Gemini로 KPI 계산하기

1. Gemini로 KPI 계산하기

KPI가 무엇이고 어떤 것이 있는지 배웠으니 이제 실습입니다. orders.csv를 Colab에 올리고, 프롬프트 한 줄로 객단가와 재구매율을 뽑고, 카테고리별과 고객별로 파고들어 봅니다. 이 과정에서 데이터 분석에서 가장 많이 쓰는 기법인 그룹별 집계를 익힙니다. 결과가 나올 때마다 3장에서 배운 검증 3질문을 적용합니다.

1.1 데이터 다시 살펴보기

시작하기 전에 데이터의 열을 한 번 더 확인합니다.

3장 2절에서 배운 대로 Colab 새 노트북을 열고 왼쪽 파일 패널에 orders.csv를 올린 뒤 Gemini 채팅을 엽니다.

1.2 불러오고 규모 파악하기

먼저 데이터를 불러와 전체 규모부터 잡습니다.

orders.csv를 불러와서 첫 5줄을 보여줘

기간(가장 이른 날짜와 가장 늦은 날짜), 총 주문 건수, 고유 고객 수를 알려줘

기간은 2024-01-01부터 2024-12-31까지, 총 주문 3,567건, 고유 고객 2,000명이 나오면 데이터를 제대로 불러온 것입니다. 이 세 숫자는 앞으로 모든 계산의 기준이 되므로 메모해 두세요. 뒤에서 나오는 결과가 이 규모와 맞지 않으면 무언가 잘못된 것입니다.

1.3 카테고리별 객단가

객단가는 매출을 주문 수로 나눈 값입니다. 전체 하나만 보지 말고 카테고리별로 쪼개 봅니다.

카테고리별 객단가를 막대그래프로, 높은 순으로 보여줘

디지털이 전체 평균의 1.7배로 가장 높고, 홈리빙과 식품은 3만원대입니다. 여기서 검증할 것이 하나 있습니다. 객단가는 주문 1건당 평균 금액이므로 합계가 아니라 평균이어야 합니다. 그래프가 나오면 바로 물어보세요.

방금 객단가는 카테고리별 금액의 합계로 계산했어, 평균으로 계산했어?

평균이라는 답이 돌아와야 정상입니다. 만약 합계로 계산했다면 패션이 1위로 나왔을 것입니다. 패션은 주문 건수가 많아 매출 합계는 가장 크지만 건당 금액은 중간이기 때문입니다. 같은 "카테고리별"이라는 말도 합계인지 평균인지에 따라 순위가 완전히 뒤바뀝니다.

1.4 그룹별 집계, 가장 많이 쓰는 기법

방금 한 계산이 그룹별 집계(GroupBy)입니다. 데이터를 '무엇별'로 묶은 다음 각 그룹의 합계, 평균, 개수를 구하는 기법입니다. 카테고리별 객단가, 고객별 구매액, 월별 매출이 모두 여기에 해당합니다.

질문에 "○○별 △△"라는 말이 들어가면 거의 다 그룹별 집계입니다. 데이터 분석에서 가장 많이 쓰는 기법이고, 프롬프트로는 그저 "카테고리별로", "월별로", "고객별로"라고 말하면 됩니다. 다만 묶은 다음 무엇을 구할지, 곧 합계인지 평균인지 개수인지는 여러분이 정해 주어야 합니다. 정해 주지 않으면 AI가 임의로 고르고, 앞에서 본 것처럼 순위가 뒤바뀝니다.

1.5 재구매율

재구매율은 2번 이상 산 고객을 전체 고객으로 나눈 값입니다.

고객ID 기준으로, 2번 이상 주문한 고객의 비율(재구매율)을 계산해줘

약 30.2%가 나옵니다. 2,000명 중 약 605명이 다시 온 셈입니다. 열 명 중 세 명은 다시 온다는 뜻이고, 앞에서 본 대로 단골이 얼마나 되는지를 보여주는 중요한 지표입니다.

여기서도 검증할 것이 있습니다. '재구매'를 어떻게 정의했는지입니다. 2회 이상인지, 아니면 3회 이상으로 잡았는지, 같은 날 두 번 산 것도 재구매로 셌는지에 따라 숫자가 달라집니다. 프롬프트에 "2번 이상"이라고 명시했지만, AI가 정말 그렇게 계산했는지 한 번 더 물어 확인하세요.

1.6 핵심 고객과 파레토 분석

이번에는 고객별로 묶어 봅니다.

고객별 총 구매액을 계산해서, 상위 10명을 표로 보여줘

1위 고객 C1419의 총 구매액은 924,000원으로, 객단가의 18배에 가깝습니다. 상위 10명은 모두 55만원 이상을 썼습니다. 이 소수의 고객이 전체에서 얼마나 큰 비중을 차지하는지 확인합니다.

전체 매출에서 상위 20% 고객이 차지하는 비중을 알려줘

약 56%가 나옵니다. 고객 다섯 명 중 한 명이 매출의 절반 이상을 만들고 있습니다.

이렇게 "소수의 핵심이 전체의 큰 부분을 차지하는가"를 확인하는 분석을 파레토 분석이라고 합니다. 흔히 80/20 법칙이라고 부르는 그 관점입니다. 우리 데이터에서는 20%가 56%를 만드니 80%만큼 극단적이지는 않지만, 상위 고객에게 매출이 쏠려 있다는 사실은 분명합니다. 이 결과는 핵심 고객을 따로 찾아 집중 관리해야 한다는 근거가 됩니다.

고객 2,000명을 구매액이 큰 순서로 줄 세우고, 왼쪽부터 한 명씩 더해 가며 매출이 몇 %까지 쌓이는지 그린 파레토 곡선입니다. 가로축은 지금까지 센 고객의 비율, 세로축은 그 고객들이 만든 매출의 비율입니다. 모든 고객이 똑같이 샀다면 곡선은 회색 대각선과 겹칩니다. 우리 곡선은 왼쪽에서 가파르게 솟아, 20% 지점에서 이미 56.3%에 닿습니다. 같은 방식으로 읽으면 상위 10%(200명)가 37%, 상위 절반이 84%를 만듭니다. 상위 400명은 1년에 평균 3.9번 주문했고 나머지 1,600명은 평균 1.3번이었습니다. 큰손은 비싼 것을 한 번 산 사람이 아니라 여러 번 다시 온 사람이라는 뜻이고, 앞의 재구매율과 같은 이야기를 다른 각도에서 보여 줍니다. Gemini에게 "고객별 누적 매출 비중을 파레토 곡선으로 그려줘"라고 하면 같은 그래프를 받을 수 있습니다.

1.7 KPI 한 번에 요약하기

흩어진 계산을 한 번에 모읍니다.

핵심 KPI를 한 번에 정리해줘: 총 매출, 총 주문 건수, 객단가, 재구매율, 고객 수

이 표까지 나왔으면 KPI 계산은 끝입니다. 마지막으로 표의 숫자들이 서로 맞아떨어지는지 봅니다. 총 매출을 총 주문으로 나누면 객단가가 나와야 합니다. 1.84억을 3,567로 나누면 약 51,600원이니 맞습니다. 이렇게 부분과 전체가 맞는지 확인하는 것이 검증의 첫 번째 질문, 숫자가 상식적인가입니다.

1.8 직접 해보기

아래 세 가지를 3장에서 배운 좋은 질문 공식에 맞춰 스스로 프롬프트를 만들어 요청해 봅니다. 답을 받으면 검증 3질문을 적용하세요.

1. 카테고리별 재구매율을 계산해 봅니다. 카테고리 안에서 2번 이상 산 고객의 비율로 계산하면 디지털이 가장 낮고 식품이 가장 높게 나올 것입니다. 왜 전체 재구매율 30%보다 모두 낮게 나오는지 생각해 봅니다.
2. 월별 객단가가 어떻게 변하는지 확인합니다. 연말에 더 비싼 것을 사는지 살펴보고, 결과가 예상과 다르다면 그것도 하나의 발견으로 기록해 둡니다.
3. 한 번도 다시 오지 않은 1회 구매 고객이 몇 명인지 계산하고, 재구매 고객 수와 더해 2,000명이 되는지 확인합니다.
4. 객단가는 합계와 평균 중 무엇으로 계산해야 하고, 왜 검증이 필요한지 한 문장으로 답해 봅니다.
5. 상위 20% 고객이 매출의 큰 부분을 차지한다는 결과를 실제 가게에서 어떻게 활용할 수 있을지 행동 하나를 적어 봅니다.