[2024년 7월 세미나] 데이터 분석가, 어떤 회사로 가야할까?

Slide 1

Slide 1 text

데이터 분석 정보 공유방 2024년 7월 데이터 분석가, 어떤 회사로 가야할까?

Slide 2

Slide 2 text

No content

Slide 3

Slide 3 text

지난 세미나 보러가기 지난 데이터리안 세미나 2024년 03월 2024년 05월 2024년 07월

Slide 4

Slide 4 text

진행 순서 컨설팅 회사 데이터 분석가는 이런 일을 합니다 쉬는 시간 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까? 시간 시간 연사 19:00 - 19:50 김선영 20:00-21:00 김선영, 윤선미, 송혜정 19:50 - 20:00 시간 패널

Slide 5

Slide 5 text

연사&패널 현) 마켓핏랩 솔루션사업부 전무 전) Media.Monks Head of Data & Digital Media 전) 데이터리셔스 한국 대표 김선영 연사 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가 송혜정 모더레이터 현) 데이터리안 대표, 데이터 분석가 전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가 윤선미 패널

Slide 6

Slide 6 text

연사 소개 컨설팅 회사 데이터 분석가는 이런 일을 합니다 김선영 링크드인 현) 마켓핏랩 솔루션사업부 전무 전) Media.Monks Head of Data & Digital Media 전) 데이터리셔스 한국 대표

Slide 7

Slide 7 text

패널 소개 링크드인 윤선미 현) 데이터리안 대표, 데이터 분석가 전) 카카오 데이터 분석가 전) 하이퍼커넥트 데이터 분석가 전) 쿠팡 데이터 분석가 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까?

Slide 8

Slide 8 text

패널 소개 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까? 링크드인 송혜정 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가

Slide 9

Slide 9 text

김선영 현) 마켓핏랩 솔루션사업부 전무 저서) ʻ소셜 분석’, ʻDo it! 구글 애널리틱스 입문’ 컨설팅 회사 데이터 분석가는 이런 일을 합니다 1부 강연

Slide 10

Slide 10 text

발표자 소개 안녕하세요. SY 라고 합니다. 2016년 분석 컨설팅 회사 “데이터리셔스 한국”을 설립해 운좋게 영국 기업인 S4 캐피털에 매각, 소위 말하는 Exit을 한 경험이 있습니다. 매각 후 2년의 락인 기간을 거쳐 다시 2년 여 기간 동안 자체 안식년을 보내며 아래와 같은 것들을 하며 노는게 제일 좋은 뽀로로의 삶을 살다가, - 운전 면허 따기, 서핑 배우기, 골프 배우기, 74kg -> 47kg, 양평 전원주택 짓기 (5월 초에 입주 완료) 구글애널리틱스 강의를 10여 년 간 지속하며, GA의 국내 정착에 기여를 한 원죄로 시장의 부름을 받아, 2024년 4월 그로쓰해킹 컨설팅 회사인 마켓핏랩 솔루션 사업부에 SVP (전무)로 조인했습니다. 동일인입니다

Slide 11

Slide 11 text

목차 0. 개요. 컨설팅 회사 데이터 분석가는 무슨 일을 하나? 1. 데이터 진단/전략 2. 데이터 인프라 - 구축/수집/설정 3. 분석 서비스 4. Audience Activation / Personalization 5. 컨설팅 회사 분석가가 되려면

Slide 12

Slide 12 text

개요. 컨설팅 회사 데이터 분석가는 무슨 일을 하나? 아래 각 서비스 영역 별로 분석 컨설턴트의 R&R 은 조금씩 달라집니다 - Data Advisory : 고객사 내부 데이터 자산 관리 현황, 데이터 거버넌스 진단을 기반으로 한 거시적 데이터 전략 수립 - Data Infrastructure : 대체로 Architect 및 데이터 엔지니어가 주 역할을 하지만, 고객 사 데이터 인프라에 대한 이해가 없으면 필요한 분석에 필요한 데이터 항목 정의가 불가능하기 때문에 인볼브됩니다. - Analytics : 분석가 고유 영역. 경우에 따라 대시보드 개발은 BI 조직을 별도로 구성해 서비스하기도 합니다 - Media 부문 : ROAS 분석, 매체 전략(Media Mix Model, Media Attribution) 및 Audience 전략 수립에 기여합니다 Media Activation Creative & Site Personalization Media Buying Platform Deployment Platform Support Testing & Optimization Media & Audience Monetization Ad & Audience Sales Strategy Ad Operations Support Yield Optimization Data Advisory Data Assessment & Strategy Data Governance Data Strategy Training Data Infrastructure Cloud Architecture Data Pipeline Automation Platform Deployment Security & Privacy Compliance Analytics Attribution Modelling Dashboards & Reporting Predictive Modeling Segmentation Media Advisory Media Assessment & Strategy Media & Audience Strategy Organizational Design Training 데이터 진단/전략 데이터 인프라 - 구축/수집/ 설정 분석 서비스 Audience Activation / Personalization

Slide 13

Slide 13 text

1. 데이터 진단/전략

Slide 14

Slide 14 text

데이터 진단/전략 서비스 개요 ● 연단위 이상의 장기 전략 수립을 위해 현재 데이터 인프라/수집/분석/활용의 전반적인 프로세스에 걸쳐 점검 항목을 정의하고 실제 점검을 수행 후 중장기 개선 과제를 도출하는 컨설팅 서비스 ● Agile 하게 움직이는 스타트업이나 중소기업(SMB) 보다는 대규모 데이터 인프라 투자 및 조직 운영이 필요한 글로벌 대기업에 필요한 서비스 ● 금융, 통신, 제조, 유통 등 다양한 산업 분야에서 다양한 고객사들의 실질적인 데이터 문제를 해결한 경험이 있는 컨설턴트들이 투입되기 때문에 컨설팅 회사의 수익 창출이 큰 기여를 하지만, 그만큼의 컨설팅 업력이 필요하기 때문에 모든 컨설팅 회사가 가능한 서비스 영역은 아님

Slide 15

Slide 15 text

디지털 거버넌스 진단 컨설팅 사례(1/3) Business Goal 과 일치된 디지털 마케팅 전략의 전사적 공유 및 합의 정도 전사적 Sponsorship / 협력 수준 디지털 마케팅에 대한 효율적인 투자와 구성 표준화된 디지털 마케팅 선순환 업무 절차 데이터와 솔루션의 통합, 자동화 수준 CULTURE PEOPLE PROCESS TECH- NOLOGY 성공적 디지털 마케팅 수행을 위해서는 가치전달 및 확산체계를 구축하고, 분석을 통해 마케팅을 지속 정교화 하는 Digital Governance 에 대한 균형 된 접근이 필요

Slide 16

Slide 16 text

디지털 거버넌스 진단 컨설팅 사례(2/3) 내부 담당자, 동종 타사 컨설팅 경험이 있는 외부 컨설턴트가 아래 각 영역을 진단하는 질의지에 응답하여, 어느 영역이 가장 개선이 필요한지 확인하고, 이에 대한 개선을 제언하는 방식으로 디지털 거버넌스 진단 컨설팅이 이루어집니다.

Slide 17

Slide 17 text

디지털 거버넌스 진단 컨설팅 사례(3/3) 아래는 XX 카드사의 디지털 거버넌스 진단 보고서 화면 예시로, 해외 선진 카드사 및 국내 동종 타사와 갭 분석을 통해 리소스 부문이 가장 취약함을 발견하여, 억대의 분석 도구 도입 전에 인력 충원을 먼저 하게 되었습니다. People, 특히 최적화 역량을 갖춘 인력 미비로 결과가 나와 비싼 툴 도입 전에 AMEX 로부터 툴을 사용할 인력을 먼저 채용

Slide 18

Slide 18 text

커스텀 Data Readiness 진단 사례 아래는 xx 글로벌 뷰티 브랜드의 CDP (Customer Data Platform) 솔루션 도입을 위한 커스텀 목적에 의거, 내부 데이터 수집 수준 및 거버넌스 일부만 진단했던 예시입니다. Custom dimensions/metrics Check how much data collection was customized beyond out-of-box functions ; how many custom dimensions and metrics are populated in which user interactions Conversion tracking Check if goal conversion flow data and funnel data is well defined and eCommerce data is populated properly and robust Mappable ID collection Check if id related data is robust enough for multi-channel, cross device environment and consent process is well defined Ad tech platform usage Pixel implementation for remarketing/retargeting purpose is well defined and properly populated and mobile app tracking tool is deployed well for mobile attribution Data Taxonomy The data taxonomy is expandable and well defined for easier and agile data export and analysis Campaign governance Campaign code usage is adequate so that marketing performance measurement is easy and agile Key areas for data readiness diagnosis

Slide 19

Slide 19 text

2. 데이터 인프라-구축/수집/설정

Slide 20

Slide 20 text

Path to Value 외부 컨설턴트이든, 내부 분석가이든 궁극적으로는 비즈니스 가치 창출에 기여해야 합니다. 성공적인 분석가와 실패한 분석가를 가르는 차이는 비즈니스 가치로 이어지는 실행을 이끌 수 있느냐 없느냐에 있음. 즉, 실행은 분석과 가치의 분수령!! 모름지기 (데이터) 액션 영웅이라 함은 분석가 자신의 추천을 통해 실행을 견인, 상당 규모의 실적/성과를 조직에 가져올 수 있어야 함

Slide 21

Slide 21 text

데이터 구축/수집/설정의 중요성 비즈니스 가치 창출을 위해 외부 컨설턴트들은 특히, 구축/설정 셋업 단계에서 역할이 큽니다 데이터를 통해 가치를 창출하려면, 데이터 수집/설정이라는 지난한 과정을 거쳐야 하는데, 내부 데이터 분석 환경의 경우 분석 도구 설정(태깅)이나 인프라 설정과 관련된 업무의 중요도나 우선순위에 대한 합의 도출 부족으로 외부 전문 업체에 의뢰를 하는 경우가 국내, 그리고 대기업의 경우 자주 있는 편입니다. 구축/셋업 단계를 넘어야 데이터 기반 실행이 가능합니다.

Slide 22

Slide 22 text

구축/수집 설계 주안점 분석 컨설턴트들이 구축/설정 단계에서 고려하는 주요 설계 항목 특히, 네이밍 규칙, 텍소노미 설계을 중요시하는데 이는 같은 데이터 항목을 추출하더라도 보다 효율적으로 데이터 수집, 가공/처리를 하는 것이 중요하기 때문입니다. 분석 기초 • 콘텐츠 네이밍 • 구매 전환 • 커뮤니티 기능 이용 • 내부 검색 최적화 • 캠페인 분석 • 내부 배너 영역 별 성과 측정 • 가입/로그인 분석 • 커스터마이즈 툴 이용 분석 • 방문자 세그먼테이션 • 날짜/시간대 별 분석 고 가치 중심의 최적화 • 리텐션 분석 • 경로 분석 • 콘텐츠 효율성 • 상품 및 정보 발견 방법 분석 • 내부 툴 이용 (Advanced) • 가입/로그인 분석 (Advanced) • 내부 프로모션 분석 (Advanced) • 사이트 디자인 분석 • 방문자 세그먼테이션 (Advanced) • 크로스 셀/업셀 기회 탐색 • A/B 테스트 분석 • 상품 분석 • 소요 시간 분석 • 도움말/FAQ 분석 • CRM 통합 • 해외 이용 분석 • 폼 분석 • 모바일 디바이스 추적 • 이메일 마케팅 분석 • 사이트 설문 분석 • 사이트 사용성 진단 • Multi-Suite 태깅 • 페이지 부동산 분석 • 크로스 디바이스 분석

Slide 23

Slide 23 text

구축/수집/설정 프로세스 예시(1/5) 아래는 구글애널리틱스 구축 프로젝트 예시이지만, 타 분석 도구도 유사한 절차를 거칩니다. 비즈니스 요건 정의 KPI 정의 및 측정전략 수립 GA솔루션 디자인 GA구축 및 GA대시보드 구현 종료 보고 1) 비즈니스 요건 정의 ● GA Usage 현황 진단 및 KPI 워크샵 수행. ● 비즈니스 인터뷰 수행 (비즈니스 질문 양식 및 인터뷰 사전 질의서 양식 참고)

Slide 24

Slide 24 text

구축/수집/설정 프로세스 예시(2/5) 2) KPI 정의 및 측정전략 수립 ● 비즈니스 인터뷰 워크숍 및 인터뷰 내용을 기반으로 KPI 재정의 ● 퍼널 관점의 측정전략을 수립하여 측정전략 문서 작성 아래는 구글애널리틱스 구축 프로젝트 예시이지만, 타 분석 도구도 유사한 절차를 거칩니다. 비즈니스 요건 정의 KPI 정의 및 측정전략 수립 GA솔루션 디자인 GA구축 및 GA대시보드 구현 종료 보고

Slide 25

Slide 25 text

구축/수집/설정 프로세스 예시(3/5) 3) 구글 애널리틱스 솔루션 디자인 ● 수립된 측정전략을 기반으로 구글 애널리틱스 구축을 위한 태깅 설계서 작성 (솔루션 디자인) 아래는 구글애널리틱스 구축 프로젝트 예시이지만, 타 분석 도구도 유사한 절차를 거칩니다. 비즈니스 요건 정의 KPI 정의 및 측정전략 수립 GA솔루션 디자인 GA구축 및 GA대시보드 구현 종료 보고

Slide 26

Slide 26 text

구축/수집/설정 프로세스 예시(4/5) 4) 구글 애널리틱스 구축 및 대시보드 구현 ● 구글 태그매니저 활용 구글 애널리틱스 태깅 구현 ● 태깅 후 구글 애널리틱스 내 보고서 맞춤설정 아래는 구글애널리틱스 구축 프로젝트 예시이지만, 타 분석 도구도 유사한 절차를 거칩니다. 비즈니스 요건 정의 KPI 정의 및 측정전략 수립 GA솔루션 디자인 GA구축 및 GA대시보드 구현 종료 보고

Slide 27

Slide 27 text

구축/수집/설정 프로세스 예시(5/5) 5) 종료 보고 ● 프로젝트 경과 및 산출물에 대한 최종 보고자료 제출 ● 구글 애널리틱스 내 보고서 활용법 교육 아래는 구글애널리틱스 구축 프로젝트 예시이지만, 타 분석 도구도 유사한 절차를 거칩니다. 비즈니스 요건 정의 KPI 정의 및 측정전략 수립 GA솔루션 디자인 GA구축 및 GA대시보드 구현 종료 보고

Slide 28

Slide 28 text

인프라 진단/컨설팅 영역 COLLECT TRANSFORM ANALYZE VISUALIZE ACTIVATE Google Cloud Platform Full Transparency Total Ownership Marketer Control A SOLUTION TO MANAGE THE WHOLE CUSTOMER JOURNEY 경우에 따라 분석 도구의 데이터 수집/태깅/설정을 넘어서는 데이터 마케팅 인프라 전반을 점검하는 경우도 있습니다.

Slide 29

Slide 29 text

주요 구축/수집 설계 대상 Martech(1/2) Ad Network Media Attribution Analytics Mobile App Attribution Web/App Analytics Mobile App Analytics A/B Test, Personalization Marketing Automation BI (Business Intelligence)

Slide 30

Slide 30 text

주요 구축/수집 설계 대상 Martech(2/2) DV360 Cloud Datalab CloudML Engine Data Studio Cloud Dataprep Cloud Dataﬂow 3rd party APIS Cloud Natural Language BigQuery Compute Ads Data Hub Machine Learning Google Ads GA360 Marketing Cloud Ad Manager BigQuery Storage Google Ads GMP YouTube Ads GA360 Other Firebase Ad Manager COLLECT TRANSFORM ANALYZE VISUALIZE ACTIVATE BQ DTS Other data Export 최근 트렌드는 Cloud 기반 데이터인프라 전반이 범위인 경우가 많음. 아래는 GCP 기반 인프라 예시

Slide 31

Slide 31 text

3. 분석 서비스

Slide 32

Slide 32 text

분석 서비스 구성 예시 고객사 내부 조직 구성에 따라 목표 및 KPI 가 다르기 때문에 이에 맞게 분석 주제를 구성한 예시입니다 - Actionable Insight 를 통한 실질적인 비즈니스 가치 창출이 용이한 4가지 분석 주제라고도 볼 수 있을 듯 합니다 • 취향/선호도 별 고객 프로필 생성 및 분석 • 리텐션/코호트/LTV/로열티 분석 등 High Value 고객 정의 및 분석 • 캠페인 거버넌스 정립 • 마케팅 비용 데이터 연동 CPA/CPI/ROAS 상시 확인 체계 마련 • 매체 기여도 분석 • 중요 단계 별 퍼널 정의 및 분석 • 이탈 요인 분석 (펄아웃/폼이탈 분석) • 분석 기반 가설 수립 및 A/B테스트를 통한 검증 수행 • 상품 별 / 상품 유형 별 / 브랜드 별 / 매장 별 매출 현황 대시보드 • 프로모션/기획전 별 성과 측정 • 구매 가능성/금액 예측 분석 • 업셀/크로스셀 분석 Comprehensive Customer / Sales / Marketing Insight ✔ 1 2 3 4 고객 인사이트/개인화 측면 마케팅 성과 측정 측면 UI/UX최적화 측면 영업/매출 증대 측면

Slide 33

Slide 33 text

분석 > 1) 고객 인사이트/개인화 측면 취향/선호도 별 고객 프로필 생성 및 SMS 문자 타겟팅 사례 여행상품 구매고객 세분화 및 구매특성파악 목적 → 고객 페르소나 정의 후 각 페르소나 별 유입채널 & 선호 상품/지역 분석 → 페르소나 별 맞춤 SMS 문자 전송, 평소 SMS 푸시 메시지 대비 1.5 배 구매 전환 발생 정의 럭셔리 여행족 (항공) 럭셔리 여행족 (호텔) 할인특가 키워드 검색 럭셔리 키워드 검색 패키지 키워드 검색 싱글 커플 친구 가족 단체 유입경로 비중 naver / paidsearch 51.44% neoclick / paidsearch 14.53% daum / paidsearch 13.87% naver / organic 9.03% google / cpc 6.10% 유입경로 비중 naver / paidsearch 72.56% naver / organic 18.95% daum / paidsearch 3.17% (direct) / (none) 1.80% neoclick / paidsearch 1.20% < 할인특가 키워드 검색 > < 패키지 키워드 검색 > 유입경로 비중 naver / paidsearch 63.10% naver / organic 16.70% daum / paidsearch 6.30% (direct) / (none) 4.20% jsdn / paidsearch 1.60% < 럭셔리 키워드 검색 > 싱글(1인) 커플(2인) 친구(3-6인) 단체(7인이상) 가족(유아,소아포함) 1 제주 오사카(간사이) 오사카(간사이) 방콕 괌 2 김포 방콕 방콕 타이페이 오키나와 3 부산 도쿄(NRT) 후쿠오카 세부 다낭 4 청주 홍콩 도쿄(NRT) 하네다(도쿄) 오사카(간사이) 5 광주 후쿠오카 홍콩 오키나와 세부 → 할인특가 관련 검색유저들은 neoclick이나 daum의 비중이 타 키워드 비해 높아 NAVER에 대한 의존도가 높지 않은 편 → 동행인원에 따른 선호지역 분석에서는 싱글은 국내이동이 많으며 가족여행객은 휴양지를 선호함을 발견 ILLUSTRATIVE

Slide 34

Slide 34 text

분석 > 1) 고객 인사이트/개인화 측면 로열티 분석 및 로열 고객 대상 문자 타겟팅 사례 가격대가 높은 비즈니스 항공 예약자를 대상으로 Loyal 고객을 선별 및 맞춤 타켓팅 목적 → 회원가입 이후 기간 및 최근 1년 내 예약건수 기준으로 Loyal고객 선별 → Loyal 고객 대상 호텔 상품 크로스 셀 오퍼 문자 발송, 전원 대비 해당 상품 매출액 3배 증가 ILLUSTRATIVE 평균 117일 General Customer 1년 내 6회 평균 88일 Loyal Customer 1년 내 8회 → 전체 비즈니스 항공 예약자의 평균 회원가입기간 및 최근 1년 내 예약 건수의 중앙값 계산 → Loyal 고객 정의=회원가입기간이 10년 이상, 최근 1년 내 예약 건수 6회 이상 → Loyal 고객의 재구매주기는 평균 88일(일반 117일)이며 1년 내 약 8회 예약하는 것으로 파악 → 마케팅 주기 설정

Slide 35

Slide 35 text

분석 > 2) 마케팅 성과 측정 측면 Attribution Analysis (기여도 분석) 을 통한 광고비 예산 재조정 사례 ILLUSTRATIVE

Slide 36

Slide 36 text

분석 > 2) 마케팅 성과 측정 측면 TV 광고 성과 측정을 통한 고객 획득 비용 절감 사례 TV 브랜딩 광고에 대한 성과측정 → TVAD 큐시트 데이터와 Google Analytics User 데이터 Merge 하여 광고성과측정 → Cost Per Acquisition 비용을 연간 200% 절감 TV 광고 시점에 사이트에 접속한 User 수를 기반으로 프로그램 별, 채널 별 광고성과 측정 → User 수의 변화를 통해 TVAD 광고예산 재분배 ILLUSTRATIVE

Slide 37

Slide 37 text

분석 > 2) 마케팅 성과 측정 측면 온오프 연동 분석을 통한 온라인 브라우징 활동이 오프라인 세일즈에 미치는 영향 규명 사례 온라인몰이 오프라인 구매기여 분석 요청 / 웹루밍, 오프라인 구매 크로스&업세일 케이스 도출 → 온라인 브라우징 활동이 오프라인 세일즈에 미치는 영향 자체를 규명 후 웹루밍 행동을 보인 고객의 오프라인 방문 및 구매를 유도하는 타겟 마케팅을 적극 전개 WEBROOMING Behavior 분석 - 온라인에서 상품 탐색 후 오프라인에서 구매로 이어지는 전환 패턴 분석 (오프라인 세일즈의 31%가 웹루밍을 통해 발생되었음을 입증) PDP View User Id Client Id Data Cleansing 익명 비로그인 상태 1st Visit 2nd Visit PDP View Client Id 익명 비로그인 상태 Purchase with Membership Card Oﬄine/CRM/BI Integration User Id Log-in 로그인 상태 ILLUSTRATIVE

Slide 38

Slide 38 text

분석 > 3) UI/UX 최적화 측면 경로 흐름 분석을 통해 요금제 변경 의도 고객이 자주 다니는 길목에서 개인화 배너 게재 사례 주력 상품, 비주력 상품에 대한 경로흐름 분석 → 상품별 페이지 흐름 역 추적, 동질집단 그룹핑, 상위 경로 흐름 분석 도출, 최적화 대상 안내 → 요금제 변경 의도 행동 고객에게 타겟 팝업 창 게재, 요금제 변경 전환율 15% 증대 ILLUSTRATIVE

Slide 39

Slide 39 text

분석 > 3) UI/UX 최적화 측면 폼이탈 분석 인사이트를 도출, 페이지를 리자인하여 전환율을 증대한 사례 호텔 결제단계에서 이탈이 높은 이유와 원인 분석 요청 → 전환 단계 별 중도 이탈 경로 확인 및 입력 폼 중 어떤 폼 필드에서 이탈이 가장 많은지 확인 → 분석 결과를 기반으로 해당 페이지 개편하여 개편 전 대비 전환율 30% 증대 ILLUSTRATIVE 호텔 결제단계 도중 투숙자 연령, 영문이름/영문성(동행자) 기입을 포기하고 이탈한 경우가 많은 것을 발견 ➢ 결제에 꼭 필요한 정보가 아님에도 필수기입란으로으로 지정되어 있었기 때문 ➢ 대표 투숙자에 한해서만 영문이름/영문성을 기입하도록 변경, 연령 삭제(이탈률 개선) 기입항목 비중 할인카드선택 41.12% 투숙자 연령 10.91% 포인트 사용 금액 10.58% 사용하실 카드 8.99% 요청사항 4.99% 일반신용카드 선택 4.50% 예약자정보와 동일 체크 3.51% 투숙자 한글명 3.02% 생년월일 6자리 (YYMMDD) 2.96% 성별 2.47% 투숙자 영문이름 1.97% 전화번호 두번째 번호 1.54% 카드할부 1.48% 투숙자 영문성 0.99%

Slide 40

Slide 40 text

분석 > 4) 영업/매출 증대 측면 실시간 영업/매출 대시보드 사례 ILLUSTRATIVE

Slide 41

Slide 41 text

분석 > 4) 영업/매출 증대 측면 기획전/프로모션 성과 측정을 통해 성과가 좋은 영역을 상단으로 옮기도록 인사이트 도출 사례 프로모션 페이지 부동산 분석 요청 → 이벤트 태깅, 스크롤뎁스 태깅, 클릭율 분석, 전환율 분석 → 최근 본 상품 영역을 상단으로 옮기도록 메인 페이지 개편 가이드 제공 ILLUSTRATIVE

Slide 42

Slide 42 text

분석 > 4) 영업/매출 증대 측면 업셀/크로스셀을 위한 상품 추천 자동화 구현을 통한 전환율 증대 사례 빅쿼리 및 Spark Association rule 을 활용, 기존 구매 이력 기반 상품 추천 피드를 생성 빅쿼리 API 와 Braze API 를 연동, 상품 추천 자동화를 구현. → 상품 추천 문자 수신 후 반응율 및 전환율이 2배 이상 증가 ILLUSTRATIVE

Slide 43

Slide 43 text

연간 분석 운영 계약 시 월간 캘린더 (예시) 항목 서비스 내용 M1 M2 M3 ~ M11 M12 CTA 테스트 주요 사용자액션(Call to Action)의 다양화에 대한 가이드를 제공하고 이를 전략적으로 활용할 수 있는 방안을 제안합니다. Fallout Analysis 웹/앱 내 전환 프로세스를 최적화하기 위한 분석을 진행하여 프로세스 개선 방안을 제시합니다 Product Finding Methods 사용자가 제품 정보를 습득하기 위한, 사이트가 제공할 수 있는 가장 효과적인 방법에 대한 분석 결과를 제공합니다 Product Aﬃnity Analysis 특정 제품과 연관성이 높은 타 제품에 대한 목록을 확보하여 상품 번들링을 위한 인사이트를 제공합니다. Product Comparison 제품 비교기능의 실제 성과를 분석하여 높은 전환율(상품구매율)을 유도하는 방법에 대한 방안을 제시합니다. Add to Cart Method Analysis 웹/앱의 성과에 기여하는 카트의 위치와 방법에 대한 최적화 방안을 분석하고 이들에 대한 성과를 공유합니다. Visitor Engagement Scoring 사용자 활동에 따라 사용자의 사이트 이용율 및 사용자 재방문 정도를 수치화 하고 이들을 지속적으로 모니터링 할 수 있는 방법을 제공합니다. Error Page Analysis 오류 페이지 및 깨진 링크를 식별하는데 도움이 되는 추적코드를 설치하는 데 가이드를 제공하고, 사이트 운영 최적화를 위해 가장 주요한 페이지에서의 이러한 오류들을 확인합니다 Navigation Optimization 사이트 네비게이션의 배치에 대한 최적의 위치를 파악하는 테스트를 실행하고 주요 성과지표를 제공합니다. 사이트 탐색에 가장 적합한 프레젠테이션을 결정하기 위한 일련의 테스트를 진행하기 위한 지침을 전달합니다.

Slide 44

Slide 44 text

연간 분석 운영 사례(1/4) 비즈니스 요건 정의 기반 분석 주제 선정 및 운영 예시 아래는 실제 분석 운영 서비스 하반기 보고 중 프로젝트 킥오프 시 정의했던 분석요건 중 68% 완료(17/25), 불가능 요건 4가지 제외, 비즈니스 요건 정의 문서 + 추가분석요건을 주제로 월 1회 미팅진행 했음을 보고하는 내용임 68%완료

Slide 45

Slide 45 text

연간 분석 운영 사례(2/4) 연간 분석 운영 경과 예시 Analysis Site적용 솔루션 디자인 UTM Builder 회원가입/주문서 페이지 개편 4월 5월 6월 7월 8월 회원가입 이탈분석 상세/리스트페이지 전환분석 회원가입/주문서 페이지 개편성과 GNB/배너 클릭율 메뉴 Text vs image 클릭률 Mobile No Banner PC Text Banner 이벤트 태깅 1차 장바구니담기 /구매소요시간 주문서 전화번호 필수제외제안 Facebook Remarketing Tag 메일침프자동화 가이드 Test 개발

Slide 46

Slide 46 text

연간 분석 운영 사례(3/4) Site적용 GNB카테고리/ BestSeller 개편 9월 10월 11월 12월 1월 방문/구매주기 분석 고객유형별 이탈페이지 내부검색사용 찜하기 기능 내부검색 결과없음 태깅 Best Seller 구매영향 GNB카테고리 개편 전후비교 유입채널 시즈널키워드 게시글 클릭률 필터사용률 Mobile List 정렬방식 Mobile 메인페이지 Best Seller Mobile/ PC Best Seller Mobile 상품사진크기 Mobile Sales color Model Image PC GNB (News → Event) 이벤트 태깅 2차 쿠폰/ 찜하기/필터태깅 Adwords Remarketing Tag GNB New → Event Sales color 변경 Analysis Test 개발 연간 분석 운영 경과 예시

Slide 47

Slide 47 text

연간 분석 운영 사례(4/4) 연간 분석 운영 후 실제 고객사 연간 전환율 추이 사례 분석 운영 서비스 당해 KPI 전자상거래 1% 대를 향해 꾸준히 증가하는 추세 전환율뿐 아니라 거래수도 함께 증가하여 실제 매출액 증대 효과

Slide 48

Slide 48 text

BI 대시보드 서비스(1/2) 구글 데이터스튜디오, 마이크로소프트 파워BI, Tableau 같은 BI 툴을 활용해 KPI 대시보드를 시각화 구현, 자동화 된 보고서를 제공. 분석 서비스는 대시보드 내 지표의 증감 요인 분석을 기반으로 운영됩니다

Slide 49

Slide 49 text

BI Engagement Process (2/2) SCOPING INITIATION FINAL DELIVERABLES CLOSURE & FEEDBACK Scoping Project’s needs Scoping KPI deﬁnition PHASE I (Often gather all requirements in details) Requirement Document APPROVAL Data Preparation SIGN OFF User Manual Dashboards Training Find an opportunity PHASE II (Often Development) AM BI Team BI Team BI Team Bi Team / Client Bi Team / Sales / Client

Slide 50

Slide 50 text

4. Audience Activation / Personalization

Slide 51

Slide 51 text

Audience Activation 프레임워크 유입 / Loyalty / Engagement / CDJ 단계 / 관심 상품 또는 카테고리 / 방문 목적 등을 고려한 세그먼트 프레임워크 기반, 고가망 고객 발굴을 위한 세그먼트 분석 및 리타겟팅/리마케팅 인사이트 도출. 아래는 패션 브랜드 예시 방문자 유료 광고 상품상세 CTA 클릭 구매 Within 30 days Frame 비광고 기타 페이지 NO CTA click 구매 X More than 30 days Frame Promotion Campaign for Conversion 신규방문 재방문 신규방문 재방문 Low value customer → High Value customer conversion campaign #안타티카 겨울 패딩 검색 겨울 패딩 사야지 MALL 공효진 착장 … 롱패딩 크리스마스 이벤트

Slide 52

Slide 52 text

Audience Activation 목적 고가망 고객 세그먼트 분석 및 Activation인사이트 제시가 목적. Google Ads, CM/DV360 에서 활용할 수 있는 데이터 기반 Audience 정의 및 생성, 모바일 앱에서 수집되는 ADID 도 리타겟팅 광고 모수로 활용 가능 (메타-Facebook, 구글 애즈 등) Prioritize and maximize high-intent channels and tactics (i.e. display retargeting, branded search, etc.) Build oﬀ your high-intent segments/1P data to reach incremental users (i.e. lookalike segments, ASIN basket building) Test and discover new tactics and variables to increase performance and reach. 2 1st Party CONCENTRIC CIRCLE APPROACH LOOKALIKE MODELS 3 1 Lookalike

Slide 53

Slide 53 text

Audience Activation 예시 SCENARIO 1: ENGAGED TARGETING 브랜드 참여도는 있지만 결제에 도달하지 않은 고객 가설 ● 지난 30일 동안 브랜드 웹 사이트를 방문한 사용자 ● 광고를 통해 (최소 1회) 리마케팅된 사용자 권장 KPIs ● 리드(Lead) 생성 ● 광고에 대한 CTR ● 사이트 체류시간 (분) ● CPC (Google Ads) ● CPM (DV360) 미디어 채널 형식에 적합한 고객 일치 데이터를 기반으로 잠재 고객 레시피로 목록 자동화를 생성합니다. ● 타겟 메시지로 기존 고객에게 도달 ● 유사 (Lookalike) 잠재고객* 미디어 플랫폼으로 푸시 된 잠재 고객 (Google Ads + GMP와 직접 통합) 사용자들의 마케팅 클라우드 이메일 클릭 후 브랜드 웹사이트 유입 채널 접점에서 개인화되고 일관된 메시징을 통해 사용자 리타겟팅 실행 사용자 행동 데이터 포함 사항: ● 제품 상세 페이지 (PDP) 조회 ● 멤버십 구독 ● 올해 오프라인 구매자 MATCH TABLES CRM ONLY GA 쿠키 ID와 CRM ID 매칭 GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY CRM_ID = XXX GA_CLID = YYY ... ... CRM_ID = XXX GA360 MATCH TABLE GA360과 직접 통합하지 않고 자동 잠재 고객 목록을 미디어 채널에 수동 업로드 식별 데이터를 기반하여 UTM을 통한 클릭, 랜딩 페이지 추적 및 일치된 데이터의 사용 아래와 같이 중도 이탈 고객들을 타겟팅하는 리타겟팅 시나리오를 제시, 광고 실행 시 성과 측정

Slide 54

Slide 54 text

High vs Low Value Audience Activation 사례 (1/4) 구매 금액 - 고객 등급 별 패턴 분석 • CRM 데이터의 구매 금액 기준 고객 등급 분류를 GA 맞춤 측정 기준으로 적재 • 세그먼트를 통해 각 등급별 유입 ‒ 행동 ‒ 전환 분석 일반 VIP VVIP GOLD CRM Google Analytics

Slide 55

Slide 55 text

High vs Low Value Audience Activation 사례(2/4) 구매 금액 - 고객 등급 별 패턴 분석 • 구매 금액 기준 기존 고객 등급을 통한 고객 행동에 대한 이해 한계 존재 → 리마케팅의 전환율 저하 • 다양한 관점의 고객 행동 분류 필요 구매 금액 별 등급 일반 VIP VVIP GOLD VS 미구매 재구매 휴면 정기 구매 첫 구매 다품목 구매 기간 + 구매 횟수 + 구매 상품 종류별 등급

Slide 56

Slide 56 text

High vs Low Value Audience Activation 사례(3/4) 구매 여정 별 세그먼트 구분 • 고객의 주요 구매 여정 단계에 따라 6가지 유의미한 세그먼트 구분 인지 관심 구매 재구매 강화 미구매 고객 구매 휴면 고객 1회 구매 고객 재구매 고객 충성고객 ‒ 단품 구매 충성고객 ‒ 다품 구매

Slide 57

Slide 57 text

High vs Low Value Audience Activation 사례(4/4) 각 세그먼트 별 리마케팅 효율 비교 • 리마케팅(SMS/E-mail) A/B 테스트 시, 전자상거래 전환율 약 5% 상승 VVIP + GOLD 충성고객 Push Marketing 16.51% 전자상거래 전환율 21.43% 전자상거래 전환율 SMS

Slide 58

Slide 58 text

BigQuery를 활용한 Advanced Audience 구축 사례 (1/3) 각 개인 별 재구매 주기 분석 배경 • 주기적 간격으로 동일한 상품 혹은 서비스를 구매하는 고객의 다음 구매일은 언제 일까? • 고객에게 어떤 개별화된 서비스를 제공할 수 있을까? First Purchase 2th Purchase 3th Purchase Last Purchase 구매 고객 가망 고객 30일 Next Purchase 32일 28일 ?

Slide 59

Slide 59 text

BigQuery를 활용한 Advanced Audience 구축 사례 (2/3) 재구매 주기 분석 프로세스 • 빅쿼리를 통해 GA 전자상거래 유저 별, 상품 별 데이터 추출 후, R 혹은 파이썬 등의 프로그램을 통한 가공 • 각 UID 별 구매 및 방문 주기 + 구매 상품 + 평균 구매 금액 등 → 개별화된 서비스 제공

Slide 60

Slide 60 text

BigQuery를 활용한 Advanced Audience 구축 사례 (3/3) 재구매 주기 기준 잠재고객 구축 및 활용 • 각 고객의 구매 주기에 맞춰 리마케팅 및 푸시 메시지 발송 → 매출 및 고객 충성도 향상 • 상품이나 서비스의 품질 관리 지표로 활용 (ex 구매 주기 단축 목표 설정) 구매 주기 분석 데이터 Push Marketing SMS 데이터 Import → 잠재고객 →애드워즈 구매 고객으로 전환 CRM 데이터

Slide 61

Slide 61 text

5. 컨설팅 회사 분석가가 되려면

Slide 62

Slide 62 text

데이터 분석가의 주요 역할 Communicate Innovate Deﬁne Measure Analyze 1. Deﬁne : 가설을 수립하고 질문을 던지고 문제를 규명 2. Measure : 필요 데이터를 정의하여 데이터 수집, 저장, 탐색 3. Analyze : 필요한 분석 유형 파악 및 다양한 알고리즘/툴을 적용하여 분석 수행 4. Communicate : 스토리, 시각화, 대시보드 등 다양한 형태로 도출된 인사이트를 비전문가에게 커뮤니케이션 5. Innovate : 2, 3, 4 단계 수행을 자동화, 보다 상위 레벨의 분석, 실행이 가능한 프로세스 정립 및 비즈니스 인사이트 도출 출처 : https://www.quora.com/What-is-data-science

Slide 63

Slide 63 text

Data Science: A Mash-up of Disciplines 한 사람이 이 모든 영역을 커버하는 것은 사실 상 불가능 보통 1~2분야에 전문가이면서, 또 다른 2~3분야에서 능숙한 경우가 대부분. 5~6분야에 능숙한 경우도 드문 편

Slide 64

Slide 64 text

Data Science: A Mash-up of Disciplines 한 사람이 이 모든 영역을 커버하는 것은 사실 상 불가능 보통 1~2분야에 전문가이면서, 또 다른 2~3분야에서 능숙한 경우가 대부분. 5~6분야에 능숙한 경우도 드문 편 모두가 데이터 과학자가 될 필요는 없으며, 데이터 과학 영역은 데이터 기술 발달에 따라 상당히 세분화 되고, AI 기술의 발달로 데이터과학자의 업무 영역 상당 부분은 기계로 대체 가능해 집니다

Slide 65

Slide 65 text

Vertical vs. Horizontal Data Analyst 자신에게 맞는 유형은? 수직 vs 수평? 데이터를 해석하여 비즈니스 인사이트를 도출하고 커뮤니케이션 하는 데 더 집중 Horizontal data analyst 비즈니스 도메인에 대한 전문성과 다른 분야를 융합한 지식 보유 통계학이나 소프트웨어 엔지니어링에 대한 전문성은 모자랄 수 있음 비정형 스트리밍 데이터와 같은 최근 데이터 기술에 오히려 밝을 수 있음 Data Cleansing, Mining 등의 작업을 직접 코드를 짜서 수행할 수 있는 소프트웨어 기술 능력 보유 Vertical data analyst 좁은 분야, 깊은 지식 보유 복잡한 알고리즘에 익숙한 컴퓨터 과학자이거나, 통계 전문가, 소프트웨어 엔지니어일 수 있음

Slide 66

Slide 66 text

한꺼번에 모든 자격을 갖추기 보다는… 내 현재 Spec 기준으로 선택 가능한 범위의 회사에서 A경험을 쌓고, 그 다음 다른 회사에서 B경험을 쌓는 식으로 경력을 빌드업!! 출처: https://youtu.be/olTwAEqiH1s

Slide 67

Slide 67 text

1부 강연 Q&A 김선영

Slide 68

Slide 68 text

Question 01 01/02 현재는 데이터 관련 직무가 아닌데 데이터 관련 직무로 이직을 하고 싶습니다. 어떤 커리어, 자격증이 필요할까요?

Slide 69

Slide 69 text

Question 02 02/02 컨설팅 데이터 분석가가 인하우스로 이직할 때 필요한 또는 강조해야 할 역량이 무엇인지 궁금합니다!

Slide 70

Slide 70 text

채용 공고 풀스택 그로스해킹 컨설팅 회사인 마켓핏랩의 솔루션 사업부는 유입부터 전환까지의 전체 고객 여정 경험 관리/개선과 데이터 기반 ʻ실험 - 분석 - 고객관리’가 가능한 다양한 글로벌 Mar-tech 솔루션을 제공하고, 이를 통해 고객사의 비즈니스 목표를 달성할 수 있도록 컨설팅합니다. 금번에는 경력직 뿐만 아니라 태도와 열정, 잠재 가능성이 높은 주니어도 모집하여 함께 성장하고자 하오니 많은 관심 부탁드립니다. https://bit.ly/mfls_data_engineer 마켓핏랩 솔루션즈 데이터 엔지니어 채용 공고 마켓핏랩 솔루션즈 CSM 채용 공고 https://bit.ly/mfls_csm 현재 마켓핏랩이 제공하는 솔루션 ● 사용자 행동 분석 툴 : ʻ믹스패널(Mixpanel)’ ● CRM 자동화/고객 인게이지먼트 툴 : ʻ이터러블(Iterable, 예정)’ ● AB테스트 툴 : ʻVWOʻ, ʻABTasty’, ʻOptimizely’ 마켓핏랩의 솔루션 사업부는 믹스패널의 국내 유일한 공식 파트너이지 글로벌 넘버 원 파트너 사이며, 구글 선정 3대 툴 (VWO, AB Tasty, Optimizely)의 공식 파트너로서, 비교/견적 제안이 가능한 국내 유일의 리셀러사입니다.

Slide 71

Slide 71 text

데이터리안 데이터 분석 정보 공유방

Slide 72

Slide 72 text

정두현 모더레이터 10/15(화) 19:00 ~ 21:00 다음 세미나 데이터를 근거로 내 기획안 효과적으로 설득하기 33,000원 10,000원 연사 패널 현) 스픽 브랜드 마케터 송혜정 윤선미 현) 데이터리안 대표, 데이터 분석가 전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가

Slide 73

Slide 73 text

패널: 김선영, 윤선미, 송혜정 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까? 2부 패널 토크

Slide 74

Slide 74 text

Warming Up

Slide 75

Slide 75 text

Question 01 01/10 그 동안 어떤 커리어를 거쳐오셨는지 궁금합니다.

Slide 76

Slide 76 text

패널 소개 김선영 링크드인 현) 마켓핏랩 솔루션사업부 전무 전) Media.Monks Head of Data & Digital Media 전) 데이터리셔스 한국 대표 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까?

Slide 77

Slide 77 text

패널 소개 링크드인 윤선미 현) 데이터리안 데이터 분석가 전) 카카오 데이터 분석가 전) 하이퍼커넥트 데이터 분석가 전) 쿠팡 데이터 분석가 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까?

Slide 78

Slide 78 text

패널 소개 인하우스 데이터 분석가와 컨설팅 데이터 분석가, 무엇이 다를까? 링크드인 송혜정 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가

Slide 79

Slide 79 text

하는 일

Slide 80

Slide 80 text

Question 02 02/10 데이터 컨설팅을 하는 대표적인 회사에는 어떤 곳들이 있고, 그 회사에서는 주로 어떤 일을 하나요?

Slide 81

Slide 81 text

Q2. 데이터 컨설팅을 하는 대표적인 회사는 어떤 곳이 있나요? 전통적인 컨설팅 회사로 알려진 회사들도 데이터 분석 컨설팅을 진행

Slide 82

Slide 82 text

Q2. 데이터 컨설팅을 하는 대표적인 회사는 어떤 곳이 있나요? IT 기술 기반으로 데이터 컨설팅까지 제공하는 사례

Slide 83

Slide 83 text

SaaS 솔루션 기반의 데이터 컨설팅 회사 Q2. 데이터 컨설팅을 하는 대표적인 회사는 어떤 곳이 있나요?

Slide 84

Slide 84 text

Question 03 03/10 인하우스 데이터 분석가는 무슨 일을 하나요? 주요 업무, 업무 진행 방식, 협업 방식 등이 궁금합니다.

Slide 85

Slide 85 text

Q3. 인하우스 데이터 분석가는 무슨 일을 하나요? 인하우스 데이터 분석가 In-house Data Analyst 컨설팅 데이터 분석가 Consulting Data Analyst (or Out-sourced Data Analyst)

Slide 86

Slide 86 text

Q3. 인하우스 데이터 분석가는 무슨 일을 하나요? 주로 백엔드 개발자와 논의 주로 프론트엔드 개발자와 논의

Slide 87

Slide 87 text

Q3. 인하우스 데이터 분석가는 무슨 일을 하나요? 데이터 분석가 백엔드/프론트/데이터 엔지니어 데이터 수집 및 관리에 대한 기술적 논의

Slide 88

Slide 88 text

Q3. 인하우스 데이터 분석가는 무슨 일을 하나요? 데이터 분석가 Product Owner 주요 지표 정의 등 방향성 설정

Slide 89

Slide 89 text

Q3. 인하우스 데이터 분석가는 무슨 일을 하나요? 데이터 분석가 마케팅, 운영 등 실무자 데이터 요청 및 전달

Slide 90

Slide 90 text

Question 04 04/10 컨설팅 / 인하우스 분석 각각의 매력이 무엇인지 궁금합니다.

Slide 91

Slide 91 text

Q4. 컨설팅 / 인하우스 분석 각각의 매력이 무엇인지 궁금합니다. 인하우스 ● 업무의 처음부터 끝까지 경험할 수 있음. ● 대기업일수록 조직의 R&R이 명확하여 주어진 업무 이외의 일을 하기 어려운 경우도 있음. 컨설팅 ● 여러 업종, 어려 회사의 다양한 데이터와 기업 문화를 경험할 수 있음.

Slide 92

Slide 92 text

Q4. 컨설팅 / 인하우스 분석 각각의 매력이 무엇인지 궁금합니다. 2023 스티비 이메일 마케팅 리포트: https://report.stibee.com/2023/

Slide 93

Slide 93 text

Q4. 컨설팅 / 인하우스 분석 각각의 매력이 무엇인지 궁금합니다. 컨설팅 - 리더십부터 실무진까지 다양한 스타일의 사람들과 일해볼 수 있는 기회

Slide 94

Slide 94 text

Q4. 컨설팅 / 인하우스 분석 각각의 매력이 무엇인지 궁금합니다. 인하우스 - 쉽고 빠른 커뮤니케이션

Slide 95

Slide 95 text

Question 05 05/10 일하면서 가장 보람을 느낀 점, 힘든 점은 어떤 게 있으셨나요?

Slide 96

Slide 96 text

Question 06 06/10 데이터 분석의 필요를 설득하는 것이 어렵습니다. 데이터 분석이 꼭 필요하다고 조직에 어떻게 설득할 수 있을까요?

Slide 97

Slide 97 text

커리어 & 성장

Slide 98

Slide 98 text

Question 07 07/10 컨설팅 회사 / 인하우스 데이터 분석가는 기술적인 측면에서 어떤 역량이 필요한가요?

Slide 99

Slide 99 text

Q7. 기술적인 측면에서 어떤 역량이 필요한가요? 토스 데이터 분석가 채용 공고

Slide 100

Slide 100 text

Question 08 08/10 기술적인 측면 외의 다른 핵심 역량은 어떤 게 있는지 궁금합니다.

Slide 101

Slide 101 text

Q8. 기술적인 측면 외의 다른 핵심 역량이 궁금합니다. 옥외 광고로 강남역을 뒤덮은 이야기 - 내부 설득 브랜드 캠페인 내부 설득기

Slide 102

Slide 102 text

Question 09 09/10 컨설팅 회사에서는 업무의 모든 과정을 함께 하지 못하는 경우가 많은데, 이런 경우에는 성과를 어떻게 측정해서 이력서에 작성할 수 있을까요?

Slide 103

Slide 103 text

Question 10 10/10 커리어를 열심히 꾸려나가고 있는 후배들이 많은데요. 오늘 오신 세미나 참석자 분들께 마지막으로 한 마디 부탁드립니다.

Slide 104

Slide 104 text

SQL / GA4 데이터 분석 캠프 7/12 이번주 금요일, 얼리버드 최대 40% 할인 마감 [무료] SQL 데이터 분석 캠프 맛보기 카카오, 리디, 잡플래닛 출신 데이터 분석가가 직접 가르쳐요. [무료] GA4 데이터 분석 캠프 맛보기

Slide 105

Slide 105 text

데이터 분석 캠프 수강 후기 SQL 캠프 | 마케터 정연님 GA4 캠프 | 기획자 L님 SQL 캠프 | 분석가 현승님 “실제로 캠프를 들어보고 나서 정말 만족했어요. 실무자 입장에서 데이터 분석에 필요한 SQL 문법을 배울 수 있어서 좋았어요.” “캠프를 수강한 후에 SQL이 익숙해지고 다가가기 쉬워졌습니다. RFM 분석, 매출 분석 같은 실무 분석 방법을 배울 수 있어요” “가능한 한 빨리 업무에서 GA4를 활용해야 하는데, 사내에는 가이드 라인이 없어 고민 중이었는데요. 캠프 덕에 방향이 잡혔습니다. 감사합니다!”

Slide 106

Slide 106 text

데이터 분석 정보 공유방 세미나에 참여해주셔서 감사합니다