[ADD] Bedrock-Manus, Deep Research with Strands SDK

Author: Dongjin Jang

genai/aws-gen-ai-kr/20_applications/08_bedrock_manus/use_cases/02_insight_extractor_strands_sdk/final_report.md

@@ -0,0 +1,335 @@
+# 아마존 상품판매 데이터 분석 및 마케팅 인사이트 보고서
+
+## 목차
+
+1. [개요](#1-개요)
+2. [주요 발견사항](#2-주요-발견사항)
+3. [데이터 분석](#3-데이터-분석)
+   3.1. [데이터 구조 및 전처리](#31-데이터-구조-및-전처리)
+   3.2. [상품 판매 트렌드 분석](#32-상품-판매-트렌드-분석)
+   3.3. [변수 관계 및 심층 분석](#33-변수-관계-및-심층-분석)
+   3.4. [마케팅 인사이트 추출을 위한 심층 분석](#34-마케팅-인사이트-추출을-위한-심층-분석)
+4. [마케팅 인사이트](#4-마케팅-인사이트)
+5. [마케팅 전략 제안](#5-마케팅-전략-제안)
+6. [결론](#6-결론)
+
+## 1. 개요
+
+본 보고서는 아마존 상품판매 데이터를 분석하여 마케팅 인사이트를 도출하기 위해 작성되었습니다. 데이터셋은 총 128,975개의 주문 데이터와 24개의 변수를 포함하고 있으며, 이를 통해 기본 데이터 구조 탐색, 상품 판매 트렌드 분석, 변수 간 관계 분석, 그리고 다양한 변수 조합을 통한 심층 분석을 수행했습니다.
+
+분석 결과, 카테고리별 매출 차이, 지역별 판매 특성, 배송 서비스 효과, 주문 취소 패턴 등 다양한 인사이트를 발견할 수 있었습니다. 이러한 인사이트는 제품 구성 최적화, 지역 타겟팅 전략, 프로모션 효과성 향상, 그리고 고객 이탈 방지를 위한 마케팅 전략 개발에 활용될 수 있습니다.
+
+## 2. 주요 발견사항
+
+- **카테고리 성과:** Set 카테고리가 가장 높은 매출(약 3,920만)을 기록했으며, 그 다음으로 kurta(약 2,130만)와 Western Dress(약 1,120만) 순입니다.
+- **지역별 판매:** Maharashtra, Karnataka, Tamil Nadu 지역이 매출 상위 지역으로, 이 세 지역이 전체 매출의 상당 부분을 차지하고 있습니다.
+- **판매 채널:** B2C 판매 채널이 B2B 채널보다 매출 기여도가 월등히 높습니다(B2C: 7,800만 vs B2B: 59만).
+- **배송 서비스:** Expedited(빠른 배송) 서비스가 Standard 배송보다 높은 매출과 주문 수를 기록하여 고객이 빠른 배송을 선호함을 보여줍니다.
+- **시간적 패턴:** 주말(토요일, 일요일)에 판매가 가장 많으며, 4월과 5월에 매출이 높게 나타납니다.
+- **주문 취소율:** 전체 주문 중 약 8.88%가 취소되었으며, 배송 서비스 수준에 따라 취소율에 차이가 있습니다(Standard: 13.37%, Expedited: 6.80%).
+- **프로모션 효과:** 프로모션을 적용한 주문이 그렇지 않은 주문보다 높은 매출을 기록하여 프로모션이 판매 촉진에 효과적임을 보여줍니다.
+
+## 3. 데이터 분석
+
+### 3.1. 데이터 구조 및 전처리
+
+아마존 판매 데이터 구조 및 전처리 분석 결과입니다.
+
+1. 데이터 크기: 128,975개 행과 24개 열로 구성
+2. 주요 결측치: Courier Status(6,872), currency 및 Amount(7,795), promotion-ids(49,153), fulfilled-by(89,698)
+3. 주요 범주형 컬럼: Status, Fulfilment, Sales Channel, Category, ship-service-level, ship-state 등
+4. 주요 수치형 컬럼: Qty(수량), Amount(금액)
+5. 날짜 데이터는 datetime 형식으로 변환하여 시간 기반 분석 준비
+6. 수량(Qty)과 금액(Amount) 간 상관관계는 중간 정도 수준
+
+### 3.2. 상품 판매 트렌드 분석
+
+아마존 상품의 판매 트렌드에 대한 분석 결과입니다.
+
+1. 카테고리별 매출 분석:
+   - Set 카테고리가 가장 높은 매출을 기록
+   - 그 다음으로 kurta와 Western Dress 순
+   - 최상위 카테고리(Set)와 최하위 카테고리(Bottom) 간 매출 차이가 매우 큼
+
+2. 카테고리별 주문 수량:
+   - 매출과 유사한 패턴을 보이나, 일부 카테고리는 주문 수량에 비해 매출이 높게 나타남
+   - 이는 제품별 가격 차이에서 기인
+
+3. 일자별 매출 트렌드:
+   - 일별 매출은 변동성이 크게 나타남
+   - 특정일에 매출이 급증하는 패턴이 관찰됨
+
+4. 요일별 매출 분석:
+   - 주말(토요일, 일요일)에 매출이 가장 높음
+   - 화요일이 평일 중 가장 높은 매출을 기록
+
+5. 월별 매출 추이:
+   - 4월과 5월에 매출이 높게 나타남
+   - 계절적 요인이 판매에 영향을 미치는 것으로 분석됨
+
+6. 판매 채널 및 B2B 분석:
+   - Amazon 채널이 가장 높은 매출 기여도를 보임
+   - B2C 판매가 B2B 판매보다 매출 기여도가 높음
+
+![카테고리별 총 매출 시각화](./artifacts/category_sales.png)
+
+*카테고리별 총 매출 시각화*
+
+![카테고리별 총 주문 수량 시각화](./artifacts/category_orders.png)
+
+*카테고리별 총 주문 수량 시각화*
+
+![일자별 매출 트렌드 그래프](./artifacts/daily_sales_trend.png)
+
+*일자별 매출 트렌드 그래프*
+
+![요일별 총 매출 그래프](./artifacts/weekday_sales.png)
+
+*요일별 총 매출 그래프*
+
+![월별 총 매출 그래프](./artifacts/monthly_sales.png)
+
+*월별 총 매출 그래프*
+
+![판매 채널별 총 매출 그래프](./artifacts/channel_sales.png)
+
+*판매 채널별 총 매출 그래프*
+
+![B2B vs B2C 매출 비교 그래프](./artifacts/b2b_sales.png)
+
+*B2B vs B2C 매출 비교 그래프*
+
+### 3.3. 변수 관계 및 심층 분석
+
+아마존 상품 판매 데이터의 변수 관계 및 심층 분석 결과입니다.
+
+1. 주/지역별 판매 분석:
+   - Maharashtra, Karnataka, Tamil Nadu가 매출 상위 지역
+   - 상위 3개 지역이 전체 매출의 상당 부분을 차지
+
+2. 도시별 판매 분석:
+   - 대도시들이 주요 매출 기여 도시로 나타남
+   - Bangalore, Mumbai, Pune의 매출이 두드러짐
+
+3. 배송 서비스 수준 분석:
+   - Expedited 배송이 Standard 배송보다 높은 매출과 주문 수 기록
+   - 빠른 배송 서비스가 고객 선호도가 높은 것으로 분석됨
+
+4. 제품 사이즈별 분석:
+   - 특정 사이즈(M, L, XL, S)의 매출 기여도가 높음
+   - Free Size 제품도 높은 매출 기록
+
+5. 카테고리와 사이즈의 관계:
+   - Set 카테고리는 다양한 사이즈에서 고른 매출을 보임
+   - Western Dress는 특정 사이즈(M, L)에 매출이 집중됨
+
+6. 주문 상태 분석:
+   - 대부분의 주문이 정상 배송 완료됨
+   - 취소된 주문 비율도 상당함 (약 15%)
+
+7. 택배 상태 분석:
+   - 주요 배송 상태가 다양하게 분포됨
+   - 특정 배송 상태에 따른 매출 차이 확인됨
+
+8. 프로모션 활용 분석:
+   - 프로모션을 적용한 주문의 총 매출이 그렇지 않은 주문보다 높음
+   - 프로모션이 판매 촉진에 효과적인 것으로 분석됨
+
+![상위 10개 주/지역별 총 매출 그래프](./artifacts/top_states_sales.png)
+
+*상위 10개 주/지역별 총 매출 그래프*
+
+![상위 15개 도시별 총 매출 그래프](./artifacts/top_cities_sales.png)
+
+*상위 15개 도시별 총 매출 그래프*
+
+![배송 서비스 수준별 총 매출 그래프](./artifacts/service_level_sales.png)
+
+*배송 서비스 수준별 총 매출 그래프*
+
+![배송 서비스 수준별 주문 수 그래프](./artifacts/service_level_count.png)
+
+*배송 서비스 수준별 주문 수 그래프*
+
+![상위 10개 사이즈별 총 매출 그래프](./artifacts/size_sales.png)
+
+*상위 10개 사이즈별 총 매출 그래프*
+
+![카테고리와 사이즈별 매출 히트맵](./artifacts/category_size_heatmap.png)
+
+*카테고리와 사이즈별 매출 히트맵*
+
+![주문 상태별 건수 그래프](./artifacts/order_status_counts.png)
+
+*주문 상태별 건수 그래프*
+
+![택배 상태별 건수 그래프](./artifacts/courier_status_counts.png)
+
+*택배 상태별 건수 그래프*
+
+![프로모션 적용 여부에 따른 총 매출 그래프](./artifacts/promotion_sales.png)
+
+*프로모션 적용 여부에 따른 총 매출 그래프*
+
+### 3.4. 마케팅 인사이트 추출을 위한 심층 분석
+
+아마존 상품 판매 데이터에서 마케팅 인사이트 도출을 위한 심층 분석 결과입니다.
+
+1. 주문 취소율 분석:
+   - 전체 주문 중 취소율은 8.88%로 나타남
+   - 취소된 주문이 매출 손실과 재고 관리에 영향을 줄 수 있음
+
+2. 요일별 주문 취소율:
+   - 요일에 따라 취소율의 차이가 있음
+   - 특정 요일에 취소율이 높게 나타나는 패턴 확인
+
+3. 카테고리별 주문 취소율:
+   - 카테고리별로 취소율의 차이가 두드러짐
+   - 일부 카테고리는 상대적으로 높은 취소율을 보임
+
+4. 평균 주문 가치(AOV) 분석:
+   - 평균 주문 금액은 695.33로 나타남
+   - 주문 금액 분포는 특정 범위에 집중됨
+
+5. 배송 서비스 수준에 따른 취소율 분석:
+   - 배송 서비스 수준에 따라 취소율의 차이가 있음
+   - 배송 옵션이 고객 만족도와 주문 완료율에 영향을 미침
+
+6. 지역별 취소율 분석:
+   - 일부 지역은 현저히 높은 취소율을 보임
+   - 지역별 물류 및 마케팅 전략 조정이 필요함
+
+7. 제품 인기도와 재고 회전율 분석:
+   - 일부 스타일이 매출과 주문 수량에서 높은 성과를 보임
+   - 인기 제품을 중심으로 한 마케팅 전략이 효과적일 수 있음
+
+8. B2B/B2C와 카테고리 교차 분석:
+   - B2B와 B2C 시장에서 선호되는 카테고리에 차이가 있음
+   - 채널별로 최적화된 제품 구성 전략이 필요함
+
+![전체 주문 취소율 파이 차트](./artifacts/order_cancellation_rate.png)
+
+*전체 주문 취소율 파이 차트*
+
+![요일별 주문 취소율 그래프](./artifacts/weekday_cancellation_rate.png)
+
+*요일별 주문 취소율 그래프*
+
+![카테고리별 주문 취소율 그래프](./artifacts/category_cancellation_rate.png)
+
+*카테고리별 주문 취소율 그래프*
+
+![주문당 평균 금액 분포 그래프](./artifacts/average_order_value.png)
+
+*주문당 평균 금액 분포 그래프*
+
+![배송 서비스 수준별 취소율 그래프](./artifacts/service_level_cancellation_rate.png)
+
+*배송 서비스 수준별 취소율 그래프*
+
+![취소율 상위 10개 지역 그래프](./artifacts/top10_state_cancellation_rate.png)
+
+*취소율 상위 10개 지역 그래프*
+
+![수량 기준 상위 20개 스타일 그래프](./artifacts/top20_styles_by_quantity.png)
+
+*수량 기준 상위 20개 스타일 그래프*
+
+![매출 기준 상위 20개 스타일 그래프](./artifacts/top20_styles_by_sales.png)
+
+*매출 기준 상위 20개 스타일 그래프*
+
+![B2B/B2C별 카테고리 매출 그래프](./artifacts/b2b_category_sales.png)
+
+*B2B/B2C별 카테고리 매출 그래프*
+
+## 4. 마케팅 인사이트
+
+### 4.1. 제품 포트폴리오 인사이트
+
+데이터 분석에서 도출된 제품 포트폴리오 관련 주요 인사이트는 다음과 같습니다:
+
+- **카테고리 성과 차이:** Set, kurta, Western Dress 카테고리가 전체 매출의 대부분을 차지하고 있어, 이들 카테고리는 핵심 제품군으로 중점 관리가 필요합니다.
+- **사이즈 최적화:** M, L, XL 사이즈의 판매가 높게 나타나므로, 이들 사이즈의 재고 확보가 중요합니다. 특히 Western Dress는 M, L 사이즈에 매출이 집중되어 있습니다.
+- **인기 스타일:** 특정 스타일(JNE3797, JNE3405, SET268 등)이 높은 판매 성과를 보이므로, 이러한 스타일의 디자인 요소를 참고한 신제품 개발이 유망합니다.
+
+### 4.2. 판매 채널 및 고객 인사이트
+
+판매 채널 및 고객 관련 인사이트는 다음과 같습니다:
+
+- **B2C 중심 전략:** B2C 채널이 매출의 대부분을 차지하므로, 소비자 직접 판매에 대한 마케팅 자원 집중이 필요합니다.
+- **지역별 타겟팅:** Maharashtra, Karnataka, Tamil Nadu와 같은 상위 매출 지역에 맞춤형 마케팅이 효과적일 수 있습니다.
+- **도시 집중도:** Bengaluru, Hyderabad, Mumbai 등 대도시가 매출 기여도가 높으므로, 도시별 특성을 고려한 마케팅 전략이 필요합니다.
+
+### 4.3. 운영 및 서비스 인사이트
+
+운영 및 서비스 관련 인사이트는 다음과 같습니다:
+
+- **배송 서비스 중요성:** 고객들은 빠른 배송(Expedited)을 선호하며, 이는 취소율 감소에도 영향을 미칩니다.
+- **취소율 관리:** 일부 지역과 카테고리에서 높은 취소율이 나타나므로, 이에 대한 원인 분석과 대응책 마련이 필요합니다.
+- **주문 가치:** 평균 주문 금액(AOV)이 695.33으로 나타나며, 이를 높이기 위한 번들링, 업셀링 전략이 고려될 수 있습니다.
+
+### 4.4. 시간적 패턴 인사이트
+
+시간적 패턴 관련 인사이트는 다음과 같습니다:
+
+- **주말 판매 집중:** 주말(토요일, 일요일)에 판매가 집중되므로, 이 시기에 프로모션을 강화하는 것이 효과적일 수 있습니다.
+- **계절적 피크:** 4월과 5월의 매출이 높게 나타나므로, 이 기간에 맞춘 마케팅 캠페인 계획이 필요합니다.
+- **특정일 판매 급증:** 일부 특정일에 매출이 급증하는 패턴이 관찰되므로, 이러한 패턴의 원인 파악과 활용이 중요합니다.
+
+### 4.5. 프로모션 효과 인사이트
+
+프로모션 관련 인사이트는 다음과 같습니다:
+
+- **프로모션 효과성:** 프로모션이 적용된 주문이 더 높은 매출을 기록하여, 효과적인 프로모션 전략의 중요성이 확인되었습니다.
+- **타겟 프로모션:** 취소율이 높은 카테고리나 지역에 맞춤형 프로모션을 제공하여 구매 완료율을 높일 수 있습니다.
+
+## 5. 마케팅 전략 제안
+
+### 5.1. 제품 포트폴리오 전략
+
+1. **핵심 카테고리 강화:** Set, kurta, Western Dress 카테고리에 마케팅 자원을 집중하되, 다양성을 확보하여 고객 선택의 폭을 넓힙니다.
+2. **사이즈 최적화:** 카테고리별 인기 사이즈 분석을 바탕으로 재고 관리를 최적화하고, 사이즈 가이드를 개선하여 고객이 적합한 사이즈를 선택할 수 있도록 지원합니다.
+3. **인기 스타일 활용:** 높은 판매 실적을 보이는 스타일의 디자인 요소를 분석하고, 이를 신제품 개발에 반영합니다.
+
+### 5.2. 지역 타겟팅 전략
+
+1. **핵심 지역 집중:** Maharashtra, Karnataka, Tamil Nadu와 같은 주요 매출 지역에 특화된 마케팅 캠페인을 개발합니다.
+2. **도시별 맞춤 전략:** Bengaluru, Mumbai, Hyderabad 등 주요 도시의 특성과 소비자 행동을 고려한 타겟 마케팅을 실시합니다.
+3. **취소율 관리 지역:** 취소율이 높은 지역(Meghalaya, Rajshthan 등)에 대한 원인 분석과 개선 전략을 수립합니다.
+
+### 5.3. 채널 최적화 전략
+
+1. **B2C 경험 향상:** B2C 고객을 위한 사용자 경험을 개선하고, 개인화된 추천 시스템을 도입하여 고객 만족도를 높입니다.
+2. **B2B 틈새시장 개발:** 현재는 작지만 성장 가능성이 있는 B2B 시장을 위한 특별 프로그램을 개발하고, 카테고리별 B2B 수요를 분석합니다.
+
+### 5.4. 운영 및 서비스 전략
+
+1. **배송 서비스 강화:** Expedited 배송의 혜택을 강조하고, 무료 빠른 배송 프로모션을 통해 주문 완료율을 높입니다.
+2. **취소 방지 프로그램:** 주문 취소의 주요 원인을 파악하고, 취소 방지를 위한 프로그램(재고 확인 강화, 신뢰성 있는 제품 정보 제공 등)을 도입합니다.
+3. **AOV 증가 전략:** 추천 상품, 번들 할인, 무료 배송 임계값 설정 등을 통해 평균 주문 금액을 증가시킵니다.
+
+### 5.5. 시간 기반 마케팅 전략
+
+1. **주말 프로모션:** 주말에 특별 프로모션과 이벤트를 집중적으로 실시하여 이미 높은 판매 성과를 극대화합니다.
+2. **시즌별 캠페인:** 4월과 5월의 판매 성수기에 맞춘 시즌 캠페인을 계획하고, 비수기를 위한 특별 이벤트를 개발합니다.
+
+### 5.6. 마케팅 커뮤니케이션 전략
+
+1. **프로모션 최적화:** 데이터 분석을 통해 효과적인 프로모션 유형과 타이밍을 파악하고, 이를 마케팅 커뮤니케이션에 활용합니다.
+2. **타겟 메시징:** 지역, 카테고리, 사이즈 선호도 등에 따른 세그먼트별 맞춤형 메시지를 개발하여 커뮤니케이션 효과를 높입니다.
+
+## 6. 결론
+
+아마존 상품판매 데이터 분석을 통해 제품 포트폴리오, 고객 행동, 운영 효율성, 그리고 마케팅 효과성에 대한 다양한 인사이트를 발견할 수 있었습니다. 이러한 인사이트는 데이터 기반의 의사결정을 통해 마케팅 전략을 최적화하고 비즈니스 성과를 향상시키는 데 활용될 수 있습니다.
+
+주요 결론은 다음과 같습니다:
+
+1. Set, kurta, Western Dress와 같은 핵심 카테고리에 마케팅 자원을 집중하되, 다양한 사이즈 옵션을 제공하여 고객 만족도를 높여야 합니다.
+2. Maharashtra, Karnataka, Tamil Nadu 등 주요 매출 지역과 Bengaluru, Mumbai, Hyderabad 등 핵심 도시에 맞춤형 마케팅 전략을 적용해야 합니다.
+3. B2C 판매 채널이 주요 매출원이므로, 소비자 직접 판매에 대한 경험을 지속적으로 개선해야 합니다.
+4. 빠른 배송 서비스는 고객 만족도와 주문 완료율에 긍정적 영향을 미치므로, 이를 마케팅 메시지로 활용해야 합니다.
+5. 주말과 4-5월에 매출이 집중되므로, 이 시기에 맞춘 프로모션 전략이 효과적일 수 있습니다.
+6. 프로모션은 판매 촉진에 효과적이므로, 데이터 분석을 통해 최적의 프로모션 전략을 개발해야 합니다.
+
+이러한 결론과 제안된 전략은 아마존 판매자들이 경쟁이 치열한 마켓플레이스에서 차별화된 위치를 확보하고, 고객 만족도를 높이며, 지속 가능한 성장을 달성하는 데 도움이 될 것입니다. 추가적으로, 지속적인 데이터 모니터링과 분석을 통해 시장 변화에 빠르게 대응하고, 전략을 지속적으로 최적화하는 것이 중요합니다.