Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Offering 효과 분석-시계열 예측 모델 활용

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

  • Login to see the comments

Offering 효과 분석-시계열 예측 모델 활용

  1. 1. Offering 효과 분석 - 과연 ‘이게’ ‘제대로’ 먹혔을까? 2014-11-18 DataDay@D.Camp(3rd) 권정민 (Data Analyst @ SK Planet)
  2. 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)
  3. 3. 기본 고객 관리 고객의 전반적인 Lifetime에 영향을 미치는 속 성 구분 관련 데이터 수집 지속적인 모니터링 및 현 상황에 대한 고객 관리 목표 설정
  4. 4. 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...
  5. 5. 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
  6. 6. 이게 과연 효과가 있을까?
  7. 7. 결과를 어떻게 비교해야 할까?
  8. 8. Multivariate Testing 초반 피크가 이후에까지 영향을 준다고 볼 수 없으 나 장기적인 관측 필요 Campaign 속성이 매번 변하므로 지속적 활용 어 려움
  9. 9. 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?
  10. 10. 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
  11. 11. To Be Continued..
  12. 12. Summary New Tool for Offering Evaluation : Multivariate Test + Time-Series Causal Analysis (CausalImpact) ※ 상세한 질문, 의견, 제안 등은 cojette@gmail.com 으로 부탁드립니다. 감사합니다.

×