34. 빅테이터의 마케팅적 활용 가치 및 데이터 분석의 이해

1. DT(Digital Transformation)와 디지털 마케팅

* DT : 디지털 기술을 활용해서 기존이 비즈니스 모델을 새롭게 변화시키는 경영 전략이다.

    ▶ 개인의 디지털 트래스포메이션 = 데이터 활용 역량을 갖추는 것이다.

* 빅데이터 : 쌓아 두기만 하던 데이터를 재조명하고 이로부터 의미를 잘 찾아 활용하자.

    ▶ 비즈니스 전략 + 비즈니스 트렌드 + 비즈니스 방법론적인 빅데이터

1) 기업 내부에서 보유하고있는 Internal 데이터

    - 우리의 상품을 인지하고 있는 고객들의 데이터 : 채널 방문 고객의 행동 데이터

      ▶ 고객 경험 최적화

      ▶ 구매 경로 최적화

2) 외부에서 제공하는 External 데이터

    - 검색데이터나 소셜데이터 같은 경우 : 고객의 정황이나 맥락을 기록하여 관심과 니즈를 파악할 수있는 데이터

      ▶ 시장의 흐름

      ▶ 소비자들의 관심사 파악

 

=> 데이터는 비즈니스 밸류 체인의 모든 단계에 영향을 준다.

 

3) DDDM 데이터 중심 의사결정 ( Data Driven Decision Making )

    ▶ 경험이나 지식/직관 + 데이터 (증거) 기반의 의사결정

 

2. 데이터로 트렌드 분석하기

1) 데이터 드리븐 마케팅 : 데이터를 통해 트렌드를 분석하여 인사이트를 얻는과정

    ▶ 트렌드 센싱 : 업종, 라이프스타일, 트렌드, 정치, 경제, 사회, 문화 전반에 걸쳐 분석

2) 조사 방식으로서의 빅데이터 가치

    ① 샘플링의 규모가 다르다.

        - 해당 주제에 관심을 표현한 거의 전수에 가까운 데이터를 보는 것

    ② 듣고, 관찰하는 조사 방식이다.

        - 조사자의 의도나 편견이 개입될 여지가 상대적으로 적다

        - 소비자의 이중적인 태도를 어느정도 배제할 수 있다.

    ③ 추세 파악이 용이하다.

        - 데이터를 통하여 과거에서 현재까지 흐름의 세기나 강도를 파악할 수 있다.

    ④ 조사의 확장성이 우수하다.

        - 조사 설계가 처음부터 완벽하지 않더라도 분석 과정에서 추가적인 질문과 가설로 확장해 나가는 것이 용이하다.

    ⑤ 실시간으로 현황 파악

        - 성과가 의도대로 도출되고 있는지 곧바로 확인이 가능하다.

    ⑥ 소비자에 대한 이해

        - 소비자들의 정서를 폭넓게 이해, 분석하는 것이 가능하다.

    ⑦ 접근성이 좋다.

        - 시장의 인사이트가 필요할 때 데이터를 활용하면 바로바로 접근이 가능하다.

 

=> 빅데이터로 시장을 분석한다면 이전보다 다양한 가치 생성이 가능하다.

반응형

3. 데이터로 디지털 광고 집행하기

* 구매 과정에서 구매 고객들의 모수는 줄어듦 ( 퍼널 형태 )

▶ 각 단계별로 만들어지는 데이터들을 어떻게 분석하고 활용할 것인지에 대한 전략에 따라 퍼널의 면적을 넓힐 수 있음

* 광고 성과의 파악을 위한 데이터 분석 프로세스

  ① 가설 수립

  ② 데이터 수집

  ③ 데이터 분석

  ④ 인사이트 도출

  ⑤ 실행

  ⑥ 검증

 

4. 데이터 분석을 위한 질문 도출 및 가설 수립 프로세스

1) 쓸만하고 정확한 데이터 분석을 진행하기 위해 질문을 도출하고, 가설을 수립해 나갈 수 있는 방법은?

    - 목적을 명확하게 정의하는 것이 핵심

      ① 질문 나열

          ▶모든 질문을 빠짐없이 도출

      ② 질문의 범주화 및 질문의 구조화

          ▶ 질문의 의미에 따라 질문 그룹핑 → 그룹핑한 질문을 Hierarchy 구조로 정리 ( MECE 중복과 누락이 없게 접근 )

      ③ 분석 결과의 활용 가치 정의

          ▶ 질문에 대한 분석 결과가 문제 해결 및 개선 활동에 어떻게 활용이 가능할지 고민

      ④ 가설적 인사이트 도출

          ▶ 분석 결과에 대해 가설적인 인사이트 도출

 

2) 구체적이지 않거나 개념이 뭉뚱그러진 질문의 해결은?

    - 어떻게 접근할 것인가를 심층적으로 정리 및 분석하여 핵심 질문을 도출해야함

    - 질문을 통해 도출된 데이터를 어디에 어떻게 활용할 것인지, 목적을 명확하게 정의해야 함

=> 목적 지향적인 질문 전략 필요

 

5. 데이터 구조의 이해

( 숫자 ) 수치적인 의미 : metric or measure

( 문자 ) 문자형 데이터 : dimension

( 시간 ) 시간 정보 : time dimension

* 데이터 분석 = 데이터 전처리 + 데이터 해석

    - 분석지향적인 데이터로 전환하는 것 = 데이터 전처리

  ▶ 데이터 활용 스킬

  ▶ 분석한 데이터를 올바르게 해석하는 스킬 (= 데이터 리터러시 )

  ▶ 맥락적인 해석

     - 데이터를 분석하는 프로세스

     - 데이터 분석의 스킬

     - 분석된 결과를 의미있고 통찰력있게 활용