#조사방법론2 - Danatics
Danatics
2022-12-13
| 알뜰폰 알리미
가. 서론
1. 팀원소개
| 팀원 소개
조사방법론2 (화, 수 C반) ‘Danatics’ 는 다음과 같은 구성원으로 이루어져 있다.
2. 일정관리
| 일정 관리
본 프로젝트의 일정은 다음과 같이 진행되었으며 주요 일정으로는 주제선정(약 3주), 데이터 수집(약 1주), 데이터 전처리(약 1주), 모델링 / 시각화(약 3주), UI/UX 디자인(약 2주) 으로 이루어 진다.
3. 사업소개
A.알뜰폰이란
- 알뜰폰이란 이동통신 재판매 서비스의 새로운 우리말로. 그 이름에서 유추할 수 있 듯 ’알뜰한 요금’으로 사용할 수 있는 휴대폰 요금제를 말한다.
- 주요 통신망 KT, SKT, LG 등의 망을 가진 사업자의 서비스를 이용하던 소비자가 기존 전화번호를 그대로 유지한 채 알뜰폰을 사용할 수 있게 하거나, 기존 이동통신 상품보다 절반 가까이 싼 가격 체계를 도입하는 등 매우 싼 가격과 편의로 고객들에게 서비스가 제공된다.
(1)동일품질 대비 저렴한 가격
| 동일 품질
기존 고객층들이 알뜰폰을 선호하는 가장 첫번째 이유로는 동일품질 대비 저렴한 가격에 있다.
이통사의 평균 다운로드 속도와 업로드 속도는 각각 190.09 Mbps, 53.46 Mpbs 인 반면 알뜰폰의 각 속도는 188.03Mbps 와 51.88 Mbps 로 얼마 차이가 나지 않음을 확인 할 수 있다.
| 저렴한 가격
- 하지만 각 요금제 별 가격은 적게는 1.5배 많게는 2배 정도 그 차이가 존재함을 알 수 있다.
(2)자급제의 특성
| 자급제
- 자급제 단말기란, 소비자가 통신사의 요금제 가입과 상관없이 전자기기 구매하듯 스마트폰을 구매하여 사용하는 것을 뜻한다.
- 그저 단말기만을 구매한 후 자신이 원하는 요금제를 선택하여 사용하는 것이 최근의 소비자 선호도이며 이는 다음과 같은 수치로 표현되고 있다.
(3)온라인 서비스의 특성
| 자급제
- 알뜰폰은 오직 온라인 서비스를 사용하여 상품을 판매하기 때문에, 인터넷에 검색하는 능력을 지녔다면 누구든, 쉽게 알뜰폰에 접근할 수 있다.
- 뿐만 아니라 약정이 존재하지 않아 아무런 제약없이 요금을 해지하고, 다시 원하는 상품을 골라 자신이 사용하고 있는 상품보다 더 저렴한 상품이 시중에 판매되고 있다면 언제든지 요금제를 바꿔 사용할 수 있다.
B.소비자의 니즈 파악
(1)알뜰폰의 높은 성장률
| 알뜰폰 높은 성장률
- 다음의 표는 이동통신서비스별 가입자 비중 표이다. 국내 이동통신 가입자는 꾸준히 증가하여 2022년 1월 말 기준 7,315만명에 이른다.
- 이러한 이동통신 시장의 양적 성장 속에서 알뜰폰 시장도 꾸준히 성장하여 2021년 11월에 1천만 가입자를 넘기고, 2022년 1월 기준 전체 가입자의 14.5%를 차지하고 있다.
(2)소비자의 불편함
| 소비자의 불편함
- 위와 같은 기사와 같이 저렴한 요금제를 사용하기 위해 다달이 프로모션을 신청하는 소비자들이 존재한다.
- 다만 이와 같은 소비자들이 매 달 진행되는 프로모션을 파악하고, 관리하기에는 바쁜 현대인에게 시간적 제약이 존재한다.
| 종합 벤다이어그램
C.알뜰폰 알리미란
| 사업 소개
- 소비자의 현재 요금제 정보를 입력, 추출한 데이터와 프로그램 체계를 통해 요금제 비교분석 후 ‘사용자와 유사한 요금제’ 중 가장 저렴한 요금제를 제시.
- 프로모션이 종료되는 시기에 맞추어 다음 프로모션 요금제 추천 알람 서비스로 제공된다.
나. 본론
1. 데이터 추출
A. 소스 탐색
| 데이터 추출 - 소스 탐색(1) 알뜰폰 허브, 모두의 요금제 모요, 플러스 알파
- 알뜰폰 요금제를 안내하는 사이트로는 알뜰폰 Hub, 모두의 요금제 모요, 플러스 알파 등 여러 경쟁사가 존재한다.
- 이 중 알뜰폰 Hub는 과학기술정보통신부 주관 제작 플랫폼이기에 정부 기관이라는 면에서 신뢰성이 상당하다.
- 타 플랫폼과 달리 프로젝트에서 핵심이 되는 프로모션 정보까지 제공하고 있다.
| 데이터 추출 - 소스 탐색(2) - 알뜰폰 허브
- 알뜰폰 Hub의 요금제 페이지를 클릭하면 한 페이지에 10개의 브랜드, 각 브랜드별 10개의 요금제로 한 페이지에 약 100개의 요금제 정보가 들어있다.
- 페이지 수는 11월 기준을 9페이지로, 이중 데이터 시각화 및, 수치 분석을 위해 900개의 요금제 데이터를 추출하였음.
- 뿐만 아니라 ‘더보기’ 란에 포함되어 있는 프로모션 정보까지 추출 이에 900개의 요금제 중 프로모션 포함 데이터는 400개 정도이다.
B. 웹 크롤링
| 데이터 추출 - 리스틀리(1)
리스틀리란 크롬 웹 브라우저 확장자 프로그램 중 하나로 웹 페이지 크롤링에 특화되어 있는 확장자 프로그램이다.
사용방법
- 데이터 추출할 페이지에서 리스틀리 실행
- 해당 HTML 의 변수 찾기
- 변수 확인 후 데이터 추출
- 엑셀파일 확인
| 데이터 추출 - 리스틀리(2)
| 데이터 추출 - 변수설정
추출한 데이터 파일은 다음과 같다.
알뜰폰 Hub 에서 주어진 10가지 변수 중 분석에 필요하지 않는 변수들을 제외하고, 다음과 같은 변수를 추가적으로 사용하였음.
2. 전처리 및 변수 생성
A. 전처리
| 전처리 및 변수 생성 - 전처리 전 사진
- 추출한 데이터의 변수를 살펴본 결과 전반적으로 문자형 변수와 숫자형 변수가 혼재되어 있는 상태임.
- 분석을 위해선 숫자 변수만이 필요하기 때문에 문자형 변수를 제거하는 과정이 진행되었음.
| 전처리 및 변수 생성 - 전처리 후 사진
- 문자형 변수 제거 이후 추가 전처리 작업으로 데이터 부분 단위변환, 음성과 문자 변수의 ‘무제한’ 값의 수치 변환이 이뤄짐.
[전처리 코드]
library(dplyr); library(readr) ;library(dplyr); library(tidyr); library(stringr)
options(max.print=1000000)
a<-matrix(NA, nrow=890, ncol=5)
#전처리 값 넣기 위한 행렬 생성
#전처리 파일 불러오기
library(readxl)
Ntel <- read_excel("C:/Users/chlwo/OneDrive/바탕 화면/전처리/Ntel.xlsx")
for (i in 1:890) {
a[i,1]<-str_replace(gsub('GB|G|일|[+]','',(Ntel[i,5] %>% str_sub(start=1, end=4))),"MB|M","/1000")
#데이터에서 영단위 삭제, 특수문자 삭제, 메가바이트의 경우 단위값 계산을 위해 1000 나눠주기.
a[i,2]<-as.numeric(gsub('무제한','10000',gsub('분','',Ntel[i,6])))
#음성 변수에 문자열 분 삭제, 무제한의 경우 3사 기준 월 10000시간 을 무제한 요금으로 지정하고 있음
a[i,3]<-as.numeric(gsub('무제한','2000',gsub('건','',Ntel[i,7])))
# 문자 변수에 문자열 건 삭제, 무제한의 경우 3사 기준 월 2000건을 무제한 요금으로 지정하고 있음.
a[i,4]<-as.numeric(gsub(',','',gsub('원','',Ntel[i,8])))
#4번 가격에 통신료 추가
a[i,5]<-as.numeric(gsub('\\D', '',gsub('[[]','',gsub('LGU|SKT','7', Ntel[i,10] %>% str_sub(start=1, end=4)))))
#더보기란 중 프로모션 기간만을 필요로함. 대부분 프로모션 기간이 앞 쪽에 강조되어 있으므로 앞자리 추출 후 문자열 삭제
}
data<-data.frame(a)
#전처리값 데이터 프레임으로 전환
names(data)<-c("data", "call", "Message", "price","dod")
#행에 변수 네이밍
data[c(1:30),c(1:5)] ;#상위 30개 추출## data call Message price dod
## 1 7 10000 2000 4060 5
## 2 15 100 100 12110 5
## 3 11 10000 2000 17600 5
## 4 100 10000 2000 24200 5
## 5 1.5 300 100 3080 <NA>
## 6 2 200 100 3190 <NA>
## 7 5 300 100 5940 <NA>
## 8 5 500 500 6930 <NA>
## 9 8 200 100 7480 <NA>
## 10 10 100 100 8590 <NA>
## 11 10 200 200 9150 <NA>
## 12 10 300 100 9570 <NA>
## 13 10 400 100 10120 <NA>
## 14 2.2 100 50 0 7
## 15 3 100 50 550 7
## 16 1 250 100 990 7
## 17 1 500 50 990 7
## 18 4 100 50 1100 7
## 19 2.5 200 100 1300 7
## 20 5 100 50 3850 7
## 21 5 200 50 4400 7
## 22 5 250 100 5500 7
## 23 6.5 100 50 6600 7
## 24 6 250 100 6820 7
## 25 8 180 100 6920 7
## 26 7 250 100 7130 7
## 27 2 200 100 3190 <NA>
## 28 3.5 200 100 4160 5
## 29 10 100 100 8590 <NA>
## 30 10 200 200 9150 <NA>write.csv(data, file= "C:/Users/chlwo/OneDrive/바탕 화면/전처리/찐처리.csv")
#저장B. 변수생성
| 할인율 가격 적용
- 초기 계획은 사용자 요금제와 알뜰폰 요금제간의 가격 비교를 통해 데이터 정렬 후 이를 기반으로 사용자 적합 데이터를 만드는 것이었음.
- 그러나 가격만을 단순 비교하기에는, 다음의 표와 같이, 가격에 할인율이 적용되어 있기 때문에 값들이 균일하지 않아 비교 분석 데이터로는 적합하지 않다 판단, 분석을 위한 새 변수를 생성하기로 결정하였음.
| 회귀 변수
- 일반적으로 통신 요금은 데이터, 음성 문자 및 기업 평가 요소등의 복합적 변수들로 구성됨. 이에 따라 가격형성에 가장 큰 영향을 미치는 데이터, 음성, 문자 세 변수와 가격 간의 관계를 다중 회귀분석을 통해 분석하였고, 분석 결과 이들의 관계가 유의미 하다 판단 하였음.
| Score 변수 생성
- 이 결과를 토대로 비교를 위한 변수 Score 생성, 이 이변수는 각 변수에 따른 가중치의 합으로 구성됨.
| 가중치 산출방법에 따른 고객만족도지수의 비교
- 가중치 산출 방식은 다음의 논문을 참고하였으며, 가중치 값은 각 표준화 회귀계수 합산치와 해당 변수 회귀계수의 분수꼴로 구해진다.
- 회귀계수의 값은 단위가 상이하므로 표준화를 진행하였으며, 이렇게 구해진 가중치는 다음의 표와 같다.
[회귀분석 코드]
library(lm.beta);library("caret");library("car");library("dplyr");library("MASS");library(readr)
전처리 <- read_csv("C:/Users/chlwo/OneDrive/바탕 화면/회귀분석 가중치/전처리.csv")
#다중회귀분석
price.lm<-lm(price~data+Message+call, data=전처리) ; summary(price.lm)##
## Call:
## lm(formula = price ~ data + Message + call, data = 전처리)
##
## Residuals:
## Min 1Q Median 3Q Max
## -20954 -5767 -1938 4078 32065
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8166.8369 406.0923 20.111 < 2e-16 ***
## data 184.5529 9.1610 20.145 < 2e-16 ***
## Message 2.8299 1.2471 2.269 0.02349 *
## call 0.6908 0.2397 2.881 0.00405 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 8851 on 886 degrees of freedom
## Multiple R-squared: 0.5496, Adjusted R-squared: 0.5481
## F-statistic: 360.4 on 3 and 886 DF, p-value: < 2.2e-16#다중 회귀분석 계수값 표준화
lm.beta(price.lm)##
## Call:
## lm(formula = price ~ data + Message + call, data = 전처리)
##
## Standardized Coefficients::
## (Intercept) data Message call
## NA 0.4775314 0.1948473 0.2474997#가중치값 생성
y<-NULL
w<-NULL
for(i in 1:3){
y[i]<-lm.beta(price.lm)$sta[i+1]
} ;for(i in 1:3) {
w[i]<-(y[i]/sum(y))
r<-rbind(y,w)
}## Warning in rbind(y, w): number of columns of result is not a multiple of vector
## length (arg 2)colnames(r)<-c("데이터","음성","문자");r## 데이터 음성 문자
## y 0.4775314 0.1948473 0.2474997
## w 0.5191245 0.2118185 0.2690570#표준화 계수3. 모델링 / 시각화
| 샤이니 화면 -
- 다음은 Shiny 패키지로 우리가 요금제를 사용자에게 제시해주는 방식이다.
- 왼쪽 회색 칸에 사용자가 현재 이용하는 요금제의 문자, 음성, 데이터와 원하는 요금제 가격대를 입력하면 입력 받은 값 4가지를 기준으로 위와 같이 요금제를 제시해준다.
- 그림의 왼쪽이 사용자의 pc, 오른쪽의 파일 탐색기가 server라고 가정하고 구현하였다.
| 모델링 알고리즘 도형
- 다음 그림은 사용자에게 요금제를 제시하는 과정을 도식화 한 것이다.
[요금제 제시 과정] - 먼저 그림의 ’계산기’는 추천할 요금제를 도출해주는 함수들의 집단으로 shiny server 내부에서 설계되었다. 1. 계산기가 요금제별 데이터, 음성, 문자량을 가지고 score라는 변수 값을 부여한다. 2. 이 중 모든 score 값을 사용하지 않고, 사용자 제공 정보를 기준으로 ± 10000원의 요금제만을 계산에 이용한다. 3. 사용자 요금제의 score와, 요금제 열에서 추출된 socre 값의 차를 구한 후 절댓값을 취하여 오름차순 정렬 후 상위 10개의 요금제를 제시해준다.
| 고객정보 (1)
- Recommand 페이지에서 입력받은 값 중 계산에 이용한 음성, 데이터, 문자량을 뺀 값이 모두 고객 정보라는 엑셀 파일로 저장된다.
| 고객 정보(2) - 추천 요금제
- Recommand 페이지에서 사용자에게 제시할 요금제를 엑셀 파일로 저장해 둔 모습이다.
| 회원가입 예시
- Join Membership 페이지는 추후에 더 나은 추천을 위해 사용자 데이터를 취합하는 과정을 간략히 보이기 위해 구현하였다.
| 저장된 고객정보
- 위 페이지에서 입력 값은 다음 그림처럼 하나의 엑셀 파일로 정된다.
[동적 추천 데이터 Shiny 구현]
# Sys.setlocale("LC_ALL","C")
# Sys.setlocale("LC_ALL","Korean") ##run only one time
library(shiny)
library(xlsx)
library(DT)
rm(list = ls())
ui <- fluidPage(
titlePanel("Recommand"),
sidebarLayout(
sidebarPanel(
textInput(inputId = "in_name",label = "Name:",value="kim"),
numericInput(inputId ="in_promotion",label = "Remain promotion:",value = "5"),
textInput(inputId = "in_phonenumber",label = "Phonenumber:",value="010-xxxx-xxxx"),
hr(),
hr(),
numericInput(inputId ="in_price",label = "Price:",value = "15000"),
numericInput(inputId ="in_message",label = "Message:",value = "200"),
numericInput(inputId ="in_call",label = "Call:",value = "500"),
numericInput(inputId ="in_data",label = "5G/LTE(GB):",value = "500"),
hr(),
hr(),
numericInput(inputId = "in_target",label = "Price that you want:",value = "20000"),
actionButton("update","Load")
,actionButton("go","View(After load)")
),
mainPanel(
h3(paste("Recommand for you")),
tableOutput(outputId="out_target"),
dataTableOutput(outputId = "out_table")
)
)
)
############################
server<-function(input,output){
printTarget<-reactive({
if(input$update ==0){
if(input$in_name!="kim"){dir.create(paste0("C:/",input$in_name,"/"))
return()}}
isolate({
input$update
customer<-data.frame(name=input$in_name,term=input$in_promotion,phonenumber=input$in_phonenumber,current_price=input$in_price,want=input$in_target)
write.xlsx(customer,file=paste0("C:/",input$in_name,"/information for ",input$in_name,".xlsx"),append=FALSE,col.names=FALSE,row.names=FALSE)
write.xlsx(info1(),file=paste0("C:/",input$in_name,"/Recommand for ",input$in_name,".xlsx"),append=FALSE,col.names=FALSE,row.names=FALSE)
})
})
info1<-reactive({
extract_calling_plan<-function(){
key_number<-top()
int_key<-as.numeric(key_number)
return_dataframe<-matrix(ncol=ncol(integration)-1,byrow = TRUE)
for(i in 1:10){
next_dataframe<-matrix(data=NA,nrow=1,ncol=ncol(integration)-1,byrow = TRUE)
for(j in 1:nrow(integration1)){
if(int_key[i]==integration1[j,1])
next_dataframe[1,1:10]<-integration[j,1:10]
}
return_dataframe<-rbind(return_dataframe,next_dataframe)
}
return(return_dataframe[2:11,])}
limit<-function(k){
upper_limit<-0;lower_limit=0;
if(k>=10000){
upper_limit<-k+10000;lower_limit<-k-10000
}
else{
upper_limit<-k+10000;lower_limit<-0
}
return(c(upper_limit,lower_limit))
}
isolate({
price_ex<-function(){
weightprice<-data.frame(c(),stringsAsFactors = FALSE)
limit_outcome<-limit(input$in_target)
lower_limit<-limit_outcome[2];upper_limit<-limit_outcome[1]
for (i in 1:nrow(scorematrix)){
if(scorematrix[i,4]>=lower_limit&&scorematrix[i,4]<=upper_limit){
weightprice[i,1]<-scorematrix[i,5]}
}
return(weightprice)
}
})
top<-function(){
return(c(calling_plan_number[1:10]))
}
integration<-read.csv(paste0("C:/cheapPhone/10.csv"),header=T)
preprocessing<-read.csv(paste0("C:/cheapPhone/10preprocessing.csv"),header=T)
data<-c(as.numeric(preprocessing[,2]))
call<-c(as.numeric(preprocessing[,3]))
message<-c(as.numeric(preprocessing[,4]))
price<-c(as.numeric(preprocessing[,5]))
a<-5;b<-2;c<-3
score<-matrix(a*data+b*call+c*message,ncol=1,byrow=F)
data_cus<-input$in_data;call_cus<-input$in_call;message_cus<-input$in_message;#price_cus<-input$in_price;
isolate({
data_cusNu<-as.numeric(data_cus);call_cusNu<-as.numeric(call_cus);message_cusNu<-as.numeric(message_cus);#price_cusNu<-as.numeric(price_cus);
score_cus<<-a*data_cusNu+b*call_cusNu+c*message_cusNu
})
scorematrix<-data.frame(data,call,message,price,score,stringsAsFactors = FALSE)
targetscore<-data.frame(c(),stringsAsFactors = FALSE)
targetscore<-abs(score_cus-price_ex())
targetscore_plus<-data.frame(1:nrow(targetscore),targetscore[,1],stringsAsFactors = FALSE)
rmtargetscore<-as.matrix(targetscore_plus[complete.cases(targetscore_plus),])
testsort<-as.matrix(sort(rmtargetscore[,2]))
calling_plan_number<-rownames(testsort)
integration1<-data.frame(1:nrow(integration),integration,stringsAsFactors = FALSE)
result<-extract_calling_plan()
return(result)
})
printScreen<-reactive({
if(input$go==0){return()}
isolate({
input$go
screen<-read.xlsx(paste0("C:/",input$in_name,"/Recommand for ",input$in_name,".xlsx"),1,header=FALSE)
colnames(screen)<-c("Company","Line","5G/LTE","Target","Data","Call","Message","Price","Agr","etc")
rownames(screen)<-c("1st","2nd","3rd",paste0(4:10,"th"))
screen
})
})
output$out_target<-renderTable({printTarget()})
output$out_table<-renderDT({printScreen()})
}
shinyApp(ui,server)4. 요금제 알리미
위 3개의 그림은 신상 요금제 알리미 서비스를 네이버 오픈 api를 활용한 문자 전송 매크로를 이용해 엑셀 파일로 구현한 모습이다.
고객명과 번호를 적어 요금제 리스트가 갱신되는 매월 1일에 문자를 발송하여 고객에게 알린다.
| 알리미 문자 확인
- 다음과 같이 고객에게 문자가 전송된다.
6. UI / UX 디자인
| UI / UX 디자인
| UI / UX 디자인
[디자인 설명]
신뢰감을 표현하기 위해 푸른계열의 색을 주로 사용하였으며, 시중 앱을 참고하여 직관적인 디자인을 선보일 수 있도록 노력하였다.
또한 회원가입 창에는 여러 계정과의 연동을 통해 로그인이 가능하도록 디자인 하여 사용자의 편의성을 증대하였다.
알뜰폰 알리미의 가장 큰 역할인 요금제 확인란 진입 과정에서는, 한페이지를 추가적으로 삽입하여, 사용자로 하여금 요금제 추천을 기대할 수 있는 장치를 마련하였다.
앱사용이 즐거울 수 있도록, 터치가 즐거운 일이 될 수 있도록 디자인 하는 것이 알뜰폰 알리미 앱의 궁극적 목표이다.
[알뜰폰 알리미 어플 UI/UX 디자인] Link: 알뜰폰 알리미 어플 디자인
다. 사업발전가능성
#####
**요금제 추천 서비스
이동통신사 3사에서 사용자 데이터 기반 최적 요금제를 고지하게 되었다는 내용의 지난주 일자 기사이다.
하지만 이미 유럽에서는 2020년부터 최적 요금제 고지를 시행하고 있는 반면에 우리나라는 3년이 지난 지금에서야 국내에서 첫 고지 서비스를 시행하게 되었다.
이렇게 된 배경에는 전기통신사업법이 과거 유선 전화기 시절에 머물러 있어 현재에 맞게 규정되지 않았기 때문이며, 또한 아직 국내에서는 공공데이터에 대한 규제 완화 및 범망 마련이 미비되어 있어 활용할 데이터를 받아 볼 수 없었기 때문이다.
| 데이터 규제 완화 - (1)
- 그러나 지난 9월 부터 국가데이터 정책 위원회가 데이터 분야 9개 및 총 13개의 규제 개선이 시행되었고, 규제 완화가 됨과 동시에 공공데이터와 사기업의 데이터를 융합하여 고객 만족 생활밀착형 맞춤 서비스를 시행하려는 움직임을 보이고 있다.
| 데이터 규제 완화 - (2)
그러나 지난 9월 부터 국가데이터 정책 위원회가 데이터 분야 8개 및 총 13개의 규제 개선이 시행되었고 규제 완화가 됨과 동시에 공공데이터와 사기업의 데이터를 융합하여 고객 만족 생활밀착형 맞춤 서비스를 시행하려는 움직임을 보이고 있다.
현 상황에서 알뜰폰 알리미는 국가 주도 데이터 규제 완화 및 법망 마련에 힘입어 공공데이터와 알뜰폰 알리미 벤쳐 데이터를 결합 한다면 그 활용 방안은 무궁무진 할 것으로 기대된다.