Ch5. 사용자를 파악하기 위한 데이터 추출

11강. 사용자 전체의 특징과 경향 찾기

CUBE 함수를 사용하여 모든 액션 조합에 대한 사용자 수 계산 COUNT(*) 와 COUNT(1) 은 동일한 기능이다 CUBE를 쓰지 않으면 UNION 기능을 많이 써야해서 성능이 떨어진다.

WITH user_action_flag AS (
 SELECT user_id, 
        SIGN (SUM (CASE WHEN action='purchase' 
        THEN 1 ELSE 0 END )) AS has_purchase, 
        SIGN (SUM (CASE WHEN action='review' 
        THEN 1 ELSE 0 END )) AS has_review, 
        SIGN (SUM (CASE WHEN action='favorite' 
        THEN 1 ELSE 0 END )) AS has_favorite 
  FROM action_log GROUP BY user_id ) , 
  
       action_venn_diagram AS ( 
--CUBE를 사용해서 모든 액션 조합 구하기 
       SELECT has_purchase, has_review, has_favorite, 
       count(1) as users 
  FROM user_action_flag 
  GROUP BY CUBE (has_purchase, has_review, has_favorite) )
  
SELECT * 
FROM action_venn_diagram 
ORDER BY has_purchase, has_review, has_favorite ;

DECILE 분석을 사용해 사용자를 10단계 그룹으로 나눌때 Ntile 함수 사용. RFM 분석은 3차원 그래프로 표현하며 Decline 함수보다 더 정밀하게 분석할 수 있다

12강. 시계열에 따른 사용자 전체의 상태 변화 찾기

+ 13강. 시계열에 따른 사용자의 개별적인 행동 분석하기

!!지속률과 정착률 사용 구분 중요

사용자에게 기대하는 사용 사이클은 서비스별로 다름. 지속률 : 사용자가 매일 사용했으면 하는 서비스 ex) 뉴스 사이트, 소셜 게임, sns등 정착률 : 사용자에게 어떤 목적이 생겼을 때 사용했으면 하는 서비스 ex)이커머스, 리뷰, Q&A하이트

MAU 리텐션, 그로스 해킹을 위한 성장 지표, 리드타 SQL 분석 예제 등