🛍️ Customer Shopping Behavior — Data Analysis Project

Portfolio Project | Exploratory Data Analysis | Business Insights | Data Visualization

---

🌐 Live Demo & Repository

🚀 Live Dashboard (Streamlit App)
🔗 https://shopping-trends-analysis.streamlit.app/

💻 GitHub Repository
🔗 https://github.com/arisdarya11/Shopping-Trends-Analysis

🔗 LinkedIn
🔗 https://www.linkedin.com/in/aris-darya-fernanda-b21b652a0/

---

📌 Overview

Proyek ini bertujuan untuk menganalisis pola perilaku belanja pelanggan menggunakan dataset Customer Shopping Behavior.
Analisis ini mencakup demografi, preferensi produk, spending behaviour, metode pembayaran, dan rekomendasi bisnis berdasarkan data.

Dokumentasi ini menunjukkan kemampuan sebagai Data Analyst dalam:

• Data cleaning & preprocessing
• Exploratory Data Analysis (EDA)
• Segmentasi pelanggan
• Spending analysis
• Insight bisnis & rekomendasi strategis
• Dashboard interaktif menggunakan Streamlit

---

🎯 Project Objectives

• Mengidentifikasi pola utama perilaku belanja pelanggan
• Menganalisis karakteristik demografis & preferensi pembelian
• Menilai kontribusi kategori produk terhadap total spending
• Mengidentifikasi pelanggan bernilai tinggi (high-value customer)
• Memberikan rekomendasi strategis untuk optimasi bisnis retail/e-commerce

---

📂 Dataset

File: df_EDA shopping.csv

Dataset berisi informasi tentang:

• Demografi pelanggan
• Preferensi kategori produk
• Metode pembayaran
• Tipe pengiriman
• Total spending per pelanggan

---

🔍 Exploratory Data Analysis (EDA)

Analisis eksploratif termasuk:

• Statistical summary
• Distribusi usia & demografi
• Analisis kategori produk paling diminati
• Pola metode pembayaran & shipping
• Korelasi antar variabel numerik
• Segmentasi pelanggan berdasarkan spending

Visualisasi dibuat menggunakan Plotly dan Seaborn, serta disajikan dalam dashboard interaktif.

---

📈 Business Insights & Strategic Recommendations

Area Strategis	Insight Utama	Rekomendasi Strategis
Segmentasi Pasar & Demografi	Mayoritas pelanggan adalah usia Mature (41–60) & Adult (26–40), gender didominasi Male (68%)	Fokus kampanye ke segmen tersebut — gunakan konten sesuai preferensi mereka; promosi lewat media sosial & digital ads
Produk & Inventory Management	Produk populer: Blouse, Jewelry, Pants, Shirt	Pastikan produk populer tersedia stock, variasi ukuran/warna, prioritas manajemen inventory kategori ini
Payment & Shipping	Pembayaran via Credit Card tertinggi, kombinasi kartu + free shipping & payment method tertentu berkorelasi dengan spending tinggi	Tawarkan promo kartu kredit, bundling payment–shipping (free shipping), promosi metode pembayaran & pengiriman yang efektif
Promosi & Diskon	Promo saat ini belum terlalu efektif menaikkan spending	Gunakan strategi threshold-based discount & bundling produk populer agar promo lebih efektif
Loyalty & Subscription	Pelanggan loyal menunjukkan spending stabil	Perkenalkan program loyalitas (tier: Silver/Gold/Platinum), benefit eksklusif (free shipping, early access, hadiah ulang tahun)
Customer Experience & Retensi	Rating pelanggan ~3.7–3.8/5, perlu ditingkatkan	Tingkatkan kualitas layanan & produk, percepat pengiriman, permudah retur, lakukan survey after-sales
Lokasi & Ekspansi Pasar	Ada wilayah dengan spending tinggi	Fokus ekspansi dan promosi regional di area tersebut (online & offline), gunakan strategi marketing lokal

---

🛠 Tools & Technologies

• Python
• Pandas, NumPy
• Streamlit
• Plotly, Seaborn / Matplotlib
• Jupyter Notebook / script analisis
• Git & GitHub

---

📈 Skills yang Ditampilkan

• Data Wrangling & Cleaning
• Exploratory Data Analysis
• Data Visualization & Storytelling
• Business Insight & Recommendation
• Dashboard Development
• Dokumentasi & Portofolio Profesional

---

👤 Tentang Penulis

Aris Darya Fernanda — Data Analyst & Business Insight Enthusiast
🔗 LinkedIn: https://www.linkedin.com/in/aris-darya-fernanda-b21b652a0/
💻 GitHub: https://github.com/arisdarya11/Shopping-Trends-Analysis

---