AI 활용 - 자연어로 데이터 분석하기

최근에 학습한 AI 실습에서 인상깊었던 점을 정리하고자 한다. 

기존에는 데이터를 분석할 때, 숫자로 된 결과를 해석하기 위해 복잡한 차트를 만들고, 시각화를 했다. 그리고 이를 해석하여, 결론과 대응안을 준비했다. 

그런데 LLM을 활용하면, 이 과정의 일부가 생략되고, 단순해진다. 숫자로 된 결과를 자연어로 변환한 후, LLM에게 질문하면, 바로 결론과 대응안을  얻을 수 있다. 

기존의 분석 과정

1. 데이터프레임으로 결과 확인

   cluster  avg_spend  orders_per_person  days_since_last_order
0        1      48.32               1.36                 384.37
1        2     202.34               1.30                 482.62
2        3      45.68               1.36                 585.40
3        4      44.71               1.36                 466.26
4        5      58.08               3.92                 427.36

2. 시각화 도구로 차트 생성 (히트맵, 산점도, 막대그래프 등)

3. 차트를 보며 패턴 파악

4. 도메인 지식을 바탕으로 해석

5. 대응안 수립

 

이 모든 과정에는 데이터 분석 전문성과 상당한 시간이 필요했다.

 

간소화된 접근법

이제는 동일한 데이터를 AI가 이해할 수 있는 자연어로 한 번만 변환하면 된다. 

클러스터 1, 평균 지출액 $48.32, 1인당 주문 횟수 1.36회, 마지막 주문 이후 경과일수 384.37일
클러스터 2, 평균 지출액 $202.34, 1인당 주문 횟수 1.3회, 마지막 주문 이후 경과일수 482.62일
클러스터 3, 평균 지출액 $45.68, 1인당 주문 횟수 1.36회, 마지막 주문 이후 경과일수 585.4일
클러스터 4, 평균 지출액 $44.71, 1인당 주문 횟수 1.36회, 마지막 주문 이후 경과일수 466.26일
클러스터 5, 평균 지출액 $58.08, 1인당 주문 횟수 3.92회, 마지막 주문 이후 경과일수 427.36일

이 한 번의 변환 후에는 시각화나 복잡한 해석 과정 없이 바로 "이 고객들을 어떻게 마케팅해야 할까?"라고 물어볼 수 있다. 5단계의 복잡한 과정이 2단계로 단축되었다. 그리고 데이터 분석의 출발점 자체가 "기술적 방법론"에서 "질문"으로 이동하였다.

더 나아가, 이러한 자연어 데이터를 전략적 프롬프트와 결합하여 실행 가능한 인사이트를 생성할 수 있다. 

당신은 창의적인 브랜드 전략가입니다. 주어진 클러스터를 바탕으로 창의적인 브랜드 페르소나,
눈에 띄는 제목, 그리고 다음 마케팅 실행 방안을 단계별로 설명하여 제시하세요.

각 클러스터별로:
* 제목:
* 페르소나:
* 다음 마케팅 단계:

이 프롬프트의 결과로 다음과 같은 구체적인 실행 계획을 얻을 수 있다. 

Cluster 1: "The Occasional Shoppers"

페르소나: 산발적 구매 패턴을 보이는 고객들로 할인과 프로모션에 반응
마케팅 전략: 할인 혜택으로 구매 빈도 증가 유도
Cluster 2: "The Loyal Customers"

페르소나: 브랜드 충성도가 높고 재구매율이 높은 고객들
마케팅 전략: 로열티 프로그램과 VIP 혜택으로 충성도 강화
Cluster 3: "The Lapsed Customers"

페르소나: 오랫동안 구매하지 않은 이탈 고객들
마케팅 전략: 특별 할인으로 재활성화 캠페인 진행
Cluster 4: "The Bargain Hunters"

페르소나: 가격에 민감하고 경쟁사 제품과 비교하는 고객들
마케팅 전략: 정기적인 할인 혜택으로 구매 유지
Cluster 5: "The Power Buyers"

페르소나: 가장 가치 있는 고객으로 높은 구매력과 브랜드 옹호 성향
마케팅 전략: VIP 대우와 추천 프로그램을 통한 확장 전략

단순한 숫자가 고객 페르소나와 즉시 실행 가능한 액션으로 변환되었다. 이로서 데이터 리터러시가 부족하여도, 바로 이해하고 실행할 수 있는 구체적인 계획을 얻을 수 있게 되었다. 

 

참고 

동영상

실습

https://www.cloudskillsboost.google/paths/236/