엘리베이터 탑승 대기 공간에 설치되어 있습니다. <아파트 엘리베이터TV> “25인치 세로형 디바이스 <오피스 엘리베이터TV> ″27인치 가로형 디바이스 + ″32인치, ″55인치 세로형 디바이스 브랜드정보 혜택 정보 공익 캠페인 문화와 여가 정보 동네상권정보 생활유익 정보 공공기관 정보 아파트 공지사항
더 관여도 있게 전국 1,000만명 모두 통일된 형태로 더 쉽게 바이럴 형성 원래 하려던 행동을 방해하지 않고, 적막함을 해소 상시 부착된 QR코드로 언제든지 참여 유도 나와 큰 관련 없는 공개적인 외부 공간 제각기 다른 규격과 한정된 장소 Skip형 등 콘텐츠 소비 전 조건 형태의 광고 빠른 이동으로 즉각적인 액션 유도 불가
콘텐츠는 무엇인가요?” 첫 번째(최초상기) 그리고 두 번째, 세 번째까지(총 상기) 주관식으로 묻고 집계하는 지표 얼마나 IMPACT 있었는지 분석 시청인지지표: “엘리베이터TV에서 본 적 있는 콘텐츠/브랜드는 무엇인가요?” 실제 송출 콘텐츠/브랜드의 BI/CI를 함께 제시하고 질문하여 응답률을 집계하는 지표 얼마나 정인지/기억하는지 분석 < • 브랜드 인지도가 아닌 ʻ콘텐츠 인지도’를 조사하게 된 이유 : 브랜드 인지도는 동일 카테고리 여러 브랜드를 함께 조사하여야 의미가 있으나, 월 46개 파트너사에 대해 진행하는 것은 현실적으로 어려워 브랜드의 콘텐츠 전략 변화에 더 초점 • ʻ콘텐츠 돌출도’ 측정을 위한 내부 스터디로 시작했지만 : 장기 & 연간 광고주가 많은 것을 보았을 때 브랜드에서 콘텐츠를 바꾸었을 때 어떻게 지표가 달라지는 지 추적하는 것의 의미가 크다고 판단, 광고주 제공 데이터로 전환 • 파일럿 조사를 통해 적합한 패널을 정의 : 자사 홈페이지 회원 vs. 전문 조사 기관 패널 조사 후 비교 → 꽤 큰 pt. 차이 확인, 정확도를 위해 전문 조사 기관 패널의 데이터를 활용 여러 시행 착오를 겪고서 만들 수 있었던 ʻ새’ 지표
화면으로 강렬하게 기억에 남습니다 *출처 : <A 브랜드 광고효과조사 > (23년 2월), 엠브레인 엘리베이터TV Only 접촉 타겟 vs 디지털 광고 Only 접촉 타겟 브랜드 상기도 1.8배 & 브랜드 신뢰도 1.4배 TV보다 더 자주 더 고른 연령이 시청합니다 *출처 : TV : Nielsen Ariana / 엘리베이터TV : 포커스애널리틱스 TV보다 빈도는 3배 높고, 젊은 타겟 도달은 1.5배 더 높습니다.
타겟팅 디지털 콘텐츠를 소비하는 유저의 데이터(성, 연령, 관심사 등) 기반, 더 관련도 높은 광고를 매칭 가구 별 시청 데이터 분석을 통해 가구 특성을 특정, 더 관련도 높은 광고를 송출 옥외광고는? 유동 인구의 타겟 특성 특정 불가 타겟팅에 활용할 유저 실시간 데이터 확보 불가 OOH
상가, 인프라, 장터 및 운영 프로그램, 커뮤니티 시설 등 총 망라한 데이터 확보를 위해 4,500단지 관리사무소를 직접 방문 & 조사! 단지 현장 조사 질문지 예시 서울생활권 아파트 백서 발간 보도자료 배포 출처: https://bit.ly/download_apt_trendbook
민감하니까! 아이가 쓰기에 안전하니까! … 욕실이 2개면 더 쓸 테니까! 욕실 2개 이상 단지 전체 세대의 욕실이 2개 이상인 단지 건강 고관여 & 1-2인 가구 건강식품 관련 소비가 많거나 1-2인 가구 비중이 높은 단지 중학생 이하 거주 중학생 이하 자녀 동거 35% 이상이거나 자녀 교육 소비 상위 단지 일반 3개 클러스터에 해당하지 않는 나머지 단지 1 2 3 4 중요도 또는 DB 변별력 순서대로 한 클러스터 씩 차례대로 구분 서울생활권 5,000여 개 단지 구분
입주민 정기조사 동구밭 인지도 - 22’ 11월 별도 광고 효과 정성 조사 샴푸바 판매 개수 - 송출기간 내 동구밭 자체 매출 데이터 22’ 3-4월 22’ 9-11월 입주민 정기조사 집행 기간 실제 판매 데이터 클러스터 단지에서 인지 / 액션 지표 / 판매 개수 모두 더 높게 나타나 “아파트DB가 정말 타겟 특성을 대변하는 구나!” & “타겟 맞춤 메시지가 나가면 확실히 더 반응하는구나!” 확인 하지만 실제 타겟 데이터에 입각한 클러스터 구분을 해보기로 다짐!
1 1.3 1.7 2.1 2.1 1 1.8 1 1.7 건강고관여 &1-2인가구 유자녀 욕실2개 일반 역시 판매 개수를 단지 거주 인구수로 나누기 - 비입주민 대비 1.8배, 일반 대비 클러스터가 1.6배 더 많이 구매 - 판매 데이터 상의 주소 ≠ 자사 설치리스트 주소 주소 정제를 통한 맵핑 필요 • 이름/휴대폰번호/상세주소(동-호수) 등 개인정보 제외 후 수령 - 주소 정제 시스템을 활용하여 동/호 자동 제거 • 자체적으로 매출 데이터 분석 리소스가 없는 경우, 다양한 분석 서비스를 제공하는 조건으로 수령 • 매출 분석 대시보드 제공으로 다양한 인사이트 제공하기도 매출 데이터를 받는 것 쉽지 않다…!
방문 한 타겟 비율 입주민 7만명 / 비입주민 44만명 대상 분석 포커스미디어 엘리베이터TV를 집행한 특정 매장 콘텐츠를 접한 입주민들은 비입주민 보다 더 해당 매장을 더 많이 방문했을 것이다. 구분 300M 500M 700M 1KM 1KM 이상 입주민 vs. 비입주민 방문율 차이 105% 109% 123% 113% 186% 리테일 광고주 방문 효과 분석 패스드푸드 광고주 반경 별 방문율 차이 분석 입주민 비입주민 1KM 이상
20평대 이하 아파트 단지 수납인테리어 크리에이티브 1,144개 단지 30평~40평대 아파트 단지 여유방 인테리어 크리에이티브 방3개 유자녀 아파트 단지 610개 단지 아이방 인테리어 크리에이티브 포커스미디어 보유 아파트 DB를 활용해 입주민들의 관여도를 높이기 위해 평형별 맞춤형 클러스터 제안 일반단지 엘리베이터TV 광고 이케아로 해냄 캠페인
Scientist와 협업을 경험할 수 있었던 기회 (총 1억원) Data Analyst 역할 Data Scientist 역할 • 과제 설정 / 분석 요건 정의 • 군집 분석에 적용될 데이터 필드 선정 • 데이터 고도화 제언 • 산출물 종류 / 형태 정의 • 활용처를 고려한 데이터 분석 해결 • 분석 결과 활용성 마련 • 과제 수행 모델링 기법 제안 • 데이터 병합 및 가공 • 고도화 위한 가중치 적용 • 군집 분석 수행 • 인사이트 분석 위한 지수 출력
특성을 가지고 있는지 확인할 수 있었던 기회 K-means 비지도 학습 소평형 공간에 거주하는 1-2인 타겟. 사무직 비율이 높으며 삶의 재미를 중시해 레저, 문화, 교육, 온라인 구독 등 혼자 즐기는 여가 소비가 높습니다. 인프라와 상가가 풍부한 신축 단지에 거주하며, 남성 사무직과 여성 자영업 비율이 높습니다. 자동차, 배달음식, 아기 관련 소비가 높습니다. 남녀 모두 사무직 비율이 높은 맞벌이 신혼으로, 공연, 영화, 볼링 등 함께 즐기는 여가 소비가 높습니다. 명품 커머스 및 백화점 소비도 높게 나타났습니다. 소득, 소비 모두 높지만 아이를 키워야 하기에 일반적인 하이엔드 소비 보다 자녀 교육, 육아 관련 소비를 우선합니다. 초등학교가 단지 내 또는 근거리에 위치합니다. 자녀 교육 지출에 집중하며 합리적인 소비를 지양, 대형마트 소비가 높습니다. 인프라와 상가도 교육에 집중되어 있으며 여유 자금이 높은 편입니다. 자녀가 어리지 않기에 진정한 하이엔드 생활을 자유롭게 즐길 수 있습니다. 인프라가 잘 갖추어져 있는 고평형 단지에 거주하며 골프, 가구, 남성의류 소비가 높습니다. 자녀가 장성하며 캥거루족 으로 함께 하거나 독립, 인테리어 니즈가 대표적으로 나타납니다. 인테리어, DIY자재, 운동, 남성 화장품 등 소비가 높으며 단지에 인테리어 상가가 있습니다. 여러 면에서 아파트 생활의 가장 평균적인 타겟입니다. 식품, 의류, 모바일 상품 등 여러 방면에 골고루 소비하며 중년 타겟으로 여유 자금이 넉넉한 편입니다. 개인 단위 고객 데이터에도 충분히 적용할 수 있는 방법 시니어 인구 비중, 특히 여성 비중이 높습니다. 구축에 거주하다 보니 여유 자금이 풍부합니다. 자동차 관리, 병원, 여성 의상, 건강 식품 등 소비가 높습니다.
만한 단지 정보 포인트를 매칭하여 콘텐츠 구성 신혼부부에게 인기 많은 단지 시세가 궁금하다면? 육아에 최적인 단지 시세가 궁금하다면? 하이엔드 단지 시세가 궁금하다면? 아이 학군을 위한 이사 시세가 궁금하다면? 인프라가 좋은 단지 시세가 궁금하다면? 수도권 근교 단지 시세가 궁금하다면? 일반소재
여러 타겟을 묶는 기준은 주관적일 수 있지만, ʻ보험 상품’이라는 특성을 참고하여 구성 연령-60대 이상 성연령-여성 50대 성연령-남성 60대 이상 집 유형-주상복합 아파트 집 평수-50평 이상 가구수입-5000만원이하 본인 직업-화이트 성연령-여성 30대 성연령-남성 40대 자녀 수-1 명 가족 수-2 명 자녀 수-없다 : 여유 있는 삶을 영위 중인 중장년층 : 고소득 급여소득자 : 자녀가 있는 부부 : 자녀가 없는 신혼 부부
어떻게 해야 할까? • 단순히 숫자(소비금액, 사용량, 고객수 등) 하나만 가지고는 한계가 있음 • 숫자의 ʻ의미’를 살려내는 것이 데이터 사이언스 작업의 핵심! 만약 남성 고객의 비율이 30%라면, 이 숫자가 전체 분포에서는 어떤 의미일까? 전체 분포에서 어느 정도 위치를 차지할까? 똑같은 연령대 별 고객수라도, 어떤 관점(도달율? 사용자층?)에서 보는가에 따라서 의미가 달라질 수 있음! 숫자들을 어떻게 보아야 세그멘테이션이라는 목적에 잘 맞는걸까?
잘 엮을 수 있을까? • 업종/브랜드의 타겟 특성과 단지 타겟 특성의 데이터 필드와 형태 모두 다르기 때문에 많은 고민이 필요했던 단계 • 데이터 사이언스의 현실: 삐까뻔쩍한 모델링보다 전처리하는 데에 시간이 더 많이 걸린다! ^^ • 변수의 종류를 총 네 개의 카테고리로 분류하고, 각 카테고리 별로 접근 방식을 다르게 취하자! • 이 과정에서 데이터 사이언스적 테크닉을 몇 가지 활용! (부트스트랩 샘플링, 회귀 모형 등…)
실행이 어려워 보였던 프로젝트, 한 단계 한 단계 수행해보니 가능했다! - 옥외 광고가 타겟팅이 되겠어? - 개인이 아닌 집단의 통계가 정확도가 있어? - 실제 광고 효과 개선이 있을까? Step 2. 과감하게 뛰어 들고 개선하기 처음에는 정확도가 부족할 수 있지만 한 단계 한 단계 개선해보자 1. '감으로' 적합할 만한 타겟 특성 분류해보기 2. 타겟 분포 데이터를 적용해서 근거 있는 타겟 분류 해보기 3. 아파트DB 활용하여 비지도 학습 클러스터링 적용해보기 4. (2.+3.) 브랜드의 타겟 분포DB ↔ 아파트DB 맵핑 통해 클러스터 구분 자동화 Step 3. 효과 입증하고 알리기 핵심은 '그래서 효과가 있다'를 입증하는 것, 모든 데이터를 영끌하기 1. 핫스팟+고도 변화로 측정하는 시청률/앱이용 현황 데이터 2. 매달 600명을 서베이하는 입주민 정기조사 데이터 3. 외부 협력사와 제휴한 오프라인 동선 데이터 4. 어렵게 설득하여 받은 광고주 매출 데이터까지
개발하는 것으로 엄밀히 Project Manager의 업무 하지만 데이터를 내내 놓을 수 없는 프로젝트였기에 롤을 나눌 수 없는 상황 상세 보유 데이터와 활용 가능한 데이터 형태 SYNC를 맞추기 쉽지 않음 DATA ANALYST PROJECT MANAGER 데이터에 대한 이해 & PM 롤 모두 수행할 수 있는 DATA PROJECT MANAGER에 대한 수요가 계속 증가할 것으로 예상
datarian
kkosukeee
loglass2019
nyattx
tokyo_metropolitan_gov_digital_hr
trainlikeamarketer
hinalin
circulation
smartbank
susmed
dougneiner
yeseniaperezcruz
deanohume
kneath
moore
cassininazir
chriscoyier
lemiorhan
speakerdeck
sergeychernyshev
csswizardry
cromwellryan
