[Case Study] 쿠팡 웹 로그를 통해 배우는 사용자 행동과 광고 노출 데이터 구조 예시 - 돌멩이의 데이터 분석
·
마케팅 Marketing
이번 글에서는 지난 학습 중 웹 로그를 직접 확인할 수 있다는 점을 확인하여, 기업들이 실제 수집하는 로그를 확인해보려고 한다2025.12.08 - [공부/BigQuery 활용편 (카일스쿨, 인프런)] - [SQL/BigQuery] 퍼널 분석(Funnel Analysis)과 의사결정의 흐름 정리(Section 2-2) - 돌멩이의 데이터 분석 [SQL/BigQuery] 퍼널 분석(Funnel Analysis)과 의사결정의 흐름 정리(Section 2-2) - 돌멩이의 데이터 분석💻본 포스팅은 [인프런] 카일스쿨의 BigQuery(SQL) 활용편을 기반으로요약 및 실습한 기록을 정리했습니다.퍼널 분석의 개념퍼널 분석은 사용자가 서비스 내에서 공급자가 원하는 목표 행동으로castle1data.tistory..
[SQL/BigQuery] 퍼널 분석(Funnel Analysis)과 의사결정의 흐름 정리(Section 2-2) - 돌멩이의 데이터 분석
·
마케팅 Marketing
💻본 포스팅은 [인프런] 카일스쿨의 BigQuery(SQL) 활용편을 기반으로요약 및 실습한 기록을 정리했습니다.퍼널 분석의 개념퍼널 분석은 사용자가 서비스 내에서 공급자가 원하는 목표 행동으로 이동하는 과정을 단계별로 시각화하고,각 단계에서 얼마나 전환(Conversion)이 일어나는지 파악하는 분석 방법이다.정의하나의 퍼널에서 다음 퍼널로 얼마나 전환되는지 파악이벤트 기반 퍼널명시적 이벤트가 존재하는 경우 : 메인화면 진입 → 상품 클릭 → 구매완료 등명시적 이벤트가 존재하지 않는 경우 : 대체재로서 이벤트 설정 (ex page view가 대표적)유형Open 퍼널사용자의 이벤트 순서를 엄격히 제한하지 않음예시 :(1) 구매하기 버튼 클릭 → 신용카드 정보 입력 → 결제 완료(2) 구매하기 버튼 클릭..
[Project] 발로란트 선수비·선공격 승률 분석을 위한 데이터 수집→정제 전체 프로세스 구축 완료 (EP.3)
·
개인 프로젝트 (Project)/Valorant 유저 데이터 분석
이전 포스팅2025.11.28 - [공부/Projects] - [Toy Project] Valorant(발로란트) 선수비 vs 선공격 어느 쪽이 유리할까? (EP. 2 : 데이터 수집처 실종) [Toy Project] Valorant(발로란트) 선수비 vs 선공격 어느 쪽이 유리할까? (EP. 2 : 데이터 수집처 실종)이전 포스팅2025.11.26 - [공부/Projects] - [Toy Project] Valorant(발로란트) 선수비 vs 선공격 어느 쪽이 유리할까? (EP. 1 : 프로젝트 소개) [Toy Project] Valorant(발로란트) 선수비 vs 선공격 어느 쪽이 유리할까? (castle1data.tistory.comHenrik API를 통한 match data 확인 📝 match..
[SQL/BigQuery] Big Query PIVOT 사용법과 GROUP BY ALL, ANY_VALUE 함수 정리 - 돌멩이의 데이터 분석
·
데이터베이스 DB/BigQuery
💻본 포스팅은 [인프런] 카일스쿨의 BigQuery(SQL) 활용편을 기반으로요약 및 실습한 기록을 정리했습니다.데이터 PIVOT 이란?(1) Data PIVOT 정의특정 데이터를 기준(PIVOT) 삼아서, 그 축을 중심으로 데이터를 보기 좋게 정렬하는 과정 (2) PIVOT이 필요한 이유사용자 로그 데이터는 보통 "하나의 행동 = 하나의 ROW"로 길게 쌓임이 형태는 가독성이 낮고, 분석 시 불편함이 많음BigQuery에는 추출 할 수 있는 행에 제한이 존재하므로, PIVOT을 활용해 이를 회피할 수 있음실제로 사용자는 한 번의 클릭을 하지만, 그 행동 하나에 UNNEST 시, 10개 이상의 ROW가 생성 될 수 있음예시를 통한 PIVOT 문법(1) 로그 해석PIVOT은 당연하게도 데이터 로그 구조에..
[Python/BigQuery] Python DF를 BigQuery에 자동 업로드 하기 + 오류 해결 - 돌멩이의 데이터 분석
·
파이썬 Python
📘 참고자료Python / BigQuery 연동하기 Python BigQuery 연동하기빅쿼리 데이터를 파이썬 데이터프레임으로 불러오기wooiljeong.github.io글 이후 사진 설명으로 이어지니 참고 바랍니다1. GCP 내 작업(1) GCP 프로젝트 생성 및 Dataset 만들기기존 프로젝트를 활용하거나 새 프로젝트 명 생성프로젝트 내 Dataset 만들기프로젝트 ID와 Dateset 이름을 기억해놓기 (2) 서비스 계정 및 키(JSON) 만들기왼쪽 메뉴에서 IAM 서비스 및 관리자 → 서비스 계정 선택위 메뉴에서 서비스 계정 만들기를 클릭해서 서비스 계정 이름 넣기(자유)중요 : 권한에서 리소스 업로드 접근 권한을 부여해야만, 로컬에서 업로드 가능 : 잘 모르겠다면 '소유자' 권한 부여서비스..
[SQL/BigQuery] ARRAY, STRUCT 그리고 UNNEST를 통한 평탄화 과정(Section 2-2)
·
데이터베이스 DB/BigQuery
💻본 포스팅은 [인프런] 카일스쿨의 BigQuery(SQL) 활용편을 기반으로요약 및 실습한 기록을 정리했습니다.1. 데이터 미리보기를 통한 구조 이해문제 1preferred_language 라는 ARRAY가 존재 : 제일 심플한 경우나머지 데이터들은 단일 값만 존재하는 field 문제 2actors.actor와 actors.character에 대해 주목해야함여기서 actors는 array field 혹은 ARRAY OF STRUCT라고 표현함actors.actor 에서 actor는 nested filed 결론적으로 actors는 배열(ARRAY), actor과 character는 actors에 포함된 구조(STRUCT)이다.actors.actor = ARRAY / actors.character = ..