/local/lib/python3.6/dist-packages/statsmodels/tools/_testing.py:19: FutureWarning: pandas.util.testing is deprecated. Use the functions in the public API at pandas.testing instead.
import pandas.util.testing as tm
for font in fm.fontManager.ttflist:
if 'Nanum' in font.name:
print(font.name, font.fname)
NanumGothic /usr/share/fonts/truetype/nanum/NanumGothic.ttf
NanumSquareRound /usr/share/fonts/truetype/nanum/NanumSquareRoundR.ttf
NanumSquare /usr/share/fonts/truetype/nanum/NanumSquareR.ttf
NanumSquareRound /usr/share/fonts/truetype/nanum/NanumSquareRoundB.ttf
NanumBarunGothic /usr/share/fonts/truetype/nanum/NanumBarunGothicBold.ttf
NanumMyeongjo /usr/share/fonts/truetype/nanum/NanumMyeongjo.ttf
NanumMyeongjo /usr/share/fonts/truetype/nanum/NanumMyeongjoBold.ttf
NanumBarunGothic /usr/share/fonts/truetype/nanum/NanumBarunGothic.ttf
NanumSquare /usr/share/fonts/truetype/nanum/NanumSquareB.ttf
NanumGothic /usr/share/fonts/truetype/nanum/NanumGothicBold.ttf
fontpath = '/usr/share/fonts/truetype/nanum/NanumGothic.ttf'
font = fm.FontProperties(fname=fontpath, size=9)
plt.rc('font', family='NanumGothic')
plt.rcParams["figure.figsize"] = (20, 10)
plt.rcParams['lines.linewidth'] = 2
plt.rcParams['lines.color'] = 'r'
plt.rcParams['axes.grid'] = True
mpl.font_manager._rebuild()
fm._rebuild()
- 한글 텍스트가 잘 나오는지 확인해본다.
font = {'family' : 'NanumGothic',
'weight' : 'bold',
'size' : 22}
plt.rc('font', **font)
plt.text(0.3, 0.3, '한글', size=100)
Text(0.3, 0.3, '한글')
# Mount Google Drive
from google.colab import drive # import drive from google colab
ROOT = "/content/drive" # default location for the drive
print(ROOT) # print content of ROOT (Optional)
drive.mount(ROOT) # we mount the google drive at /content/drive
/content/drive
Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).
# import join used to join ROOT path and MY_GOOGLE_DRIVE_PATH
from os.path import join
# path to your project on Google Drive
MY_GOOGLE_DRIVE_PATH = 'My Drive/Colab Notebooks/samsung/datasets'
PROJECT_PATH = join(ROOT, MY_GOOGLE_DRIVE_PATH)
print(PROJECT_PATH)
/content/drive/My Drive/Colab Notebooks/samsung/datasets
%cd "{PROJECT_PATH}"
/content/drive/My Drive/Colab Notebooks/samsung/datasets
%ls
'[기타] SCDC_공모전 테이블 설명.xlsx' '[Track1_데이터4] variable_dtype.xlsx'
'[Track1_데이터1] mrc_info.csv' '[Track2_데이터1] trend_w_demo.csv'
'[Track1_데이터2] samp_train.csv' '[Track2_데이터2] 업종_예시.xlsx'
'[Track1_데이터3] samp_cst_feat.csv'
import pandas as pd
trend_w_demo = pd.read_csv('[Track2_데이터1] trend_w_demo.csv', encoding="EUC-KR")
trend_w_demo.head()
| YM | Category | 성별구분 | 연령대 | 기혼스코어 | 유아자녀스코어 | 초등학생자녀스코어 | 중고생자녀스코어 | 대학생자녀스코어 | 전업주부스코어 | |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 202005 | 할인점 | 0 | F | high | low | high | mid | low | low |
| 1 | 202005 | 취미 | 0 | B | high | low | mid | mid | low | low |
| 2 | 202005 | 오픈마켓/소셜 | 1 | D | mid | mid | mid | mid | low | mid |
| 3 | 202005 | 뷰티 | 0 | D | mid | mid | mid | mid | low | low |
| 4 | 202005 | 오픈마켓/소셜 | 0 | G | high | low | mid | mid | mid | low |
- 위 데이터는 전형적으로 범주형으로 구성이 되어 있다.
- 위 변수에서 고려할 것이 있다.
Category,성별구분,연령대는 명목형 변수인데 반해기혼스코어:전업주부스코어의 경우는 확률이다.
- 각 스코어의 확률에 대한 정의는 다음과 같다.
- 기혼스코어 : 카드 이용 고객이 기혼일 확률
- 유아자녀스코어 : 카드 이용 고객이에게 유아자녀가 있을 확률
- 초등학생자녀스코어 : 카드 이용 고객이에게 초등학생 자녀가 있을 확률
- 중고생자녀스코어 : 카드 이용 고객이에게 중고생 자녀가 있을 확률
- 대학생자녀스코어 : 카드 이용 고객이에게 대학생 자녀가 있을 확률
- 전업주부스코어 : 카드 이용 고객이 전업주부일 확률
- 위 스코어의 데이터는 단순히
명목형이라고 보기는 어렵다. 즉, 순위(서열)형 척도/등간척도로 봐야 할 것이다.
(3) 데이터셋 필터링
- 우선, 코로나 이후의 상황을 보기 위한 것인 만큼 2019년 자료는 삭제한다.
new_df = trend_w_demo[trend_w_demo['YM'].isin([202004, 202005])]
trend_w_demo.shape, new_df.shape
((452038, 10), (210468, 10))
- 약 절반 가까이 데이터를 줄였다.
(4) 단순 상응분석의 개념적 분석 과정
- 본 포스트에서는 내용에 대해서는 디테일하게 다루지 않는다.
- 자세한 것은
Reference교재를 확인한다. - 첫째, 빈도교차표 형태의 데이터를 준비한다.
- 둘째, 기대 빈도교차표를 작성한다.
- 셋째, 카이제곱 행렬표를 작성한다.
- 넷째, 차원 좌표 생성한다.
- 다섯째, 마지막으로 좌표계 맵핑을 진행한다.
!pip install prince
Collecting prince
Downloading https://files.pythonhosted.org/packages/51/f4/8de7003b86351a0e32e29ca2bbbbbf58e311b09f9286e83e638d437aee6d/prince-0.7.0-py3-none-any.whl
Requirement already satisfied: pandas>=1.0.3 in /usr/local/lib/python3.6/dist-packages (from prince) (1.0.5)
Requirement already satisfied: matplotlib>=3.0.2 in /usr/local/lib/python3.6/dist-packages (from prince) (3.2.2)
Requirement already satisfied: scikit-learn>=0.22.1 in /usr/local/lib/python3.6/dist-packages (from prince) (0.22.2.post1)
Requirement already satisfied: scipy>=1.3.0 in /usr/local/lib/python3.6/dist-packages (from prince) (1.4.1)
Requirement already satisfied: numpy>=1.17.1 in /usr/local/lib/python3.6/dist-packages (from prince) (1.18.5)
Requirement already satisfied: pytz>=2017.2 in /usr/local/lib/python3.6/dist-packages (from pandas>=1.0.3->prince) (2018.9)
Requirement already satisfied: python-dateutil>=2.6.1 in /usr/local/lib/python3.6/dist-packages (from pandas>=1.0.3->prince) (2.8.1)
Requirement already satisfied: cycler>=0.10 in /usr/local/lib/python3.6/dist-packages (from matplotlib>=3.0.2->prince) (0.10.0)
Requirement already satisfied: kiwisolver>=1.0.1 in /usr/local/lib/python3.6/dist-packages (from matplotlib>=3.0.2->prince) (1.2.0)
Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /usr/local/lib/python3.6/dist-packages (from matplotlib>=3.0.2->prince) (2.4.7)
Requirement already satisfied: joblib>=0.11 in /usr/local/lib/python3.6/dist-packages (from scikit-learn>=0.22.1->prince) (0.16.0)
Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.6/dist-packages (from python-dateutil>=2.6.1->pandas>=1.0.3->prince) (1.15.0)
Installing collected packages: prince
Successfully installed prince-0.7.0
(5) 함수화
- 계속 반복될 것 같으니, 함수화를 진행하자.
# module
import pandas as pd
import matplotlib.pyplot as plt
import prince
# 폰트 세팅
font = {'family' : 'NanumGothic',
'weight' : 'bold',
'size' : 14}
plt.rc('font', **font)
def plot_mca(X = None, var_list = None):
"""다중 상응분석 그래프 작성
Keyword arguments:
X -- 명목형 판다스데이터프레임 (default None)
var_list -- 입력 변수명 리스트로 작성
"""
input_X = X[var_list]
mca = prince.MCA(n_components=2).fit(input_X)
# 시각화
ax = mca.plot_coordinates(X = input_X, figsize=(10, 10), show_column_labels=True)
ax.set_title("다중 상응분석", fontsize = 24)
(6) 다중 상응분석: 기혼스코어, 유아자녀스코어 기준
- 주어진 함수를 바탕으로 다중 상응분석을 시각화해본다.
- 이 때, 성별구분(현재 int)을 제외하고 나머지 변수들에 대해 다양하게 스코어를 입력해보자.
- 이 때, 순서는 [
Category,name_of_score,...]으로 입력하면 된다.
- 이 때, 순서는 [
plot_mca(new_df, var_list = ['Category', '기혼스코어', '유아자녀스코어'])
/usr/local/lib/python3.6/dist-packages/matplotlib/backends/backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
font.set_text(s, 0.0, flags=flags)
/usr/local/lib/python3.6/dist-packages/matplotlib/backends/backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
font.set_text(s, 0, flags=flags)
-
특이한 것은
유아자녀스코어가 높을수록 종합몰에 관련성이 있었고,기혼스코어가 낮을수록면세점,취미,뷰티,호텔숙박의 연관성이 있음을 확인했다. -
유아자녀스코어_low&기혼스코어_high는 방향성이 어느정도 일치하는 것을 확인할 수 있다.- 위 두 그룹 주변에는 할인점, 전문몰, 디저트 등으로 배치가 되어 있다.
-
유아자녀스코어_mid&기혼스코어_mid도 같은 방향으로 일치하고 있다.
결론
- 범주형 데이터를 다루는 것은 쉽지 않다.
- 그러나, 실제 마케팅에서는 이러한 범주형 데이터가 많은 것 또한 사실이다.
- 단순하게, 막대 그래프를 그리는 것보다, 각 데이터의 차이를 앎으로써, 보다 직관적으로 해석해줄 수 있는 이러한 분석은 활용하기에 매우 좋다.
- 기혼스코어를 통해서 조금 유의미한 결과를 도출할 수 있었다.
- 그러나, 그 외 나머지 스코어에서는 아직 이렇다할 변화를 감지하지는 못했다.
- 다중 상응분석을 통해서 보다 다변수간의
포지셔닝을 확인할 수 있었다. - 이제 마지막으로, 성별을 확인해보자.
- 마케팅에서 결국 중요한 것은
성별이다.
- 마케팅에서 결국 중요한 것은
Reference
- 김형수(2020). Step by Step 파이썬 비즈니스 통계분석. 서울: 프레딕스.
