Uber Eats USA Restaurants and Menus

Uber Eats 데이터 분석은 식품 산업 내 고객 선호도에 대한 귀중한 통찰력을 추출하는 데 맞춰져 있습니다. 
우리는 레스토랑 메뉴 가격, 등급, 인종 카테고리, 위치 및 기타 사실을 면밀히 조사하여 이를 수행합니다. 
이를 통해 우리는 시장 포지셔닝을 개선하고 전반적인 이익을 높일 수 있는 맞춤형 추천을 제공하는 것을 목표로 합니다.

이 조사를 통해 우리는 요리 환경의 추세와 패턴을 찾을 수 있습니다. 궁극적으로 우리의 목표는 
레스토랑 전략을 재정의하고 Uber Eats 플랫폼에서 레스토랑의 입지를 강화하기 위해 실행 가능한 
권장 사항을 제공하는 것입니다. >


문제:

이 프로젝트에서 우리의 주요 목표는 새로운 레스토랑 체인을 설립할 계획이거나 기존 레스토랑의 성과를 개선하려는 고객에게 전략적 권장 사항을 제공하는 것입니다. 우리는 이윤폭이 3~5%에 이르는 요식업계의 만연한 문제에 직면해 있습니다. 우리의 분석은 Uber Eats의 현재 환경을 조사하고 레스토랑 비즈니스가 신규 고객과 기존 고객에 대한 매력을 높이는 동시에 더 높은 수익을 창출할 수 있는 혁신적인 전략을 찾는 데 맞춰져 있습니다.


이 분석에 활용된 기본 데이터세트에는 미국 전역에 퍼져 있는 다양한 레스토랑에 대한 정보가 포함되어 있습니다. 데이터 소스는 Python 라이브러리와 Uber Eats 웹사이트를 사용하여 수집한 웹 스크래핑을 통해 얻었습니다.

처음에는 레스토랑 데이터세트가 55,227개의 행으로 구성되었고, 메뉴 데이터세트는 4,450,099개의 행으로 구성되었습니다.

여기서는 분석을 생성하는 데 활용한 모든 변수와 통찰력을 극대화하기 위해 개발하기로 결정한 기타 변수에 대해 설명합니다.

레스토랑 데이터세트와 메뉴 데이터세트라는 2개의 데이터세트가 있습니다. 분석에 활용한 모든 변수에 대해 간략하게 설명하고, 분석에 고려되지 않은 변수는 제외하였다.


- 품목_평균_가격: 각 고유 레스토랑이 제공하는 모든 가격의 평균을 구한 후 세 가지 카테고리로 분류하여 생성된 컬럼입니다.
        (저렴한 가격, 평균 가격, 고급 가격)

- State: 이 열은 full_address 열에서 주를 제거하여 생성되었습니다.

- 지역: 이 열은 50개 주를 모두 지리적 지역에 따라 배열하고 해당 그룹에 할당하여 생성되었습니다.

- 요리 수: 이 열은 메뉴 데이터세트에서 각 레스토랑이 제공하는 요리 수를 계산합니다.


우리 레스토랑 고객이 도움을 요청했습니다. 이들은 고객 기반을 확대하고 Uber Eats 앱에 대한 가시성을 높이기 위해 노력하고 있습니다. 우리 고객은 미국 전역에 퍼져 있는 다양한 레스토랑으로 구성되어 있습니다. 인구통계학적 위치를 연구함으로써 우리는 레스토랑이 해당 지역의 고객과 다양한 음식에 대한 선호도에 대한 깊은 지식을 얻을 수 있도록 도울 계획입니다. Uber Eats 앱의 레스토랑은 다양한 검색 위치에 표시됩니다. 우리는 어떤 레스토랑이 페이지 상단에 배치되고 다른 레스토랑이 페이지 하단에 배치되는 이유를 이해할 계획입니다. 이 분석을 통해 우리는 앱 가시성 문제로 어려움을 겪고 있는 고객을 도울 수 있습니다. 궁극적으로 우리는 지역별 모든 레스토랑에 대해 레스토랑에 어떤 음식 품목을 포함해야 하는지에 대한 게임 계획을 수립하여 더 많은 고객 참여를 유도할 계획입니다.

온라인 음식 주문 플랫폼인 Uber Eats는 2022년에 110억 달러에 달하는 상당한 거래 급증을 경험했습니다. 이는 2021년 창출된 매출 83억 달러보다 31%라는 놀라운 증가를 반영합니다. 동시에 사용자 수는 2%로 꾸준한 증가세를 보이고 있으며 판매자 참여도 미국에서는 눈에 띄게 10% 증가했습니다. 이러한 추세는 고객과 판매자 모두 사이에서 플랫폼의 선호도가 높아지고 있음을 강조합니다.

온라인 음식 주문의 증가 추세를 고려하여 레스토랑은 이 플랫폼의 잠재력을 극대화하고 수익원을 강화하며 이윤을 높이기 위한 효과적인 디지털 전략을 고안해야 합니다.

선호하는 요리부터 메뉴 다양성까지 이러한 전략을 효과적으로 수립하려면 다양한 지역의 고객 선호도를 이해하는 것이 중요합니다. 따라서 다음과 같은 질문이 제기됩니다. 레스토랑은 어떻게 다양한 차원에 걸쳐 고객 선호도를 조사하고 적절한 통찰력을 수집하여 잠재력을 극대화하기 위한 전략을 수립할 수 있습니까?


Uber Eats 데이터 분석은 식품 산업 내 고객 선호도에 대한 귀중한 통찰력을 추출하는 데 중점을 두고 있습니다.

우리 분석의 주요 결과 중 일부

미국 요리의 지배력: 미국 요리 레스토랑은 미국 전역에 걸쳐 음식 카테고리의 대부분을 구성합니다.
최고 등급 카테고리: 아시아, 지중해, 일본, 아시아 퓨전 요리가 가장 높은 점수를 받았습니다.
가격 추세: 평균 가격의 메뉴를 제공하는 레스토랑이 모든 지역에서 지배적입니다.
고급 레스토랑 제공: 고급 레스토랑은 다른 가격대보다 더 다양한 요리를 제공합니다.
고객 피드백: 고객은 평균 가격이 20달러 이하인 레스토랑에 대한 리뷰를 제공하는 경향이 있습니다.
우리의 분석을 바탕으로 우리는 고객에게 다음과 같은 몇 가지 권장 사항을 제시합니다.

레스토랑 카테고리를 다양화하세요. 자신을 차별화하려면 미국 음식 외에 다양한 요리를 제공하는 것을 고려해 보세요. 미국 요리가 시장 포화에 가까워졌기 때문에 이는 더욱 다양한 고객 기반을 유치하고 시장 범위를 확대할 수 있습니다.
위치 기반 추천: 고객의 성공 가능성을 극대화하려면 고객이 선호하는 위치가 있는 경우 어떤 식품 카테고리에 집중해야 할까요?
체인 레스토랑 성공: 고객이 높은 리뷰와 점수를 얻고자 한다면 체인 레스토랑을 여는 것이 가장 현명한 결정일 수 있습니다. 우리의 분석에 따르면 체인 레스토랑은 이러한 측면에서 우수한 성과를 보이고 있습니다.
메뉴 다양성: 눈에 띄기 위해 고객에게 더 매력적인 레스토랑을 만드는 것이 목적이라면 우리 상인은 메뉴에 더 다양한 요리를 제공하는 것을 고려할 수 있습니다.
가격 고려 사항: 우리는 고객이 레스토랑 품목의 가격을 현지 시장 가격과 일치하거나 약간 낮은 가격으로 책정할 것을 권장합니다. 가격은 고객 수요에 큰 영향을 미치며, 경쟁사보다 저렴한 가격으로 상품을 제공하는 것은 보다 광범위한 고객 기반을 확보하기 위한 효과적인 전략이 될 수 있습니다. 평균 가격의 레스토랑이 시장을 지배한다는 점을 감안할 때 고객은 레스토랑을 설립하려는 지역을 기반으로 보다 비용 효율적인 레스토랑을 만들거나 고급 식사 경험을 실험할 수 있습니다.
결론적으로, 우리의 분석은 Uber Eats 앱 내 고객 선호도와 편견에 대한 필수적인 통찰력을 제공합니다. 이러한 권장 사항을 따르면 고객은 식품 산업에서 성공하기 위해 정보에 입각한 결정을 내릴 수 있습니다.

분석에서 처음에는 변수 간의 상관 관계가 최소로 관찰되었으며 이는 변수 간의 관계가 약함을 나타냅니다. 따라서 우리는 데이터의 추세와 특성을 제시하기 위한 기술 분석에 더욱 중점을 두었습니다.

데이터 세트는 주로 텍사스와 버지니아의 레스토랑 데이터에 중점을 둡니다. 이 데이터 세트에서 널리 사용되는 레스토랑 카테고리 중 미국 요리가 선두를 차지하고 멕시코 요리와 아시아 요리가 그 뒤를 따릅니다.

가격 책정에 초점을 맞추면서 우리는 다양한 지역과 주에 걸쳐 레스토랑이 일반적으로 평균 가격 식당에 속한다는 사실을 발견했습니다. 동북부 지역을 제외하면 대부분의 지역에는 저가 음식점이 더 많다.

다양한 레스토랑 카테고리의 메뉴 항목당 평균 가격을 분석한 결과, 대부분의 카테고리에서 항목 가격이 10~20달러 범위 내인 것으로 나타났습니다. 그러나 멕시코 레스토랑에서는 일반적으로 음식 가격을 10달러 미만으로 책정합니다.

검색 결과 페이지의 레스토랑 위치와 관련하여 미국 카테고리는 처음 3개 위치에서 가장 많은 수의 레스토랑을 보유하고 있으며 멕시코 및 아시아 레스토랑이 그 뒤를 따릅니다. 미국 레스토랑도 최고 등급 레스토랑을 장악하고 있다. 미국 요리를 제외하면 상위 3개 범주는 멕시코 요리, 아시아 요리, 일본 요리입니다.

이러한 레스토랑 카테고리 내에서 고객 선호도를 조사하면서 우리는 평점 분포에 대한 포괄적인 분석을 수행했습니다. 특히 아시아, 지중해, 일본, 아시아 퓨전과 같은 카테고리가 평점에서 가장 높은 평균 점수를 나타냅니다.

또한 Uber Eats 앱에서 평점이 가장 높은 상위 5개 레스토랑을 확인했습니다. Bethesda Bagels, Springfield와 Arlington에 지점이 있는 Taco Bambas, Chick-fil-A, P.F. 창의. 각 시설은 인상적인 500개의 리뷰를 자랑합니다.

각 주마다 요리의 다양성과 집중도를 보면 텍사스, 메릴랜드, 버지니아는 국경 내에서 다양한 요리를 자랑합니다. 반대로, 위스콘신이나 유타와 같은 주에서는 제공되는 요리의 종류가 더 제한적입니다. 미국식 레스토랑의 보급률은 모든 주에서 일관되게 유지되는 반면, 텍사스에는 다른 주에 비해 훨씬 더 많은 수의 멕시코 레스토랑이 있습니다.

레스토랑 카테고리별, 지역별 요리 수를 살펴보면, Uber Eats에서 중국 요리가 가장 많은 요리를 제공하고 메뉴도 가장 다양한 것으로 나타났습니다. 예를 들어, 남동부 및 북동부 지역의 중국 식당에서는 메뉴가 150가지가 넘는 다양한 요리를 제공합니다. 이에 반해 스페인, 쿠바, 소울푸드 레스토랑은 메뉴의 종류가 좀 더 제한적입니다

또한 우리는 일반적으로 레스토랑의 가격대가 20달러 정도일 때 리뷰 수가 더 많다는 것을 관찰했습니다. 이 가격대를 넘어서면 리뷰 수가 감소하는 추세입니다.

주별 품목 평균 가격을 보면 남서부 지역이 가장 높고 중서부 지역이 가장 낮은 경향을 보입니다. 특히 루이지애나와 오하이오는 각각 평균 ​​가격이 가장 높고 가장 낮습니다.


데이터 세트를 처리하는 동안 심각한 문제에 직면하여 눈에 띄는 편향이 발생했습니다. 이러한 과제는 주로 두 가지 측면을 중심으로 이루어졌습니다. 첫째, 데이터 정리가 큰 장애물이 되었습니다. 데이터가 웹에서 스크랩된 것을 고려하면 점수와 리뷰 수를 포함하여 레스토랑 파일 항목의 약 45%가 누락되었습니다. 이렇게 상당수의 누락된 항목에 대한 값을 대치하는 것은 부적절한 것으로 간주되었습니다. 따라서 원본 파일의 가격 범위 열과 같이 누락된 데이터 수준이 높은 열을 삭제하기로 결정했습니다. 그런 다음 이를 대체할 새 가격 범주를 계산하고 값이 누락된 행을 삭제했습니다. 다행스럽게도 이 접근 방식으로 인해 일부 정보가 손실되고 분석적 한계가 있음에도 불구하고 우리는 여전히 데이터 세트의 절반 이상을 유지했습니다. 그러나 이 프로세스는 나머지 데이터에 편향을 가져왔습니다. 특히 특정 주의 데이터 포인트가 부족하고 데이터 세트에서 미국식 레스토랑이 과도하게 표현되어 지리적 범위가 제한되었습니다.

데이터 정리 프로세스 중 또 다른 과제는 "전체 주소"와 "범주"라는 두 개의 열을 사용 가능한 데이터로 효과적으로 변환하는 것이었습니다. 처음에 우리의 목표는 우편번호를 기준으로 각 레스토랑의 주를 분류하여 지역 분석을 수행하는 것이었습니다. 그러나 우편번호와 전체 주소에 나열된 주 간의 불일치로 인해 접근 방식이 바뀌게 되었습니다. 우리는 상태 정보를 추출하기 위해 "전체 주소" 열을 사용하기로 선택했지만 이는 표준화되지 않은 주소 형식으로 인해 추가적인 문제를 야기했습니다. 다행스럽게도 우리는 주소에서 유효한 상태 정보를 추출하는 방법을 고안할 수 있었습니다. '카테고리' 열의 경우 동일한 카테고리의 레스토랑에 대한 설명의 불일치로 인해 원시 데이터만 사용하여 표준화 및 분류가 어려워졌습니다. 광범위한 온라인 조사를 통해 관련 설명을 더 넓은 카테고리로 연결하여 레스토랑을 분류할 수 있었습니다. 그러나 이러한 접근 방식에는 특히 레스토랑을 특정 요리로 정확하게 분류하는 데 한계가 있었습니다. 예를 들어 스테이크 하우스는 미국 요리 또는 다른 요리에 속할 수 있지만 분류에서는 미국 요리로 그룹화됩니다. 이는 우리 데이터 세트에서 미국 레스토랑이 불균형하게 표현되는 데 기여했을 가능성이 높습니다.


요약하자면, 우리가 조사한 데이터 세트는 변수 간의 유의미한 상관 관계가 부족하기 때문에 확실한 결론을 도출하는 데 어려움을 겪고 있습니다. 그러나 우리의 관찰은 몇 가지 잠재적인 권장 사항으로 이어졌습니다.

첫째, 미국 요리는 대부분의 주에서 시장을 압도적으로 장악하고 있으며 포화 상태에 가까워지고 있습니다. 눈에 띄기 위해서는 레스토랑이 미국식 요리에만 의존하기보다는 대체 요리를 모색해야 합니다.

또한 상인이 특정 주에서 제공할 요리를 결정하거나 체인 레스토랑이 확장을 고려하고 있는 경우 다양한 주에서 요리의 다양성과 집중도를 평가하는 것이 중요합니다. 요리의 다양성이 덜하거나 동일한 요리 카테고리에 경쟁자가 거의 없는 주를 선택하면 전략적 사업 확장이 가능합니다. 이러한 접근 방식을 통해 판매자는 기존 식당과의 경쟁을 최소화하면서 혁신적인 제품을 제공함으로써 더 큰 시장 점유율을 확보할 수 있습니다.

또한, 평균 가격 레스토랑의 일반적인 추세를 고려할 때 상인은 지역 소득 수준에 따라 시장의 양쪽 끝을 전략적으로 타겟팅할 수 있습니다. 이러한 타겟 접근 방식은 경쟁을 최소화하고 수익을 강화할 수 있습니다. 또한 고객은 온라인 주문에 비해 실제 매장에서 더 높은 가격으로 더 나은 서비스를 기대하는 경우가 많기 때문에 판매자는 오프라인 상점과 온라인 플랫폼에 대한 다양한 가격 책정 전략을 신중하게 고려해야 합니다. 또한 각 메뉴 항목의 현지 평균 가격을 참조하면 판매자가 경쟁력 있는 가격을 설정하는 데 도움이 될 수 있습니다. 지역 소득 수준을 고려하고 다양한 플랫폼에 맞는 전략을 맞춤으로써 판매자는 가격 책정 전략을 개발할 때 정보에 입각한 결정을 내릴 수 있습니다. 즉, 고급 또는 저가 시장을 효과적으로 타겟팅하기 위해 지역 평균보다 높거나 낮은 가격을 설정하도록 선택할 수 있습니다.

마지막으로, 고객 유치를 위해서는 다양한 요리를 제공하는 것이 필수적입니다. 판매자는 다양한 유형의 레스토랑에서 제공되는 평균 요리 수를 분석하고 이에 따라 메뉴 제공을 최적화할 수 있습니다. 예를 들어 점수가 낮은 멕시코 레스토랑이 모든 멕시코 레스토랑의 평균보다 적은 수의 요리를 제공한다는 사실을 발견한 경우 요리 수를 늘리면 평점이 향상되고 더 많은 고객을 유치할 수 있습니다.

위의 통찰력을 제시함으로써 우리의 목표는 판매자에게 가치 있고 정보에 입각한 제안을 제공하여 수익과 비즈니스 성공을 최적화하기 위한 효과적인 전략을 수립하는 데 도움을 주는 것입니다.

https://www.kaggle.com/datasets/ahmedshahriarsakib/uber-eats-usa-restaurants-menus

Uber Eats USA Restaurants and Menus 🍛 🍕🍔

https://www.mappr.co/political-maps/us-regions-map/

5 US Regions Map and Facts | Mappr