서울숲 미세먼지

서울숲 미세먼지

Product Data Analyst @Yogiyo

오늘 뭐 먹지? 아니, 뭐가 있지?

업데이트:

뭘 먹을지도 고민인데, 근처에 어떤 음식점이 있는지도 모르겠다.

남부터미널에 있는 학원에 다니며 공부하고있는데, 매일 뭘 먹을지 고민한다. 점심시간마다 뭘 먹을지 고민하는 것은 인생의 과제인듯하다.

과제를 좀 더 수월하게 풀어내보기 위해, 남부터미널 근처 어떤 음식점이 있고, 갈 만한 맛집은 어디가 있는지 분석해보자.

목적: 남부터미널 부근 맛집 지도 만들기

결과물: 링크 클릭!
깃허브에서 보기: 링크 클릭!

목차

1. 맛집 지도, ZMSmap

결과물을 먼저 공개한다.
자소서를 너무 많이 썼는지, 블로깅도 두괄식으로..

결과물 보러 가기(Click!)

  • 페이지에 들어가면, 음식점들의 점수와 위치를 확인할 수 있다.
    • image
  • 내가 가려고 하는 음식점의 점수가 상위 몇%인지 확인할 수 있다.
    • image
  • 해당 지도 외, 다양한 컨셉의 지도들을 확인해볼 수 있다.
    • image

2. 데이터 수집

2.1 사용한 지도 서비스

  • 음식점의 데이터는 카카오맵을 크롤링하여 수집했다.
    • 이전 포스트에서도 언급했지만, 구글맵, 네이버맵, 카카오맵 중 크롤링하기 가장 좋은 지도는 카카오맵이다.
      • 네이버맵: 지도 내에 평점을 제공하지 않는다.
      • 구글맵: 평점, 리뷰 등을 제공한다. 하지만 크롤링 도중 지도가 멋대로 설정한 지역을 벗어난다.
      • 카카오맵: 위 단점들을 모두 커버한다.

        2.2 크롤링

  • 카카오맵에서 ‘음식점’ 카테고리를 선택하여 나온 결과들을 크롤링하였다.
  • 크롤링한 정보는 아래와 같다.
    • 음식점 이름, 카테고리, 평점, 평점 수, 리뷰 수, 주소
    • image
  • 크롤링은 Python의 Selenium, BeautifulSoup을 활용하였다.
  • 서초-강남 부근에 있는 4,680곳의 음식점을 크롤링했다.
    • image

3. 전처리, 필터링, 특성 추가

3.1 데이터의 형식, 형태 변경

  • Object to numeric
    • 숫자와 문자가 섞여있는 경우가 있었는데, 이 문제를 해결했다.
  • 결측값 처리
    • 주소가 없는 경우 직접 찾아서 넣어줬고, 잘못된 주소는 수정했다.

3.2 데이터 필터링

  • ‘괜찮은’ 음식점인지 확인하기 위해서는 어떤 평가를 받았는지 확인해야한다.
    • 좋은 분석을 위해 평가를 아직 안 받았거나, 평가 수가 부족한 음식점들은 걸러냈다.
    • 평가 수의 분포를 확인하고, 중앙값인 4 미만인 음식점들은 제외했다.
  • 필터링을 하니, 1,420개의 음식점이 남았다.

3.3 특성 추가

3.3.1 위도, 경도, 거리

  • 지리 시각화를 위해 위도와 경도 데이터를 추가했다.
  • 그리고 이 데이터를 통해 학원에서부터의 거리를 구하여 추가했다.
    • googleapi, kakaoapi를 활용했다.

      3.3.2 ZMS 지표

      TMI 주의

  • ‘괜찮은 음식점은 어디인가?’라는 분석을 할 때, 괜찮은 에 해당하는 하나의 지표가 있으면 수월할 것이다.
  • 평점, 평가 수, 리뷰 수를 종합한 하나의 지표를 만들었고, 이름은 ZMS로 지었다. (Zzon Mat Score)
    • 지표의 수식에 대한 로직은 아래와 같다.
      1. 소비자 입장에서 음식점을 평가할 때, 평점을 가장 중요하게 생각한다.
      2. 하지만 같은 평점이어도, 평가 수가 더 많으면 신뢰가 높다.
      3. 평점이 높다면, 어떤 것들이 괜찮은지 자세히 보기 위해 리뷰를 확인한다.
    • 그래서 ZMS의 수식은 이렇게 세웠다.
      • $ZMS = 0to100scaler(score * log(evalcnt) + minmaxscaler(log(reviewcnt+1)))$
        • $score$: 평점
        • $evalcnt$: 평가 수
        • $reviewcnt$: 리뷰 수
      • 평가 수와 평점에 로그를 씌운 이유는 정규분포에 따르게 하기 위함 + 스케일에 대한 규제를 하기 위함이다.
      • 리뷰 수는 가산점의 역할을 하기 위해 0~1 범위로 스케일링하였다.
      • 이렇게 나온 수치를 0~100범위 내에 다시 스케일링하였다.
  • 이렇게 해서 산출된 ZMS의 분포는 아래와 같다.
    • image

4. 음식점 분석하기

학원 근처 점심 맛집 지도 만들기

4.1 데이터 필터링

4.1.1 학원 근처 음식점으로 추리기

  • 학원에서 나와 음식점으로 이동할 때, 도보로 10분을 넘기지 않도록 하고싶었다.
    • 카카오맵 기준 700m가 도보로 약 10분거리라고 나타내주었기 때문에, 700m로 기준을 잡고 필터링했다.
    • image

      4.1.2 점심으로 부적절한 카테고리 제외

  • 술집, 곱창, 치킨 등 점심 식사와 동떨어진 음식점들은 제외했다.

4.2 ZMS 확인하기

  • 필터링한 음식점들을 ZMS를 기준으로 정렬한 후, 상위 20곳의 ZMS를 확인해보았다.
    • image
  • 장꼬방이라는 곳이 상위 0.6%로 1등, 우작 설렁탕이라는 음식점은 1.41%로 2등을 차지했다.
    • 그럼 ZMS 점수가 높은 두 곳의 리뷰는 어떨지 분석을 진행해보았다.

4.3 리뷰 분석

  • 리뷰를 분석하여 실제로는 어떤 평가를 받고있는지 살펴보자.

4.3.1 언제 평가를 많이 받았는가?

  • 장꼬방과 우작 설렁탕이 언제 리뷰를 많이 받았는지 살펴보자.
  • 이 데이터를 살펴보면, 음식점이 언제부터 유명해졌는지 짐작해볼 수 있을 것이다.
  • image
  • 평가는 장꼬방이 우작설렁탕보다 더 많이 받았다.
  • 장꼬방은 2013년에 가장 많은 평가를 받았고, 최근 3년간은 20~30회 정도의 평가를 받았다.
    • 그리고 평가 수가 들쑥날쑥임을 알 수 있다.
    • 우작 설렁탕은 2016년도부터 두각을 드러냈고, 이후 10~20건의 평가를 꾸준히 받고 있다.
    • 사실 리뷰 수가 ‘좋은 음식점’을 나타낸다기보다는 ‘인지도’라고 이해하면 좋겠다.
  • 그럼 이번엔 평점을 살펴보자.

4.3.2 두 음식점의 연간 평점 추이

  • 평점의 변화를 살펴보면 음식점이 초심을 잃었는지, 아니면 꾸준히 좋은 평가를 얻고있는지 알 수 있을것이다.
    • image
    • 장꼬방의 경우, 2017년에는 평균 평점이 3점 후반대였으나, 2020년에는 1점 중반대로 낮아졌다.
    • 반면, 우작설렁탕은, 최근 5년간 지속적으로 3~4점을 유지하고있다.
  • 장꼬방은 왜 평점이 낮아지고있는지 살펴보고, 동시에 우작설렁탕의 리뷰도 분석해보자.

4.3.3 리뷰 분석 - 장꼬방

  • 장꼬방의 리뷰 124개에 대한 긍, 부정 워드클라우드를 만들어보았다. 물론 이를 위해 리뷰들을 크롤링해왔다..
    • 긍정: 평점 3~5점, 부정: 평점 1, 2점
    • image
    • 긍정, 부정 리뷰 모두 김치찌개, 계란말이의 언급이 가장 많다.
    • 찌개집이다보니 김치찌개의 언급은 이해가 되는데, 계란말이가 왜 이렇게 많이 언급되고있을까?
  • 데이터가 적으니, 최근(2020년) 리뷰를 직접 확인해보자.
    • image
    • 계란말이에 대한 부정적인 리뷰가 잇다르고있다.
      • 특히 철분이 가득하다, 물이 너무 많이 들어갔다 라는 등의 이야기가 많다.
      • 5점짜리 리뷰도 비꼬며 5점을 줬다는 것을 알 수 있다… 대체 어느정도길래.
      • 부정리뷰 워드클라우드에서 ‘물란’, ‘말’ 등이라는 단어가 물란말이에서 왔음을 추측해볼 수 있다.
  • 그럼 평점이 좋았던 2017년에는 어땠는지 살펴보자.
    • image
    • 전반적으로 짧은 리뷰가 많긴 하지만, 그래도 맛이 괜찮다는 평이 많다.
      • 평생 먹어본 계란말이 중 장꼬방의 계란말이가 가장 맛있다는 평까지 존재한다!
    • 정리하자면, 이전에는 김치찌개, 계란말이 맛집으로 유명했으나,
    • 초심을 지키지 못했거나 레시피의 변화 등으로 인해 부정적인 이미지를 안게된 것 같다.
  • 아래 그래프가 장꼬방의 변화를 적나라하게 보여준다.
    • image

4.3.5 리뷰 분석 - 우작 설렁탕

  • 이번에는 우작 설렁탕을 살펴보자.
  • 우작 설렁탕의 리뷰는 52건으로, 긍정/부정을 나누기에는 수가 부족하다.
  • 전체 리뷰를 대상으로 워드클라우드를 만들어보자.
    • image
    • 긍정인지 부정인지 알 수는 없지만, 설렁탕, 김치, 수육, 국물 등 우리가 ‘설렁탕’하면 먼저 떠오르는 키워드들이 보인다.
  • 그럼 우작 설렁탕은 별점이 어떻게 변화했을까?
    • image
    • 4~5점을 가장 많이 받았고, 장꼬방과 대비된다.

4.4 결론은?

  • 그럼 남부터미널 부근 최고의 맛집은 ‘우작 설렁탕’ 이라고 말할 수 있겠다.
    • (분석에서 그치지 않고 실제로 가보았는데, 리뷰에 언급된 것처럼 국물이 맛있고 김치가 정말 맛있었다..!)

5. ZMS map

  • 위에 언급한 내용은 남부터미널 근처에 대한 분석이지만, 실제로는 ..
    • 학원(남부터미널) 근처 지도
    • 카테고리별 지도 (한식, 중식, 일식 등..)
    • 술집 지도
    • 치킨 지도
    • 직접 선정한 맛집 지도
  • 총 5가지의 주제로 분석했다.
    • ZMS로 음식점을 필터링할 수 있고,
    • 직접 선정한 맛집의 경우, 보다 정성적인 분석 자료들도 첨부하였다.
  • 서초-강남 부근에 회사나 학원을 다니시는 분들은 한 번 쯤 사용해보면 어떨까!

ZMS map 보러 가기

  • 너무나 감사한 분들
    • 프로젝트를 같이 진행한, 유쾌하고 감사한 팀원분들
      • 장서인, 허윤성 님
    • 전혀 모르는 사이인데도, 페이스북 메시지로 Plotly를 Notion에 임베드 하는 것에 대해 여쭤봤을 때 너무나도 친절하게 대답해주신..
      • Taewoong Kong 님

댓글남기기

참고