성공 확률 (p): 그래프 그리기 ">성공 확률 (p): 그래프 그리기  "성공확률이 0.85이다."라고 할 때, 이걸 어떻게 받아들여야 하는 걸까? 어떻게 남에게 설득해야 할까? 시각화를 통해서 보여주면 좀 더 와닿을지도 모르겠다.  기하분포(geometric distribution)는 확률이 p로 정해져 있을 때, 성공할 때까지 시도한 횟수에 대한 분포이다. 다시 말해, 성공확률이 고정되었을 때, 몇 번 시도해야 실제로 성공하겠냐는 걸 분포로서 보여준다. 성공확률이 높으면 첫 번째만에 성공할 확률이 높고, 성공확률이 낮으면 여러 번 시도해야 성공할 확률이 높을 것이다.   위의 그래프는 확률에 따라 기하분포의 분포가 어떻게 변하는지를 보여준다. 한번 해..

1. 프로덕트 기획 단계에서의 인과추론적용 사례:고객 행동 분석: 특정 요인이 사용자 이탈(Churn)에 미치는 영향을 분석.예: "이탈률이 높은 고객은 무료 체험 기간이 짧기 때문인가?"기능 우선순위 결정: 특정 기능이 사용자 만족도나 전환율에 미치는 영향을 파악.예: "검색 기능 개선이 실제로 구매 전환율을 높이는가?"사용 방법론:회귀 불연속 설계(RD): 무료 체험 기간이 경계값(예: 14일)에서 어떻게 행동에 영향을 주는지 분석.도구변수(IV): 직접 실험이 어려운 경우 대체 변수를 통해 인과 관계를 추론.2. 그로스 분석과 마케팅 전략적용 사례:마케팅 캠페인 효과 분석: 특정 마케팅 활동이 매출 증가에 얼마나 영향을 미치는지 파악.예: "할인 쿠폰이 매출 증가에 기여했는가, 아니면 기존 구매자만..

1. 데이터 분석 종류(?) 혹은 데이터 분석을 사용하게 되는 경우 크게 나누면 페르소나 작성, 그로스 관련 분석, A/B 테스트, 시장 세분화에서의 클러스터링, UX 리서치로 분류할 수 있다. 1) 페르소나 작성 : 데이터로 그려내는 '완벽한 고객의 초상화목표: 사용자 유형에 대한 구체적인 이해.활용 데이터:인구통계학적 정보(나이, 직업, 위치).심리학적 데이터(동기, 목표, 좌절 요인).행동 데이터(구매 빈도, 관심사, 선호 채널).결과물: 각 사용자 군에 맞는 페르소나와 이를 기반으로 한 제품 및 서비스 설계.2) 그로스 분석 : '성장 공식'을 찾아서목표: 고객 획득, 유지, 재참여를 위한 전략 수립.활용 데이터:코호트 분석(신규 vs 기존 사용자 행동 비교).LTV(고객 생애 가치)와 CAC(고..