[Tableau] 쿠폰 성과 측정 대시보드

비저블 4주차 과제로 #RWFD의 데이터를 활용하여 쿠폰 성과를 측정하는 대시보드를 만들었다.

 

1. 데이터 

https://data.world/markbradbourne/rwfd-real-world-fake-data/workspace/file?filename=Retail+Transactions.csv 

#RWFD Real World Fake Data - project by markbradbourne

컬럼

Transaction Date : 거래 날짜
Transaction Hour : 거래 시간
Location State : 주
Location City : 도시
Rewards Number 
Rewards Member
Num of Items : 수량
Coupon Flag : 쿠폰 사용 여부 (Yes/Null)
Discount Amt : 할인 금액
Order Amt : 주문 금액

여기서 Rewards Number와 Rewards Member가 정확히 무슨 의미인지 파악하지 못하였다.

아무리 찾아봐도 해당 컬럼을 설명해주는 내용이 없었다...이로 인해 쿠폰의 성과를 오로지 금액/수량으로만 판단하게 되어 아쉬움이 남는다. 

2. 대시보드의 사용 목적

대시보드를 만들기 전 가장 중요한 것은 사용하는 사람이 누구인지 대시보드를 통해 어떠한 데이터를 확인하고 싶은지 등을 명확히 설정하는 것이다.

따라서 이 대시보드의 주된 목적은 지역별 전체적인 판매량 파악 및 쿠폰 성과 파악으로 설정했다.

3. 대시보드 생성

3-1. 월별 판매 추이 분석

- 선택한 기간 내에서 월별 판매 추이 분석

 

1) 기간 선택을 위한 매개변수 생성 (여기서 기간 매개변수에 대한 내용은 다루지 않겠다. 대신 https://arehoow.tistory.com/17 이 포스팅을 참고하면 된다.)

 

2) 월별 추이 그리기

매우 만들기 쉬운 그래프이지만 조금 특별한 점은 가장 큰 값과 작은 값의 색깔을 다르게 표시해주었다는 점이다.

아래와 같은 계산식을 이용해 라벨을 만들어주고 색상 필드에 넣어주면 된다.

IF SUM([c. 기간내범위_Order Amt]) = WINDOW_MAX(SUM([c. 기간내범위_Order Amt])) THEN 'max'
ELSEIF SUM([c. 기간내범위_Order Amt]) = WINDOW_MIN(SUM([c. 기간내범위_Order Amt])) THEN 'min'
END

WINDOW 계열 함수는 테이블 계산 함수의 일종이다. 

WINDOW_MAX는 뷰에 보이는 값 중 가장 큰 값을 반환한다.

 

3-2. 쿠폰 사용 성과분석

- 쿠폰 사용 고객 /  쿠폰 미사용 고객 / 전체 고객의 평균 주문 수량과 평균 주문 금액 파악

(쿠폰 사용이 대량구매로 이어졌다면 평균 주문 수량과 금액에서 유의미한 차이 있을 것)

 

- 전체 주문 중 쿠폰을 사용한 주문의 비율

(쿠폰 사용이 얼마나 활발하게 이루어졌는지 파악 가능)

 

4. 최종 대시보드

왼쪽편에 있는 Sales Amount per State와 Sales Amount per City가 대시보드 전체 내에서 필터 역할을 한다.

예를 들어, 위의 그림은 Florida 주의 Clearwater 도시를 클릭한 상태이고 해당 지역의 판매 추이와 쿠폰 성과를 대시보드 오른편에서 확인할 수 있다.

 

5. 인사이트

쿠폰의 사용이 대량 구매로 이어졌을 것이라고 예상했지만 쿠폰 사용 고객들과 미사용 고객들의 평균 주문 수량과 금액을 살펴본 결과 유의미한 차이를 발견하지 못했다.

대체로 쿠폰 사용 고객들의 구매 수량과 금액이 아주 살짝 높은 정도였으며 몇몇 지역은 쿠폰 미사용 고객의 구매 수량과 금액이 더 크기도 했다. 대표적으로 위 사진의 Clearwater city가 이에 해당된다.

따라서, 쿠폰의 사용 성과가 저조하다는 결론을 내렸다.

 

그렇다면 왜 쿠폰의 성과가 저조했을까?

매우 낮은 할인율이 원인이 될 수 있다는 생각이 들었다.

할인율 = Discount Amt / Order Amt = 할인된 금액 / 정가

위 공식으로 할인율을 계산하여 평균으로 집계한 결과, 대부분의 지역에서 할인율이 0.34%~0.35% 정도로 매우 낮았다.

할인 쿠폰의 할인율이 1%에도 미치지 못하니 어쩌면 쿠폰의 효과가 없는 것은 당연한 결과일지도 모른다는 생각이 들었다.

따라서, 대량 구매 고객, 충성 고객 등 구매력이 높은 고객을 선별하여 더 큰 할인 혜택을 주는 것이 필요해 보인다.

 

6. 느낀점

일단, Fake Data이기 때문에 현실과 많이 동떨어진 느낌을 받았다.

만약 실제 데이터였다면 2020.2월 코로나를 기점으로 어떠한 판매 추이의 변화가 있었는지 분석 가능했을테지만 이 데이터의 경우 판매추이가 매우 들쑥날쑥 규칙성 따윈 없었다. (보통 지역이 다르더라도 시기별로 판매 추이가 어느 정도는 비슷할테지만 전혀 그렇지 않았다.)

하지만 여러 비즈니스 가설을 세우고 분석하기에는 매우 유용한 데이터라는 생각이 들었다.

 

또한, 우리조 버디님이 감동적인 피드백을 남겨주셨다..!!

특히, 마지막 피드백이 매우 유용했다. 2개의 지역관련 그래프들이 선택지 역할을 하는 만큼 현재 어떤 지역을 나타내고 있는지 확실하게 표현해야 대시보드 사용자가 더 쉽고 명확하게 데이터를 파악할 수 있다는 생각이 들었다.