구매 예측 분석
구매 가능성 예측에서 ‘며칠 이내’가 기준이 되는 이유
발행
구매 예측에 기간을 붙이면 점수가 뜻하는 결제 시점과 결과를 평가할 시점이 분명해집니다. 첫 결제 1건이 정해진 출발점에서 정해진 기간 안에 발생하는지를 묻는 것이 핵심입니다. 같은 이용자라도 짧은 기간의 구매 확률과 긴 기간의 구매 확률은 서로 다른 질문의 답입니다. 앱 매출 최적화에 쓰는 예측도 운영상 결정을 내릴 시점에 맞춰 해석합니다.
기간에 따라 달라지는 구매의 정답
첫 유료 결제 1건을 예측 대상으로 정했다면, 정한 기한 뒤에 발생한 결제는 그 기간 안의 구매로 세지 않습니다. 예측 기간에 따라 정답이 달라집니다. 동일한 사람이 동일한 출발점 뒤에 결제를 완료했어도 짧은 기한의 예측에서는 미구매로, 긴 기한의 예측에서는 구매로 기록됩니다. 뒤늦은 구매만으로 짧은 기간의 판정까지 구매로 바꾸지는 않습니다. 같은 기준시점과 같은 결제 사건을 놓고 비교하면 긴 기간 안의 누적 구매 확률은 짧은 기간 안의 누적 구매 확률보다 작지 않습니다. 별도로 계산한 점수가 이 순서를 거스른다면 기간별 정의와 계산 방식의 점검 대상입니다. 높은 점수만으로 결제가 임박했다고 해석하지 않는 이유가 여기에 있습니다.
예측의 출발점과 결제 사건의 정의
출발점부터 고정합니다. 입력 기록을 모으는 구간과 결제를 판정하는 구간은 2개로 나누며 기준시점 이후의 행동을 예측 입력에 섞지 않습니다. 출발점을 앱에서 요금 화면을 연 시점으로 정하는 방식과 가입 시점으로 정하는 방식은 서로 다른 질문입니다. 동일한 이용자의 기록을 쓰더라도 구매까지 기다리는 시간의 시작이 다르기 때문입니다. 기업용 구독에서는 예측 단위를 이용자로 둘지 계정으로 둘지도 정합니다. 계정의 첫 결제를 예측한다면 소속 이용자의 화면 조회는 구매 성과가 아니며 자동 갱신 결제도 별개의 사건입니다. 구매는 결제 완료로 정의하고 환불을 뺀 매출은 별도 지표로 남겨 학습과 운영에 같은 판정 규칙을 적용합니다.
운영 목적에 맞춘 예측 기간의 선택
체험 종료 시점에 안내를 결정한다면 그때 필요한 판단에 맞춰 예측 기한을 잡습니다. 예측 기한을 정할 때는 각 계정에서 첫 결제 1건이 발생하기까지 걸린 시간을 기록하고 그 결과를 운영자가 실제로 안내를 보낼 시점이나 매출을 집계할 시점과 나란히 놓습니다. 긴 기간이 정답은 아닙니다. 기존에 결제한 사람의 소요 시간만 보고 기한을 정하면 아직 결제하지 않은 사람의 관측 상태가 빠지므로 미구매 기록도 함께 다룹니다. 짧은 기간과 긴 기간의 점수를 나란히 쓰는 경우에는 각 점수 옆에 출발점과 기한을 표시합니다. 기간을 바꾼 뒤에는 이전 점수와 정확도를 그대로 이어 비교하지 않고 새 정의로 다시 평가합니다.
관측 중인 기록과 미구매 기록의 구분
기다리는 중은 미구매가 아닙니다. 구매를 1, 기간 내 미구매를 0으로 표시하는 방식에서는 구매가 관측되면 1로 판정하지만 0은 정한 기간 끝까지 구매가 없었다는 관측이 필요합니다. 데이터를 모은 시점에 예측 기한이 아직 끝나지 않은 이용자를 미구매로 처리하면 오류가 생깁니다. 결제할 시간이 남아 있어 결과가 정해지지 않은 기록을 이미 관측이 끝난 기록과 같은 정답으로 넣기 때문입니다. 기한 전의 기록은 판정을 보류하거나 관측이 중간에 끝났다는 정보를 다루는 생존분석 방식으로 처리합니다. 로그가 끊겨 구매 여부를 알 수 없는 상태도 미구매로 단정하지 않습니다. 결과를 평가할 때는 구매 여부와 함께 실제로 어디까지 관측했는지를 대조합니다.
시간 순서와 확률의 의미를 지키는 평가
학습용 기록과 평가용 기록은 2개 묶음으로 나눕니다. 학습에 쓰는 구매 결과는 평가 대상의 예측 기준시점 전에 확정된 기록으로 제한합니다. 평가할 때도 시간 순서를 지킵니다. 가입과 결제 사이의 미래 기록이 입력에 들어가거나 평가용 기록까지 포함해 입력값의 변환 기준을 계산하면 실제 운영에서 알 수 없던 정보를 평가 과정에서 미리 쓰는 셈입니다. 평가에서는 정해진 기간을 끝까지 관측한 대상을 기준으로 높은 점수 집단에 구매가 모이는지와 예측 확률이 실제 구매 비율에 가까운지를 따로 비교합니다. 구매가 드문 자료에서 미구매만 답해도 정답 비율이 높아지는 경우를 구분하는 과정도 포함합니다. 예측 기간과 대상 계정의 범위가 같은 결과끼리 비교해야 점수 변화의 의미가 선명해집니다.
구매 예측과 가격 반응 사이의 경계
구매 확률과 가격 변경의 영향은 2개의 질문입니다. 현재 가격에서 살 가능성이 높다는 결과만으로 더 높은 가격도 받아들인다고 해석하지 않습니다. 가격 반응은 별개입니다. 구매가 적게 예측된 집단에 할인을 제시한 뒤 결제가 늘더라도 같은 기간에 할인이 없었던 비교 대상이 없다면 증가분 가운데 어느 부분이 할인 때문에 생겼는지 따로 구분해 계산하지 못합니다. 동적 가격을 검토하는 가격 최적화 작업에서는 허용된 가격 범위 안에서 비교 집단을 무작위로 나누고 동일한 기간의 결제 결과를 비교하는 실험을 설계합니다. 실험 결과는 결제 건수와 환불을 반영한 매출을 구분해 읽습니다. 구매 예측 점수는 실험 대상을 정의하는 정보이며 가격 변경의 성과를 대신하는 증거로 쓰지 않습니다.
핵심 요약
- 구매 예측의 정답은 결제 1건의 존재뿐 아니라 그 결제가 정해진 기한 안에 일어났는지까지 포함합니다.
- 구매 1과 미구매 0을 구분할 때는 결과를 관측한 범위도 함께 기록하며 기한이 남은 상태를 미구매로 채우지 않습니다.
- 학습과 평가라는 2개 묶음은 실제 예측 시점에 알았던 정보의 범위를 지켜 분리합니다.
- 구매 가능성과 가격 변경의 영향은 2개 질문으로 나눠 검증하며 높은 구매 점수만으로 가격 인상의 근거를 만들지 않습니다.
자주 묻는 질문
구매 예측 기간은 길수록 유리한가요?
긴 기간이 늘 유리하지는 않습니다. 첫 결제 1건을 누적해서 다루면 기간이 늘어날수록 구매로 판정될 기회는 넓어지지만 짧은 기한의 운영 판단에 필요한 답과는 멀어질 수 있습니다. 결정을 내릴 시점에 맞춰 기간을 정합니다.
같은 이용자에게 기간별 점수가 달라도 되나요?
서로 다른 기한의 구매를 묻기 때문에 달라도 됩니다. 같은 출발점 이후 첫 결제 1건을 누적 확률로 다룬다면 긴 기간의 값이 짧은 기간의 값보다 작지 않아야 합니다. 예측 출발점이나 구매 사건이 다르면 이 관계를 그대로 적용하지 않습니다.
예측 기한이 끝나지 않았는데 미구매로 표시해도 되나요?
미구매를 뜻하는 0으로 확정하지 않습니다. 정한 기한이 남아 있다면 이후 결제 여부가 아직 정해지지 않은 기록입니다. 판정을 보류하거나 관측 종료 정보를 다루는 분석 방식으로 처리합니다.
구매 가능성이 낮으면 가격을 내려야 하나요?
낮은 구매 가능성만으로 인하를 결정하지 않습니다. 현재 조건의 구매 가능성은 가격을 낮췄을 때 얼마나 더 구매하는지에 대한 답이 아닙니다. 실험에서 가격을 달리 적용한 2개 집단을 비교할 때는 같은 관측 기간의 결제 결과와 환불을 반영한 매출을 따로 평가합니다.
— Monetai · calendly.com