ゼファーネットのロゴ

生成的データ インテリジェンス

ビッグデータ

SQL の力でブラジルのオンライン ショッピングに関する洞察を明らかに

プラトン再発行
プラトン再発行

日付：

閲覧数： 110

概要

ターゲット大手小売企業である は、成長するオンライン ショッピング トレンドに対応するため、ブラジルでの e コマース事業を拡大しました。 この競争の激しい市場で確実に成功を収めるためには、ターゲットにとってブラジルの電子商取引のダイナミクスを理解し、データに基づく洞察を活用して業務を強化することが重要です。 この記事では、Target の e-commerce データセットを分析します。 構造化クエリ言語 (SQL) パワークエリを使用して、ブラジルでの業務を改善するための実用的な推奨事項を提供します。

学習目標

  1. Target の e-commerce データセットを分析することで、SQL の習熟度を高めます。
  2. SQL クエリを使用したデータ クリーニングや準備など、データセットの初期探索を実行する方法を学びます。
  3. SQL クエリを使用してブラジルの電子商取引の傾向を分析および解釈する方法を理解します。
  4. SQL クエリを使用して、e コマース データの季節性パターンを特定および分析するスキルを開発します。
  5. SQL 分析を通じて、顧客の購入パターンと好みに関する貴重な洞察を抽出する方法を学びます。
  6. データセットの SQL 分析に基づいて、e コマース業務を改善するためのデータ駆動型の推奨事項と実用的な洞察を作成する能力を開発します。

続きを読む: SQL 用 データサイエンス初心者向け!

この記事は、の一部として公開されました データサイエンスブログ。

目次

データセットの初期探索

SQL パワー | オンラインショッピング

分析に入る前に、次の初期調査を実行しました。 Target の e コマース データセット。 これには、データの検査、クリーニング、分析の準備が含まれます。 次の SQL クエリを使用して、「customers」テーブルの列のデータ型を検証しました。 ビッグクエリー:

SELECT column_name, data_type
FROM `target-analysis-sql.target.INFORMATION_SCHEMA.COLUMNS`
WHERE table_name = 'customers';

各テーブルのデータ型を理解することで、データセットの正確な分析と解釈が保証されます。

データ型 | SQL パワー | オンラインショッピング

データセットの対象期間を理解するために、次の SQL クエリを実行しました。

SELECT DISTINCT MIN(order_purchase_timestamp) start_date, MAX(order_purchase_timestamp) end_date
FROM `target.orders`;
クエリ結果 | SQL パワー | オンラインショッピング

これにより、データの開始日と終了日、つまり 4 年 2016 月 17 日から 2018 年 XNUMX 月 XNUMX 日までを決定することができました。
、分析のコンテキストを提供します。

さらに、指定された期間中に注文した顧客の都市と州を調査しました。 次の SQL クエリは、顧客の分布を特定するのに役立ちました。

SELECT DISTINCT c.customer_city, c.customer_state, COUNT(o.customer_id) order_count
FROM target.orders o
JOIN target.customers c
ON o.customer_id = c.customer_id
GROUP BY 1, 2
ORDER BY 3 DESC;
SQL パワー | オンラインショッピング
顧客の都市と州の棒グラフ | SQL パワー | オンラインショッピング

ここでは、SP 州のサンパウロ市だけでも、サンパウロ市よりも多くの注文があることがわかります。
以下の5都市を合わせたものです。 それはサンパウロが最も人口が多く、最も裕福だからです。
ブラジルの州。

詳細情報 基礎から応用まで SQLの

ブラジルにおける電子商取引の成長傾向を探る

ブラジルの電子商取引の状況は、近年大幅な成長を遂げています。 シナリオを包括的に理解するには、注文数、収益、季節性などのさまざまな側面を分析することが不可欠です。 このセクションでは、データセットを詳しく調べて、ブラジルの電子商取引トレンドに関する洞察を明らかにします。

ブラジルでは電子商取引が増加傾向にありますか?

ブラジルにおける電子商取引の成長傾向を判断するために、私たちは長期にわたる注文数を調査しました。 SQL クエリを使用して、注文購入タイムスタンプから年と月を抽出し、個別の注文 ID をカウントしました。 次のクエリが実行されました。

SELECT EXTRACT(YEAR FROM o.order_purchase_timestamp) AS year, EXTRACT(MONTH FROM o.order_purchase_timestamp) AS month, COUNT(DISTINCT o.order_id) AS order_count
FROM `target.orders` o
JOIN `target.customers` c
ON o.customer_id = c.customer_id
GROUP BY year, month
ORDER BY year, month;
"
"

注文数の分析に基づいて、ブラジルでは電子商取引が成長傾向にあることがわかります。 購入件数は多少の変動はあるものの、全体的には増加傾向にある。 ただし、注文数だけではビジネスの成長ペースを示すものではないことに注意することが重要です。 より正確に理解するには、収益の伸びも考慮する必要があります。

SELECT EXTRACT(YEAR FROM o.order_purchase_timestamp) AS year, EXTRACT(MONTH FROM o.order_purchase_timestamp) AS month, ROUND(SUM(p.payment_value), 2) as revenue
FROM `target.orders` o
JOIN `target.payments` p ON o.order_id = p.order_id
GROUP BY year, month
ORDER BY year, month;
"
eコマース

ここでも、上記と同様の傾向が見られます。

完全なシナリオを説明するにはどうすればよいでしょうか?

ブラジルの電子商取引シナリオの全体像を描くには、売上に影響を与える複数の要因を考慮することが重要です。 これらの要因には、顧客層、顧客ベースの増加、技術の進歩、販売者の数、注文のしやすさ、顧客満足度、長期にわたる信頼、返品および交換ポリシー、支払いオプション、納期、注文のキャンセル、全体的な経済状況が含まれます。 。 これらの側面を総合的に分析すると、ブラジルの電子商取引の状況をより包括的に理解できるようになります。

特定の月にピークがある季節性があることがわかりますか?

データセットを分析して、特定の月内の季節性の存在を調査しました。 注文購入タイムスタンプから月を抽出することで、各月の個別の注文 ID の数を計算しました。 次のクエリが実行されました。

SELECT EXTRACT(MONTH FROM order_purchase_timestamp) AS month, COUNT(DISTINCT order_id) AS order_count
FROM `target.orders`
GROUP BY month
ORDER BY month;
eコマース
特定の月にピークがある季節性 | 電子商取引

提供されたデータセットが限られているため、季節性の傾向について最終的な結論を導き出すことは困難です。 ただし、Tableau での分析と視覚化から、e コマースの注文には季節性があることがわかります。 通常、注文数は XNUMX 月から XNUMX 月にかけて増加しますが、その間には変動があります。 特に、ブラジルのカーニバルの時期と重なる XNUMX 月と XNUMX 月に注文が増加します。 さらに、XNUMX 月は注文数のピークを示しており、これは国酒であるカシャーサに捧げられたフェスティバル・デ・カシャーサに関連している可能性があります。 これらの季節性傾向を検証するには、より大規模なデータセットを使用したさらなる分析が必要になることに注意することが重要です。

ブラジル人顧客の購買パターンを理解する

ブラジルの顧客の購買パターンについて洞察を得るために、私たちは最も多くの注文が行われる時間帯を分析しました。 次の SQL クエリを実行して、注文購入タイムスタンプを夜明け、朝、午後、夜の XNUMX つの期間に分類しました。

SELECT CASE WHEN EXTRACT(HOUR FROM o.order_purchase_timestamp) BETWEEN 0 AND 5 THEN 'Dawn' WHEN EXTRACT(HOUR FROM o.order_purchase_timestamp) BETWEEN 6 AND 11 THEN 'Morning' WHEN EXTRACT(HOUR FROM o.order_purchase_timestamp) BETWEEN 12 AND 17 THEN 'Afternoon' WHEN EXTRACT(HOUR FROM o.order_purchase_timestamp) BETWEEN 18 AND 23 THEN 'Night' END AS hour, COUNT(o.order_id) AS order_count
FROM target.orders o
JOIN target.customers c
ON o.customer_id = c.customer_id
GROUP BY hour
ORDER BY order_count DESC;
"

分析に基づいて、ブラジルの顧客は日中、特に午後と夜にほとんどの注文を行う傾向があることがわかりました。 これは、顧客が余暇時間や日常の活動を終えた後にオンライン ショッピングを好むことを示しています。 ここでの前提は、記録されたタイムスタンプが購入時の正しいタイムゾーンを反映しているということであることに注意することが重要です。

顧客の購入パターンを理解することは、e コマース企業の業務の最適化に役立ちます。 購買のピーク時間を特定することで、企業は顧客サービス担当者や在庫などのリソースをより効果的に割り当て、顧客の需要に応え、シームレスなショッピング体験を提供できます。

この方法でデータを分析すると、ブラジルの顧客の行動や好みについての貴重な洞察が得られます。 この情報を利用して、Target のような電子商取引企業は、マーケティング戦略やプロモーション キャンペーンを特定の期間に合わせて調整し、リーチと潜在的な売上を最大化できます。

結論として、ブラジルの顧客の購買パターンを分析すると、ブラジルにおける電子商取引の成長傾向が明らかになり、電子商取引のシナリオを完全に理解するにはさまざまな要素を考慮することの重要性が強調され、オンラインの最適な期間が明らかになります。買い物。 これらの洞察を活用すれば、Target やその他の電子商取引企業はデータに基づいた意思決定を行って、業務を強化し、顧客満足度を向上させることができます。

州ごとの前月比注文の分析

ブラジル地域における電子商取引の注文の推移を理解するために、各州の前月比の注文数を分析しました。 SQL クエリの実行は次のとおりです。

SELECT c.customer_state, EXTRACT(month FROM o.order_purchase_timestamp) AS month, COUNT(o.order_purchase_timestamp) AS order_count
FROM target.orders o
JOIN target.customers c
ON o.customer_id = c.customer_id
GROUP BY c.customer_state, month
ORDER BY c.customer_state, month;
"
"

上のグラフは、ブラジルの各州の前月比の注文数を示しており、州ごとの顧客の購入傾向についての貴重な洞察を提供します。 サンパウロ (SP) がどの月でも常に最高の注文数を示し、リオデジャネイロ (RJ) とミナス ジェライス (MG) がそれに続くことは明らかです。

ブラジル各州にわたる顧客の分布

ブラジルの電子商取引の状況をさらに調査するために、私たちは州全体の顧客の分布を調査しました。 次の SQL クエリが実行されました。

SELECT c.customer_state, COUNT(c.customer_id) AS no_of_customers
FROM `target.customers` c
GROUP BY c.customer_state
ORDER BY no_of_customers DESC;
"
ブラジルの各州にわたる顧客の分布 | 電子商取引

このデータは、サンパウロ州 (SP) の顧客数が最も多いことを明らかにしており、これは同州がブラジルで最も人口の多い州であることに起因すると考えられます。 この結果は以前の分析とも一致しており、州の人口とその注文数の間に正の相関があることを示しています。

Target のような企業にとって、e コマース注文の進化とブラジル各州にわたる顧客の分布を理解することは、マーケティング戦略を調整し、物流を最適化し、顧客エクスペリエンスを向上させるために非常に重要です。 この SQL ベースの分析を活用することで、電子商取引企業は特定の地域を効果的にターゲットにし、戦略的にリソースを割り当て、さまざまな州の顧客の独自の好みや要求に応えるパーソナライズされたエクスペリエンスを提供できます。

結論として、ブラジルの各州にわたる電子商取引の注文と顧客分布の推移を分析することで、市場のダイナミクスに関する貴重な洞察が得られます。 SQL とデータ駆動型のアプローチを活用することで、企業は競争力を獲得し、成長を促進し、ブラジル地域の急速に進化する電子商取引環境において影響力を最大化することができます。

2017年から2018年（XNUMX月～XNUMX月）の受注原価上昇率を検証してみる

経済への影響を理解するために、2017月から2018月までの月のみを考慮して、XNUMX年からXNUMX年までの受注原価の増加率を計算しました。 次の SQL クエリが実行されました。

SELECT EXTRACT(MONTH FROM o.order_purchase_timestamp) AS month, ( ( SUM(CASE WHEN EXTRACT(YEAR FROM o.order_purchase_timestamp) = 2018 AND EXTRACT(MONTH FROM o.order_purchase_timestamp) BETWEEN 1 AND 8 THEN p.payment_value END) - SUM(CASE WHEN EXTRACT(YEAR FROM o.order_purchase_timestamp) = 2017 AND EXTRACT(MONTH FROM o.order_purchase_timestamp) BETWEEN 1 AND 8 THEN p.payment_value END) ) / SUM(CASE WHEN EXTRACT(YEAR FROM o.order_purchase_timestamp) = 2017 AND EXTRACT(MONTH FROM o.order_purchase_timestamp) BETWEEN 1 AND 8 THEN p.payment_value END) )*100 AS percent_increase
FROM `target.orders` o
JOIN `target.payments` p ON o.order_id = p.order_id
WHERE EXTRACT(YEAR FROM o.order_purchase_timestamp) IN (2017, 2018) AND EXTRACT(MONTH FROM o.order_purchase_timestamp) BETWEEN 1 AND 8
GROUP BY 1
ORDER BY 1;
eコマース

2017 月から 2018 月のみを含む、138.53 年から XNUMX 年の受注コスト全体の増加率は XNUMX% です。 月ごとの増加率を調べると、XNUMX 月の増加率が最も高く、XNUMX 月、XNUMX 月がそれに続きます。

顧客の州ごとの価格と運賃の平均と合計の分析

州レベルでの価格と運賃の値についての洞察を得るために、顧客の州ごとにこれらの値の平均と合計を計算しました。 SQL クエリの実行は次のとおりです。

SELECT c.customer_state, ROUND(AVG(i.price), 2) AS mean_price, ROUND(SUM(i.price), 2) AS total_price, ROUND(AVG(i.freight_value), 2) AS mean_freight_value, ROUND(SUM(i.freight_value), 2) AS total_freight_value
FROM `target.orders` o
JOIN `target.order_items` i ON o.order_id = i.order_id
JOIN `target.customers` c ON o.customer_id = c.customer_id
GROUP BY c.customer_state;
"
顧客の状態別の価格と運賃の平均と合計 | 電子商取引

分析により、興味深い発見が明らかになりました。 サンパウロ (SP) は、物価総額と貨物運賃総額が最も高いのですが、驚くべきことに、平均価格と平均貨物運賃は全州の中で最も低いのです。 一方、平均物価と平均運賃が最も高いのはパライバ州（PB）である。

経済への影響を理解するには、コストの傾向、価格と運賃の包括的な分析が必要です。 SQL クエリを活用し、状態ごとのパターンを調べることで、企業は経済情勢に関する貴重な洞察を獲得し、潜在的な成長機会を特定し、データに基づいた意思決定を行って、価格設定戦略を最適化し、物流を強化し、全体的な経済効果を促進することができます。

売上、貨物、配達時間の分析: ブラジルからの洞察

購入から配達、配達予定までの日数の計算

注文の購入から配達、配達予定までの期間を理解するために、次の SQL クエリを使用して日数を計算しました。

SELECT order_id, DATE_DIFF(order_delivered_customer_date, order_purchase_timestamp, DAY) AS delivered_in_days, DATE_DIFF(order_estimated_delivery_date, order_purchase_timestamp, DAY) AS estimated_delivery_in_days, DATE_DIFF(order_estimated_delivery_date, order_delivered_customer_date, DAY) AS estimated_minus_actual_delivery_days
FROM `target.orders`
WHERE DATE_DIFF(order_delivered_customer_date, order_purchase_timestamp, DAY) IS NOT NULL
ORDER BY delivered_in_days;
SQL パワー | オンラインショッピング

州ごとの配達までの平均時間と推定配達時間の平均差を求める

配達にかかる平均時間と、推定配達と実際の配達の平均差についての洞察を得るために、次の SQL クエリを使用して州レベルの平均を計算しました。

SELECT c.customer_state, ROUND(AVG(DATE_DIFF(order_delivered_customer_date, order_purchase_timestamp, DAY)), 2) AS avg_time_to_delivery, ROUND(AVG(DATE_DIFF(order_estimated_delivery_date, order_delivered_customer_date, DAY)), 2) AS avg_diff_estimated_delivery
FROM `target.orders` o
JOIN `target.customers` c ON o.customer_id = c.customer_id
WHERE DATE_DIFF(order_purchase_timestamp, order_delivered_customer_date, DAY) IS NOT NULL AND DATE_DIFF(order_estimated_delivery_date, order_delivered_customer_date, DAY) IS NOT NULL
GROUP BY c.customer_state
ORDER BY avg_time_to_delivery;
SQL パワー | オンラインショッピング

結果から、サンパウロ (SP) の平均配達時間が最も短く、ロライマ (RR) の平均配達時間が最も長いことがわかります。

データを州ごとにグループ化し、平均運賃、配達までの時間、配達予定の差を計算する

運賃額、配達までの時間、州レベルでの推定配達と実際の配達の差の関係を分析するために、次の SQL クエリを使用して平均を計算しました。

SELECT c.customer_state, ROUND(AVG(i.freight_value), 2) AS mean_freight_value, ROUND(AVG(DATE_DIFF(o.order_delivered_customer_date, o.order_purchase_timestamp, DAY)), 2) AS time_to_delivery, ROUND(AVG(DATE_DIFF(o.order_estimated_delivery_date, o.order_delivered_customer_date, DAY)), 2) AS diff_estimated_delivery
FROM `target.orders` o
JOIN `target.order_items` i ON o.order_id = i.order_id
JOIN `target.customers` c ON o.customer_id = c.customer_id
GROUP BY c.customer_state
ORDER BY mean_freight_value;
SQL パワー | オンラインショッピング

分析により、平均運賃額と配達までの時間の間に弱い正の相関関係があることが明らかになりました。 サンパウロ (SP) の平均運賃額が最も低く、ロライマ (RR) の平均運賃額が最も高くなります。

企業が業務を最適化し、顧客満足度を向上させるには、販売、貨物、配達時間のダイナミクスを理解することが重要です。 SQL クエリを活用し、状態ごとのパターンを分析することで、企業は販売傾向に関する貴重な洞察を取得し、物流を最適化し、データに基づいた意思決定を行って、全体的な効率と顧客エクスペリエンスを向上させることができます。

支払いタイプの分析: 注文と分割払いに関する洞察

さまざまな支払いタイプの注文数の前月比

支払いタイプの傾向を理解するために、さまざまな支払いタイプの注文数の前月比を分析しました。 SQL クエリの実行は次のとおりです。

SELECT p.payment_type, EXTRACT(MONTH FROM o.order_purchase_timestamp) AS month, COUNT(DISTINCT o.order_id) AS order_count
FROM `target.orders` o
JOIN `target.payments` p
ON o.order_id = p.order_id
GROUP BY 1, 2
ORDER BY 1, 2;
SQL パワー | オンラインショッピング | 電子商取引
さまざまな支払いタイプの注文数の前月比 | 電子商取引

分析では、XNUMX 月から XNUMX 月にかけて全体的に上昇傾向が見られ、XNUMX 月から XNUMX 月にかけてさらに上昇傾向が見られます。 最も一般的な支払い方法はクレジット カード取引で、次に UPI が続きます。 デビットカード取引は最も好ましくないオプションです。 特に、クレジット カードでの取引が他の支払い方法と比べて急速に増加しています。これは、おそらく「今購入して後で支払う」オプションやクレジット カードを使用して受け取れるキャッシュバックなどの利点が原因と考えられます。

分割払い回数に基づく注文数

分割払いの分布を把握するために、分割払いの回数に基づいて注文数を分析しました。 SQL クエリの実行は次のとおりです。

SELECT p.payment_installments, COUNT(o.order_id) AS order_count
FROM `target.orders` o
JOIN `target.payments` p
ON o.order_id = p.order_id
WHERE o.order_status != 'canceled'
GROUP BY 1
ORDER BY 2 DESC;
SQL パワー | オンラインショッピング | 電子商取引

分析の結果、注文の大部分 (最大数) の分割払いは 24 回のみであることが明らかになりました。 最高の分割払い回数は 18 回で、これは XNUMX 件の注文に関連付けられています。

企業が支払いプロセスを最適化し、顧客の好みに応えるには、支払いの種類と分割払いの好みを理解することが不可欠です。 SQL クエリを活用し、支払い傾向を分析することで、企業は情報に基づいた意思決定を行い、支払いオプションを改善し、プロセスを合理化し、全体的な顧客エクスペリエンスを向上させることができます。

結論として、この分析により、支払いの種類と分割払いの好みに関する貴重な洞察が得られます。 これは、クレジット カード取引の人気、クレジット カードの使用量の増加傾向、および XNUMX 回払いの分割払い注文の普及を浮き彫りにしています。 これらの洞察は、企業が支払い戦略を調整し、顧客満足度を向上させるのに役立ちます。

分析に基づいた実用的な洞察と推奨事項

実用的な洞察

  1. データによれば、SP 州には次の XNUMX つの州を合わせたよりも大幅に多くの注文があることがわかります。 これは、他の州でも改善の余地があることを示しています。 これらの州に焦点を当てることで、注文数を増やし、顧客ベースを拡大することができます。
  2. 売上には季節変動が見られ、お祭り期間には売上が増加します。 企業は、これらのピーク期間を利用して顧客満足度を向上させ、全体的な売上の増加につながるよう、それに応じてマーケティングおよび販売戦略を計画する必要があります。
  3. 配達に時間がかかる地域での配達時間を改善すると、顧客満足度にプラスの影響を与え、リピート購入を促進することができます。 これを達成するには、物流を合理化し、効率的な配送プロセスを導入することが重要です。
  4. SP や RJ などの州では、すでに多くの注文数が発生しています。 売上をさらに伸ばし、ブランド ロイヤルティを促進するには、パーソナライズされたマーケティング キャンペーン、ロイヤルティ プログラム、優れた顧客サービス エクスペリエンスなどの顧客維持戦略に重点を置くことをお勧めします。
  5. 顧客の人口統計を分析すると、特定のターゲット層に合わせて製品やマーケティング戦略を調整するための貴重な洞察が得られます。 このカスタマイズにより、売上と顧客満足度の向上につながる可能性があります。
  6. データは、XNUMX月からXNUMX月にかけて受注が減少したことを示している。 オフピークシーズンに割引やプロモーションを提供すると、顧客がその期間に購入するよう動機付けられ、売上が増加します。
  7. データには経済状況に関する情報は含まれていませんが、売上への影響を分析することで、改善や投資の領域を特定し、経済変動時の回復力を確保することができます。

提言

  1. 物流と出荷プロセスを改善して納期を短縮し、顧客満足度を向上させます。 これには、倉庫業務の最適化、配送ルートの改善、信頼できる宅配サービスとの提携が含まれます。
  2. 顧客維持戦略を導入して、リピート購入を促進し、忠誠心を育みます。 これは、ロイヤルティ プログラム、紹介報酬、パーソナライズされたオファーを通じて実現できます。
  3. 価格設定と運賃を評価して、市場での競争力を確保しながら、収益と収益性を最大化します。 必要に応じて、価格の値上げや運賃の調整を検討してください。
  4. テクノロジーとインフラストラクチャに投資して、e コマース エクスペリエンスを向上させます。 これには、顧客サポートのためのチャットボットの導入、Web サイトのパフォーマンスの向上、顧客の行動に基づいたパーソナライズされた製品の推奨事項の提供が含まれます。
  5. 販売者と協力して製品ラインナップを拡大し、製品の品質を向上させ、顧客の多様なニーズや好みに応えます。
  6. ソーシャル メディア プラットフォームとインフルエンサーはブラジルでの購入決定に大きな影響を与えるため、製品を宣伝し、ブランド認知度を高めるために活用します。
  7. チャット サポート サービスを提供し、顧客の問い合わせに迅速かつ効果的に対応することで、顧客サービス エクスペリエンスを向上させます。
  8. 競合他社の活動を監視し、それに応じてビジネス戦略を調整します。たとえば、より良い価格設定や提供製品の拡大、市場での競争力を維持するための顧客サービスの向上などです。

これらの実用的な洞察と推奨事項を実装することで、企業は業務を最適化し、顧客満足度を向上させ、ブラジルの電子商取引市場全体の売上成長を促進することができます。

まとめ

結論として、ブラジル市場における電子商取引データの分析は、顧客の購入パターン、販売傾向、支払いの好み、配送エクスペリエンスに関する貴重な洞察を提供します。 これらのパターンと傾向を理解することで、企業は情報に基づいた意思決定を行い、業務を最適化し、成長を促進するための戦略を実行できます。 分析から得られた重要なポイントは次のとおりです。

主要な取り組み

  • SP 州はブラジルの電子商取引市場を独占しており、潜在的な成長機会を得るために他の州に焦点を当てる必要があることを示しています。
  • 顧客層を分析すると、特定のターゲット層に合わせて製品やマーケティング戦略を調整することができ、売上の増加につながります。
  • 閑散期に割引を提供すると、顧客に刺激を与え、閑散期の売上を伸ばすことができます。

この記事に示されているメディアは Analytics Vidhya が所有するものではなく、著者の裁量で使用されています。

スポット画像

最新のインテリジェンス

スポット画像

著作権 @ 2024 Plato Technologies Inc.

私たちとチャット

やあ！ どんな御用でしょうか？