🛒 E-Commerce Data Analysis (UCI Online Retail)

UCI Online Retail 데이터셋을 활용하여 이커머스 매출 및 주문 추이를 분석하고 마케팅 인사이트를 도출한 프로젝트입니다.

---

📅 Today I Learned (TIL)

매일의 분석 과정과 새롭게 배운 점들을 날짜별로 기록하고 있습니다.

• 📂 매일의 분석 일지 확인하기 (TIL 폴더) ↗ (폴더로 이동하시면 날짜별 파일 목록을 바로 확인하실 수 있습니다.)

---

📈 주요 분석 내용

1. 월별 매출 및 주문 트렌드 분석

• pd.to_datetime을 활용한 시계열 데이터 전처리 및 월별 파생변수 생성
• groupby와 agg(nunique) 조합으로 월별 총 매출액, 주문 건수, 객단가(AOV) 산출
• seaborn 라이브러리를 활용한 매출액 추이 시계열 시각화

2. 시계열 데이터의 예외 사항 처리

• 2011년 12월 데이터 급감 이슈: 데이터 분석 중 12월 매출이 폭락한 것을 발견, 확인 결과 12월 전체가 아닌 9일치 데이터만 존재함을 파악하여 데이터 해석의 왜곡 방지

3. 매출 폭증 원인 분석 (9월 트렌드)

• 2011년 9월 매출이 급증한 원인을 파악하기 위해 주문 건수와 객단가를 쪼개어 분석
• 분석 결과 주문 건수의 증가보다 객단가(AOV)가 최고점을 찍은 것을 확인
• 인사이트: 대량 구매자(큰손) 유입 또는 객단가가 높은 상품의 판매 증가 가설 수립 및 검증

---

🛠️ 사용 기술 및 라이브러리

• Language: Python
• Libraries: Pandas, Seaborn, Matplotlib
• Tool: VS Code / Jupyter Notebook

---

📂 디렉토리 구조

ecommerce/
├── TIL/                        # 일자별 마크다운 기록 폴더
├── data.csv                    # 원본 데이터셋
├── ecommerce.py                # 파이썬 분석 소스 코드
└── README.md                   # 프로젝트 설명 문서