Slide 1
Slide 1 text
데이터리안
데이터 분석 교육이 필요할때
데이터 분석
정보 공유
오픈 카톡방
데이터와 함께
SNS 마케팅을 넘어 오프라인 광고까지
Slide 2
Slide 2 text
데이터 분석 교육이 필요할 때
1 2 3 4
데이터 분석
세미나
데이터 컨설팅 SQL / GA4
데이터 분석
캠프
사내 맞춤형
SQL 교육
데이터리안
데이터리안 소개
Slide 3
Slide 3 text
데이터 분석 교육이 필요할 때
지난 세미나
보러가기
데이터리안
월간 데이터리안 세미나
요즘 핫한
사이드 프로젝트가
데이터 보는 방법
실무자가 알려주는
데이터 분석가
취업 준비
완벽 가이드
데이터와 함께
SNS 마케팅을 넘어
오프라인 광고까지
2023
08 2023
09 2023
10
Slide 4
Slide 4 text
데이터 분석 교육이 필요할 때
1부
쉬는 시간
2부
강연
패널
데이터리안
진행 순서
19:00 - 19:50 강슬기
19:50 - 20:00
20:00 - 21:00 강슬기, 김민주
어제 엘리베이터에서 본 그 광고,
옆 아파트에는 안 나온다고요?
그로스 마케터와 옥외 광고 전문가가 말하는
데이터 기반 마케팅
Slide 5
Slide 5 text
데이터 분석 교육이 필요할 때
데이터리안
현) 포커스미디어코리아 데이터전략팀 리더
강슬기
연사
송혜정
모더레이터
현) 데이터리안 그로스 마케터, 데이터 분석가
전) B2B 물류 스타트업 데이터 분석가, 그로스 마케터
전) 공유주거 스타트업 냅스터 Co-Founder, COO
김민주
패널
연사 & 패널
현) 데이터리안 데이터 분석가
전) 리디 데이터 분석가
Slide 6
Slide 6 text
“
연사
어제 엘리베이터에서 본
그 광고, 옆 아파트에는
안 나온다고요? 강슬기
포커스미디어코리아
데이터전략팀 리더
Slide 7
Slide 7 text
“
패널
그로스 마케터와
옥외 광고 전문가가 말하는
데이터 기반 마케팅 김민주
데이터리안 그로스 마케터,
데이터 분석가
Slide 8
Slide 8 text
어제 엘리베이터에서 본 그 광고,
옆 아파트에는 안 나온다고요?
연사: 강슬기
19:00 - 19:50
Slide 9
Slide 9 text
엘리베이터TV,
다른 광고와 뭐가 다르죠?
1.
Slide 10
Slide 10 text
포커스미디어 엘리베이터TV
거주공간
엘리베이터TV 시장점유율
거주공간 엘리베이터
전체 모수 대비
서울생활권
지역생활권
514단지
9,774대
5,167단지
70,313대
470단지
6,020대
부산생활권
약80%
약50%
*2023년 기준
포커스미디어의
핵심 타겟 커버리지
Slide 11
Slide 11 text
포커스미디어 엘리베이터TV
아파트 엘리베이터TV는 엘리베이터 내부 탑승 공간에,
오피스 엘리베이터TV는 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
Slide 12
Slide 12 text
조금은 다른 노선을 걷고 있는 포커스미디어
거주 공간에서 반복적으로 만나
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
Slide 13
Slide 13 text
그래서 덜 회피하고 더 주목합니다
나의 거주 공간에서 반복적으로
만나 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
출처: 2023 서울생활권 아파트 입주민 트렌드 조사
Slide 14
Slide 14 text
마케팅에서 옥외광고의 역할
출처: https://www.billups.com/
OOH / DOOH
소비자들의 외부 동선 상 주목도 있는 노출, 즉각적인 액션은 이끌어내기 어려워 마케팅 퍼널 중 Awareness 단계에 해당
Slide 15
Slide 15 text
슬라이드 타이틀
H2 (15pt, Bold)
본문 (13pt)
강조색 (#fd6500)- 강조색상을 사용하실 땐 bold 처리 해주세요.
이미지 캡션 (10pt, Italic, 이미지 왼쪽에 정렬)
Slide 16
Slide 16 text
엘리베이터TV를 위해 새로 만든 지표
시청기억지표: “가장 기억에 남는 엘리베이터TV 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
Slide 17
Slide 17 text
디지털 지표 만큼이나 민감하게 반응한다!
Slide 18
Slide 18 text
TV와 똑같이 시청률을 측정할 수 있다고?
Slide 19
Slide 19 text
패널 설계부터 대시보드 모니터링까지
Slide 20
Slide 20 text
더 고른 연령이 더 주목도 있게 시청하지만…
디지털보다
더 큰 화면으로 강렬하게 기억에 남습니다
*출처 : (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.
Slide 21
Slide 21 text
타겟팅은 불가한 옥외광고의 환경적 한계
디지털 광고의 타겟팅 TV 광고의 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
Slide 22
Slide 22 text
엘리베이터TV라면 가능하지 않을까?
타겟이 고정적으로
거주하기 때문에
안정적으로 특성 파악이
가능합니다.
주소 기반의 다양한 특성 데이터를 수집하여
단지 > 동 > 호기 단위로
구분할 수 있습니다.
혼자 여가를
즐기는
1-2인 가구
육아 소비를
아끼지 않는
육아맘
예) 라이프스타일
MZ
Parents
Slide 23
Slide 23 text
불가능을 가능하기 위해 데이터전략팀이 뭉쳤다
종합광고대행사 & 매체사 출신이지만
데이터에 관심이 많은 2명
소비자에 대해 배우려면
어떻게 조사를 설계 해야 하는지
전문적으로 다룰 수 있는
여론조사 전문기관 출신 2명
개발 언어 및 툴에 특화되어 있지만
광고/마케팅에 관심이 많은 1명이
함께 합니다.
Slide 24
Slide 24 text
옥외광고 고객 세분화를 위해
넘어야 했던 장애물들
2.
Slide 25
Slide 25 text
첫 단계, 데이터를 모은다
파트너사 검토 > 계약 및 조건 검토 > 데이터 레이아웃 및 샘플 데이터 검토
> 데이터 수령 > 데이터 검토/검증 > 데이터 맵핑 > 데이터 분석의 과정
Slide 26
Slide 26 text
첫 어려움, DIRTY했던 주소 데이터
: 계속되는 아파트 이름 변경 이슈
서울 / 서울특별시
기입 형태가 다 다른 주소 :
구매 & 수집한 데이터마다 아파트 이름과 주소는 제각각, 맵핑에 어려움 발생
Slide 27
Slide 27 text
주소정제솔루션으로 해결!
맵핑 순서>>
1. 도로명주소+건물명
2. 지번주소+건물명
3. 지번주소+도로명주소
5. 지번주소 (수동 검토)
6. 도로명주소 (수동 검토)
7. 법정동+건물명
데이터 별 제 각각인 데이터 형태 포커스미디어 엘리베이터TV 설치리스트
주소정제솔루션으로 양 쪽 정제 후 여러 단계에 걸쳐 맵핑 진행 (ex. 수지원)
Slide 28
Slide 28 text
두번째 어려움, 생각보다 부족한 아파트 단지 정보
어디에도 없는 아파트 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
Slide 29
Slide 29 text
격년에 한번씩, 변화하는 입주민 트렌드 따라 잡기
디자이너 이응셋과 협업한 리포트 & 엘리베이터TV 모양의 소책자 발간
Slide 30
Slide 30 text
세번째 어려움, 그래서 입주민을 어떻게 나누게?
대우한강베네시티 힐탑 오피스텔 둔촌신동아
1동 2동 101동 A동 B동 C동
1호기 2호기 3호기 1호기 2호기 3호기 1호기 2호기 3호기 1호기 1호기 1호기
단지
동
호기
하이엔드 비율
유자녀 비율
욕실 수
상가 개수
…
아파트DB 보유 데이터
15% 22% 3% 8% 2% 3%
30% 40% 15% 25% 13% 49%
2 1 1.5 2 2 1 1 1 2 1 2 2
1 0 0
데이터는 준비되었는데, 그럼 입주민을 어떻게 나눠야 하지?
… … … …
Slide 31
Slide 31 text
친환경 샴푸바를 위해 나눠 보자, 입주민
막연한 구분…. 1-2인가구가 친환경에 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
Slide 32
Slide 32 text
친환경 샴푸바를 위해 나눠 보자, 입주민
“근데 욕실 2개인 아파트랑 친환경 샴푸바랑 무슨 상관이죠…?”
건강고관여
&1-2인가구
유자녀 욕실2개 일반
Slide 33
Slide 33 text
다행히 효과가 잘 나온 클러스터 상품!
시청인지지표 - 22’ 11월 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!
Slide 34
Slide 34 text
고객 세분화 효과,
어떻게 입증할 수 있는데?
3.
Slide 35
Slide 35 text
슬라이드 타이틀
H2 (15pt, Bold)
본문 (13pt)
강조색 (#fd6500)- 강조색상을 사용하실 땐 bold 처리 해주세요.
이미지 캡션 (10pt, Italic, 이미지 왼쪽에 정렬)
Slide 36
Slide 36 text
엘리베이터TV의 전환, 어떻게 측정하죠?
전환 데이터 확보가 어려운 이유
Slide 37
Slide 37 text
QR코드의 효과 비교하기
QR리딩율
QR코드 리딩 수의 성과 비교를 어떻게 균등하게 할 수 있을까?
QR코드 리딩 수를 단지 거주 인구수로 나누기
- 클러스터 효과 입증: 인구수 대비 QR리딩율이 1.3배 더 높음
- 클러스터 별 효과 비교: 하이엔드>유자녀 >레저=일반 순
Slide 38
Slide 38 text
쿠폰 발급/사용율 비교하기
쿠폰 발급 & 사용 데이터
역시 쿠폰 발급 수를 단지 거주 인구수로 나누기
& 쿠폰 발급 수 대비 사용 수로 사용 전환율 집계
- 쿠폰 발급율 & 쿠폰 사용 전환율 모두 클러스터에서 높게 나타남
Slide 39
Slide 39 text
매출 데이터, 효과 평가를 어떻게 할 수 있을까?
매출 데이터
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…!
Slide 40
Slide 40 text
타사 데이터와 제휴하여 효과 입증하기
Slide 41
Slide 41 text
타사 데이터와 제휴하여 효과 입증하기
x 1.5배
3개월 내 A매장을 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
Slide 42
Slide 42 text
이제는 자신 있게 내세울 수 있어요.
4.
Slide 43
Slide 43 text
매장 주소 맵핑을 활용한 버거킹 사례
24H딜리버리 매장 드라이브스루 매장 일반 매장
신규오픈 매장
Slide 44
Slide 44 text
매장 주소 맵핑을 활용한 버거킹 사례
클러스터 별 앱 신규 설치율
입주민 매장 방문율
입주민 앱 신규설치율
시청기억지표
190% ▲
다운로드 쿠폰 사용율
140% ▲
130% ▲
55%
출처 : 로플랫 오프라인 동선 데이터
출처 : 포커스미디어 입주민 정기조사
출처 : Focus Analytics
클러스터 별 쿠폰 발급율 & 사용 전환율 INDEX
출처 : Focus Analytics
출처 : 자체 데이터
Slide 45
Slide 45 text
평형 데이터를 활용한 이케아 사례
클러스터 구분 전략
1,050개 단지
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
Slide 46
Slide 46 text
평형 데이터를 활용한 이케아 사례
클러스터 vs 일반소재 시청인지 여부 및 매장 방문율 비입주민 대비 앱사용율
240%▲
비입주민 대비 이용 의향율
190% ▲
출처 : 포커스미디어 입주민 정기조사
출처 : Focus Analytics
출처 : 포커스미디어 입주민 정기조사
1.4배
참여자 신청 사연 최빈 단어 분포
전체 10-20평대
30-40평대 방3유자녀
출처 : 로플랫 오프라인 동선 데이터
1.3배
10-20평대 30-40평대 방3개 유자녀 일반
10-20평대 30-40평대 방3개 유자녀 일반
Slide 47
Slide 47 text
하지만 가장 놀라운 것은 메이크오버 결과였습니다!
나도 당첨되고 싶다!!
Slide 48
Slide 48 text
하지만 가장 놀라운 것은 메이크오버 결과였습니다!
나도 당첨되고 싶다 2!!
Slide 49
Slide 49 text
앞으로의 계획…
AI 자동화! (feat. 정부 지원)
5.
Slide 50
Slide 50 text
좀 더 과학적인 세그멘테이션을 해볼까?
데이터 지원도 받고, 무료로 Data 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
Slide 51
Slide 51 text
AI-POWERED 클러스터9
단지 특성의 의인화 → 막연했던 입주민이 누구인지, 어떤 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.
Slide 52
Slide 52 text
AI-POWERED 클러스터9
부동산 플랫폼 제안 예시
타겟 특성 별로 궁금해할 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
Slide 53
Slide 53 text
좀 더 브랜드 맞춤형 세그멘테이션을 해볼까?
세그멘테이션이 필요한 브랜드를 사용하는 타겟은 어떤 특성이 있을까?
전체 추이와 비교 했을 때 두드러지는 차이 찾아, 페르소나로 묶어보기
출처: 한국리서치 TGI 서베이. 서울수도권 4,200명 / 부산 600명 설문, 2022년
Slide 54
Slide 54 text
클러스터 편성을 위한 단지 세그멘테이션
두드러지는 특성을 묶어 세그멘테이션 하기
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
Slide 55
Slide 55 text
좀 더 세그멘테이션을 자동화 해볼까?
업종or브랜드 선택 시 타겟의 특성 파악 > 아파트DB를 이용한 단지 구분 > 클러스터 구성 단계 자동화 개발 중
2023년 데이터바우처 사업 AI가공 분야 선정
Slide 56
Slide 56 text
좀 더 세그멘테이션을 자동화 해볼까?
업종or브랜드 별 타겟의 특성을 파악하려면 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?
Slide 57
Slide 57 text
좀 더 세그멘테이션을 자동화 해볼까?
업종/브랜드 특성과 단지 특성을 어떻게 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…)
Slide 58
Slide 58 text
데이터 사이언스… 참 어려워요
이해하기 어려운 개념도 많지만,
여러 과업 중 우선순위 지정 / 실제 활용을 고려했을 때 집중해야 할 필드 / 결과물의 형태 / 타협 가능한 범위
/ 실제 활용처 예시 제시 통한 결과물 가시화 등 의견을 주는 데에 집중하고 있습니다.
Slide 59
Slide 59 text
클러스터 상품의 개발,
느낀 점 & 배운 점
6.
Slide 60
Slide 60 text
엘리베이터TV 고객 세분화의 3단계
Step 1. 가설 설정
가설로 점철되어 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
Slide 61
Slide 61 text
데이터 PM 측면
해당 프로젝트는 광고 매체의 새로운 ʻ클러스터 상품’을 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
Slide 62
Slide 62 text
Q&A
연사: 강슬기
Slide 63
Slide 63 text
NEXT
일시
현) 데이터리안 그로스 마케터,
데이터 분석가
전) B2B 물류 스타트업
데이터 분석가 & 퍼포먼스 마케터
전) 공유주거 스타트업 창업
김민주
연사
11/14(화) 19:00 ~ 21:00
마케팅 성과 분석의 모든 것
(feat. GA4)
패널
모더레이터
윤선미
현) 데이터리안 콘텐츠 마케터,
데이터 분석가
전) 잡플래닛 데이터 분석가
이보민
주제
현) 데이터리안 데이터 분석가
전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가
33,000원 → 10,000원
라이브 특별할인가
Slide 64
Slide 64 text
데이터리안 오픈 채팅방
데이터 분석
정보 공유
오픈 카톡방
데이터 분석 교육이 필요할 때
데이터리안
데이터리안 데이터 분석 정보 공유방
● 데이터 분석가 취업 고민
● 데이터 분석가 커리어 / 업무
● 각종 스터디 모집
● 세미나 슬라이드 공유
● 얼리버드 할인 소식 공유
Slide 65
Slide 65 text
그로스 마케터와 옥외 광고 전문가가 말하는
데이터 기반 마케팅
패널: 강슬기, 김민주
20:00 - 21:00
Slide 66
Slide 66 text
광고 소재 선정
1.
Slide 67
Slide 67 text
숏폼 콘텐츠를 많이 소비하게 되면서
온라인 광고에서도 영상 소재가 대세가 되고 있는데요.
엘리베이터 TV에서는 어떤 형식을 많이 사용하나요? (1/3)
Question 01.
Slide 68
Slide 68 text
Q1. 대세가 되어가는 영상 소재, 오프라인에서는?
● 가격적인 혜택을 직접적으로 제시하거나, 입주민 한정 혜택을 제공, 또는 파격적인 할인 등을
제공하면서도 브랜드명 노출을 정확히 하여 브랜딩 & 퍼포먼스 효과를 둘 다 노리기
Slide 69
Slide 69 text
온라인 광고는 소액으로도 집행이 가능하니까 실제로
집행해보면서 어떤 소재가 좋은지 판단하기도 하는데요.
오프라인에서는 어떤 식으로 소재나 문구를 정하나요?(2/3)
Question 02.
Slide 70
Slide 70 text
Q2. 소재나 문구 테스트 방법
● 관심을 받는 소재와 실제 전환까지 이어지는 소재는 다를 수 있음
● 퍼포먼스 마케팅은 소액으로도 집행이 가능하기 때문에 소재나 문구 테스트가 쉬움
페이스북 광고 관리자 대시보드 문구 테스트용 소재
Slide 71
Slide 71 text
Q2. 소재나 문구 테스트 방법
● 서베이 데이터를 집행 시기 별 소재에 따라 반응도를 살피고, 연령대 별 추이 차이를 확인
Slide 72
Slide 72 text
Q2. 소재나 문구 테스트 방법
● 서베이 데이터를 집행 시기 별 소재에 따라 반응도를 살피고, 연령대 별 추이 차이를 확인
Slide 73
Slide 73 text
Question 03.
광고의 종류를 크게 브랜딩 광고와 전환 유도 광고로 나눠볼
수 있을 것 같은데요. 엘리베이터TV에서는
보통 어떤 종류의 광고를 많이 집행하시나요? (3/3)
Slide 74
Slide 74 text
● 우리 브랜드를 알리기 위한 브랜딩 광고
Q3. 브랜딩 광고 vs 전환 유도 광고
브랜딩 광고 예시
전환 유도 광고 예시: 회원 가입 전환 유도 광고 예시: 상품 구매
● 직접적인 액션을 유도하는 전환 유도 광고
Slide 75
Slide 75 text
Q3. 브랜딩 광고 vs 전환 유도 광고
Slide 76
Slide 76 text
Q3. 브랜딩 광고 vs 전환 유도 광고
Slide 77
Slide 77 text
타겟팅
2.
Slide 78
Slide 78 text
Question 01.
온라인 광고에서는 신규 타겟 / 리타겟을 나누기도 하고,
플랫폼에 따라서는 관심사나 인구통계, 유사타겟 같은
기능도 제공해주고 있는데요. 오프라인은 어떤가요?(1/1)
Slide 79
Slide 79 text
Q1. 온라인 광고 타겟팅 vs 오프라인 광고 타겟팅
Slide 80
Slide 80 text
Q1. 온라인 광고 타겟팅 vs 오프라인 광고 타겟팅
Slide 81
Slide 81 text
성과 측정
3.
Slide 82
Slide 82 text
Question 01.
온라인 마케팅에서는 사용자들이 어디에서 와서 어떤
행동을 하는지 데이터로 확인할 수 있는데요. 오프라인
광고에서는 어떤 방법으로 성과를 측정하는지 궁금해요.(1/4)
Slide 83
Slide 83 text
유입 채널 데이터를 수집할 수 있게 해주는 UTM 파라미터
● utm_source : 유입 채널 (e.g. youtube)
● utm_medium : 유입된 매체 (e.g. social, cpc, email)
● utm_campaign : 유입된 캠페인 (e.g. seminar)
● utm_term : 검색 유입의 경우 검색하고 들어온 키워드 / 유료 광고의 경우 타겟
● utm_content : 콘텐츠
UTM 파라미터 사용 예시
● 원본 URL: https://datarian.io/seminar
● UTM 파라미터를 붙인 URL:
https://datarian.io/seminar?utm_source=seminar&utm_medium=seminar&utm_campaign=referral
Q1. 광고 성과를 측정하는 방법
Slide 84
Slide 84 text
Q1. 광고 성과를 측정하는 방법
GA4에서 유입 채널별 데이터 확인하기
GA4 트래픽 획득 보고서 화면
Slide 85
Slide 85 text
Q1. 광고 성과를 측정하는 방법
Slide 86
Slide 86 text
Q1. 광고 성과를 측정하는 방법
출처: ZTL
Slide 87
Slide 87 text
Question 02.
온라인 광고 성과를 측정할 때는 얼마나 많은 사용자가
광고를 봤는지, 웹사이트 방문이나 구매로 이어졌는지
확인하는데요. 오프라인 광고에서는 어떤지 궁금합니다. (2/4)
Slide 88
Slide 88 text
Q2. 광고 성과를 측정하는 지표
● CPM(Cost per Mille): 1,000명에게 광고가 노출될 때 지출한 비용
● CPC(Cost per Click): 클릭당 지출한 비용
● CTR(Click through Rate): 광고 노출 대비 클릭한 비율
● CPA(Cost per Acquisition): 사용자 1명을 획득하는 데 지출한 비용
● ROAS(Return on Advertising Spend): 지출한 비용 대비 해당 광고로 인해 발생한 매출
Slide 89
Slide 89 text
Q2. 광고 성과를 측정하는 지표
구글 애즈
페이스북 광고 관리자
광고 플랫폼에서 제공해주는 성과 대시보드
Slide 90
Slide 90 text
Q2. 광고 성과를 측정하는 지표
Slide 91
Slide 91 text
Q2. 광고 성과를 측정하는 지표
Slide 92
Slide 92 text
Question 03.
광고비나 집행 기간을 자유롭게 세팅 가능한 온라인 광고와
달리 오프라인 광고에는 최소 기준이 있다고 알고 있어요.
오프라인 광고에 적합한 광고주가 따로 있을까요?(3/4)
Slide 93
Slide 93 text
Q3. 오프라인 광고에 적합한 광고주
즉각적인 구매와 전환이 아닌, 서서히 잔잔하지만 강력한 파급력을 원하는 광고주
Slide 94
Slide 94 text
온라인 마케팅 성과 측정을 할 때는 기여 분석 같은 방법론을
사용하기도 하는데요. 오프라인 광고의 경우
각 채널의 기여도를 어떻게 판단하는지 궁금합니다. (4/4)
Question 04.
Slide 95
Slide 95 text
Q4. 각 채널의 기여도를 판단하는 방법
인스타그램 유튜브 링크드인 오픈카톡방 뉴스레터
데이터리안이 운영하는 마케팅 채널들
Slide 96
Slide 96 text
기여 분석 Attribution Analysis
사용자가 전환되기까지 거쳐온 마케팅 채널에 전환 기여도를 할당하고 각 채널의 성과를 판단하는 방법
Q4. 각 채널의 기여도를 판단하는 방법
뉴스레터
(?%) (?%) (?%) (?%)
Slide 97
Slide 97 text
Q4. 각 채널의 기여도를 판단하는 방법
Slide 98
Slide 98 text
Q4. 각 채널의 기여도를 판단하는 방법
Slide 99
Slide 99 text
데이터 분석 교육이 필요할 때
데이터리안
[무료] GA4 데이터 분석 캠프 맛보기
GA4로 데이터 기반 마케팅을 시작해보세요.
이런 분들에게 추천해요
● 데이터 기반 마케팅을 어디서부터 시작해야 할지 막막한 마케터
● GA4 사용법은 대충 알지만, 분석은 어떻게 하고
전략은 어떻게 짜는건지 감이 잡히지 않는 기획자
● UA를 사용하다가 GA4 전환이 마음의 짐으로 남아있는 실무자
● 데이터 없는 초기 스타트업에서 혼자 일하는 데이터 분석가
[무료] GA4
데이터 분석
캠프 맛보기
Slide 100
Slide 100 text
100
데이터리안
데이터 분석 교육이 필요할 때
데이터 분석
정보 공유
오픈 카톡방
세미나에 참여해주셔서 감사합니다.
THANK YOU
FOR WATCHING