[TIL-260427] 멋쟁이사자처럼 그로스마케팅 4기 - 데이터분석 개론 day33 | 머신러닝 - 시계열 데이터 분석 2 & 코호트 리텐션율 예측

▼오늘 배운 사항들
1. 시계열 데이터 분석
2. 코호트 W1 리텐션율 예측

Part 1. 시계열 데이터 분석

[시계열 데이터 분석 단계]

• 1단계 : 데이터 만들기
• 2단계 : 데이터 분리
• 3단계 : 데이터 탐색 - 시각화
• 4단계 : ARIMA 모델 학습
• 5단계 : 모델 예측
• 6단계 : 모델 예측 결과 확인 - 시각화
• 7단계 : 정확도 요약
  → 마케팅 인사이트 : 모델링 인사이트
• 8단계 : 실제 데이터 예측

▶ 중요한 건 흐름이고 단계별로 나오는 데이터와 변수들이 다음단계에서 어떻게 적용되고 얼라인되는지 파악하는 것

 

[3단계&6단계] 데이터 탐색 - 시각화

• 실무에서는 노이즈가 많은 데이터를 다루게 됨
• 주어진데이터와 모델링 돌린 데이터 시각화를 비교

[예측결과 확인]
1. 좁게 시작했는데 넓어지는 현상 : 단기예측보다 장기예측이 더 어렵다는 점
2. 주황색 : 우리가 예측한 값으로 트렌드에 맞게 우상향하는걸 보아 트렌드 방향이 잘 되었구나
3. 실선에 점선이 잘 붙은걸 보아 예측 정확도가 나쁘지 않구나

 

[7단계] 정확도 요약

• 모델 성능 평가 시, 반복문 활용해서 steps만큼 나오는 연결성 잊지말기

 

[8단계] 실제 데이터 예측

• 실제 데이터를 넣을뿐 모델 예측과 동일하게 진행
• 미래예측결과를 가지고 마케팅 KPI 설정 시 근거로 활용

# 9. 실제 데이터로 학습하기
# 36개월 전부넣고 그 이후의 6개월에 대한 예측 실제로 진행

# 9-1 모델 생성
model = ARIMA(df['가입자'], order=(1,1,1))

# 9-2 모델 학습
최종모델 = model.fit()

# 9-3 모델 예측 - 향후 6개월
미래예측결과 = 최종모델.get_forecast(steps=6)

# 9-4 예측값 추출
미래예측가입자수 = 미래예측결과.predicted_mean.values # values는 배열형태로 값을 받겠다

# 9-5 95%에 대한 예측 범위
미래예측범위 = 미래예측결과.conf_int(alpha=0.05)
미래예측하한 = 미래예측범위.iloc[:,0].values
미래예측상한 = 미래예측범위.iloc[:,1].values

---

Part 2. 코호트 W1 리텐션율 예측

[리텐션 데이터]

• 리텐션율 : 앱이나 서비스를 사용하기 시작한 유저가 일정 기간 후에도 계속 사용하고 있는 비율
  그럼 리텐션율=잔존율?

[실습] 데이터 파악 및 모델 선정

• 코호트 : 같은 주에 처음 앱을 설치한 유저 그룹
• W1 리텐션 : 설치 후 7~13일 사이에 다시 접속한 비율
• 시계열 : 매주 새로운 코호트 생성, 해당 코호트의 W1 리텐션율을 주 단위로 기록하는 구조
• 이번주 신규유저의 W1리텐션은 지난주 리텐션과 자기상관이 높아서 자기회귀가 특징인 ARIMA모델로 진행~! 
• ARIMA : 시계열 데이터에서 패턴을 학습해 미래 값을 예측하는 통계 모델
• 실무에서 리텐션 예측하는 방법 : ARIMA / Prophet / LightGBM, XGBoost / 코호트 기반 생존 모

[데이터탐색 - 시각화]

• 우하향/ 계절성은 없는 것 같고 / 이벤트효과가 노이즈가 있어보이긴 하는데 트렌드는 일관적이니 진행해보기로

 

[모델 학습 및 오차계산]

• 예측값이 전부 59로 나왔는데 ARIMI 특성상 평탄하게 예측하려는 성향이 있음

 

[실제 데이터 예측]

• 정확도 요약은 못했지만, 실제데이터 예측 코딩은 해설안보고 직접했다~!
• 오류난이유는 future 오타..

 

 

복습하면 이해가 더 잘 돼서 복습해야하는데 물리적인 시간이 부족하다~!

코딩 같은 경우 티스토리보다 노션에 정리하는 게 편해서 어제부터 노션에 정리하고 있는데 TIL도 작성하려니 음..힘내보고

그리고 오늘 그냥 마음이 싱숭생숭한데 기분이 태도가 되지 말자..