광고 데이터 | [#Dm9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다?

당신은 주제를 찾고 있습니까 “광고 데이터 – [#DM9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화“? 다음 카테고리의 웹사이트 ppa.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://ppa.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 데이터맛집 이(가) 작성한 기사에는 조회수 1,492회 및 358730 Like 개의 좋아요가 있습니다.

광고 데이터 주제에 대한 동영상 보기

여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!

아래 상세 동영상 보기

d여기에서 [#DM9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화 – 광고 데이터 주제에 대한 세부정보를 참조하세요

남들이 모르는 황금 키워드 광고?
그 전에 고객중심 키워드, 검색엔진의 이해부터 하자!
키워드 광고만 알고 있는 마케터라면 주목!
강연 소개 :
“어떻게 하면 검색광고의 효과를 높일 수 있을까요?”

01 SEO와 SEM
○ SEO : Search Engine Optimization
○ SEO는 검색엔진의 알고리즘과 패턴을 이해하는 것
○ SEM : Search Engine Marketing
○ SEM은 검색엔진을 이용한 마케팅

02 효과적으로 검색 결과가 나타나도록 하는 법
○ 고객이 어떤 방식으로 검색하는지 연구
○ 고객이 자주 쓰는 키워드를 넣을 것
○ 검색엔진은 이미지를 파일명으로 검색  파일 이름에 키워드를 삽입하기

03 검색에서 제일 중요한 것, SOV
○ SOV(Share Of Voice) : 광고 점유율
○ ex : 네이버 1면의 점유율
○ 경쟁사와 비교하여 광고 점유율을 알 수 있음
○ SOV를 알아야 하는 이유 : 정확한 데이터로 예산 또는 전략을 바꿔야함

[데이터는 사람을 행동하게 한다, 데이터마케팅코리아 링크]✻ 인공지능 마케팅 솔루션, 마대리 l http://bit.ly/3i1TtCr
✻ 데이터마케팅 교육 문의 l [email protected]

강연자 소개 :
이진형 (데이터마케팅코리아 대표)
#데이터마케팅코리아 #마케팅솔루션 #마대리 #데이터마케팅 #키워드 #광고 #키워드광고 #키워드광고방법 #키워드광고전략 #키워드광고분석 #키워드광고플랫폼 #키워드광고비용 #검색엔진 #검색광고 #검색광고마케터 #검색광고키워드 #검색광고맠 #광고점유율 #SOV #네이버 #데이터마케팅교육 #DM9

광고 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.

광고 데이터는 어떻게 활용해야 할까요? | BizSpring BLOG

광고 성과를 분석하고 있는 마케팅 담당자 – 수집된 광고 데이터를 활용하여 마케팅 성과를 높이고 싶은 분 – 데이터 활용의 중요성은 알고 있지만 …

+ 자세한 내용은 여기를 클릭하십시오

Source: blog.bizspring.co.kr

Date Published: 8/22/2022

데이터 분석 뛰어든 광고쟁이들…판이 달라졌다 이미경의 …

‘데이터 분석’ 뛰어든 광고쟁이들…판이 달라졌다 [이미경의 인사이트], 제일기획, 데이터 기반 마케팅에 뛰어든 이유 제일기획, 내부에 퍼포먼스 …

+ 여기를 클릭

Source: www.hankyung.com

Date Published: 6/29/2022

공익광고데이터광장: kobaco

분야별 공익광고 다양한 주제의 공익광고. 경제사회/기타: 137개. 자연환경: 66개. 사회공동체: 155개. 가정/청소년: 50개. 공중보건/복지: 17개 …

+ 더 읽기

Source: psadata.kobaco.co.kr

Date Published: 12/14/2021

빅데이터(Big Data)와 광고의 관계 – 브런치

with 칸 광고제 미디어부문 금상작 Kleenex Catche | 광고계에서는 이미 빅 데이터(Big Data)를 활용해서 소비자의 동향을 재빠르게 파악하려는 …

+ 여기에 보기

Source: brunch.co.kr

Date Published: 8/4/2022

광고 데이터 및 통계 도구

유용한 광고 통계를 도출하는 데이터 도구를 활용하세요. 실용적인 분석 정보가 Ad Manager 대시보드에 바로 제공됩니다.

+ 여기를 클릭

Source: admanager.google.com

Date Published: 5/15/2022

한국방송광고진흥공사 – 공공데이터포털

파일데이터 (1건). 한국방송광고진흥공사_방송통신광고산업통계자료 …

+ 여기에 자세히 보기

Source: www.data.go.kr

Date Published: 9/19/2022

데이터 사이언스 in 광고 마케팅 1편

이번에 게재되는 윤도일 교수의 칼럼 1편은 데이터 사이언스에 대한 인트로 및 광고에서의 데이터 애널리틱스를 소개합니다. 다음 2편은 머신러닝과 인공 …

+ 여기에 보기

Source: blog.hsad.co.kr

Date Published: 11/25/2021

퍼포먼스 마케터라면 꼭 알아야 할 ‘데이터 분석 101’ – 벤처스퀘어

전자는 통계적 분석 기법이나 데이터마이닝 기법, 머신러닝이나. … 광고 데이터 분석 광고 매체에서 제공하는 데이터를 통합하여 CTR, CVR, …

+ 더 읽기

Source: www.venturesquare.net

Date Published: 3/8/2022

개인 맞춤 광고 데이터 수집 중지 – Google Ads 고객센터

개인 맞춤 광고 데이터 수집 중지. 잠재고객을 포괄적이고 통합된 형태로 보여주고 더 간편하게 관리하고 최적화할 수 있도록 Google Ads가 다음과 같이 개선 …

+ 여기에 더 보기

Source: support.google.com

Date Published: 12/24/2022

주제와 관련된 이미지 광고 데이터

주제와 관련된 더 많은 사진을 참조하십시오 [#DM9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.

주제에 대한 기사 평가 광고 데이터

Author: 데이터맛집
Views: 조회수 1,492회
Likes: 358730 Like
Date Published: 2021. 2. 23.
Video Url link: https://www.youtube.com/watch?v=r-y5VsLN9eI

‘데이터 분석’ 뛰어든 광고쟁이들…판이 달라졌다 [이미경의 인사이트]

“(주인공이)귀엽고 우스꽝스럽다.” “묘하게 땡긴다.” “입소문 타기에 충분하다.” KT 스튜디오지니가 지난달 29일 선보인 드라마 ‘이상한 변호사 우영우'(우영우) 인기가 치솟고 있다. 첫 회 시청률은 0.9%였지만 호평을 받으며 4회 만에 5.7%로 껑충 뛰어올랐다. 화제성 부문에서도 단숨에 1위를 차지했다. 글로벌 시장에서도 주목받으면서 ‘탈통신’을 내건 KT의 콘텐츠 사업에 청신호가 켜졌다.신생 채널서 첫 공개…입소문에 시청률 5.7% ‘껑충’12일 한국방송콘텐츠 경쟁력 분석 기관 굿데이터코퍼레이션에 따르면 지난 11일 ‘우영우’는 지상파, 케이블 채널을 통틀어 2주 연속 드라마 부문 화제성 1위를 기록했다. 이 드라마는 자폐스펙트럼 장애를 앓고 있는 우영우(박은빈)의 활약을 그린 법정물로, 지난해 1월 KT가 설립한 콘텐츠 전문기업 KT 스튜디오지니가 올해 내놓은 두번째 오리지널 드라마다. ENA채널 방영을 시작으로 올레 tv·시즌·넷플릭스에서도 순차적으로 공개됐다.사람들에게 생소한 채널인 ENA에서 방영됐지만 입소문을 타면서 대세로 떠올랐다. 특히 구매력이 높아 광고주가 선호하는 2049 타깃 시청률은 2.7%에 달했다. 일반적으로 전체 시청률보다 2049 시청률이 높을수록 광고 단가가 높고 수입으로 직결되는 구조다.국내뿐 아니라 해외에서도 긍정적 반응이 쏟아지고 있다. 온라인 콘텐츠 순위 집계 사이트인 ‘플릭스패트롤’에 따르면, 지난 9일 기준 ‘우영우’는 넷플릭스 TV쇼 부문 세계 8위를 기록했다.ENA 채널은 KT그룹이 올 4월 기존 ‘스카이TV’와 ‘미디어지니’를 통합해 만든 신규 채널이다. 당시 윤용필 스카이TV 대표는 “오리지널 콘텐츠로 ENA만의 브랜드 경쟁력을 강화해나갈 것”이라며 “2025년까지 1조원 가치를 가진 브랜드로 키우겠다”고 밝힌 바 있다. KT그룹은 향후 3년 간 총 5000억원 이상을 투자해 드라마 30여편을 확보하고 300편 이상의 예능을 자체 제작할 계획이다. ‘탈통신’으로 미디어 매출 5조 조기 달성 전망 KT가 본업인 통신을 탈피해 콘텐츠 제작에 역량을 쏟아붓는 것은 미래 먹거리 확보에 용이하기 때문이다. 특히 많은 가입자 기반으로 다량의 데이터를 발생시키는 콘텐츠 사업 특성상 통신과 강력한 시너지를 발생시킬 수 있는 게 장점이다. KT뿐 아니라 SK텔레콤, LG유플러스 등 통신사들이 탈통신 기조를 택하는 이유다. 자체 지적재산권(IP)의 비즈니스 확장 가능성이 탈통신을 가속화하는 분위기다.실제로 KT는 2020년부터 ‘디지털 플랫폼 기업(디지코)’으로의 변화를 선언하고 사업 재편에 공을 들이고 있다. 지난해 통신 자회사 KT파워텔을 매각하고 콘텐츠 제작사 KT 스튜디오지니를 설립한 것도 이같은 맥락이다. 올해를 KT그룹 미디어·콘텐츠 사업 성장의 원년으로 삼아 지난해 3조6000억원 수준인 그룹 미디어 매출을 2025년까지 5조원으로 끌어올린다는 목표를 제시했는데, 이같은 목표를 조기 달성할 것이란 전망도 나온다. KT는 “지난해 일련의 사업 구조 재편을 통해 원천IP부터 기획·제작, 플랫폼, 유통으로 이어지는 미디어 밸류체인 구조를 갖췄다”며 “올해는 KT스튜디오지니의 콘텐츠 제작과 스카이TV의 채널을 중심으로 오리지널 콘텐츠 제작과 유통에 박차를 가할 것”이라고 강조했다.’우영우’가 인기몰이를 하자 KT 기업가치에 대한 재평가 흐름까지 보인다. 이승웅 이베스트투자증권 연구원은 “KT의 콘텐츠 사업이 본궤도에 오르면서 향후 사업가치가 재평가될 전이다. 특히 콘텐츠 부문 매출은 2025년까지 연평균 20%의 고성장이 예상된다”고 말했다. 정지수 메리츠증권 연구원 역시 “KT스튜디오지니는 올해 10여편의 오리지널 콘텐츠 라인업을 준비 중이며 일부 작품은 해외 선판매가 될 정도”라면서 “KT 그룹의 콘텐츠 제작 역량 강화로 미디어 사업에 대한 기대감이 커지고 있다”고 평했다.조아라 한경닷컴 기자 [email protected]

빅데이터(Big Data)와 광고의 관계

광고계에서는 이미 빅 데이터(Big Data)를 활용해서 소비자의 동향을 재빠르게 파악하려는 트렌드가 나오고 있다. 빅 데이터의 정의는 무엇이고 빅 데이터는 앞으로 어떻게 이용될까? 지난 2013 서울 디자인 페스티벌의 NAVER DATA SQUARE에서 재밌는 글귀를 본 기억이 난다.

“찾아보고 대화하고 정보를 얻는 당신의 일상, 그 다양한 방식들 속에서 우리 삶은 데이터로 기록되고 남겨집니다. 2013년 12월, 당신의 발자취를 NAVER DATA SQUARE에 남겨보세요.”

<그림1. 빅 데이터는 말그대로 그저 방대한 데이터인것 뿐인걸까...>

비록 얼마 전 2015 애드텍(Ad-Tech) 컨퍼런스가 있었지만 특히 지난 2013 애드텍에서 어느 세션이나 발표자를 가리지 않고 가장 많이 언급된 용어 중 하나가 바로 빅데이터(Big Data)였다. 이는 실로 매스컴에서나 광고계에서도 여전히 가장 집중해야 할 중요한 분야라고 생각한다. 빅데이터라는 용어는 갑자기 생긴 용어가 아니고 애초에 무수히 존재해왔던 즉, 쌓여있던 데이터들이라고 봐야 한다고 한다. 뭐 사실 지금까지의 모니터링 데이터든 더 나아가 유권자들의 성향이랄지 등 각각 개인들의 정보들은 누가 봐도 실질적으로 정확하게 반영된 것들이 아닌 단순히 샘플링을 통해서 작업을 해온 것이 사실이 아닐까. 이제는 우리가 살면서 SNS나 인터넷에 노출(?)시켜온 정보들은 고스란히 데이터화 되어서 시장에 반영을 할 수 있는 시대가 왔다는 것이다. 이쯤이면 눈치챘겠지만 사생활 침해와 상당히 밀접한 관련이 있기도 하다.

이제는 빅데이터 시대 속에서 데이터로부터 아무리 도망치려 해도 도망칠 수 없는 시대가 왔다. 스마트폰의 보급률이 넘쳐나다 보니 온라인 속에 축적되는 데이터들은 무한에 가까워진다. 이런 raw data 들을 정제시켜 시장에 이용할 수 있는 레이아웃을 만들다 보면 그 자체가 다른 분야들 뿐 아니라 특히 광고에도 적용할 수 있게 된다.

<그림2. 빅 데이터의 4가지 차원 : IBM가치 연구소>

보통은 빅데이터의 3가지 차원이라 하면 규모(Volume), 다양성(Variety), 속도(Velocity)로 ‘3V’라고 말하지만 여기선 정확성(Veracity)을 포함하여 4가지 차원이라고 규정지었다.

규모(Volume): 데이터 양. 빅 데이터 하면 가장 먼저 연상되는 규모는 기업들이 전반적인 의사 결정 능력을 향상시키기 위해 활용하려 노력하는 데이터의 양을 의미한다. 데이터의 규모는 전례 없는 속도로 급증하는 중이다. 정말 ‘대규모’가 어느 정도의 규모인지는 산업별, 지역별로 차이가 많지만, 종종 언급되는 PT(petabytes)나 ZT(zetabytes)보다는 적은 규모. 사람이 동의할 만한 한 가지 사실은 ‘대량’이라고 여겨지는 규모가 오늘보다는 내일 더 커질 거라는 점이다.

다양성(Variety): 데이터의 다양한 형태와 소스. 다양성은 정형, 반정형, 비정형 데이터를 전부 포함하는 복잡하고 다양한 형태의 데이터를 관리하는 것과 관련이 있다. 기업들은 기업 내부와 외부의 전통적 및 비전통적 소스에서 유입되는 복잡한 데이터를 취합하고 분석해야 함. 센서와 스마트 기기, 소셜 협업(social collaboration) 기술의 폭발적 발전으로 인해 텍스트, 웹 데이터, 트위터 메시지, 센서 데이터, 오디오, 비디오, 클릭 스트림, 로그 파일 등 수많은 형태의 데이터가 생산되고 있다.

속도(Velocity): 데이터의 이동. 데이터가 생산, 처리, 분석되는 속도도 지속적으로 증가하고 있다. 데이터가 실시간으로 생성된다는 점과 스트리밍 데이터를 비즈니스 프로세스와 의사 결정 과정에 도입해야 한다는 점이 속도를 높이는 데 기여하고 있다. 속도는 반응시간, 즉 데이터가 생산 혹은 수집되는 시간과 그 데이터에 접근할 수 있는 시간 사이의 격차에도 영향을 미침. 오늘날 데이터는 전통적인 시스템이 수집하고 저장, 분석하기 불가능한 속도로 끊임없이 생산되고 있다.

정확성(Veracity): 데이터의 불확실성. 정확성은 일정 유형의 데이터에 부여할 수 있는 신뢰 수준을 의미. 높은 데이터 품질을 유지하는 것은 빅 데이터의 중요한 요구사항이며 어려운 과제이지만, 최상의 데이터 정제(data cleansing) 기법을 사용해도 날씨나, 경제, 고객의 미래 구매 결정 같은 일부 데이터의 본질적인 불확실성은 제거할 수 없다. 불확실한 주변 상황을 더 잘 이해하고자 하는 경영진은 반드시 빅 데이터의 불확실성 또한 인식하고 대비해야 함.

결국 빅 데이터란 디지털화된 오늘날의 마켓 플레이스에서 기업들이 경쟁 우위를 확보할 수 있는 기회를 제공하는 이런 특징들의 조합이라 할 수 있다. 빅 데이터는 기업들이 고객과 상호작용하며 서비스를 제공하는 방법을 변화시키는 것은 물론이고, 기업, 심지어 산업 전체를 스스로 변화시킨다.

그러나 아직 빅데이터 기술을 상용화하기엔 한국은 시작단계다. 즉 미국은 지난 대선 때도 그렇고 빅데이터 산업이 한창인데 비해 한국은 아직 이를 이용하기엔 한계가 있다고 한다. 분명 이점에서도 앞으로도 계속 주목을 받는 분야가 될 거라 생각한다.

그렇다면 빅데이터를 나름 이용한 사례는 어떤 것이 있을까? 정말 무수히 많겠지만 그중 한 프로젝트를 소개해 보고자 한다. 이번에 소개할 칸 수상작은 또한 미디어 플래닝과 연관된 재밌는 작품이다.

해당 타깃과 지역적 특성, 사회적 특성을 고려해야 더욱 좋은 결과를 얻을 수 있다는 점을 보여준 이 프로젝트는 그저 효과적인 매체의 기능을 맹신하기 보다는 적용할 대상의 환경적 특성도 고려해야 한다는 점을 보여주었다. 여기 타깃의 인사이트, 즉 그들의 잠재성을 고려해서 최대의 효과를 얻어낸 칸 광고제 미디어 라이언즈 부문 금상을 받은 ‘KleenexCatches Colds’라는 작품을 소개한다.

<영상1. 칸 광고제 미디어 부문 금상 수상작 - Kleenex Catches Colds>

• Competition : Media Lions

• Category : Best Use of Digital Media

• Title : Kleenex Catches Colds

• Advertiser / Client : Kimberly Clark

• Product / Service : Kleenex

• Entrant Company : Mindshare WW London

• Country : United Kingdom

영상을 봐도 알 수 있듯이 단순히 그 지역에 일어나는 상황을 파악 및 예측해서 그것에 맞춘 상품을 집중적으로 판매하고 매체들을 전략적으로 집행해서 큰 호응을 얻게 되었다.

<그림3. 칸 광고제 미디어 부문 금상 수상작 영상 캡처 - Kleenex Catches Colds>

컨셉: 크리넥스사는 최근, 사람들이 감기에 걸렸을 때 병원에 가기 전 구글 검색부터 한다는 사실을 활용하여 감기가 유행할 지역을 예측해 해당 지역들에 전략적이고 집중적으로 캠페인을 집행하고자 했다.

전략: 지난 18개월 동안의 구글의 ‘감기’ 관련 검색 트렌드를 분석하고, 특히 구글의 Adwords 옵션을 활용해 어느 지역의 사람들이 감기 관련 검색을 했는지 지역 정보를 수집. 또한 정부와 의사들의 도움을 받아 감기가 유행할 지역을 실시간으로 예측하는 모델을 개발. 이 모델을 토대로 예상 지역에 상품을 집중적으로 판매하고 라디오, 모바일, 디지털 디스플레이 등을 전략적으로 집행

결과: 캠페인 미디어 집행 비용의 96%가 감기가 유행한 지역에 정확하게 사용됨 캠페인 초기 2달 동안 판매량이 40% 증가하면서 432,499개의 크리넥스가 추가로 판매됨

이렇듯 미디어 플래닝은 겉보기와는 달리 실로 크리에이티브하며 과학적이다. 디지털 데이터는 결국 광고 마케팅에 접목시킬 수 있게 되었고 사람들은 알게 모르게 모바일을 통해 자신을 드러내고 있다. 정제된 빅데이터를 통해 그들의 인사이트를 캐치하게 되면 ROI를 높일 수 있다. 하지만 아직까지 국내는 이를 적극적으로 활용하기에는 법적인 문제부터 시작해 해결해야 할 과제들이 남아있다. 그러나 광고와 빅데이터의 관계는 결국 떨어질 수 없는 관계이기에 향후 시장의 흐름을 주목할 필요가 있다고 본다.

Above: Kleenex Adaptive Marketing: Winner Best Targeted Campaign Festival of Media Global Awards 2013

At Mindshare we believe that everything begins and ends in media – every aspect of human life has been transformed by changes in the media. Intelligent marketers use media to uncover the data required to power new opportunities for their brands and an Adaptive philosophy allows us to harness that data to our client’s advantage. The more we listen and adapt, using the data, the more agile we are and the more we help our clients to succeed. What do we mean? Watch the award winning case study for Kleenex to find out.

Adaptive Marketing is not a product and it is not a tool. It is not a dashboard or trading desk. It is a philosophy based on 5 key tenets:

Tenet 1: Dynamic Consumer Journeys

A Move From: One segment, one journey, one media plan, one creative experience

To: plans and assets for multiple consumer segments and journeys shaped by different behaviour and influenced by different creative experiences (segmentation and differentiation)

Tenet 2: A connected approach to media

A Move From: A binary approach to media – Online or offline, brand or demand

To: A Connected Approach to Media – Set KPI’s and budgets across all media – paid, owned, earned; online and offline; brand and demand – based on an understanding of the brand objectives and dynamics across all media

Tenet 3: New marketing rules

A Move From: A media plan with a detailed budget

To: A move away from one-time fixed media budgets to signed budgets against marketing rules

Tenet 4: Real time optimization and experimentation

A Move From: A monthly report at the end of the campaign

To: Leverage robust attribution models and algorithms to constantly optimize all media and creative on an on-going basis to improve results during the activity

Tenet 5: Talent collectively interpreting the data

Move from: Ensuring all relevant data is being collected from all relevant sources

To: Talent from across disciplines regularly working together to analyse information, align on recommendations, and cohesively implement actions

Together these tenets provide the environment for Adaptive Marketing to flourish. If you understand the consumer, the media landscape and the data variables – weather, search patterns, temperature, pricing, creative (the list is almost endless) – you can adapt your efforts to create the most relevant, efficient and effective marketing. Being adaptive is the new digital, and the message is the same whatever your industry Adapt or Die.

참고: 나스미디어, www.mindshareworld.com

Google Ad Manager

기회나 실험 기능을 통해 수익 최적화 프로세스를 간소화하고 간접 수익을 증대할 수 있었습니다.

수익 증대를 위해 가격 하한선 조정과 같은 맞춤 제안을 받아들인 결과, 상당한 수익을 올렸습니다.

데이터 사이언스 in 광고 마케팅 1편 : 광고에서의 데이터 애널리틱스

HS애드 블로그는 앞으로 총 3회 간 오클라호마 대학교 윤도일 교수의 칼럼을 게재합니다. 윤도일 교수는 오클라호마 대학교 게일로드 매스커뮤니케이션 칼리지(Gaylord College of JMC) 부교수 및 겔로글리 엔지니어링 칼리지 데이터 사이언스/애널리틱스(Data Science and Analytics in the Gallogly College of Engineering) 과정 겸임 부교수입니다.

이번에 게재되는 윤도일 교수의 칼럼 1편은 데이터 사이언스에 대한 인트로 및 광고에서의 데이터 애널리틱스를 소개합니다. 다음 2편은 머신러닝과 인공지능에 대한 설명 및 광고 마케팅 분야에서의 활용 현황을 소개하며, 마지막 3편은 데이터 사이언스가 가져올 변화에 대한 예측과 광고 마케팅 분야에서의 전략 변화를 소개할 예정입니다.

진화하는 데이터 테크놀로지를 바탕으로 보다 효과적인 기획과 성공적인 집행을 원하는 모든 광고인을 위한 윤도일 교수의 칼럼, 지금부터 시작합니다.

모든 변화의 중심에 자리잡은 데이터

1994년 나이키는 나이키-에어의 쿠셔닝에 더 많은 공기를 주입시키는 새로운 기술로 운동선수들의 향상된 경기력에 도움을 준다는 내용의 나이키 에어맥스 스퀘어 글로벌 캠페인을 집행했습니다. 한국은 박찬호 선수와 유명한 과학자인 고 김정흠 교수님을 모델로 하여 새로운 기술의 발전이 인간의 활동에 도움을 준다는 메시지를 소비자에게 전달했습니다. 고 김정흠 교수님의 육성으로 “기술이란…” 멘트로 시작한 캠페인이 아직도 기억에 남습니다.

20여 년이 지난 지금 발전된 기술은 인간에게 편익을 제공하는 것을 넘어 인간의 역할을 대신하고 이로 인해 인간이 설 자리를 잃을지도 모른다는 예측을 하는 미래학자들도 있습니다. 이 모든 변화의 중심에 데이터가 있습니다.

이에 따라, 데이터 사이언스라는 개념이 주목을 받고 있습니다. 최근에 발표된 자료에 의하면, 미국과 영국에서 일하는 152명의 마케터를 대상으로 한 2018년 4월 조사에서 응답자의 93%가 데이터 사이언스와 애널리틱스를 마케팅 프로세스에 적용하는 것이 중요하다고 응답하였고, 약 45%의 응답자가 실제로 데이터 사이언스를 업무에 적용하여 적극 활용하고 있다고 응답하였습니다 (Ad Age, June 28, 2018).

데이터 사이언스는 특정 분야의 접근법이 아닙니다. 이는 데이터를 모으고 방대한 데이터로부터 의미 있는 정보와 인사이트를 추출해 내기 위해 통계를 포함하는 과학적 방법론 및 컴퓨터 알고리즘 개발과 같은 컴퓨터 공학 등 여러 분야의 학문을 융합해 데이터 분석 모델과 방법을 만들어 내는 새로운 분야입니다.

데이터 사이언스를 광고 마케팅 분야에 적용하고 이해하는 부분에 있어서 먼저 고려해야 할 부분은, 광고 마케팅에서 데이터 사이언스를 어떠한 목적으로 활용할 것인지 생각해 보아야 한다는 점입니다. 예컨대, 최근 중국 알리바바에서 발표한 것처럼 1초에 2만 개의 카피를 써내는 인공지능 카피라이터의 개발을 목표로 하는 접근과 현업 전문가로서 자신의 업무 처리 내용과 결과를 향상시키는 것을 목표로 하는 접근은 다르다고 하겠습니다. 전자의 경우, 전문적인 통계학 지식과 컴퓨터 프로그래밍 지식이 필요하겠지만, 후자의 경우는 광고 마케팅 분야의 전문지식을 바탕으로 기본적인 데이터 사이언스에 대한 이해가 필요할 것입니다.

빅데이터, 효과적 광고 마케팅의 ‘열쇠’

광고 마케팅 분야에서 데이터 테크놀로지의 활용의 시작은 2005년경부터 회자되기 시작한 빅데이터 때문일 것입니다.

초기의 빅데이터 개념은 ‘5V(Volume-양, Velocity-속도, Variety-다양성, Veracity-정확성, Value-가치)’의 개념에서 알 수 있듯 기존의 장비로는 처리할 수 없는 상당히 큰 양의 데이터를 언급하는 것이었습니다. 기업들은 기존의 서베이와 포커스 그룹 인터뷰 등에 의존한 소비자 데이터 외에 새롭게 온라인상에서 얻어지는 엄청난 양의 다양한 온라인 데이터와 매출, 마켓셰어, 시장동향과 같은 오프라인 데이터들을 활용해서 비즈니스와 마케팅 활동을 해 왔습니다.

보통의 데이터는 숫자의 형태로 보관되는 양적 데이터이므로 분석은 통계기법에 의존하고 있습니다. 빅데이터 역시 거대한 용량의 컴퓨터를 사용해서 분석을 해야 하므로 숫자의 형태로 저장ᆞ분석합니다. 통계의 기본 두가지 분석방법은 기술통계와 추리통계입니다. 기술통계(Descriptive Statistics)는 전체를 대표하는 한 집단에서 수집된 데이터를 이해하기 쉬운 방법으로 데이터를 간소화하는 기법입니다. 전체 데이터의 평균값을 구한다든지, 최소값과 최대값을 구해서 데이터의 분포를 살펴본다든지 하는 방법입니다. 추리통계(Inferential Statistics)는 기술통계를 통해 간소화된 집단에서 수집된 데이터의 값들을 분석하여 전체집단을 예측하고 추정해 보는 기법입니다. 보통의 경우 가설을 수립하고 가설을 검증하는 수단으로 추리통계를 사용합니다.

빅데이터의 분석과 활용 또한 통계분석의 두 분야와 관련이 있습니다.

먼저, 온라인상에서 수집된 소비자의 행동 데이터는 로그파일 분석이나 제3자 서버분석 등의 방법으로 분석되어 웹사이트나 모바일 어플리케이션의 트래픽 정보가 ‘애널리틱스’라는 이름으로 분석 제공되고 있습니다. 이 방법은 데이터를 분석하여 정보(Information)를 만드는 기술통계와 비슷합니다. 데이터 분석을 통해 제공된 각종 지표들이 마케팅 의사결정에 활용되고 있습니다.

두 번째로 추리통계는 소비자의 모델링을 가능하게 함으로써 최근 이슈가 되고 있는 ‘머신러닝’과 관련이 있습니다. 머신러닝은 통계학과 컴퓨터 사이언스가 합쳐진 분야입니다. 수집된 빅데이터는 컴퓨터 프로그래밍을 통해 간소화된 패턴으로 정리가 되고, 그 패턴은 보통 수식으로 표현되는 모델의 형식을 가집니다. 즉 수집된 데이터들을 분석하여 마케팅에 활용이 가능한 모델을 만들어서 예측을 가능하게 해 주는 것입니다. 시장과 소비자에 대한 비교적 정확한 예측을 가능하게 해준다는 점이 빅데이터가 가진 가장 강력한 힘이라고 하겠습니다.

보다 많은 데이터를 일목요연하게 분석

광고를 기획하고 집행하는 과정에 있어서 데이터는 모든 부분에 필요하지만, 특히 소비자의 이해와 미디어 집행의 효과 측정에 필요합니다.

첫 번째로는 시장과 소비자를 이해하고 광고의 컨셉을 잡아내기 위해 데이터를 모으고 분석하는 것이 있습니다. 과거에는 이를 위해 설문조사와 포커스 그룹 인터뷰가 주로 사용되었습니다. 그런데 미디어가 디지털화되면서 소셜미디어 데이터를 포함한 다양한 빅데이터를 모으고 분석하는 것이 가능해지며 보다 정확하게 소비자에 관한 이해를 쌓을 수 있게 되었고, 이를 바탕으로 소비자의 행동을 분석ᆞ예측하여 적절한 마케팅 광고전략을 수립할 수 있게 되었습니다. 트위터, 페이스북과 같은 소셜미디어의 발달은 빅데이터를 광고와 마케팅에서 적극적으로 활용할 수 있는 좋은 기회가 되었습니다.

당시 빅데이터의 개념은 소셜미디어에서 사용자가 올린 글을 내용을 분석해서 사회의 트렌드를 읽어내거나 소비자가 브랜드에 대해 가지고 있는 생각을 가감없이 읽어내는 과정을 통해 기존의 설문조사와 심층면접조사를 대체ᆞ보완할 수 있는 대안으로 부상하기도 했습니다. 현재는 소셜 리스닝 또는 소셜 맨션이라는 개념으로 정리된 부분입니다. 또한 소셜 네트워크 분석과 합쳐져 소셜 미디어 애널리틱스라는 개념으로도 사용되고 있습니다. 소셜미디어의 발달 외에 소비자의 행동에 관한 데이터는 구글과 야후와 같은 서치 엔진을 중심으로 데이터를 저장하고 처리하는 기술의 발전과 함께 본격적으로 활용되기 시작했습니다.

두 번째로는 소비자에게 효과적이고 효율적으로 광고물을 노출시키기 위해 기존 미디어의 효과를 분석하는 것이 있습니다. 과거의 미디어 효과 측정은 신디케이트 리서치 회사의 정기적인 정보에 의존하였습니다. 미디어의 디지털화는 소비자의 미디어 소비 행태 또한 정확하게 이해할 수 있도록 해주었습니다. 기술의 발전은 소비자가 소셜미디어에 표현한 경험과 의견을 분석하는 단계를 넘어서 소비자들의 온라인상 행적에 대해 추적하고 데이터베이스화 하여 분석하는 것을 가능하게 했습니다.

기존의 미디어 접촉은 샘플링을 기반으로 닐슨미디어에서 텔레비전과 라디오 소비를 시청률과 점유율로 분석을 했고, 프린트 미디어는 서베이를 통해 열독률을 예측해왔습니다. 오늘날 온라인 광고가 텔레비전 광고 다음으로 광고비 지출이 많은 매체가 되었고 텔레비전 광고도 온라인으로 소비가 되고 있는 시점에서 소비자의 온라인 매체 접촉행태는 온라인 광고 성공을 결정하는 중요한 요소입니다.

▲구글 애널리틱스 대시보드의 예 (출처 : https://www.klipfolio.com/gallery/dashboards/google-analytics-website-overview )

구글 애널리틱스로 대표되는 웹 애널리틱스는 기존의 광고기획과 매체집행에 많은 변화를 가져왔습니다. 도달률과 빈도로 측정되던 광고효과는 KPI (Key Performance Indicator)라는 단어의 등장과 함께 마케팅과 광고의 목적에 따라 다양한 디지털 매트릭스로 측정이 되고 있습니다.

데이터 애널리틱스의 활용

온라인 광고가 활성화되면서 부각된 개념이 소비자 경로 (Consumer Journey)입니다. 데이터를 바탕으로 한 애널리틱스 개념이 도입되기 전까지는 소비자가 어떤 경로로 미디어를 소비하는지, 그리고 어떤 경로로 제품구매의 결정을 내리는지에 대한 과정이 명확히 밝혀지지 않았습니다. 소비자 경로의 개념은 본래 온라인 구매사이트나 소비자가 방문하는 웹사이트에서 방문자가 도메인 상의 여러 웹사이트를 클릭하며 네비게이팅하는 흐름을 파악하여 소비자가 최종 구매결정을 하는 패턴을 찾아내는 개념입니다. 그 결과에 따라 최적화(Optimization)를 통해 소비자에게 최상의 사용자 경험(UX)을 제공하여 구매결정을 유도할 수 있게 되었습니다.

▲구글 애널리틱스 플로우 분석의 예 (출처 : https://www.techwyse.com/blog/website-analytics/a-beginners-guide-to-google-analytics-users-flow/)

구글 애널리틱스의 경우 소비자 경로를 분석할 수 있는 플로우 분석을 결과로 제공하고 있습니다. 구글 애널리틱스 플로우 분석은 더블클릭 쿠키로 수집한 방대한 데이터를 바탕으로 방문자의 인구통계학적 정보와 관심분야 데이터를 분석하여 향후 보다 정확한 타겟팅을 할 수 있는 장점이 있습니다. 또한 엔트리 페이지부터 엑시트 페이지 사이의 플로우(방문 후 도메인내의 각 사이트의 방문순서와 방문기간)를 파악함으로써 각 페이지의 장점과 단점을 파악하여 단점을 보완하는 웹페이지 최적화(Optimization)에도 기여를 하고 있습니다. 이 분석을 통해 특정 페이지가 제대로 기능을 하지 않거나 제공되는 내용 및 서비스의 질이 떨어져서 해당 페이지에서의 엑시트(이탈)가 높다든지 방문시간이 짧다든지 하는 문제를 발견해 낼 수 있고, 문제가 발견되면 즉각적인 조치와 수정을 시행해 불필요한 마케팅 누수를 줄이고 방지할 수 있습니다. 이러한 소비자 경로의 개념을 단순히 웹사이트나 앱과 같은 한 플랫폼에 적용시키지 않고 다양한 미디어의 접촉으로 확대시킨 개념이 기여도(Attribution)입니다. 소비자의 온라인 구매는 단순히 한 번의 방문으로 이뤄지는 것이 아니고 다양한 소스에서 정보를 습득하는 일련의 과정을 거치게 됩니다. 그런 과정 중에 구매결정에 가장 큰 영향을 미친 소스를 찾아내고 일련의 과정을 패턴화하는 것이 기여도의 개념입니다. 배너광고나 서치광고처럼 이미 집행된 온라인 광고의 효과를 소비자의 구매결정과 관련해서 분석해내는 방법입니다. 이 부분은 앞서 말씀드렸던 추리통계의 기법으로 빅데이터를 바탕으로 경우의 수에 따라 머신러닝을 통해 가장 효과적인 온라인 광고의 형태를 예측할 수 있습니다. 이렇게 예측된 결과로 구매결정에 가장 높은 기여를 보인 광고는 향후 미디어 집행에 적극적인 고려대상이 될 것입니다.

IBM 고객분석팀의 비즈니스 리더인 켄 비스콘티(Ken Bisconti)는 2016년 5월 10일 ‘애드 에이지’에 기고한 글에서 소비자의 경험을 브랜드 성공의 중요한 요소로 설명했습니다. 그는 브랜드가 제공하는 다양한 브랜드 컨택트 포인트에서 소비자의 경험 데이터들을 분석해야 소비자 경로와 관련된 의미 있는 데이터를 얻을 수 있다고 말했습니다.

▲선버스트(sunburst) 그래프의 예 (출처 : https://www.kaushik.net/avinash/data-visualization-inspiration-analysis-insights-action-faster/)

애널리틱스의 또 다른 장점은 데이터 프레젠테이션에 있습니다. 방대한 데이터에서 추출된 정보와 인사이트를 효과적인 방법으로 보여주는 데이터 시각화 (Visualization)란 개념 또한 중요하기 때문입니다. X축과 Y축을 이용한 2차원 그래프를 활용한 데이터 프레젠테이션에서 벗어나 3차원으로 복잡한 데이터 분석의 결과를 효과적으로 보여줄 수도 있습니다. 또한, 위에서 언급한 구매나 컨버전에 영향을 미치는 미디어 기여도(Attribution)과 같은 계층적 정보(Hierarchical Information)는 선버스트(Sunburst)와 같은 그래프를 사용하여 효과적으로 보여줄 수 있습니다.

데이터 시각화는 광고 프레젠테이션과 같은 최종적인 데이터 프레젠테이션입니다. 프레젠테이션이 아무리 화려하고 멋있어도 중요한 것은 프레젠테이션을 구성하는 내용입니다. 데이터 시각화 역시 데이터에서 추출된 정보와 인사이트를 효과적으로 전달하는 도구입니다. 데이터 사이언스에서 중요한 것은 데이터의 퀄리티와 효과적인 분석방법입니다. 데이터 시각화를 위한 도구로는 구글 데이터 스튜디오, 태블로, 그리고 R의 ggplot2와 shiny등이 있습니다.

데이터 애널리틱스, 정확한 방향성 필요

마지막으로 2018년 5월 30일자 ‘하버드 비즈니스 리뷰’에 실린 듀크대학교 마케팅 교수 2인 멜라 앤 무어맨(Mela and Mooreman)이 제안하는 마케팅 애널리틱스 성공에 대한 팁을 소개하고자 합니다.

기업의 성공적인 애널리틱스를 위해서는 데이터의 퀼리티와 데이터를 분석하는 사람들의 능력이 중요합니다. 무분별한 데이터의 수집은 데이터 간의 조화와 일치가 어려운 경우가 많습니다. 기업의 각 분야별로 필요한 데이터가 다르고 수집되는 데이터의 양과 질도 다릅니다. 수집되는 모든 정보가 다 유의미한 정보는 아닙니다. 따라서 데이터 수집 이전에 분석과 애널리틱스에 불필요한 노력울 줄이려는 전략이 필요합니다. 꼭 필요한 인사이트와 가치가 무엇인가를 정하는 목표설정을 한 후에 그에 맞는 데이터를 수집하는 것이 현명하다고 하겠습니다.

데이터 분석가가 가져야 하는 능력 중 가장 중요한 부분은 비즈니스의 문제점을 먼저 파악해야 한다는 점입니다. 비즈니스 문제점 파악 후 비즈니스의 속성을 이해하는 과정이 필요하고 그 이해를 바탕으로 정확한 데이터 애널리틱스의 방향을 수립할 수 있습니다. 구체화된 방향성이 수립되었을 때 비로소 데이터 분석가는 자신이 가진 전문성을 활용하여 비즈니스 문제해결을 위한 적절한 애널리틱스 툴을 선정하고 개발할 수 있을 것입니다.

개인에게 데이터 사이언스의 영역은 서두에서 언급했던 것처럼 개발자와 사용자의 역할에 따라 습득해야 하는 지식의 정도에 따라 달라질 것입니다. 멜라 앤 무어맨의 이야기처럼 통계와 프로그래밍 능력을 지닌 개발자는 비즈니스가 가진 속성과 문제점을 파악해야 할 것이고, 광고 마케팅 전문가인 사용자는 프로그래밍의 수준이 아니더라도 자신들이 지닌 문제점을 해결할 수 있는 데이터 사이언스에 대한 기본적인 지식을 갖추고 있어야 데이터를 바탕으로 한 마케팅과 광고활동에 도움이 되리라고 생각합니다.

오늘 준비한 데이터 애널리틱스에 대한 이야기는 여기까지입니다. 다음 글에서는 머신러닝과 인공지능의 기본적인 작동원리와 광고 마케팅의 적용에 대해 이야기를 나누겠습니다. 감사합니다.

퍼포먼스 마케터라면 꼭 알아야 할 ‘데이터 분석 101’

데이터 분석의 목적은 무엇일까?

데이터 분석의 목적은 크게 두 가지로 갈립니다. 하나는 이미 축적된 데이터에서 특정한 패턴을 찾아내기 위한 것이고, 다른 하나는 세워 놓은 가설이 맞았는지 틀렸는지 검정하는 것입니다. 전자는 통계적 분석 기법이나 데이터마이닝 기법, 머신러닝이나 딥러닝 기법을 적용합니다. 후자는 퍼포먼스 마케터가 일상적으로 하는 데이터 분석입니다. 데이터 분석은 기본적으로 “패턴”을 찾아내는 것은 맞습니다. 하지만 퍼포먼스 마케팅에서의 데이터 분석은 보다 목적 지향적이어야 하고, 전략적일 필요가 있습니다.

가트너 분석 성숙도 모델에 따르면 데이터 분석은 아래와 4가지 유형으로 나눌 수 있습니다. 어떤 현상이 발생했는지 살펴보는 것은 난이도도 낮고 가치도 낮은 일이지만, 원인을 분석하여 기대효과를 설정하고, To-Do를 생각해내는 방향으로 나아갈 수록 난이도도 높아지고 그에 의한 가치도 높아지는 것을 알 수 있습니다.

설명적 분석: 무엇이 발생하였는가? 진단적 분석: 그러한 현상의 발생 원인은 무엇인가? 예측적 분석: 무엇이 일어날 것인가? 처방적 분석: 어떻게 그러한 일이 일어나도록 만들 것인가?

Plan-Do-See의 프레임워크로 설명하여도 비슷합니다. 현상을 관찰하여 개선점을 도출하고, 액션 수행 후 그에 대한 피드백을 진행합니다.

Plan: 퍼포먼스 마케터는 브랜드/서비스의 성과 개선을 위해 현재의 문제점을 정리하고, 이것을 해결 하기 위해 액션 플랜을 설계 합니다. Do: 이후 매체 운영이나 UI/UX 개선을 통해 액션을 수행합니다. See: 마지막으로 이러한 액션들이 원하는 문제를 해결했는지, 해결하지 못했다면 무엇 때문인지 관찰합니다.

가트너의 모델을 활용하든, 전통적인 Plan-Do-See 모델을 활용하든, 결국 현상으로부터 문제를 도출하고 무엇을 할 것인지 결정한다는 점에서 공통점이 있습니다. 퍼포먼스 마케팅에서의 데이터 분석은 이러한 목적을 분명히 해야 합니다. “가설을 검정한다”는 목적을 분명히 하는 것이 퍼포먼스 마케팅에서 “전략적인 데이터 분석”을 하는 시발점입니다.

이 때, 데이터를 분석하기 위한 여러 기법들을 도입하는 것보다, 데이터를 지표 중심으로 머릿속에 집어 넣는다고 생각하고 시작하는 것이 좋습니다.

일반적인 데이터 분석 기법을 적용하기 어려운 이유

앞서 언급했던 것 처럼 기본적으로 데이터 분석은 “패턴”을 찾아내는 것이기 때문에 전통적으로 통계적 기법이 많이 적용되었습니다. 예를 들어보면, 20대 여성과 30대 여성의 화장품 구매 객단가가 각각 35,000원, 45,000원 이라고 할 때, 이 두 집단의 객단가 차이가 통계적으로 유의미한지를 살펴보고자 한다면, t-test를 수행합니다. 마케팅 액션을 전혀 하지 않을 때, 자사몰에서 구매가 일어나는 빈도가 어떤 패턴으로 구성되는지 살펴보려면 쁘아송 분포를 적용할 수도 있습니다.

최근에는 머신러닝, 딥러닝을 활용한 예측 분석이 대세로 자리 잡았습니다. 머신러닝과 딥러닝은 “Many Input”을 기반으로 합니다. 적게는 수천개에서 많게는 수억개의 데이터가 input data로 주어져야 하고, 이러한 input data에 대해 다양한 알고리즘을 적용하여 데이터를 가장 잘 표현하는 패턴을 찾습니다. 그리고 이러한 패턴을 활용하여 미래에 어떤 결과가 나타날지를 “예측”하는 것이 궁극적인 목적입니다.

이러한 방법들은 굉장히 매력적으로 보이지만, 퍼포먼스 마케팅 데이터에 적용하기에는 퍼포먼스 마케팅 데이터가 가지고 있는 구조적인 한계에 직면하게 됩니다. 퍼포먼스 마케팅 데이터는 기본적으로 시계열의 속성을 가지고 있는데, 시계열 데이터는 머신러닝과 딥러닝을 적용하기가 어려운 데이터 형태입니다. 다음으로 데이터에 영향을 주는 외부 변수가 너무 많습니다. 예를 들면 경쟁사와의 광고 구좌 경쟁 정도, 정책적인 광고비의 증액, 감액 등이 있습니다. 이렇게 데이터 내에 녹아 있지 않은 외부 변수가 많은 경우 머신러닝과 딥러닝을 적용하기 어렵습니다.

다시 말하면, 퍼포먼스 마케팅을 통해 수집된 데이터는 “모델링”을 하기에 적합하지 않은 데이터이며, “모델링”보다는 “스토리텔링”을 기반으로 한 분석이 필요합니다. 구체적으로는 일별 광고비 정도는 머릿속에 넣고 있어야 하며, 액션 히스토리 또한 일별로 머릿속에 들어 있어야 합니다. 각 액션 히스토리에 엮어서 일자별로 CPM, CPC, CPA, CTR, CVR, ROAS 등 주요 지표의 변화를 세세하게 알고 있어야 합니다. 그리고 각 지표를 구성하는 노출수, 클릭수, 비용, 구매전환수, 매출액 등 절대값 지표도 머릿속에 전부 있어야 합니다.

과거의 데이터를 활용하여 “문제 해결을 위한 가설을 설정”하는 방법

통계분석이나 머신러닝, 딥러닝 기법은 퍼포먼스 마케팅을 통해 수집된 데이터 분석에 사용하기에 한계가 많기 때문에, 퍼포먼스 마케터에게 필요한 데이터 분석 기법은 데이터를 통해 “문제 해결을 위한 가설을 설정하는 것”으로 귀결 됩니다. “가설 검정”의 시각으로 데이터를 다루는 것은, 내부 데이터를 다룰 때에도 마찬가지 입니다.

광고 데이터 분석 광고 매체에서 제공하는 데이터를 통합하여 CTR, CVR, ROAS 등 주요 지표를 분석함. 광고 데이터를 통해 “전환의사가 뚜렷한 유저가 유입되어 전환까지 연결되는지”에 대한 가설을 검정하는 것을 목표로 함. 고객 데이터 분석 고객 정보, 구매 정보 등을 합쳐서 객단가, 재구매율, 첫구매 시점 등 성장에 유의미한 지표를 분석함. 고객 데이터 또한 “프로모션을 통해 유입된 유저들이 LTV 측면에서 의미가 있는가?”와 같은 가설을 검정하기 위해 활용되어야 함 마케팅 퍼널 분석 광고 데이터와 고객 데이터 분석을 기반으로 자사 서비스의 퍼널이 제대로 기능하고 있는지 분석함. 퍼널에서의 가설을 검정할 때는 내부 데이터 뿐 아니라 외부 데이터 까지 통합적으로 고려할 수 있어야 함

퍼포먼스 마케팅 데이터 분석

분석의 기본 축, Flow와 Snapshot

데이터 분석의 개요를 파악 했다면, 퍼포먼스 마케팅에서의 데이터 분석에 필요한 부분을 알아야 합니다. 앞서 말씀 드렸던 것 처럼 퍼포먼스 마케팅에서의 데이터 분석은 데이터 자체를 머릿속에 꾸준히 “때려넣는 것”이 전제가 되어야 하며, 기본적으로 모든 흐름이 머릿속에 있어야 깊은 수준의 분석이 가능합니다. 이를 위해 Flow와 Snapshot을 빠르게 파악할 수 있도록 잘 만들어진 데이터 대시보드가 필요하며, 이러한 대시보드는 마케팅 액션과 관련된 커뮤니케이션의 축이 될 수 있습니다.

Flow란

Flow는 위에서 말씀드렸던 데이터를 “시계열”로 보는 것을 말합니다. 퍼포먼스 마케팅은 시간의 흐름에 따라 가설 설정, 액션, 피드백을 수행하기 때문에 이것을 시간의 흐름에 따라 관리하는 것이 매우 중요합니다. 하지만 Flow만으로 데이터를 관측하면, 성과가 떨어졌을 때 특별히 어떤 개선 사항을 도출해야 할지 어려움을 겪을 수 있습니다. 때문에 시간의 흐름에 따른 분석에 더해 하나의 시점에 대한 분석이 동시에 이루어져야 합니다.

Snapshot 이란

Snapshot은 하나의 시점을 정하고, 그 시점의 데이터를 구성하고 있는 요소를 쪼개는 것입니다. 8월1일의 CVR이 1.2%라고 하면, 1.2% 만들어 내게 된 원인을 당일 데이터를 통해 살펴보는 것입니다. 페이스북 매체에서의 성과 하락이 원인일 수도 있고, 브랜드 검색에서의 성과 하락이 원인일 수도 있습니다. Flow로는 성과가 좋아지거나 나빠지는 흐름을 파악하고, Snapshot으로 그렇게 좋아졌거나 나빠진 것에 대한 원인을 찾는다고 정리하면 좋을 것 같습니다.

광고 데이터 간 상관관계 이해하기

퍼포먼스 광고 데이터는 CTR, CVR, CPC, CPA, ROAS와 같은 계산된 지표와 노출, 클릭, 매출, 비용과 같은 절대값으로 주어지는 데이터가 있습니다. 특정한 지표가 상승하거나 하락할 때, 그 원인이 어디에 있는지 유추해 내는 것이 중요합니다. 원인을 유추하기 위해서는 해당 지표 자체에 집중하는 것보다, 지표와 지표, 지표와 절대값간의 연관관계를 기반으로 추론하는 것이 필요합니다.

위 그림은 각 지표간의 관계와 지표에 영향을 미치는 요소를 단순화 하여 표현한 것입니다. 지표는 CTR, CVR 외에도 CPM, CPA, ROAS 등의 지표들이 있고 각 지표끼리의 연산을 통해서 새로운 지표를 만들거나 새로운 관계를 추론해볼 수도 있으니 따로 정리를 해보는 것이 좋습니다.

위와 같이 관계도를 정리하면, 아래와 같이 성과에 대해서 분석할 수 있게 됩니다.

상황: 전환률(CVR)이 3%에서 1.5%로 저하 되었을 때, 어떻게 해결할 것인가?

해결1: 전환수를 유지되었는데 클릭수가 증가했다면, 최근에 라이브한 광고의 CTR이 좋아졌을 수 있다. 낮은 단가의 유입이 의미가 있다면 유지하되, 광고에서의 메시지가 과장되었기 때문에 유입된 유저가 전환까지 이어지지 않고 이탈하고 있다면, 광고를 OFF 하는 것도 고려할 수 있다.

전환수를 유지되었는데 클릭수가 증가했다면, 최근에 라이브한 광고의 CTR이 좋아졌을 수 있다. 낮은 단가의 유입이 의미가 있다면 유지하되, 광고에서의 메시지가 과장되었기 때문에 유입된 유저가 전환까지 이어지지 않고 이탈하고 있다면, 광고를 OFF 하는 것도 고려할 수 있다. 해결2: 클릭수가 유지되고 전환수가 줄어 들었다면, 구매할 만한 사람들이 모두 구매한 것일 수 있다. 광고의 빈도수 혹은 GA에서 재방문자의 비율을 확인해볼 수 있으며, 모수확보를 위해 신규유입 캠페인을 별도로 편성할 수 있다.

클릭수가 유지되고 전환수가 줄어 들었다면, 구매할 만한 사람들이 모두 구매한 것일 수 있다. 광고의 빈도수 혹은 GA에서 재방문자의 비율을 확인해볼 수 있으며, 모수확보를 위해 신규유입 캠페인을 별도로 편성할 수 있다. 해결3: 전반적인 노출수, 클릭수, 전환수가 동시에 줄면서 전환률이 낮아졌을 수도 있다. 이럴 경우 광고단이 아닌 메타 환경에서의 변화가 영향을 주었을 수 있다. 이 때에는 USP 및 크리에이티브를 재정돈 하는 것이 방법이 될 수 있다.

전환률이 줄어들었을 때, 전환률 지표에만 집중하다 보면 실질적인 해결책을 도출하지 못할 수도 있습니다. 항상 지표에 영향을 미치는 여러 요소들을 종합적으로 생각해야 하며, 이러한 요소들 이전에 광고 환경에 영향을 미치는 “메타 환경”이 있음을 인지해야 합니다.

가설 검정에 힘을 더해주는 다양한 데이터 분석 툴

구글 애널리틱스는 대중적으로 사용하고 있는 툴이므로, 사용법에 대해서는 굳이 언급하지 않으려고 합니다. 다만 구글 애널리틱스와 같은 웹로그 분석툴의 목적은 “고객 행동 분석”이 아닐까 합니다. 그리고 이러한 고객 행동 분석은 커머스 보다는 커머스 외 “앱 서비스”에서 더 강력한 힘을 발휘하는 것 같습니다. 커머스에서 고객의 행동은 제품의 기능, 스펙, 구성에 더 많은 영향을 받으며, 어떤 메시지를 어떤 방식으로 보여줄지에 더 큰 영향을 받습니다. 하지만 앱을 기반으로 한 게임, 마켓, 플랫폼 등의 서비스는 고객 행동 데이터 분석이 중요 합니다. 고객을 유입 시킨 후 내부에서의 기능개선을 통해 서비스의 사용성이 좋아져야 LTV 관점에서 고객을 오랜 기간 유지시킬 수 있기 때문입니다.

세부적인 측정을 위한 GTM

GTM을 활용하면 GA에서 보다 더 많은 정보를 살펴볼 수 있습니다. GTM을 스크립트 삽입도구로 생각하여, 여러 솔루션을 쉽게 설치하는 정도로 많이 사용하고 있으나, GTM은 기본적으로 “Javascript Injection tool”이기 때문에 굉장히 다양한 기능을 수행해볼 수 있습니다. 다만 GTM은 개발 지식이 없다면 다소 접근하기 어렵습니다. 당장 도입해볼 수 있는 추가 측정 기준은 아래와 같습니다.

이벤트 삽입을 통한 추가 측정 기준

Scroll Depth 측정: 원하는 페이지에서 유저들이 스크롤을 얼마나 아래 까지 내렸는지 측정.

버튼 클릭 이벤트 측정: 원하는 페이지에서, “장바구니 담기”, “구독하기”, 혹은 “이메일 보내기”와 같은 버튼을 얼마나 많이 클릭하는지 측정

네이버 검색 위치 측정: 네이버의 블로그, 카페, 지식인 등 다양한 검색결과 위치들 중 어떤 위치에서 우리 홈페이지 까지 넘어왔는지 측정

ClientID와 UserID 활용을 통한 데이터 트래킹 개인화(https://brunch.co.kr/@edte1020/24): GA 꿀팁 – (1)매체 데이터와 유저 데이터의 결합 아티클 참고.

이렇게 측정 기준을 설정해 놓으면 세부적으로 데이터를 쪼개볼 수 있을 뿐 아니라 커스터마이징 작업을 통해 광고매체에서 최적화 기준으로 사용할 수도 있습니다. 예를 들어 “브랜드 소개 페이지에서 스크롤을 80%까지 내린 사람을 대상으로 페이스북 리타겟팅”을 진행할 수 있게 됩니다.

비주얼 애널리틱스

GA와 GTM을 활용하여 이벤트 설정을 하더라도 페이지 내에서 사람들의 시선이 어디에 머무는지, 버튼으로 만들어 놓지 않은 다른 텍스트들에 얼마나 반응하는지, 한번 스크롤할 때 얼마나 밑까지 내려가는지, 실제로 웹 안에서 인터랙션이 어떻게 일어나는지 등 더 구체적인 행동에 대해 알 수 없다는 단점이 있습니다. 이것을 해결하기 위해 비주얼 애널리틱스 툴을 사용할 수 있으며 아래와 같은 두 가지 대표적인 툴이 있습니다.

1. 뷰저블: https://www.beusable.net/ko/

2. Hotjar: https://www.hotjar.com/

텍스트마이닝 기법을 활용한 트렌드 분석 가미하기

타겟 커뮤니티, 뉴스 등을 선정하여 텍스트마이닝을 하는 방법이 있습니다. 개인적으로 텍스트마이닝 기법 중 가장 도움이 많이 되는 것이 LDA 알고리즘이라고 생각합니다. “10만개의 뉴스 아티클을 10개의 주제로 분류하자”. “일자별로 10개의 주제가 각각 얼마나 많이 나왔는지 시계열 그래프를 그려보자”와 같은 실용적인 분석이 가능합니다.

LDA 주제 분류 시각화 예제

아래 예시는 청와대 청원 게시글을 크롤링하여 3개의 주제로 분류한 LDA 예제 입니다. 각 주제를 구성하는데 영향을 가장 많이 미치는 단어들을 영향력에 따라 오른쪽의 바 그래프 형태로 살펴볼 수 있습니다.

위 대시보드를 아래 html 파일로 직접 조작해 볼 수 있도록 업로드 해두었으니 다운 받으신 후 자유롭게 살펴봐주세요. (크롤링 및 분석은 python으로 진행 하였습니다.)

LDA 트렌드 시계열 분석 예제

위와 같이 대량의 문서를 주제별로 분류하게 되면, 일자별로 해당 트렌드가 얼마나 나타나고 없어졌는지 파악해 볼 수 있습니다. 이에 대한 예시는 아래와 같습니다. 2020년 1월 1일 부터 2020년 4월 27일 까지의 매일경제 뉴스기사를 크롤링 하고, 5개의 주제로 분류한 뒤 일자별로 각 주제가 어떤 빈도로 출현하였는지 시각화 한 자료 입니다.

좌측의 Tabular 데이터는 5개의 토픽을 구성하는 주요 단어들을 나타내며, 우측의 그래프는 일자별로 각 토픽에 해당하는 아티클의 수량 변화를 나타내는 그래프 입니다. 데이터 전처리를 더 세밀하게 진행하면, 우리가 의식하지 못하는 타겟 커뮤니티, 뉴스, 기타 데이터 소스에서의 트렌드 변화를 파악할 수 있습니다.

의사결정에 필요한 수준의 정보를 얻고 가설을 검정할 수 있는가?

최근 마케팅에서도 데이터 분석에 대한 니즈가 올라가면서, 수집된 데이터에 대한 분석을 통해 필승법과도 같은 패턴을 발견하고자 하는 노력들이 발견됩니다. 하지만 퍼포먼스 마케터에게 데이터 분석이란 가설 검정의 수단이 되어야 합니다. 가설이 없는 데이터 분석은 공허할 수 밖에 없습니다. 이 때 가설을 세우고 확인하는데 필요한 데이터가 항상 100% 완벽할 필요는 없다고 생각합니다. 합리적인 수준에서 합리적인 판단을 내릴 수 있는 정도의 데이터면 충분합니다.

위에서 언급한 데이터를 다루는 모든 방법론은 현상을 관찰하고 가설을 합리적으로 세울 수 있는지, 그리고 그 가설을 바탕으로 한 액션을 제대로 도출할 수 있을지에 대한 것입니다. 각자가 마케터로서 데이터 분석을 바라보는 관점은 다르겠지만, 기술이나 방법론 자체에 매몰되지 않고 데이터를 활용해서 내가 일하고 있는 브랜드, 산업군의 그림을 그려나간다는 방향성을 꾸준히 체크해 나갔으면 합니다.

원문 : https://brunch.co.kr/@edte1020/59

◈ 해당 글의 저작권은 필자에게 있으며, 무단 전재 및 재배포를 금지합니다 ◈

개인 맞춤 광고 데이터 수집 중지

잠재고객을 포괄적이고 통합된 형태로 보여주고 더 간편하게 관리하고 최적화할 수 있도록 Google Ads가 다음과 같이 개선되었습니다. 새로운 잠재고객 보고서

잠재고객 인구통계, 세그먼트, 제외에 대한 상세 보고서가 왼쪽의 페이지 탐색 메뉴 내에 있는 ‘잠재고객’ 탭으로 통합되었습니다. 이 보고서 페이지에서 잠재고객을 손쉽게 관리할 수도 있습니다. 잠재고객 보고에 대해 자세히 알아보기

잠재고객 인구통계, 세그먼트, 제외에 대한 상세 보고서가 왼쪽의 페이지 탐색 메뉴 내에 있는 ‘잠재고객’ 탭으로 통합되었습니다. 이 보고서 페이지에서 잠재고객을 손쉽게 관리할 수도 있습니다. 잠재고객 보고에 대해 자세히 알아보기 새로운 용어

Google에서는 잠재고객 보고서 및 Google Ads 전반에서 새 용어를 사용합니다. 예를 들어 ‘잠재고객 유형'(예: 유사, 맞춤, 구매 의도, 관심분야)을 이제 잠재고객 세그먼트라고 하며 ‘리마케팅’은 ‘내 데이터’로 변경되었습니다. 변경된 잠재고객 용어 및 문구에 대해 자세히 알아보기

개인 맞춤 광고

리마케팅은 개인 맞춤 광고의 타겟팅 기능 중 하나이며, 이 기능을 이용하면 내 웹사이트를 방문했거나 내 모바일 앱을 사용한 적이 있는 사용자에게 광고를 게재할 수 있습니다. 개인 맞춤 광고를 원하지 않는 사용자에 대해서는 리마케팅 데이터 수집을 중지할 수 있습니다. 그러려면 allow_ad_personalization_signals 매개변수를 사용하면 됩니다.

이 매개변수의 기본값은 true로 설정됩니다. 매개변수의 값을 false로 설정하면 개인 맞춤 광고를 위한 데이터 사용이 중지됩니다.

참고: 이 매개변수는 전환추적을 사용 중지하지 않습니다.

참고: 전체 사이트 태그를 이미 구현한 경우 웹사이트에 새 태그를 추가하지 않아도 됩니다. 아래 예에 따라 기존 태그를 수정하면 됩니다.

allow_ad_personalization_signals 매개변수를 설정하면 전체 사이트 태그를 통해 구성된 모든 제품에 적용됩니다. Google Ads에 로그인합니다. 오른쪽 상단에 있는 도구 아이콘 을 클릭하고 ‘공유 라이브러리’ 섹션에서 잠재고객 관리자를 클릭합니다. 왼쪽에서 잠재고객 소스를 클릭해, 내 데이터 세그먼트를 수정할 수 있는 소스 그룹을 엽니다. ‘전체 사이트 태그’ 카드에서 오른쪽 상단에 있는 점 3개 아이콘 을 클릭한 다음 소스 수정을 선택합니다. 저장하고 계속하기를 클릭합니다. 설치 화면이 나타나면 전체 사이트 태그와 이벤트 스니펫을 사용할 수 있습니다. 아래의 예에 따라 전체 사이트 태그를 수정하여 광고 개인 최적화 신호를 사용 중지할 수 있습니다. 코드를 사이트에 삽입하려면 코드를 복사하여 웹사이트의 태그 사이에 붙여넣으세요. 광고주 웹사이트에서 사용하기 위해 아래의 코드를 그대로 복사하여 붙여넣으면 안 됩니다. 이 코드는 스니펫 코드를 웹 서버에 삽입할 때 웹 개발자가 동적으로 입력해야 하는 자리표시자 값을 포함합니다. < ! -- Global Site Tag (gtag.js) - Google Ads --> 7. 완료를 클릭합니다. 참고: 이전의 Google Ads 태그를 사용 중인 경우 다른 Google Ads 태그 매개변수를 설정한 곳에 var google_allow_ad_personalization_signals = “false” 를 설정할 수 있습니다. 자세한 내용은 아래 예를 참고하세요. 캘리포니아 소비자 개인 정보 보호법(CCPA) 광고주가 캘리포니아 소비자 개인 정보 보호법(CCPA)을 준수하도록 하기 위해 전체 사이트 태그에 전용 매개변수(restricted_data_processing)를 추가하여 Google에서 제한적인 데이터 처리(RDP)를 사용 설정해야 하는지 여부를 나타낼 수 있습니다. 이 매개변수의 기본값은 false로 설정됩니다. 매개변수의 값을 true로 설정하면 Google에서는 특정 데이터를 사용하는 방법을 제한합니다. 참고: Google Ads에서 제한적인 데이터 처리를 사용 설정하는 방법에는 두 가지가 있습니다. 사이트의 특정 사용자에 대해 제한적인 데이터 처리를 사용하도록 Google Ads 또는 태그 관리자의 전체 사이트 태그에서 설정할 수 있는 ‘ restricted_data_processing ‘ 매개변수 ‘ 매개변수 캘리포니아에 거주하는 모든 사용자에 대해 제한적인 데이터 처리를 사용 설정하도록 Google Ads 리마케팅 태그를 구성하는 잠재고객 관리자의 체크박스 제한적인 데이터 처리를 사용 설정하는 경우에만 이러한 옵션 중 하나를 선택하면 됩니다. 참고: 이 매개변수는 전환추적을 사용 중지하지 않습니다. 참고: 전체 사이트 태그를 이미 구현한 경우 웹사이트에 새 태그를 추가하지 않아도 됩니다. 아래 예에 따라 기존 태그를 수정하면 됩니다. 전체 사이트 태그는 잠재고객 관리자(아래 안내 참고) 또는 Google Ads 웹사이트 전환 또는 전환의 세부정보 페이지에서 찾을 수 있습니다. 아래의 안내에서는 Google Ads의 제한적인 데이터 처리 매개변수를 설정하는 방법만 다룹니다. 광고주가 Google Ads에서 CCPA를 준수하도록 돕는 방법 알아보기 Google Ads에 로그인합니다. 오른쪽 상단에 있는 도구 아이콘 을 클릭하고 ‘공유 라이브러리’ 섹션에서 잠재고객 관리자를 클릭합니다. 왼쪽에서 잠재고객 소스를 클릭해, 내 데이터 세그먼트를 수정할 수 있는 소스 그룹을 엽니다. ‘전체 사이트 태그’ 카드에서 오른쪽 상단에 있는 점 3개 아이콘 을 클릭한 다음 소스 수정을 선택합니다. 저장하고 계속하기를 클릭합니다. 참고: ‘데이터 세그먼트에서 캘리포니아 사용자 제외’ 체크박스가 표시됩니다. 이 체크박스를 선택하면 캘리포니아에 있는 모든 사용자에 대해 제한적인 데이터 처리가 사용 설정됩니다. 제한적인 데이터 처리를 사용 설정하도록 전체 사이트 태그를 수정 중이므로 이 체크박스를 선택할 필요가 없습니다. 설치 화면이 나타나면 전체 사이트 태그와 이벤트 스니펫을 사용할 수 있습니다. 아래의 예에 따라 전체 사이트 태그를 수정하여 광고 개인 최적화 신호를 사용 중지할 수 있습니다. 코드를 사이트에 삽입하려면 코드를 복사하여 웹사이트의 태그 사이에 붙여넣으세요. 광고주 웹사이트에서 사용하기 위해 아래의 코드를 그대로 복사하여 붙여넣으면 안 됩니다. 이 코드는 스니펫 코드를 웹 서버에 삽입할 때 웹 개발자가 동적으로 입력해야 하는 자리표시자 값을 포함합니다. < ! -- Global Site Tag (gtag.js) - Google Ads --> 완료를 클릭합니다. 참고: 이전의 Google Ads 태그를 사용 중인 경우 다른 애드워즈 태그 매개변수를 설정한 곳에 var restricted_data_processing = “true”를 설정할 수 있습니다. 자세한 내용은 아래 예를 참고하세요. AdWords API를 사용하여 다른 서버로 리마케팅 핑을 전송하는 경우(예: 앱용 동적 리마케팅을 위해) 요청을 제한적인 데이터 처리로 표시하려면 rdp=1 매개변수를 포함해야 합니다. Google 태그 관리자에 로그인합니다. 왼쪽 열에서 태그를 클릭하여 태그에 액세스합니다. Google Ads 리마케팅 태그 또는 Google Ads 전환 태그를 만들거나 수정합니다. 태그 구성 섹션의 ‘제한적인 데이터 처리 사용’ 필드에서 True를 선택합니다. 또는 이 필드는 데이터 영역 변수를 통해 동적으로 설정할 수 있습니다. 저장을 클릭합니다.

키워드에 대한 정보 광고 데이터

다음은 Bing에서 광고 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.

이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!

사람들이 주제에 대해 자주 검색하는 키워드 [#DM9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화

동영상
공유
카메라폰
동영상폰
무료
올리기

[#DM9_4영역] #똑같은 #광고비 #쓰더라도 #검색 #광고 #효과를 #높이는 #방법이 #있다? #| #데이터맛집 #17화

YouTube에서 광고 데이터 주제의 다른 동영상 보기

주제에 대한 기사를 시청해 주셔서 감사합니다 [#DM9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화 | 광고 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.

광고 데이터 | [#Dm9_4영역] 똑같은 광고비 쓰더라도 검색 광고 효과를 높이는 방법이 있다? | 데이터맛집 17화 4480 투표 이 답변