ShopEasy는 2025년 3분기 이커머스 주문, 전환, 이탈 흐름을 한 화면에서 점검할 수 있도록 만든 서비스 지표 분석 대시보드입니다. 주문 감소를 단순 유입 감소로만 보지 않고, 카테고리, 진입 페이지, 디바이스, 연령대, 이탈 페이지 관점으로 나누어 구매 완료 흐름의 병목을 정리했습니다.
- Live Dashboard: dffxonnb-cyber.github.io/ShopEasy
- Repository Description: 2025년 3분기 이커머스 주문·전환·이탈 흐름을 분석한 ShopEasy 웹 대시보드.
- Project Type: E-commerce analytics / conversion analysis / web dashboard
- Data Type: 주문 데이터, 사용자 데이터, 세션 데이터
- Role: 데이터 설계, 지표 산출, 인사이트 정리, 웹 대시보드 구현, A/B 테스트 설계
ShopEasy는 2025년 7월부터 9월까지 전체 주문 수와 완료 주문 수가 함께 감소했습니다. 경영진 관점에서는 "주문이 줄었다"는 결과보다 다음 질문에 답하는 분석 구조가 필요했습니다.
| Question | Analysis Goal |
|---|---|
| 어떤 고객군에서 이탈 위험이 높은가? | 세그먼트별 이탈 위험 파악 |
| 어떤 카테고리에서 주문 완료율이 낮은가? | 전환 저하 카테고리 식별 |
| 세션 수 대비 구매 완료율이 낮은 흐름은 어디인가? | 진입, 탐색, 장바구니, 결제 병목 파악 |
- 월별 전체 주문 수와 완료 주문 수 변화
- 카테고리별 주문 완료율과 평균 객단가 비교
- 진입 페이지별 구매 전환율 비교
- 디바이스별 구매 전환 효율 비교
- 연령대별 이탈률과 고객 상태 분포
- 검색, 홈, 장바구니, 결제 단계의 이탈 신호
- 모바일 전자기기 구매 완료율 개선을 위한 A/B 테스트 제안
| Metric | Result | Interpretation |
|---|---|---|
| 전체 주문 | 1,000건 | 2025년 3분기 주문 분석 기준 |
| 완료 주문 | 688건 | 전체 완료율 68.8% |
| 완료 매출 | 89,439,000원 | 완료 주문 기준 3개월 누적 매출 |
| 전체 세션 | 2,000회 | 구매 완료 세션 174회, 세션 전환율 8.7% |
| 모바일 전환율 | 6.38% | 세션 규모는 가장 크지만 전환율은 가장 낮음 |
| 전자기기 완료율 | 52.34% | 평균 객단가는 가장 높지만 완료율은 가장 낮음 |
- 7월 대비 9월 전체 주문 수는 420건에서 240건으로 감소했고, 완료 주문 수는 305건에서 159건으로 감소했습니다.
- 전자기기 카테고리는 주문 완료율이 52.34%로 가장 낮고 평균 객단가가 270,009원으로 가장 높아 우선 개선 대상입니다.
- 모바일은 1,349회로 세션 수가 가장 많지만 구매 전환율은 6.38%로 가장 낮습니다.
- 홈과 검색 진입 유저는 세션 수는 많지만 구매 전환율이 낮아 탐색에서 상품상세, 장바구니, 결제까지 이어지는 흐름이 약합니다.
- 장바구니와 결제 페이지 이탈은 구매 의도가 높았던 사용자의 마찰 신호로 볼 수 있습니다.
가장 우선순위가 높은 실험은 모바일 전자기기 상품상세/장바구니 화면 개선 A/B 테스트입니다.
| Area | Proposal | KPI |
|---|---|---|
| 모바일 상품상세 | 혜택, 배송, 반품 정보를 더 명확히 노출 | 구매 완료율 |
| 장바구니 | 고가 상품의 추가 확인 요소를 짧게 정리 | 장바구니 이탈률 |
| 구매 CTA | 모바일에서 고정 구매 버튼과 핵심 혜택을 함께 노출 | 결제 시작률 |
분석 실습을 위해 생성한 더미 데이터를 사용했습니다. 단순 랜덤 데이터가 아니라 이커머스 지표 분석 흐름을 연습할 수 있도록 주문 감소, 카테고리별 완료율 차이, 디바이스별 전환율 차이, 고객 이탈 신호가 드러나도록 설계했습니다.
데이터는 scripts/generate_dataset.py에서 seed 고정 방식으로 다시 생성할 수 있습니다. 기본 seed는 20250930이며, 공개 검증 스크립트는 원천 CSV와 집계 CSV의 schema, row count, 핵심 지표 일관성을 함께 확인합니다.
python scripts/generate_dataset.py
python scripts/check_public_artifacts.py| File | Description |
|---|---|
dataset/shopeasy_orders.csv |
주문, 카테고리, 금액, 주문 상태, 주문일 |
dataset/shopeasy_users.csv |
사용자 연령대, 성별, 가입일, 최근 로그인, 구매 횟수 |
dataset/shopeasy_sessions.csv |
진입 페이지, 이탈 페이지, 체류시간, 디바이스, 구매 완료 여부 |
dataset/monthly_orders_result.csv |
월별 주문 수, 완료 주문 수, 완료율 |
dataset/category_completion_result.csv |
카테고리별 주문 완료율 |
dataset/device_conversion_result_fixed.csv |
디바이스별 구매 전환율 |
dataset/entry_page_conversion_result_fixed.csv |
진입 페이지별 구매 전환율 |
dataset/exit_page_analysis_result_fixed.csv |
이탈 페이지별 세션 수와 전환 신호 |
.
├── index.html
├── looker-dashboard/
│ ├── index.html
│ ├── styles.css
│ ├── script.js
│ └── assets/
├── dataset/
├── .github/workflows/deploy-pages.yml
└── README.md
- HTML
- CSS
- JavaScript
- Python/pandas 기반 지표 산출 결과 CSV
- GitHub Pages
- GitHub Actions
main 브랜치에 push하면 GitHub Actions가 looker-dashboard 산출물을 Pages artifact로 구성하고 GitHub Pages에 배포합니다.
정적 대시보드 프로젝트이므로 핵심 검증은 배포 대상 HTML, CSS, JavaScript, CSV 산출물이 모두 존재하고 내부 링크가 깨지지 않는지 확인하는 것입니다. 추가로 CSV schema, row count, 전체 주문/완료 주문 합계, 모바일 전환 저하 신호, 전자기기 완료율 저하 신호를 확인합니다.
python scripts/check_public_artifacts.pyGitHub Actions는 Pages artifact를 만들기 전에 같은 검증을 실행합니다.
검증 범위, 데이터 경계, 알려진 한계는 VERIFY.md에 정리했습니다.
이 저장소의 GitHub About 영역은 아래 값으로 맞춥니다.
- Description:
2025년 3분기 이커머스 주문·전환·이탈 흐름을 분석한 ShopEasy 웹 대시보드. - Website:
https://dffxonnb-cyber.github.io/ShopEasy/ - Topics:
ecommerce-analytics web-dashboard data-analysis javascript github-pages conversion-rate customer-segmentation ab-testing pandas business-intelligence