Machine Learning으로 찾아본 알라미 유저들의 사용패턴

핵심 내용

• 알라미 유저의 사용 패턴을 전체적으로 파악하기 위해 Feature Engineering과 KMeans 클러스터링을 활용한 분석 과정
• 개별 알람 정보뿐 아니라 유저 단위의 알람 개수, 기상 시간, 인터벌, 평균 시간, 스누즈 횟수 등을 묶어 패턴화
• 주중/주말 구분과 기간 평균으로 노이즈를 줄이고, elbow method로 클러스터 수를 4개로 제한
• 클러스터 중심값을 바탕으로 페르소나처럼 이름을 붙여 이해관계자에게 설명하고, 리텐션과 미션 사용 패턴까지 확장 분석

적용해볼 점

• 숫자 결과를 그대로 전달하기보다 해석 가능한 라벨과 설명을 붙여 커뮤니케이션 개선
• 모델과 유저 Feature, 클러스터 Label을 저장해 후속 분석의 일관성 확보
• 리텐션처럼 핵심 지표와 클러스터 변화를 함께 보며 사용자 여정 분석 확장