실전 데이터 분석 64: 웹 사이트 세션 체류 시간 및 접속 기기별 이탈률(Bounce Rate) 대비 커머스 구매 전환율 비교 분석
📌 강의 개요 (30분 완성)
이커머스 쇼핑몰의 세션 로그 데이터셋입니다. 사용자의 세션 체류 시간(SessionDuration) 분포와 이탈률, 페이지 뷰가 최종 상품 구매 전환(Converted)에 미치는 기여 효과를 규명합니다.
학습 목표:
- 결측치 평균 대치 (
fillna): 이탈률 컬럼에 잡힌 결측치들을 사이트 전체 평균 이탈 비율로 정밀 보완합니다. - 히스토그램 밀도 피크 검출 (
histplot): 사용자가 사이트에 머무는 시간 분포를 히스토그램 막대와 KDE 밀도선으로 결합하여 롱테일 형태의 분포 구조를 가시화합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
🛍️ 이커머스 및 리테일 (E-commerce & Retail) 이커머스와 리테일 분석은 고객의 라이프 사이클(CLV), 구매 전환 여정, 이탈(Churn) 방지 및 상품 가격 탄력성을 규명하여 매출 성장을 이끄는 분야입니다.
- 고객 평생 가치(CLV): 신규 유입 단가 대비 고객 한 명이 장기적으로 기여하는 누적 가치 분석을 통해 마케팅 효율성을 판정합니다.
- 장바구니 포기(Abandonment) 및 이탈: 이탈 직전 행동 로그(예: 가격 비교 빈도, 핫딜 대기 시간) 분석으로 맞춤형 쿠폰 처방 타겟을 고릅니다.
- 가격 탄력성(Elasticity): 가격의 미세 조정에 따라 판매 수량이 민감하게 변화하는 통계 패턴을 파악하여 적정 할인율을 제안합니다.
Step 1: 데이터 구조 살펴보기 (Data Overview)
csv_data 폴더에 준비해 둔 web_conversion.csv 파일을 판다스로 불러옵니다.
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 그래프 설정 (한글 폰트 및 마이너스 기호 깨짐 방지)
import koreanize_matplotlib
plt.rcParams['axes.unicode_minus'] = False
sns.set_theme(style="whitegrid")
# 로컬 CSV 파일 불러오기
df = pd.read_csv('./web_conversion.csv')
# 데이터 구조 및 첫 5행 확인
df = pd.read_csv('./web_conversion.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 SessionID 1000 non-null int64 1 SessionDuration 1000 non-null float64 2 DeviceType 1000 non-null str 3 BounceRate 989 non-null float64 4 PagesViewed 1000 non-null int64 5 Converted 1000 non-null str dtypes: float64(2), int64(2), str(2) memory usage: 55.2 KB None SessionID SessionDuration DeviceType BounceRate PagesViewed Converted 0 640001 57.2 Mobile 74.2 3 No 1 640002 100.5 Desktop 51.5 5 No 2 640003 108.6 Mobile 49.1 5 No 3 640004 71.7 Mobile 50.1 5 No 4 640005 73.3 Mobile 58.2 5 No
<class ‘pandas.DataFrame’>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 SessionID 1000 non-null int64
1 SessionDuration 1000 non-null float64
2 DeviceType 1000 non-null str
3 BounceRate 989 non-null float64
4 PagesViewed 1000 non-null int64
5 Converted 1000 non-null str
dtypes: float64(2), int64(2), str(2)
memory usage: 47.0 KB
SessionID SessionDuration DeviceType BounceRate PagesViewed Converted
0 640001 57.2 Mobile 74.2 3 No
1 640002 100.5 Desktop 51.5 5 No
2 640003 108.6 Mobile 49.1 5 No
3 640004 71.7 Mobile 50.1 5 No
4 640005 73.3 Mobile 58.2 5 No
```
💡 코드 딥다이브 (Code Deep Dive)
주요 분석 대상 컬럼:
SessionID: 개별 방문자 웹 세션 고유 식별값SessionDuration: 방문자가 사이트에 머무른 총 체류 시간 (초 단위)DeviceType: 고객 접속 기기 (Desktop, Mobile, Tablet)BounceRate: 세션 단일 이탈률 (%) (결측치 존재)PagesViewed: 이번 세션 동안 조회한 상세 페이지 수Converted: 실제 장바구니 결제 및 구매 전환 여부 (Yes: 구매 완료, No: 미구매 이탈)
Step 2: 전처리와 결측치 정제 (Preprocess)
현실의 데이터는 항상 누락이 있거나 유효성 정제가 필요합니다. 데이터 전처리 단계에서 결측 상태를 확인하고 올바르게 보정합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
mean_bounce = df['BounceRate'].mean()
df['BounceRate'] = df['BounceRate'].fillna(mean_bounce)
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- SessionID 0 SessionDuration 0 DeviceType 0 BounceRate 11 PagesViewed 0 Converted 0 dtype: int64 SessionID 0 SessionDuration 0 DeviceType 0 BounceRate 0 PagesViewed 0 Converted 0 dtype: int64
— 정제 전 결측치 확인 — SessionID 0 SessionDuration 0 DeviceType 0 BounceRate 11 PagesViewed 0 Converted 0
— 정제 후 결측치 확인 — SessionID 0 SessionDuration 0 DeviceType 0 BounceRate 0 PagesViewed 0 Converted 0
```
💡 분석가의 통찰 (Analyst’s Insight)
- 평균 대입 적용의 합리성: 웹 로그 수집 시스템 오류 등으로 이탈률 값이 빈값으로 기록된 유저 로그를 정제합니다. 전체 세션의 평균 이탈 비율(약 55.4%)을 주입하여, 이탈 지표 편차 왜곡을 방지하고 분석 유효 샘플 크기를 안전하게 유지할 수 있습니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.histplot(data=df, x='SessionDuration', bins=15, kde=True, color='salmon')
plt.title('세션 체류 시간(Session Duration) 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 전형적인 롱테일(Long-tail) 형태의 체류 시간 분포: 대부분의 유저 세션은 유입 후 1~2분 이내의 짧은 시간대에 압도적인 밀도로 쏠린 뒤, 시간이 길어질수록 막대 높이가 급격히 감소하는 비대칭 긴 꼬리 분포를 띱니다. 이는 대다수의 이탈 유저와 소수의 고관여 유저가 극명히 갈리는 이커머스 트래픽의 전형적인 패턴입니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.boxplot(data=df, x='Converted', y='SessionDuration', palette='Set2')
plt.title('구매 전환 여부별 방문 체류 시간 분포 비교', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 체류 시간 증가와 구매 전환율의 인과관계 확인: 실제 구매 전환을 완료한 유저군(Yes)의 체류 시간 상자 높이와 중앙값이 단순 이탈한 유저군(No)에 비해 압도적으로 높은 시간대에 넓게 치솟아 있습니다. 즉, 유저를 사이트에 더 오래 잔존시키는 마케팅/UI 설계가 구매 전환으로 즉각 이어진다는 임계 통계를 완벽히 지지합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [A/B 테스트 구매 전환율 검정을 위한 이항 z-test의 이해] 모바일 전용 UI 개편 전후의 구매 전환율 차이처럼 범주형 비율의 차이를 검증할 때 데이터 사이언스에서 활용하는 대표적인 통계 기법은 두 독립 표본 비율 차이 z-검정(Two-Sample Proportion z-test)입니다.
- 각 집단의 전환 횟수는 동전 던지기와 같은 이항 분포(Binomial Distribution)를 따르며, 표본 크기가 충분히 크면 중심극한정리에 의해 정규분포로 근사하여 z-통계량을 계산합니다. \(z = \frac{(\hat{p}_1 - \hat{p}_2)}{\sqrt{\hat{p}(1-\hat{p})(1/n_1 + 1/n_2)}}\)
- 산출된 $z$값이 유의기준인 $\pm 1.96$ 범위를 벗어나면(p-value < 0.05), 해당 기기 개편이나 할인 알림은 우연히 발생한 행운이 아닌 통계적으로 완전히 유의한 전환율 상승 기여 요인임이 수학적으로 최종 승인되어 마케팅 프로모션을 전면 확장하는 기준이 됩니다.
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 기기 유형(DeviceType)에 따른 평균 페이지 조회수 비교: 데스크톱, 모바일, 태블릿 유저 그룹별 평균
PagesViewed를 구하고, 어떤 기기 접속자의 콘텐츠 관여도가 가장 풍부한지 비교 분석해 보세요. - 페이지 뷰 수와 전환율 상관 지도: 조회 페이지가 5페이지 이상인 고몰입 유저 집단의 구매 전환율(Yes 비율)이 5페이지 미만 집단 대비 몇 배 상승하는지 통계 수치로 도출해 보세요.