본문 바로가기

마케팅 정보방14

앱 장기리텐션이 하락했을 때 내가 맡고 있는 앱의 Day30 이후의 리텐션이 감소하기 시작했다. 우리는 Day1~Day60 까지의 평균 리텐션을 트래킹하는데, Day 30~60 평균 리텐션이 전주 대비 감소했다,,, 원인을 파악하고자, 그래프를 먼저 분석해보았다. [상황 분석] 1. 그래프가 전반적으로 낮아졌는가? => X. 그래프가 전반적으로 낮아졌다는 것은, 해당 기간동안 Daily retention 자체가 낮아졌다는 것이므로, 해당일부터 앱의 변경사항을 트래킹해야 함. 하지만, 그날부터 앱에 변화가 있었던 점은 없었음 2. 그래프의 특정 구간이 낮아졌는가? => O. 정확히 Day30~Day60 까지의 구간이 감소했다. (표본이 하루이틀밖에 없는 Day 59, Day60을 제외하더라도, Day30~Day58의 평균 리텐션이 낮.. 2023. 3. 26.
데이터 과학을 위한 통계 Part 2 part2 에서는 코드보다는 통계 지식들 위주로 알려준다. 어떤 편향들이 있고, 상황에 따라 어떤 검정 방법들을 쓰면 좋을지 알려준다. 2장에서 강조한 것은 부트스트랩! 기초 통계 책을 읽으면서 가볍게 봤던 이론들을 한번 더 꼼꼼히 점검할 수 있어서 좋았다. 2장까지 공부하고나서 느낀건, 문과생 특성상 외우라고 해서 ㅇㅋㅇㅋ하면서 슥슥 대강 이해하면서 외우고 이런건 가능할지언정... 머릿속에 완벽하게 때려넣는건 안 된다는 것...? 공부하고 집오면 또 까먹음.. 이번주는 러프하게 모든 내용을 쭉 훑고, 책을 n번 반복해서 읽고, 또 공부하다 모를때마다 책을 참고하는 식으로 해야겠다... Part 2. 데이터와 표본분포 *표본(sample), 모집단(population), 임의표본추출(random samp.. 2022. 3. 16.
데이터 과학을 위한 통계 Part 1 데이터 분석을 위해서는 통계 지식이 필수라 하여, 요즘 통계학에 관심이 많아졌다. 그러던 중, 통계 지식을 파이썬에 응용하는 방법도 알려주는 좋은 책을 발견하여 이 책으로 공부하기로 했다! 아직 1강만 봤지만 기초 지식도 잘 설명되어 있을 뿐만 아니라, 코드도 알려줘서 넘 좋다:) 앞으로 완독까지 화이팅!! Part 1. 탐색적 데이터 분석 (EDA) 정형화: 가공 안한 데이터를 활용 가능한 데이터로. 테이블 형태가 기본. 수치형 데이터 (숫자로 표현) : 연속형 (풍속, 지속시간 등), 이산형 (횟수 같은 정수값) 범주형 데이터 (가능 범주 안의 값) : 이진형 (모아니면도), 순서형 (값들 사이에 순서가 있음) 테이블에서의 각 열: feature 각 행: record *응답변수/ 종속변수 예측 모델에.. 2022. 3. 16.
MODE 사이트에서 데이터분석 혼자 공부하기 SQL 코드도 다 배웠는데... 이론은 이제 알겠고, 근데 이게 어떻게 쓰인다는 건가. Join 함수를 통해 각종 자료들을 정리해서 원하는 정보를 볼 수 있겠다는 건 알겠다. 하지만 데이터 분석가에게 SQL이 엄청 중요하다던데, 데이터 분석가는 어떻게 SQL을 사용하는지가 궁금했다. 그래서 알게 된 사이트가 mode! 이론 뿐만이 아니라, 3개의 실제 analytics 예제가 있어서 이 예제만 보기로 했다. 영어 원서를 번역하면서 정리한 것이기 때문에 한글과 영어가 뒤죽박죽으로 섞여있고, 전체 내용을 정리한 것이 아닌 나에게 필요한 부분들만 정리했기에, 문제별로 맨 밑에 있는 Insight 부분만 볼 것을 추천한다. engagement: 제품과 상호작용하여 일종의 서버 호출을 수행하는 것 (ex.버튼 클.. 2022. 3. 12.
반응형