베이지안 퍼널 모델링 & 대시보드

개요

선호 → 추천의향 → 구매의향 → 실제구매의 4단계 퍼널 전환율을 계층 베이지안 로지스틱 모델로 추정하고, 병목과 리스크를 정량화해 고객군별 투자 우선순위를 뽑아내는 대시보드를 만들었습니다. (저장소의 데이터는 실제 조사 데이터가 아닌 데모용 합성 데이터입니다.)

모델 설계

• 단계별 독립 PyMC 계층 로지스틱 모델 4개, 조건부 플로우로 연결 (추천 | 선호=1 → 의향 | 추천=1 → 구매 | 의향=1)
• 랜덤효과: 세그먼트, 세그-모델(중첩), 충성도, 세그×충성도 등 — n수가 적은 소그룹도 상위 계층 분포에서 정보를 빌려와 신뢰도 있는 추정 가능
• 그룹/교차 레벨별 포스터리어 집계: 전환율 평균, 95% CI, SNR, 전체 대비 리프트, Fail Prob(브랜드 기준 대비 악화 확률), 드롭아웃율, 체인 전환율(선호×추천×의향×구매)
• 가중합 스코어링(기본 0.2/0.3/0.0/0.5) 후 분위수 기반 A~D 등급화로 우선순위 도출
• 선호도 서열 로지스틱 MLE 컷포인트로 기존(비베이지안) 리포트와의 호환성 유지

대시보드

Plotly/Dash 인터랙티브 앱(gunicorn 서빙, Hugging Face Spaces 호스팅)으로 퍼널 단계, 그룹 비교, 불확실성 구간을 시각화 — 점 추정치가 아니라 신용구간을 보고 의사결정하게 합니다.

의의

설문 기반 퍼널 수치는 보통 단순 퍼센트로 읽힙니다. 이 프로젝트는 어떤 하락이 진짜 병목이고 어떤 것이 노이즈인지, 어느 그룹에 먼저 투자해야 하는지를 불확실성과 함께 보여줘 — 부스터 샘플이나 재조사 의존도를 낮춥니다.

링크

• Repo: https://github.com/jay-lay-down/bayesian_dashboard
• Dashboard: https://jay1121-bayesian-dashboard.hf.space