Y.Siyeon

1 분 소요

1. 프로젝트 주제

E-commerce 데이터를 활용해 기존 UI(A)와 리메이크된 UI(B)가 구매 전환율에 어떤 영향을 미치는지 A/B 테스트 방식으로 검증하였습니다.
가설검정을 통해 두 UI 중 더 효과적인 방향에 대한 인사이트를 도출하는 것이 본 프로젝트의 목표입니다.

2. 데이터

해당 데이터셋은 실제로 A/B 테스트 변수를 제공하지 않기 때문에, 고객 ID를 기준으로 A/B 그룹을 무작위로 균등 분할하여 가상의 실험 환경을 설정했습니다.

  • A 그룹: 기존 UI를 본 고객
  • B 그룹: 리메이크된 UI를 본 고객

이러한 가정을 바탕으로, 각 그룹의 구매 전환율 차이를 검증하기 위해 프로젝트를 진행했습니다.

3. 프로젝트 진행 과정

  1. 데이터 전처리 – 고객 ID별로 무작위로 A/B 그룹을 배정
  2. 지표 설계 및 산출 – 전환율, 경로 비율 등 실험 설계에 맞는 지표 도출
  3. 가설검정 (Z-test) – 각 지표별로 두 그룹 간 유의미한 차이가 있는지 확인
  4. 시각화 (Tableau) – 지표와 검정 결과를 바탕으로 3개의 대시보드 제작

프로젝트 아키텍처

4. 데이터 선정 이유

  • 고객 ID를 활용해 무작위 그룹 배정이 가능
  • 날짜 변수가 상세하게 기록된 로그 데이터라 “N일 이내”와 같은 시계열 지표 산출이 용이
  • 실제 E-commerce 상황과 유사하게 구매 경로·전환율 분석이 가능

따라서 본 프로젝트의 실험 환경에 적합하다고 판단했습니다.

5. 구현 방법

  • PostgreSQL: 지표 산출 및 데이터 처리
  • Python: Z-test 기반 가설검정
  • Tableau: 결과 시각화 및 대시보드 제작

6. 진행 기간

총 4주

  • 주제 선정 및 전처리: 1주
  • 지표 산출: 1주
  • 가설검정 및 결과 해석: 0.5주
  • Tableau 대시보드 제작 및 디자인: 1.5주

7. 기여도

100% (기획 → 데이터 전처리 → 지표 산출 → 가설검정 → 시각화 전 과정 단독 수행)

8. 사용 기술 및 도구

  • 언어: Python
  • 데이터베이스: PostgreSQL
  • 시각화 도구: Tableau

9. 주요 특징

  • 실제 데이터에 가상의 A/B 테스트 환경을 구성해 분석 수행
  • SQL로 지표 산출, Python으로 가설검정, Tableau로 시각화 진행
  • 주요 지표: N일 이내 구매 전환율 (CTV)
  • 보조 지표:
    • Path 전환율 (Direct: view→purchase, ViaCart: view→cart→purchase)
    • Funnel 전환율 (view→cart, cart→purchase)
  • 대시보드 구성: 총 3개 페이지 (CTV, Path, Funnel)

참고