올리브영 브랜드별 리뷰 및 평점 데이터 수집·정제·적재 AWS 기반 데이터 파이프라인·대시보드 구축 • Data Engineering
올리브영 PB·Non-PB 브랜드 리뷰 및 평점 데이터를 대상으로 수집·정제·적재를 자동화한 데이터 파이프라인을 구축하고,
마케팅 전략 수립에 활용 가능한 소비자 반응 인사이트를 차트 대시보드로 제작한 프로젝트입니다.
 |
 |
 |
 |
 |
|---|---|---|---|---|
| 김서경 @kimwestg | 박범수 @goosebumpsu | 🧑💻 정준 @jjunier | 오주언 @sulsikan | 유연준 @MochaSyrup |
| Category | Tools |
|---|---|
| Language |  |
| Data Pipeline / ETL |     |
| Cloud / Infra |    |
| Visualization / Monitoring |  |
| Communication / Collab |    |
|
|---|
| 카테고리별 Top 100 중 상위 10개 제품의 날짜·순위·PB 여부·평점/리뷰수 정보를 제공하고, 검색·필터로 스테디셀러/프로모션 등 인사이트를 빠르게 확인합니다. |
|
|---|
| Top 10 제품·브랜드의 주간 평균 순위 추이를 조건별로 추적해 순위 변동성과 랭크인 성과를 비교하고, PB와 일반 브랜드 경쟁력을 분석합니다. |
|
|---|
| 전체 수집 기간 기준으로 제품·브랜드의 1위 횟수와 Top 10 랭크인 횟수를 합산해 정량 비교하고, 카테고리·PB 여부별 강세를 한눈에 파악합니다. |
|
|---|
| PB와 랭킹 제품의 프로모션 구성/변화를 비교해 PB는 세일 중심(다양성 제한), 랭킹 제품은 오늘드림·쿠폰·증정 등 다채로운 조합으로 운영되는 차이를 보여주며 PB 프로모션 다변화 필요성을 도출합니다. |
|
|---|
| PB는 리뷰 수는 적지만 고평점이 많아 품질 경쟁력 신호를 보여주고, 랭킹 제품은 리뷰 수가 크게 많아 사회적 증거 기반 신뢰가 강해 PB의 리뷰 확보·바이럴 전략 필요성을 도출합니다. |
|
|---|
| 전날 기준 카테고리별 평균 평점·평균 순위·PB 개수·총 리뷰 수와 시간 흐름에 따른 PB 평균 순위 변화, Top100 내 PB 리뷰/상품 점유율을 제공해 강세 카테고리와 보완 영역을 정량 파악합니다. |
|
|---|
| 1점 리뷰가 집중된 PB 상품/브랜드를 점수 분포·비율과 함께 제시하고, 제품별 1점 리뷰 규모를 시각화해 품질 개선 우선순위 및 평판·CS 전략 수립에 활용합니다. |
