Discover Offline Data: 8월 2018

안녕하세요, 로플랫입니다.

영등포 지역은 4개의 백화점이 밀집해 있는 대규모 상권 중에 하나 입니다.

백화점의 입장에서는 다양한 매장이 입점해 있어서 방문객의 백화점 내 매장 이용 행태에 대한 관심과 궁금증이 높을 것 같습니다.

거기에 인접한 경쟁 백화점과의 경쟁이나 소비자 선호 등 사업자 측면에서도 답을 찾고 싶은 질문이 많을 것 같구요.

이러한 질문에 답을 하기 위해 로플랫이 영등포 상권 백화점 이용 행태 데이터를 분석해 보았습니다.

➤ 분석 데이터

본격적인 분석 내용 소개에 앞서서 분석에 사용한 데이터에 대해 살펴보겠습니다.

로플랫이 쌓고 있는 방대한 데이터 중, 2018년 1월부터 4월까지 4개월간의 분석 대상 백화점 이용 정보를 활용했습니다.

이번 분석을 위해서 MAU 약 150만 명으로부터 발생하는 일 1500만 건 이상의 위치 확인 요청 기록을 바탕으로 축적한 약 12억 건의 방문 기록 데이터를 사용 했는데요.

로플랫에서는 평소 더 방대하고 복잡한 데이터 분석을 처리하기 위해 요즘 많이 알려지고 있는 Google Bigquery와 데이터 엔지니어와 과학자에게 각광 받고 있는 Python, R 등의 도구를 사용하고 있습니다.

➤ 백화점으로 인입

먼저 백화점 별로 얼마나 방문 했는지를 봤습니다. Unique visitor 기준입니다.

C백화점이 가장 방문자 수가 많네요.

그렇다면 한 명의 고객이 4개월간 평균적으로 몇 번을 방문할까요?

평균적으로는 2회정도 되는 것 같네요. (전체 평균)

조금 더 자세히 살펴보겠습니다.

높은 비율로 기간 중에 한 번 방문한 것으로 보이는데, D백화점은 2회 이상 방문한 비율도 적지 않습니다. 5회 이상 방문한 비율도 10% 정도 되네요.

➤ 백화점 내 이동

자, 이제 백화점 내 방문 데이터를 살펴보겠습니다.

[층별 방문 행태 분석 - A백화점]

[층별 방문 행태 분석 - B백화점]

[층별 방문 행태 분석 - C백화점]

[층별 방문 행태 분석 - D백화점]

분석 대상으로 삼은 4개 백화점 공통으로 식품/푸드/식당이 높은 방문 분포를 차지하고 있습니다. 실제 백화점에 가도 항상 붐비는 곳이 그대로 숫자로 나타나고 있네요.

방문객들이 식당가에서 가장 오랜시간을 머무르는 것으로 나타나고 있는데요. 백화점 입장에서 생각해 보면 이러한 데이터 분석을 토대로 다양한 시도를 해볼 수 있을 것 같습니다.

예를 들어, 식당가의 대기 시간이 너무 길다고 확인되면 상대적으로 한가한 식당을 안내해서 회전율(매출)을 높일 수도 있을 것 같습니다.

또한 방문객들의 식당 브랜드 선호도, 인입 추이를 통해 식당 입점 계획에 반영할 수도 있을 것 같습니다.

백화점 들어오면 다양한 매장과 상품을 구경하고는 합니다. (보통 다리가 아플때 까지 하지요..)

하지만 실제 매장 방문(2분 이상 체류)로 기준을 높여 보면 대부분의 고객이 1개층 또는 2개층을 방문하고 있는 것으로 나타났습니다. 실질적인 구매 관련 행위는 제한적이라고 해석이 가능합니다.

➤ 백화점 간 이용

[표: 4개 백화점 방문객의 타 백화점 이용현황]

분석 대상 백화점의 방문객은 (당연하게도) 다른 백화점도 이용합니다. 조금 더 해석을 해보면 동매장 비율과 주변 백화점 이용 비율이 높은 것으로 보아 특정 상권을 선호하는 경향이 있는 것 같습니다. 타 백화점 방문 1/2/3위가 대부분 동일 상권에 속한 분석 대상 백화점들로 나타났습니다.