배달의민족 주문 회고 (2년간의 전주 자취 회고)

최근에 마이리얼트립의 양승화님과 카카오 추천의 최규민님의 사이드프로젝트를 재밌게 읽었습니다.
특히, 스타워즈 TATOOINE행성의 비밀을 읽고 데이터 분석을 취미에 이렇게 적용할 수 있구나 싶었습니다. 
그래서, 재밌는 분석을 해볼 수 있지 않을까 했습니다!

데이터리안 세미나를 통해 Netflix, Spotify에서 유저의 데이터를 제공한다는 사실을 알고 있었지만, 
두가지 어플 모두 사용하지 않는 저는 할 수 있는 게 없었습니다.

왜, 나만 재밌는 분석 못해? 하던 순간,

누군가 현관문을 두드렸습니다.

 

2년동안 자취를 하면서, 제 스마트폰 지분 7할이 배달의 민족이었습니다.
곡식을 수확할 때가 왔다고 생각하였습니다.
근데, 배달의 민족에는 유저 데이터를 간편하게 제공하는 서비스가 없었습니다.
그래서, 직접 메일로 문의를 드려 데이터를 요청하여 제공받았다. (ㅎㅎ그랬으면 좋았을텐데) 

 

 

어쩐지, 배달의 민족 주문 데이터를 분석하는 사람이 없더라니!
뭐 어쩌겠나 싶어서 직접 어플 내 주문내역에 들어가 손으로 데이터를 입력하기로 마음 먹었습니다.
10개쯤 입력했을 때는 생각보다 할 만 해서 금방 입력하겠구나 싶었는데,
200개가 넘는 데이터를 입력하는게 여간 쉬운일이 아니었습니다! 그래도,

짜잔!

 

손으로 한땀한땀 입력한 주문내역 데이터

 

약 4시간에 걸쳐 완성하였습니다.

 

Pandas DataFrame으로 불러들였다.

 

가장 먼저, 나름대로 웰빙 라이프를 추구하고 있는 제가 얼마나 포장을 이용했을지 궁금했습니다.

 

 

포장은 매장이 너무 가까워, 귀찮음을 무릅쓰고 직접 걸어서 다녀온 경우
혹은 밥맛을 높이기 위해 좀 걷고자 했던 경우에 사용하였습니다. 
그래도, 포장을 그렇게 많이 하진 않았겠지 생각했지만,
비율로 나타내어 보니 생각보다 포장 비율이 높아서 놀랐습니다.
다른 사람들의 포장 비율을 기준 삼을 수 없어, 상대적으로 높은 수치인지는 모르겠지만,
나름 만족스러웠습니다. 
  

 

두번째로 보고자 했던 것은 결제방법의 비율입니다.
2021년에 신용카드 캐시백 이벤트에 참여하고자 네이버페이x삼성카드에 가입했습니다.
네이버페이 포인트를 쌓기 위해 열심히 네이버페이로 결제한 흔적이 보였습니다.
감사하게도 당시 부모님께 신용카드를 받아 사용하고 있었는데,
주로 배달음식을 사용할 때 사용했기 때문에, 만나서 카드결제가 가장 높은 비율로 나타났습니다. (좀 죄송스러웠습니다.)

 

 

다음은 제가 자주 주문한 매장들의 비율을 보고자 했습니다.
이렇게 정리하여 보니, 나는 '장강'에게 많은 위로를 받았구나라는 생각을 했습니다.
돌이켜보니, 시험기간이 끝나고 후련한 기분으로 혹은 밤샘 과제를 마치고 느즈막에 일어난 후에
시켜 먹었던 간짜장, 탕수육 세트는 정말 짜릿했던 것 같습니다. 
이외에도, 쿠폰 10개 채워 컴비네이션 피자를 먹었던 피자오래,
한창 다이어트 할 때 시켜먹었던 OULI 샐러드가 상단에 있었습니다.

매장별로 보면, 제가 자주 먹은 음식을 알 수 없기 때문에,
배달의 민족 주문내역에 없어 입력하지 못했던 '카테고리' 열을 새롭게 추가하였습니다.

 

 

그럼 그렇지, 역시 치킨이 1등이었습니다.

 

 

다음으로는 태블로를 이용해 대시보드로 주문내역 데이터를 시각화해보았습니다.

 

태블로 대시보드 시각화

 

주문 빈도(Order Count)와 주문 금액(Order Amount)은 치킨이 압도적인 것을 확인할 수 있었습니다.
다이어트를 위해 샐러드/샌드위치 또한 열심히 먹었습니다.

주문 시간대(Order Time)을 확인하니 주로 점심시간대(11시~12시)와 저녁시간대(17시~19시)에
주문이 몰려있음을 확인할 수 있고, 야식 또한 만만치 않게 주문했음을 확인하였습니다.

이외에도 대시보드의 다양한 기능을 통해 제 주문내역을 낱낱이 볼 수 있었습니다.

 

배달의 민족 데이터를 보며 생각해보았던 분석/서비스

배달의 민족 구성원들은 주문내역 데이터를 통해 어떤 분석을 하는지 궁금해졌습니다.

주문 데이터를 이용해 이런 서비스를 만들 수 있지 않을까요?

• 주문내역의 시간과 카테고리 데이터를 이용해 개인화 시간대별 메뉴 추천 (일요일 오후인 지금, 당신은 ㅇㅇㅇ이 땡기지 않나요?)
• 주문음식의 영양 데이터를 결합한 메뉴 추천 (지난 3일 간 지방 섭취가 많아 조금 줄일 필요가 있어요. 샐러드는 어떠세요? ) 
• 포장을 위해 직접 걸었던 거리와 배달을 사용하지 않아 줄여진 배출가스 정보 제공 (환경을 위해 얼마나 기여했는지)
• 주문 시간대와 요일 데이터를 이용한 앱 push 메시지 발송, 쿠폰 발급

<참고>

https://datascienceschool.net/01%20python/02.15%20파이썬에서%20날짜와%20시간%20다루기.html

2.15 파이썬에서 날짜와 시간 다루기 — 데이터 사이언스 스쿨