P7-1.1 프로젝트 질문과 입력 정의¶

Section ID: P7-1.1 Version: v2026.08.01

프로젝트는 모델을 고르기 전에 무엇을 알고 싶은가, 한 행이 무엇을 뜻하는가, 무엇과 비교할 것인가를 정합니다. 이 세 가지가 있어야 요약값이 다음 분석의 근거가 됩니다.

모델보다 앞서는 질문과 단위¶

모델 선택보다 먼저 데이터의 행과 열, 행이 뜻하는 단위, 비교할 기간을 확인합니다. 같은 로그라도 하루를 한 건으로 합칠지, 특정 날짜의 특정 채널을 한 건으로 볼지에 따라 다음 표와 검토 우선순위가 달라집니다. 이 절은 그 차이를 모델 없이 먼저 확인합니다.

일자와 채널-일자¶

최근 14일 유입 채널 운영 로그 발췌를 사용합니다. 핵심은 전체 일별 합계만 보면 약한 하락처럼 보이지만, 채널-일자(channel-day) 단위로 다시 묶으면 광고 유입만 크게 무너졌다는 점이 드러난다는 것입니다.

예제에서 한 행은 하루 전체가 아니라 특정 날짜의 특정 채널입니다. 즉, 이 절의 첫 실습 포인트는 숫자를 계산하는 일보다 먼저 한 행이 무엇을 뜻하는가를 분명히 잡는 데 있습니다.

아래는 본문에서 실제로 쓸 CSV의 일부 발췌입니다.

이 예제는 외부 로그를 그대로 복제한 것은 아니지만, 전체 합계는 크게 흔들리지 않는데 특정 유입 채널만 급격히 악화되는 운영 상황을 실제 프로젝트처럼 읽을 수 있도록 만든 자체 사례입니다.

집계 전에 멈춰야 할 해석¶

이 사례의 첫 질문은 최근 7일의 전체 전환율이 낮아졌는가?입니다. 하지만 그 질문에 그렇다라고 답한 다음 곧바로 서비스 전체가 나빠졌다고 쓰면, 행의 단위가 지워집니다. 아래 흐름처럼 전체 집계는 이상 신호를 찾는 출발점으로만 쓰고, 그 다음에 채널-일자 행으로 돌아와 신호가 모인 위치를 확인합니다.

flowchart TD
  A["문제 장면<br/>전체 전환율이 조금 내려감"]
  B["빠른 판단<br/>서비스 전체가 나빠졌다"]
  C["입력 단위 확인<br/>하루 전체인가 채널-일자인가"]
  D["채널별 비교<br/>하락이 어디에 몰렸는가"]
  E["오류율 함께 확인<br/>같이 튄 신호가 있는가"]
  F["더 안전한 판단<br/>전체 문제인지 특정 채널 문제인지 구분"]

  A --> B
  A --> C --> D --> E --> F

여기서 더 안전한 판단은 원인을 알아냈다는 뜻이 아닙니다. 전체 문제와 특정 채널 문제 중 어느 쪽을 먼저 검토할지 좁혔다는 뜻입니다. 이 차이를 유지하면, 뒤의 표와 그래프를 원인 증명 자료가 아니라 다음 로그를 열 순서를 정하는 자료로 읽을 수 있습니다.

일자 집계와 채널-일자 집계 비교¶

예제는 14일 운영 로그를 읽고 하루 전체와 채널-일자라는 두 단위에서 무엇이 보이는지 비교합니다. 기준선 7일과 최근 7일의 일자 집계를 먼저 읽고, 최근 기간에서 전환율이 가장 낮은 채널-일자 세 건을 찾습니다.

• 문제 상황: 최근 7일 동안 가입 전환율(conversion rate)이 떨어졌다는 제보가 들어왔다.
• 입력: date, channel, visitors, signups, errors
• 기대 출력:
• 기준선 7일과 최근 7일의 전체 전환율 비교
• 전환율이 가장 낮은 최근 채널-일자 세 건과 오류율
• 확인할 개념:
• 한 행이 무엇인가를 먼저 잡아야 비교 기준이 흔들리지 않는다
• 전체 합계만 보면 놓치는 문제가 채널 단위 비교에서 드러날 수 있다
• 데이터 분석 프로젝트의 첫 성공은 원인을 단정하는 것이 아니라 다음 검토 우선순위를 만드는 것이다

실습용 CSV를 코드 안에 직접 넣지 않고 p7-1-traffic-log.csv에 둡니다. Python 코드는 그 파일을 읽는 단계부터 시작합니다. 아래 코드는 이 저장소의 최상위 디렉터리에서 실행합니다.

이 코드에서 summarize()는 먼저 visitors, signups, errors를 각각 더한 뒤 전환율과 오류율을 계산합니다. 하루 방문자가 100명인 날과 1,000명인 날을 같은 비중으로 평균내지 않기 위해서입니다. 따라서 일자 집계 기준선의 10.51%는 7일 전환율의 단순 평균이 아니라, 기준선 7일의 전체 가입 수를 전체 방문자 수로 나눈 값입니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89

# 웹 트래픽 로그를 일자와 채널-일자 단위로 읽어 이상 신호가 드러나는 위치를 비교하는 예제입니다.
import csv
from collections import defaultdict
from datetime import datetime
from pathlib import Path

data_path = Path("docs/assets/part-07/chapter-01/p7-1-traffic-log.csv")
rows = list(csv.DictReader(data_path.open(encoding="utf-8")))
for row in rows:
    row["date"] = datetime.strptime(row["date"], "%Y-%m-%d").date()
    row["visitors"] = int(row["visitors"])
    row["signups"] = int(row["signups"])
    row["errors"] = int(row["errors"])
    if row["visitors"] <= 0:
        raise ValueError(f"{row['date']}, {row['channel']} 행의 visitors는 0보다 커야 합니다.")

# 조작 변수: 이 날짜를 바꾸면 기준선과 최근 구간의 경계가 달라집니다.
cutoff = datetime.strptime("2026-06-08", "%Y-%m-%d").date()
baseline_rows = [row for row in rows if row["date"] < cutoff]
recent_rows = [row for row in rows if row["date"] >= cutoff]
if not baseline_rows or not recent_rows:
    raise ValueError("cutoff 양쪽에 행이 있어야 합니다. 입력 파일의 날짜 범위를 확인하세요.")

# 조작 변수: 최근 ads 행마다 더하거나 뺄 오류 건수입니다.
ads_recent_error_adjustment = 0
for row in recent_rows:
    if row["channel"] == "ads":
        row["errors"] = max(0, row["errors"] + ads_recent_error_adjustment)

def summarize(group_rows):
    visitors = sum(row["visitors"] for row in group_rows)
    signups = sum(row["signups"] for row in group_rows)
    errors = sum(row["errors"] for row in group_rows)
    if visitors == 0:
        raise ValueError("비교 구간에 visitors가 없습니다. cutoff 날짜나 입력 파일을 확인하세요.")
    return {
        "visitors": visitors,
        "signups": signups,
        "errors": errors,
        "conversion_rate": round(signups / visitors, 4),
        "error_rate": round(errors / visitors, 4),
    }

# 같은 날짜의 세 채널을 합치면 하루가 한 샘플이 됩니다.
by_date = defaultdict(list)
for row in rows:
    by_date[row["date"]].append(row)

daily_summary = [
    {"date": date, **summarize(day_rows)}
    for date, day_rows in sorted(by_date.items())
]
baseline_daily = [row for row in daily_summary if row["date"] < cutoff]
recent_daily = [row for row in daily_summary if row["date"] >= cutoff]
daily_baseline = summarize(baseline_daily)
daily_recent = summarize(recent_daily)

# 원본의 한 행은 이미 하나의 채널-일자입니다.
recent_channel_days = []
for row in recent_rows:
    recent_channel_days.append({
        "date": row["date"].isoformat(),
        "channel": row["channel"],
        "conversion_rate": round(row["signups"] / row["visitors"], 4),
        "error_rate": round(row["errors"] / row["visitors"], 4),
    })
recent_channel_days.sort(key=lambda row: row["conversion_rate"])

channel_comparisons = []
for channel in sorted({row["channel"] for row in rows}):
    baseline = summarize([row for row in baseline_rows if row["channel"] == channel])
    recent = summarize([row for row in recent_rows if row["channel"] == channel])
    channel_comparisons.append({
        "channel": channel,
        "baseline_conversion": baseline["conversion_rate"],
        "recent_conversion": recent["conversion_rate"],
        "baseline_error": baseline["error_rate"],
        "recent_error": recent["error_rate"],
    })

print("일자 집계 기준선 =", daily_baseline)
print("일자 집계 최근 =", daily_recent)
print("읽은 파일 =", str(data_path))
print("전환율이 낮은 최근 채널-일자 3건 =")
for row in recent_channel_days[:3]:
    print(row)
print("채널별 기준선/최근 =")
for comparison in channel_comparisons:
    print(comparison)

같은 행을 세 방식으로 읽기¶

코드는 CSV의 원본 행을 세 가지 방식으로 사용합니다.

세 출력은 같은 숫자를 중복해서 보여 주는 것이 아닙니다. 첫 출력은 변화 신호를 찾고, 두 번째 출력은 변화가 모인 채널을 찾고, 세 번째 출력은 사람이 바로 검토할 행을 고릅니다.

기본 cutoff에서는 기준선과 최근 구간이 각각 7일입니다. 다른 날짜로 바꾸면 두 구간의 길이도 함께 달라집니다. 실행 결과 예시는 다음과 같습니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

일자 집계 기준선 = {'visitors': 8950, 'signups': 941, 'errors': 30, 'conversion_rate': 0.1051, 'error_rate': 0.0034}
일자 집계 최근 = {'visitors': 9759, 'signups': 920, 'errors': 64, 'conversion_rate': 0.0943, 'error_rate': 0.0066}
읽은 파일 = docs/assets/part-07/chapter-01/p7-1-traffic-log.csv
전환율이 낮은 최근 채널-일자 3건 =
{'date': '2026-06-13', 'channel': 'ads', 'conversion_rate': 0.0582, 'error_rate': 0.0177}
{'date': '2026-06-11', 'channel': 'ads', 'conversion_rate': 0.059, 'error_rate': 0.0205}
{'date': '2026-06-14', 'channel': 'ads', 'conversion_rate': 0.0593, 'error_rate': 0.0198}
채널별 기준선/최근 =
{'channel': 'ads', 'baseline_conversion': 0.0978, 'recent_conversion': 0.0617, 'baseline_error': 0.0071, 'recent_error': 0.0185}
{'channel': 'organic', 'baseline_conversion': 0.1217, 'recent_conversion': 0.1207, 'baseline_error': 0.0019, 'recent_error': 0.0018}
{'channel': 'search', 'baseline_conversion': 0.0894, 'recent_conversion': 0.0886, 'baseline_error': 0.0024, 'recent_error': 0.0023}

채널-일자 그래프로 변화 위치 읽기¶

기간별 표는 기준선과 최근의 차이를 압축해 보여 줍니다. 아래 그래프는 같은 CSV를 채널-일자 단위로 다시 그려, 그 차이가 어느 날짜부터 어느 채널에서 이어졌는지 보여 줍니다. 점선은 각 채널의 기준선 7일 가중 비율이고, 옅은 노란 영역은 최근 7일입니다.

그래프에서 먼저 읽을 사실은 ads의 두 선이 최근 구간에서 함께 멀어진다는 것입니다. 위 패널에서는 ads 전환율이 기준선 점선 아래로 내려가고, 아래 패널에서는 ads 오류율이 기준선 점선 위로 올라갑니다. 반면 organic과 search는 두 패널에서 큰 방향 전환이 없습니다.

이 그림을 읽을 때는 세 단계를 구분합니다.

1. 관찰: 최근 구간에서 ads의 전환율 하락과 오류율 상승이 함께 보인다.
2. 아직 모르는 것: 오류 증가가 전환율 하락을 일으켰는지, 둘 다 다른 변화의 결과인지는 이 CSV만으로 알 수 없다.
3. 다음 확인: ads landing page 배포 이력, 추적 스크립트 오류 유형, 브라우저·캠페인별 로그를 먼저 비교한다.

따라서 그래프는 원인을 증명하지 않습니다. 기간 전체의 요약값과 함께 ads 유입 경로를 먼저 검토할 근거를 더 분명하게 만드는 역할을 합니다.

집계 단위가 바꾸는 결론¶

이 출력은 일자 집계, 채널별 기간 비교, 최근 채널-일자라는 세 단위에서 읽어야 합니다.

하루를 한 샘플로 합치면 전체 하락 신호는 보이지만 원인은 아직 흐릿합니다.

채널별 기준선과 최근을 나란히 놓으면 하락이 ads에만 집중됐음을 확인할 수 있습니다.

최근 채널-일자 세 건은 실제로 어느 날짜와 채널을 먼저 열어 볼지 알려 줍니다.

이 세 표가 보여 주는 첫 번째 교훈은 한 행을 무엇으로 볼 것인가에 따라 프로젝트 결론이 달라진다는 점입니다.

• 하루 전체를 샘플로 보면 전환율이 조금 내려갔다는 약한 결론만 남습니다.
• 채널-일자를 샘플로 보면 최근 전환율이 가장 낮은 세 건이 모두 ads라는 더 구체적인 사실이 나옵니다.

두 번째 교훈은 전환율 하락만 보는 것보다 오류율 변화를 같이 봐야 다음 질문이 더 선명해진다는 점입니다.

• ads만 기준선보다 전환율이 크게 낮아지고 오류율이 높아졌으므로, 다음 확인은 서비스 전체 메시지 문제보다 ads 유입 경로의 추적 스크립트, landing page, 특정 브라우저 쪽으로 좁혀집니다.

즉, 데이터 분석 프로젝트의 첫 성공은 원인을 단정했다가 아니라 다음 검토 우선순위를 더 좁혔다는 데 있습니다.

예제에서 확인해야 할 결과는 코드가 해석 문장까지 대신 쓰는가가 아닙니다. 코드 출력에서 일자 집계와 채널-일자를 분리해 얻고, 그 위에 사람이 다음 질문을 얹을 수 있는가가 더 중요합니다.

기준선 경계가 바꾸는 최근 세 건¶

기본값인 cutoff = 2026-06-08에서는 최근 7일의 최저 전환율 세 건에 2026-06-11이 들어갑니다. 2026-06-12로 바꾸면 그 날은 기준선 쪽으로 이동하고, 최근 세 건에는 2026-06-12가 새로 들어옵니다.

이 비교는 어느 날부터 최근으로 볼 것인가가 보고서의 사실 목록을 바꾼다는 뜻입니다. 어느 경계가 정답인지는 코드가 결정하지 않습니다. 배포일, 캠페인 시작일, 장애 발생일처럼 질문과 연결되는 기준을 사람이 선택해야 합니다.

오류 신호가 바꾸는 다음 질문¶

ads_recent_error_adjustment는 최근 ads 행마다 같은 오류 건수를 더하거나 뺍니다. 기본 cutoff에서는 ads 행 7건 모두에 적용됩니다. 기본값과 -3을 비교하면 전환율 순위는 같지만, 오류 신호를 해석하는 방향은 달라집니다.

오류율이 낮아져도 원인이 확정되는 것은 아닙니다. 다만 전환율과 함께 움직이던 오류 신호가 약해졌으므로, 다음 확인의 우선순위가 달라집니다.

경계와 오류 신호를 바꾸면¶

값을 조금만 바꿔도 어떤 비교 단위에서 이상 신호가 보이는가가 달라집니다. 처음 실행한 뒤에는 다음 두 가지만 직접 바꿔 보는 편이 좋습니다.

1. cutoff 날짜를 2026-06-10이나 2026-06-12로 바꿔 봅니다. 관찰할 점: 전환율이 가장 낮은 최근 채널-일자 세 건의 날짜, 채널, 전환율이 어떻게 바뀌는가?

2. ads_recent_error_adjustment를 -3으로 바꿔 봅니다. 관찰할 점: 전환율 순서는 그대로인데 오류율이 낮아지면, 다음 질문이 서비스 오류보다 유입 품질 변화 쪽으로 이동하는가?

즉, 핵심 확인 기준은 숫자를 맞게 계산했는가보다 비교 구간과 열 하나를 바꾸면 본문에서 정리할 해석과 다음 질문이 어떻게 달라지는가입니다.

체크리스트¶

이 다섯 칸이 채워지면 질문과 입력 단위, 기준점, 다음 질문이 문서에 남습니다. 아직 모델을 만들지 않았더라도 프로젝트는 이미 다음 비교를 시작할 수 있는 상태입니다.

출처와 참고 자료¶

• Python Software Foundation, csv — CSV File Reading and Writing, Python 3 Documentation, 확인 날짜: 2026-06-29. https://docs.python.org/3/library/csv.html