lightnsolt 님의 블로그

핵심지표공식CVR - 전환률 : 전환수 / 클릭수 *100CPA - 전환당 비용 : 광고비 / 전환 수CTR-CVR 4분면CTR 높음(전환 단계에서 이탈)랜딩페이지 개선(최적 컨디션)광고 최적화가 잘되어 있으므로 연관 키워드 발굴 및 확장CTR 낮음(키워드 소재 적합 불일치)광고 타겟, 소재, 채널 재분석(소재 매력도 떨어짐)광고 소재 수정 및 최적화CVR 낮음CVR 높음로그분석정의 : 웹사이트사용자 데이터를 수집 분석하는데 도움을 주는 도구종류 : GA4/ 에이스카운터, 비즈스프링매체별 설정네이버 : 프리미엄 로그 분석 설치카카오 : CTS(전환추적)설정구글 : GA4유의사항 : 광고 게시전 미리 태그 설정을 해두어야 유저 데이터가 쌓임. 광고 후에 설정하면 그 설정 전 데이터 추적 어려움전환네이버(광..

https://www.youtube.com/watch?v=5uZmH01Aq58&list=PLsvL7yuPKtGQBBU7fIp8sYBI2_FOkLqAm&index=2자료출처: 마케팅학교 유튜브검색광고의 정의구글,네이버,카카오 사이트에서 상품을 검색했을 때 상품이나 서비스가 최상단에 노출되어 광고하는 형태 - 과금필요>> 검색엔진을 통해 기업 웹사이트를 노출시기는 광고 기법>> SEM(search engine marketing) / SA(search ad) / paid search / 키워드 광고 (같은말)>> 능동적 검색활동에 기반해 노출 -> 정확한 타겟팅>> 양질의 검색 결과를 위해 사이트 자체적 검수 과정을 거침검색광고의 특징(장점)5가지1. 유동적으로 광고 설정 가능(예산, 시간대, 소재) (지면,..

머신러닝정의 : 데이터를 학습해 패턴이나 규칙을 찾고 미래를 예측하는 기술 / 새로운 데이터(미래의 일)가 들어왔을 때 결과를 예측한다.데이터학습(train) 데이터평가(test) 데이터보통 7:3 비율로 나눠서 학습7 / 평가3으로 데이터 할당한다.머신러닝 학습 방법지도학습 (예측 / 분류)문제와 정답을 같이주고 학습시킨다.분류 : 이 고객이 구매할까 (Yes / No)미리 정의된 여러 정답(Label, Class)중 하나를 예측시험결과 (합/불)예측, 비만도(정상/저체중/비만)예측정답 2개 = binary (이진분류)/ 정답 3개 이상 = multiclass(다중분류)평가지표정확도정밀도재현율F1 Score회귀 : 이 고객이 얼마나 구매할까? (32,000원)연속적인 숫자를 예측하는 것집의 위치 주변시..

머신러닝정의 : 데이터를 학습해 패턴이나 규칙을 찾고 미래를 예측하는 기술 / 새로운 데이터(미래의 일)가 들어왔을 때 결과를 예측한다.데이터학습(train) 데이터평가(test) 데이터보통 7:3 비율로머신러닝 학습 방법지도학습문제와 정답을 같이주고 학습시킨다.분류 : 이 고객이 구매할까 (Yes / No)미리 정의된 여러 정답(Label, Class)중 하나를 예측시험결과 (합/불)예측, 비만도(정상/저체중/비만)예측정답 2개 = binary (이진분류)/ 정답 3개 이상 = multiclass(다중분류)평가지표정확도정밀도재현율F1 Score회귀 : 이 고객이 얼마나 구매할까? (32,000원)연속적인 숫자를 예측하는 것집의 위치 주변시설선형회귀 분석과 같이 예측 공식을 찾아 그 값을 반환하는 것평가..

목차t-testanova산점도1. T-test정의2개의 데이터의 평균 차이가 통계적으로 유의미한지 확인할때 사용한다. CLT가 적용되어 충분히 데이터 숫자가 많으면 정규분포 확인 안해도 p-value값을 신뢰할 수 있다.###종류독립 표본 : 서로 다른 두 데이터 ttest_ind() 매개변수로 equal_var = False로 사용하면 분산이 다르다는 것을 가정하고 진행되기 때문에 무방.대응 표본 : 사용 전 후 와 같은 동일 집단 ttest_rel()2. ANOVA 검정정의3가지 이상의 데이터를 비교분석 할 때 사용한다.f_oneway()파이썬 함수로는 f_oneway() 반환값은 T-value / p-valuep-value 유의미한 통계적 데이터가 존재함만 확인 가능 >> 세부내용은 tukeyhsd..

목차이상치표본과 모집단중심 극한정리가설검정이상치정의 : 데이터의 전반적인 패턴에서 현저히 벗어난 관측치 -> Noise or Signal데이터 중 평균에서 심하게 벗어난 값 / 2시그마 이상의 데이터 or 박스플롯 수염 이외의 데이터발생 원인이벤트 체리피커 : 이벤트 시에만 참여하는 사용자vvip 구개 고객봇 트래픽 유입 : 자동화된 트래픽트래픽 중복 : 로그 에러입력 오류 : 잘못된 데이터 입력이상치의 영향평균/ 분산 왜곡KPI 왜곡잘못된 의사결정이상치 탐지 방법IQR사분위수 수염 범위 이외의 데이터Z-scorez-score 2(or3) 이상의 데이터이상치 처리 전략제거명백한 오류 / 봇 / 트래커 의 경우대체중앙값, 평균값 으로 대체 / 윈저라이징 / 선형 보간법분리VIP 고객 분리 / 대량 구매 별..

목차로그변환[산포도 - 분산 / 표준편차]정규분포[Z-Score][왜도 / 첨도](#데이터 시각화 - 히스토그램 / 박스플롯로그변환가정) 100명의 구매 데이터 중 1명이 10억을 지불했고 나머지는 1만원을 지불 했을 때.그래프 모양 : 해당 데이터는 한쪽으로 치우친 왜도 형태그래프 형태가 왜도(치우쳐 있다) 일 때 log()를 사용하면 데이터값의 변동 폭이 줄어들어 정규분포에 가깝게 그래프를 다시 구성할 수 있다.파이썬 로그 함수from scipy import statsimport numpy as npnp.log1p("로그 적용할 데이터") # np.log()가 아닌 np.log1p()를 쓰는 이유 : 데이터가 0이 들어가면 무한대 값이 나와서 사전 방지클로드가 알려준 실무 흐름① .skew() 로 왜..

한 줄 요약 | 마케팅 A/B/C 캠페인 데이터를 가지고 이상치 전처리부터 가설검정(t-검정·ANOVA), 상관분석, 선형회귀까지 — "어느 캠페인이 진짜 더 나은가"를 통계로 검증하고 Python(scipy·statsmodels·seaborn)으로 직접 구현하는 방법을 정리한다.목차Part 1. 통계 전처리: 윈저라이징과 타겟 분리Part 2. 추론통계의 기초: 표본 · 중심극한정리(CLT) · 신뢰구간Part 3. 가설검정: 등분산 검정 · t-검정 · ANOVA · TukeyPart 4. 변수 간 관계와 예측: 상관분석 · 선형회귀Part 1. 통계 전처리: 검정에 앞서 데이터를 다듬는다분석의 신뢰도는 모델이 아니라 데이터 품질에서 갈린다. 가설검정과 회귀에 들어가기 전에, 전반적 패턴에서 벗어난 ..

확률변수-> 실험이나 관찰의 결과를 숫자로 매핑하는 함수이산 확률 변수셀 수 있는 값 ex)주사위 눈, 클릭 수연속 확률 변수값이 구간에 걸쳐 있는 경우 ex) 키, 무게, 시간, 클릭률, 확률 핵심 지표기댓값 : 평균적으로 기대되는 값분산 : 평균으로부터 퍼진 정도표준 편차 : 분산의 제곱근어려운 용어확률 가중 합 : 잘 나오는 값엔 힘을 많이 드물게 나오는 값에는 힘을 적게 (가중치) 주사위 : 1/6장기 평균 : 횟수가 많아지면 평균이 수렴한다.분포의 중심 : 평균이 수렴하는 지점조건부 확률

구간을 코드블록으로 재삽입하세요. -->한 줄 요약: Selenium·BeautifulSoup으로 네이버·구글 이미지를 로컬에 다운로드하고, POST 방식 페이지네이션 사이트에서 공공데이터를 DataFrame으로 수집하는 전 과정을 다룬다.목차 이미지 저장 폴더 준비와 네이버 이미지 크롤링 저장 폴더 안전 생성 BeautifulSoup vs Selenium 이미지 요소 추출 placeholder 필터링 & urlretrieve 다운로드 스크롤 포함 전체 코드 수집 누락이 발생하는 주요 원인 구글 이미지 크롤링과 봇 탐지 우회 undetected_chromedriver 도입 선택자 정밀화 & GIF 필터링 ..