✋ 스마트 스토어 마케팅 전략 을 위한 어플 개발
기간 : 2023/03/01 ~ 2023/03/03 🔥
PPT 자료 : https://drive.google.com/file/d/1doSmWEdRa6yr3jbZbmDk28TN6aphcm9W/view?usp=share_link
주제 선정 배경
- 최근 몇년간 투잡에 관심도 높아짐에 따라 스마트 스토어 관심도 높아짐.
- 전자상거래 시장규모 매년 증가하는 추세 임.
사용 용도
- User_Target : 스마트 스토어 예비 창업자 및 스마트 스토어 운영중인 사업자
- 연령대, 성별, 접속 환경 별 특정 상품에 대한 상대 클릭 수를 plot 시각화 가능.
- → 맞춤 광고 전략 수립 가능
- 팔고자 하는 상품의 인기 상품 상위 100개의 평균 가격과 해당 상품이 가장 많이 팔리는 쇼핑 플랫폼
(쿠팡, 옥션 등) 및 해당 상품의 브랜드 선호도 정보 출력이 가능함. - → 팔고자 하는 상품의 대한 판매 전략 수립 가능
데이터 출처
- 네이버 쇼핑 API 에서 데이터 수집
- 사용이유 : 네이버 쇼핑이 전자 상거래 시장규모가 가장 큼.
프로그램 기능
- category 검색기 (사용자가 직접 카테고리 (대/중/소) 에 따른 category code 검색이 가능함. )
- 네이버 쇼핑 API에 request 를 할때, 설정이 필요한 parameter 중 category code가 존재함. 해당 코드는 약 5000개 정도 있으며, 사용자가 직접 찾기 어려움이 있으므로 해당 코드 만듦.
import pandas as pd # 엑셀 파일 경로 설정 excel_file = 'category_20230325_142255.xls' # 엑셀 파일을 pandas DataFrame으로 변환 df = pd.read_excel(excel_file) # 대분류 유니크한 데이터 추출 대분류 = df.iloc[:, 1].unique() # 대분류 목록 출력 print("- 대분류 목록") for i in range(len(대분류)): print(f"{i+1}. {대분류[i]}") # 대분류 입력 받기 cat1 = input("대분류를 입력해주세요. \n : ") # 해당 대분류에 해당하는 중분류 추출 중분류 = df[df.iloc[:, 1] == cat1].iloc[:, 2].unique() # 중분류 목록 출력 print() print("- 중분류 목록") for i in range(len(중분류)): print(f"{i+1}. {중분류[i]}") # 중분류 입력 받기 cat2 = input("중분류를 입력해주세요.\n : ") # 해당 중분류에 해당하는 소분류 추출 소분류 = df[(df.iloc[:, 1] == cat1) & (df.iloc[:, 2] == cat2)].iloc[:, 3].unique() # 소분류 목록 출력 print() print("- 소분류 목록") for i in range(len(소분류)): print(f"{i+1}. {소분류[i]}") # 소분류 입력 받기 cat3 = input("소분류를 입력해주세요. \n : ") # 해당 소분류에 해당하는 세분류 추출 세분류 = df[(df.iloc[:, 1] == cat1) & (df.iloc[:, 2] == cat2) & (df.iloc[:, 3] == cat3)].iloc[:, 4].values.tolist() # 세분류가 있는 경우 if not pd.isnull(세분류).all(): # 세분류 목록 출력 print() print("- 세분류 목록") for i in range(len(세분류)): print(f"{i+1}. {세분류[i]}") # 세분류가 없는 경우 else: # 해당 조건에 맞는 데이터 추출 및 출력 num = df[(df.iloc[:, 1] == cat1) & (df.iloc[:, 2] == cat2) & (df.iloc[:, 3] == cat3)].iloc[:, 0] if len(num) == 0: print("해당하는 데이터가 없습니다.") else: print(num) - 네이버 데이터 랩 API를 이용하여 연령대, 성별, 접속 환경에 따른 상대 클릭수를 추출하여, 엑셀 파일로 저장
## 위에서 입력한 카테고리의 모든 연령대 & 모든 접속 환경 & 모든 성별 의 상대 클릭량
import os
import sys
import json
import pandas as pd
import urllib.request
def get_relative_clicks(category_name, category_code):
client_id = "client_id"
client_secret = "client_secret"
url = "https://openapi.naver.com/v1/datalab/shopping/categories"
# ages, gender, device 변수 정의
ages = ["10", "20", "30", "40", "50", "60"]
genders = ["f", "m"]
devices = ["pc", "mo"]
# dfs 빈 리스트 선언
dfs = []
# for 문으로 연령별, 성별, 접속 환경별 request body 만들기
for age in ages:
for gender in genders:
for device in devices:
body = {
"startDate": "2022-01-01",
"endDate": "2022-12-31",
"timeUnit": "month",
"category": [{"name": category_name, "param": [category_code]}],
"device": device,
"ages": [age],
"gender": gender
}
body = json.dumps(body)
request = urllib.request.Request(url)
request.add_header("X-Naver-Client-Id", client_id)
request.add_header("X-Naver-Client-Secret", client_secret)
request.add_header("Content-Type", "application/json")
response = urllib.request.urlopen(request, data=body.encode("utf-8"))
rescode = response.getcode()
if rescode == 200:
response_body = response.read()
data = json.loads(response_body.decode('utf-8'))
df = pd.DataFrame(data['results'][0]['data'])
df["age"] = age
df["gender"] = gender
df["device"] = device
dfs.append(df)
else:
print("Error Code:", rescode)
# final_df 함수에 모든 추출 데이터 합치기
final_df = pd.concat(dfs, ignore_index=True)
# Excel 파일의 별도 워크시트에 각 시트 작성
with pd.ExcelWriter(f'{category_name}_relative_clicks.xlsx') as writer:
for age in ages:
age_df = final_df[final_df["age"] == age]
age_df.to_excel(writer, sheet_name=f"{age}_ages", index=False)
for gender in genders:
gender_df = final_df[final_df["gender"] == gender]
gender_df.to_excel(writer, sheet_name=f"{gender}_gender", index=False)
for device in devices:
device_df = final_df[final_df["device"] == device]
device_df.to_excel(writer, sheet_name=f"{device}_device", index=False)
result = f"{category_name}_relative_clicks.xlsx 파일이 저장 완료 되었습니다."
return result
print()
print("연령대 및 성별 등 조건에 따른 상대 클릭수 확인")
print("카테고리를 골랐다면, 카테고리 이름과 카테고리 코드를 입력해주세요.")
category_name = input("카테고리 이름을 넣어주세요. Ex)콜라\n :")
category_code = input("카테고리 코드를 입력해주세요. Ex)50002254\n :")
get_relative_clicks(category_name, category_code)
- 연령대 별, 접속 환경 (PC, Mobile)에 따른 상대 클릭수 시계열 그래프 그리기
def plot_relative_clicks(category_name):
# 데이터프레임 생성
df_list = []
for age in range(10, 70, 10):
sheet_name = f"{age}_ages"
df = pd.read_excel(f"{category_name}_relative_clicks.xlsx", sheet_name=sheet_name)
df['age'] = age
df_list.append(df)
df_all = pd.concat(df_list)
# 날짜 형식 변경
df_all['period'] = pd.to_datetime(df_all['period'], format='%Y-%m')
# 피벗 테이블 생성
pt = pd.pivot_table(df_all, values='ratio', index=['age', 'period'], columns='device',
aggfunc='sum', fill_value=0)
# 연령대 별로 접속 환경(PC, Mobile)에 따른 시계열 그래프 그리기
fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(15,8), sharex=True, sharey=True)
for i, ax in enumerate(axes.flat):
age = (i+1)*10
pt_age = pt.loc[age]
ax.plot(pt_age.index, pt_age['pc'], label='PC')
ax.plot(pt_age.index, pt_age['mo'], label='Mobile')
ax.set_title(f'{age} ages')
ax.legend()
# x축 라벨 세로로 표시하고 눈금을 12개 만들기
fig.autofmt_xdate(rotation=90)
plt.xticks(pd.date_range(start=pt.index.get_level_values(1).min(), end=pt.index.get_level_values(1).max(), freq='MS'),rotation=90)
plt.suptitle('Relative clicks by device and age group')
# 그래프 저장
plt.savefig(f'{category_name}_pc_mo_relative_clicks.png')
plot_relative_clicks("자동우산")
4. 연령대 , 성별 , 접속 환경(PC,Mobile)에 따른 상대클릭수 시계열 그래프 그리기
import pandas as pd
import matplotlib.pyplot as plt
def plot_relative_clicks_2(category_name):
# 데이터프레임 생성
df_list = []
for age in range(10, 70, 10):
sheet_name = f"{age}_ages"
df = pd.read_excel(f"{category_name}_relative_clicks.xlsx", sheet_name=sheet_name)
df['age'] = age
df_list.append(df)
df_all = pd.concat(df_list)
# 날짜 형식 변경
df_all['period'] = pd.to_datetime(df_all['period'], format='%Y-%m')
# 피벗 테이블 생성
pt = pd.pivot_table(df_all, values='ratio', index=['age', 'gender', 'period'], columns='device',
aggfunc='sum', fill_value=0)
# 연령대 및 성별 별로 접속 환경(PC, Mobile)에 따른 시계열 그래프 그리기
fig, axes = plt.subplots(nrows=4, ncols=3, figsize=(15,12), sharex=True, sharey=True)
for i, ax in enumerate(axes.flat):
age_gender = (i//2+1)*10, 'f' if i%2==0 else 'm'
pt_age_gender = pt.loc[age_gender]
ax.plot(pt_age_gender.index, pt_age_gender['pc'], label='PC')
ax.plot(pt_age_gender.index, pt_age_gender['mo'], label='Mobile')
ax.set_title(f'{age_gender[0]} ages {age_gender[1].upper()}')
ax.legend()
# x축 라벨 세로로 표시하고 눈금을 12개 만들기
fig.autofmt_xdate(rotation=90)
plt.xticks(pd.date_range(start=pt.index.get_level_values(2).min(), end=pt.index.get_level_values(2).max(), freq='MS'), rotation=90)
plt.suptitle('Relative clicks by device, age group, and gender')
# plt.show()
# 그래프 저장
plt.savefig(f'{category_name}_gender_relative_clicks.png')
print()
print("연령대 및 성별 별로 접속 환경(PC, Mobile)에 따른 시계열 그래프 그리기")
category_name = input("카테고리 이름을 입력해주세요\n : ")
plot_relative_clicks_2(category_name)
print(f'{category_name}_gender_relative_clicks.png 저장완료')
5. 팔고자 하는 물품 상위 100개의 가격 및 상위 10개의 브랜드 와 쇼핑몰 플랫폼 (쿠팡, 네이버...)
def get_shop_info(keyword):
client_id = "JagKFffWu4Fj_OkksX_R"
client_secret = "LD2ZmSF2j8"
encText = urllib.parse.quote(keyword)
shop_url = "https://openapi.naver.com/v1/search/shop?query=" +encText+ "&display=100&start=1"
request = urllib.request.Request(shop_url)
request.add_header("X-Naver-Client-Id", client_id)
request.add_header("X-Naver-Client-Secret", client_secret)
response = urllib.request.urlopen(request)
rescode = response.getcode()
if rescode == 200:
response_body = response.read()
json_str = response_body.decode('utf-8')
else:
response_body.decode('utf-8')
print("Error Code: " + rescode)
json_data = json.loads(json_str)
df = pd.json_normalize(json_data['items'])
df['title'] = df['title'].str.replace('<b>', '').str.replace('</b>', '')
lprice_mean = df.loc[df['lprice'].notnull(), 'lprice'].astype(int).mean()
mallName_cnt = df['mallName'].str.split(expand=True).stack().value_counts()
mallName_dup_cnt = dict(mallName_cnt[:10])
brand_cnt = df['brand'].str.split(expand=True).stack().value_counts()
brand_dup_cnt = dict(brand_cnt[:10])
return lprice_mean, mallName_dup_cnt, brand_dup_cnt,
print()
print("팔려고 하는 물품 상위 100개의 가격 및 상위 10개의 브랜드 명 과 쇼핑몰 플랫폼(쿠팡, 네이버) 확인 하기")
keyword = input("keyword 를 입력해주세요.\n : ")
lprice_mean, mallName_dup_cnt, brand_dup_cnt = get_shop_info(keyword)
print(f"상위 100개의 평균 가격 입니다. \n = {lprice_mean} 원")
print(f"상위 10개 쇼핑몰명 중복횟수 입니다. \n = {mallName_dup_cnt}")
print(f"상위 10개 브랜드명 중복횟수 입니다. \n = {brand_dup_cnt}")
위 어플을 통한 "자동우산" 의 광고 마케팅 전략
- 모든 연령층 대부분 6월 > 8월 > 7월 순으로 상품의 상대 클릭수가 많았다.
-> 6월, 8월, 7월 에 광고 빈도수 높힌다. - 접속 환경에 따른 상대 클릭수가 크게 차이 나지않음.
-> 광고 비율을 PC / Moblie 50 대 50 으로 - 인기 상위 100개의 평균 가격은 12473원
- 네이버 쇼핑몰에서 제일 구매가 많음.
-> 네이버 쇼핑몰을 Target 하여 광고 집중화 - 카카오 프렌즈가 가장 인기가 많음.
프로젝트 진행 하면서, 느낀점 .. 😊
- 팀이 아닌 개인 프로젝트라 어플에 대한 flow를 그려내는 것은 생각 보다 수웧 했다.
- 네이버에서 제공하는 response 값은 단순히 상대 클릭수여서, 분석의 대한 타당성이 높지 않았다.
- 생각보다 code 를 작성 하는 시간보다, 에러 트러블 슈팅하는 시간이 더 길었다.
- 코드 정리가 싶지 않았다.
한줄평... 😄
-> 이번 프로젝트를 진행하면서 느꼈던 점을 바탕으로 더 큰 앞날을 위해 성장하자 ...!!