su's

RFM 고객 세분화 분석이란 무엇일까요CRM 타겟팅을 하는 방식 중 가장 범용적으로 사용할 수 있는 RFM 고객 세분화 분석에 대해 알아보겠습니다datarian.io RFM 분석 개념 Recency : 얼마나 최근에 구매했는가 (최근 구매일)Frequency : 얼마나 자주 구매했는가 (총 구매 횟수)Monetary : 얼마나 많은 금액을 지출했는가 (총 구매 금액) -> 사용자별로 얼마나 최근에, 얼마나 자주, 얼마나 많은 금액을 지출했는지에 따라 사용자들의 분포를 확인하거나 사용자 그룹(또는 등급)을 나누어 분류하는 분석 기법 RFM 적용시 고려할 점Recency, Frequency, Monetary를 각각 몇 단계로 나눌 것인가Frequency, Monetary를 집계하는 기간을 어떻게 설정할..

21. 분산형 차트 만들기 (측정값 간의 관계 나타내기) 분산형 : 차원은 있어도 없어도 됨 하지만 측정값 반드시 2-4개 있어야함 측정값 '할인율'의 집계(평균) 및 숫자 형식(백분율) 변경 b/c 수익과 할인율의 상관관계를 보기위해서 할인율에 대한 기본 속성 변경 측정값의 '수익'과 '할인율' 더블클릭하여 축 만들기 차원의 '고객명' 더블클릭하여 차트 완성하기 마크의 모양 '자동'에서 '원'으로 변경 측정값의 '수익'기준으로 색상 변경 분석 패널의 '추세선' 삽입하기 차원의 '고객 세그먼트' 필터 삽입하기 22. 날짜 필터 (다양한 날짜 필터 적용법) 기준 날짜 필터 : 기준 날짜를 정해서 다양하고 세부적으로 살펴볼 수 있음 '주문 일자'별 '매출' 라인 차트 만들기 일반적인 날짜 필터 -> 필터 선..

11.총계 만들기 차원의 '고객 세그먼트', 측정값의 '매출', '수익' 더블클릭 분석 패널의 '총계'를 뷰의 '열 총합계(열방향으로 총계)' 로 드래그 ( 이때 드래그 하면 3가지 옵션 뜸) 측정값의 '지역' 을 행 선반 가장 앞으로 드래그 행 선반의 '고객 세그먼트' 를 열 선반으로 드래그 크로스탭(데이터 테이블) drill down 펼치는것 (지역 -> 시도 - > 시군구) 측정값의 '수량'을 측정값 카드에 추가 분석 패널의 '총계'를 뷰의 '소계' 로 드래그 크로스탭 정리하기 12. 수익 구간차원 만들기 (feat. 관련된 값만 선택된 필터) 데이터 연결 (원통모양에 플러스 있는 데이터 추가 같은거에 슈퍼스토어 샘플 클릭) 차원의 '고객 이름', 측정값의 '수익' 더블클릭 측정값의 '수익' 구간차..

막대차트 만들기 차원과 측정값의 차이 차원 : 측정값들을 기준으로 어떻게 잘라서 보여줄지 결정하는 곳 측정값 : 일반적으로 숫자 형식 [행과 열 바꾸기] 열 바 바로 위에 있음 축 옆에 [정렬] 버튼으로 내림차순, 오름차순 가능 색깔 변경 : 원하는 필드 값을 선택해서 [색상]이라는 버튼으로 드래그 하기 , [색상] 더들 클릭하면 다른 색으로 변경 마크 레이블 표시 가능(정렬 선택 가능) 시트 이름 = 제목 이름 라인차트 매출 추이 나타내기 시계열 데이터 대부분 라인그래프로 표현됨 세분화된 기준(분기,월,etc) 로 나타내고싶으면 년(주문일자)앞에 있는 + 버튼 클릭하기 / - 버튼으로 펼쳐진 값 없애기 /드래그아웃으로 필요없는 패널 없앨 수 있음 분석 > 평균라인 > 드래그 하면 테이블,패널,셀 3부분..

수치미분¶ In [6]: def numerical_diff(f,x): h = 1e-4 #0.0001 return (f(x+h) - f(x-h)) / (2*h) # 이부분을 채워주세요! In [7]: def function_1(x): return 0.01*x**2 + 0.1*x In [12]: def tangent_line(f,x): d = numerical_diff(f,x) print(d) y = f(x) - d*x # 이부분을 채워주세요! return lambda t: d*t + y In [13]: import numpy as np import matplotlib.pylab as plt x = np.arange(0.0, 20.0, 0.1) y = function_1(x) plt.xlabel("x") p..

퍼셉트론이란?¶ 다수의 입력으로부터 하나의 결과를 내보내는 알고리즘 초기의 인공신경망으로 1957년 코넬 항공 연구소의 Frank Rosenblatt라는 사람이 고안해 내었다. Dendrite : 이웃 뉴런에서 전기 신호를 받는다. Synapse : 다른 뉴런과 Dendrite의 연결 부위에 있다. 전기신호의 세기를 재조정한다. Soma (cell body) : Dendrite로부터 받은 여러 전기신호들을 모두 합친다. Axon : Soma의 전위가 일정 이상이 되면 이웃 뉴런으로 전기 신호를 보낸다. 각 노드의 가중치와 입력치를 곱한 것을 모두 합한 값이 활성함수에 의해 판단되는데, 그 값이 임계치(보통 0)보다 크면 뉴런이 활성화되고 결과값으로 1을 출력한다. 뉴런이 활성화되지 않으면 결과값으로 -1..