eCommerce Events History) 2. Active User

데이터

eCommerce Events History in Cosmetics Shop

 

캐글에 2019년 11월 ~ 2020년 2월까지의 데이터가 올라와 있는데 데이터 양이 너무 많아서 2020년 2월 데이터만 사용했다.

---

Active User

데이터를 보면 event_time과 user_id가 존재하기에 활성 고객 수를 구해봐야겠다고 생각했다.

 

1. 2020년 2월 데이터만 사용했기 때문에 Daily Active User, 즉 DAU를 구해 2월의 일간 활성 사용자 수를 구해보고자 했다.

2. (분석에 사용하진 않았지만) 캐글에 2019 11월 ~ 2020년 2월까지 데이터가 존재하기에, MAU역시 구해보고자 함!!

3. DAU와 MAU로 Stickiness (서비스 고착도)를 구해서, 사용자가 얼마나 자주 앱을 사용하는지 보고자 함

 

개념 참고

리텐션 (4) DAU, WAU, MAU 그리고 Stickiness

Stickiness. 리텐션과 비슷한 것 같지만 다른 지표. 고착도

 

1. DAU (Daily Active User)

DAU는 일간 활성화된 사용자 수를 구하는 것이다. 해당 데이터는 각 user들이 각각의 event를 수행했기 때문에
user_id를 기준으로 DAU를 구하면 되고, 중요한 건 접속한 user_id를 중복해서 카운트하면 안된다 (한번 접속한 유저는 이미 활성화 된 상태이므로!)

일평균 DAU는 약 19,660!

 

2.MAU (Monthly Active User)

MAU는 월간 활성화된 사용자 수를 구하는 것이다. 따라서, event_time을 월단위로 만들어 MAU를 구해줬다.

 

3. Stickness

Stickness는 서비스 고착도를 보는 것으로, 사용자가 얼마나 자주 앱을 사용하는 보는 지표이다.

 

 

 

MAU 대신 WAU (Weekly Active User) 를 사용하기도 함

 

 

 

일별로 평균 4~5% 정도의 서비스 고착도를 보인다. ( (일평균 DAU 인 19,660 / MAU인 391005) * 100 를 해도 5.02%가 나옴)

즉, 사용자당 월 평균 앱을 이용하는 횟수가 4~5회임

 

---

 

DAU와 Stickness은 주로 매일 사용자가 들어오는 산업에서 매우 중요한 지표로 사용된다. (ex. 인스타그램이랑 게임 업계)

 

해당 데이터가 발생한 곳은 cosmetic shop으로 화장품 산업의 데이터인데, 화장품은 보통 사는 것에 주기가 있으니 (매일 앱에 들어갈 일 없음..) 서비스 고착도가 타 산업에 비해서는 낮게 나오는 거 같다.

그래도 서비스 고착도가 오락가락 하는 것이 아닌 꾸준히 4~5%의 고착도를 보이고 있고 화장품이라 생각하면 엄청 낮은 수치는 아닌 거 같음

 

2019 11월 ~ 2020년 2월 모두에서 Stickness를 구하면 서비스의 추세를 더 볼 수 있을 듯