[kaggle] Netflix Movies and TV Shows EDA 및 비즈니스 인사이트 전략

1. 분석 목표

2. EDA 개요

3. EDA 탐구 및 인사이트

1. 분석 목표

콘텐츠 추가 패턴 분석
- 목표: 콘텐츠 업데이트 주기 분석으로 주기적 변화 파악.
- KPI: 월별 및 분기별 콘텐츠 추가 빈도, 주기적 변화율.
장르 선호도 분석
- 목표: 시즌별 인기 장르 변화 분석.
- KPI: 분기별 장르 점유율, 인기 장르 변화 트렌드.

2. EDA 개요

- date_added 컬럼을 이용해 넷플릭스 콘텐츠 추가 추이를 살펴보았다. (시계열 분석)

- 시간의 흐름에 따라 콘텐츠가 추가되는 추세이나, 콘텐츠가 많이 늘리거나 적게 늘리는 주기가 반복되는거 같아 그 주기를 탐구해보기로 하였다.

2. EDA 탐구 및 인사이트

가설 1. 특정 시즌(연말, 분기,요일)에 집중될 것이다 - 주기 분석

i) 월별 콘텐츠 추가 추이

- 7월과 12월이 가장 업로드가 많이 되는 달이다.

⇒ 💡 7월은 여름 휴가철의 시작, 12월 또한 연말이기에 1년 중 BIG EVENT 시즌이라고 할 수 있다.

ii) 분기별 그래프 구분

- 분기별로 그래프를 나누어 살펴보면 'V' 자의 형태가 반복되는 것을 알 수 있다.

⇒ 💡 분기의 '시작 달'에 콘텐츠 추가를 늘리고 있다. (예외 4분기 - 4분기는 12월에 힘을 주고 있기 때문)

⇒ 💡 분기의 시작을 넷플릭스한테는 중요한 시점일 수 있겠다. (구독을 유도해야하는 시기)

💲 비즈니스 인사이트

분석 결과 요약

7월과 12월에 콘텐츠 업로드가 많음.
분기 시작(1월, 4월, 7월)에 콘텐츠 추가가 활발하지만, 중간 달에 감소

비즈니스 인사이트

시즌별 캠페인 강화:
- 7월과 12월은 넷플릭스가 새로운 구독자를 유도할 수 있는 좋은 시즌
  여름 휴가와 연말 시즌에 맞춘 마케팅 캠페인(광고, 할인 프로모션)을 실행.
중간 달 전략 재고:
- 중간 달(예: 2월, 5월, 8월)의 콘텐츠 감소는 구독 유지율 하락 가능성 증가.
- 중간 달에는 대규모 신규 콘텐츠가 아닌 기존 콘텐츠를 활용한 추천 알고리즘 최적화 콘텐츠를 제안.
분기 시작 시기 강조:
- 분기 시작에 맞춰 중요한 콘텐츠를 런칭하며, 이를 활용한 미디어 커버리지 극대화.
- 분기 시작과 함께 단기 무료 체험 캠페인을 시행하여 신규 유입 구독자를 유도.

가설2. 시기마다 업로드 되는 장르가 구별될 것이다.

i) 분기별 주요 콘텐츠 장르 비교 (top 5)

- 분기별 주요 장르 top 5는 다음과 같다.

1위: Dramas

2위: Comedies

3위: International TV Shows

4위: International Movies

5위: Action & Adventure

- 3분기만 Action & Adventure 이 5위에서 4위로 치고 올라간다!

- 분기별로 장르 인기도가 다를 가능성 확인 ✔

ii) 분기별 장르 점유율 비교

- 장르별로 어떤 분기에 점유율이 높은지 알아보기 위한 것이다

- 전반적으로, 추가되는 장르들은 균형이 잡혀있다는 것을 알 수 있다.

- 유독 두드러지는 것들을 살펴보자면 (7월 12일이 중요 시즌이니 3분기와 4분기를 위주로 살펴보았을 때)

3분기

action & adventure
TV Mtsterieis

4분기

children & famaily movies
comedies
romantic movies
TV comedies

⇒ 💡 3분기는 액션 스릴러와 같은 타격감 있고 시원한 것을 사람들이 선호하는 경향이 있고, 4분기는 연말이라 따뜻한 분위기의 작품을 선호한다는 것을 알수있다.

💲 비즈니스 인사이트

분석 결과 요약

3분기는 액션 & 어드벤처, 스릴러 같은 강렬하고 시원한 장르 선호.
4분기는 로맨틱, 코미디, 가족용 따뜻한 콘텐츠의 선호도 상승.

비즈니스 인사이트

계절적 선호 장르에 따른 제작 및 마케팅:
- 3분기: 여름 시즌에 맞춘 액션 블록버스터나 스릴러 시리즈를 선보임으로써 사용자 참여를 유도.
- 4분기: 연말 분위기를 반영한 가족 영화, 연말 특집 코미디와 같은 따뜻한 콘텐츠 제작 및 추천.
- 특정 장르의 시즌별 선호도를 반영하여 넷플릭스 자체 제작 콘텐츠(Netflix Originals) 라인업 강화.
장르 중심의 지역화 전략:
- 특정 지역에서 특정 장르의 선호도가 강하다면, 이를 기반으로 지역 맞춤형 프로모션을 진행.
- 예: 한국에서 액션 & 어드벤처, 인도에서 로맨틱 코미디 등의 현지화된 추천 시스템 활용.

분석하면서 배운것 🔍

재귀함수 + 다중 값이 들어있는 행 분리

점유율 비교를 위한 listed_in 컬럼 전처리 과정 중

- listed_in 컬럼은 한 행에 값이 여러개가 ','로 연결되어 있다.

⇒ 값들을 분리하는 작업이 필요하다!

내가 시도한 쿼리

# anchor 부분 - 맨 처음 장르 뽑아내기 (남은 장르 컬럼을 만들어야 recursive 부분을 만들수 있다)
CREATE VIEW genre_split AS
WITH RECURSIVE genre_list AS(
SELECT CAST(SUBSTRING(show_id,2) AS UNSIGNED) AS show_id,
       STR_TO_DATE(date_added, ' %M %e, %Y') AS date_added,
       TRIM(SUBSTRING_INDEX(listed_in,',',1)) AS genre,
       TRIM(SUBSTRING(listed_in,LENGTH(SUBSTRING_INDEX(listed_in,',',1)) +2)) AS remaining,
       1 AS numero
FROM netflix_titles

# recursive 부분
UNION ALL
SELECT show_id,
       date_added,
       TRIM(SUBSTRING_INDEX(remaining,',',1)) AS genre,
       SUBSTRING(remaining,LENGTH(SUBSTRING_INDEX(remaining,',',1))+2) AS remaining,
       numero + 1 AS numero
FROM genre_list
WHERE remaining <> '' OR remaining LIKE '%,%')  # 종료조건인데 => remaining이 다 분리되고나서 ''도 remaining으로 간주될 가능성이 있으므로 조건 추가

SELECT show_id,
       date_added,
       genre,
       numero
FROM genre_list
ORDER BY show_id, numero;

재귀함수를 이용한 행 분리 작업

OUTPUT

여러번의 삽질이 있었지만 깔꼼하게 잘뽑혔다!

이렇게 재귀함수도 배우고 행 분리법도 배웠다! 럭키비키!🍀

'데이터 분석 프로젝트' 카테고리의 다른 글

Superstore: 커머스 데이터 EDA를 통한 수익성 강화 액션 플랜 🚧진행중 (0)	2025.01.13

컴맹 탈출기🐥