DAY 21 - 마케팅 데이터 분석 (마케팅 데이터 리터러시)

❌데이터 1도 모르는 이들을 위한 최소한의 마케팅 데이터 공략법❌

1. 광고부터 구매까지의 과정

2. 노출과 도달, CPM

3. 클릭 - CPC,CTR

4. PV,UV, 히트맵

5. 전환, 이탈

6. ROAS, CAC, LTV, 유입

*부록) 더 알아둬야 할 개념- 비율, 효율, 고관여-저관여

​

📌 광고부터 구매까지의 과정

마케팅 데이터로 판단하는 마케팅 효율이 무엇인가?

메타(페이스북)이 빠르게 성장한 이유는?

광고를 개인반응형맞춤(사용자 데이터) 광고가 아주 잘되어있음 ex) 여성용품-> 여자에게만 보여줌, 연령대 타깃 상품

강의 자료 발췌

📍마케팅은 다양한 방식으로 진행됨

1. 광고 발견(링크클릭유도) - 유료광고, 직접 입력, 검색결과, 자사보유채널, 인플루언서 협업 , PR/미디어

2. 상세페이지 조회(구매결심유도) - 우리 서비스로 데려옴

3. 장바구니 담기(구매확정 유도?)-페이지를 잘 보게 함

4. 구매 - 결제하게 하는 과정

 

📌노출과 도달, CPM

노출과 도달 - 우리 광고가 얼마나 많이 보여졌는지를 나타내는 데이터

📍노출  Imporession : 광고가 '보여진횟수'

📍도달 Reach : 광고를 '본 사람 수'

고관여: 오래 고민할 요소가많아 생각이 필요한 것 (비싸면 비쌀수록 고관여에 속함) 

저관여 : 바로 지르게 하는것 (저관여 일수록 노출도달 횟수가 적지만 평소 브랜딩에 많은 시간과 투자를 함)

* 한사람이 같은 광고를 3번 봤다면, 노출 3, 도달 1

* 빈도 = 노출 수 + 도달 수

 

📖 미니 분석

동일하게 100만원씩 집행한 두 광고 중 광고 A는 노출이 100,000회 광고B는 노출이 50,000회로 측정

 

Step 1. 비교

- 노출은 기본적으로 광고비에 비례, 두 광고는 같은 비용으로 집행했기에 노출 횟수만으로 비교가 가능함

- 같은 금액을 썼음에도 A가 B보다 더 많이 보여줌

 

Step2. 판단

- 광고 시스템 알고리즘이 A가 더 좋은 광고로 판단해

- 더 많이 보여준 것일수 있음 - 각 광고에 대한 반응을 확인해 봐야함. 

​

노출과 도달이 높다 = 많이 봤다.

 

📌 클릭 - CPC,CTR

📍CPM(Cost Per Mille or 1,000 Impression)

우리 광고가 얼마나 많이 보여졌는지 ➡️ 같은 광고비를 쓰더라도 어떤 광고

CPM= 광고비 / 노출수 x 1,000

노출수 = 광고비 / CPM x 1,000 = 100,000 / 2,000 x 1,000

📍CTR(Click Through Rate)

광고를 봤을 때 얼마나 클릭했는지를 나타내게 됨

CTR이 높다 = 호기심을 부르는 광고다

📍CPC (Cost Per Click) : 클릭당 광고비

 광고를 보고 클릭이 일어날 때에만 광고비를 받는 과금체계

CPC가 높다 = 비싼 광고다

📌 PV,UV, 히트맵, 상세페이지 조회

📍PV(Page View): 페이지 읽힌 횟수 

➡️ 우리 페이지에 사람들이 필요로하는 정보가 있는지 확인가능함(고객의 관심을 측정하는 숫자)

광고 등의 유입 링크 성과와 페이지가 필요한 정보를 담고 있는지 여부를 확인 할 수 있는데 다른지표와 함께 분석해야 함

PV가 높다 =  많이 봤다

강의 자료 발췌

📍UV(Unique Visitor) : 순수 방문자 수

➡️ 같은 사용자가 여러번 방문해도 1명으로 카운트

신규/재방문 사용자를 구분해 유입의 성과와 서비스의 만족도 를 측정할 수 있음

UV가 늘어났다  = 신규 사용자를 많이 데려왔다.

 

❓만약 PV 증가 + UV유지(감소)라면?

✔️페이지를 본 사용자가 다른 페이지로 넘어가 더 보는 상태 (유용한 콘텐츠가 많다)

✔️ 하지만 신규 방문자는 줄었음(정체)

•✔️외부 유입에 문제(광고 효율)가 있는지 확인해 봐야함

 

📌 전환 & 이탈

📍 전환 CVR 구매 전환율 (ConVersion Rate)

페이지를 본 고객이 얼마나 구매하게 했는지를 나타냄 (구매 / 클릭)

정보입력, 구매, 앱 다운로드, 회원가입

전환율이 낮다 = 상세페이지가 별로다

📍 이탈 Bounce 

유입페이지만 보고 다른 페이지로 이동하지 않고 사이트를 떠나버리는 것

페이지의 이탈률이 높다 = 다른 페이지로 넘어가지 않는다.

 

📌 히트맵

✔️히트맵 행동분석 도구

마우스 커서 움직임으로 시선과 행동을 추적해 (온도) 색상으로 시각화

 

✔️스크롤 히트맵

사용자가 페이지를 어디까지 봤는지, 어떤 지점에서 주목하는지 분석 가능 (원하는 것 달성 어려움)

 

❌광고를 보고 들어온 사람들이 필요로 한 내용이 있었기에 (후킹이 있었기에)❌

구매 전환률이 높아지면서 전환이 높아짐

전환 테이블 = 최적화를 통한 1,2차 소재 및 상세페이지 개선 후 전환 동시 다발적 발생!

---

📖 실습

오마카세 뉴스레터 데이터를 통해 어떤 팀의 콘텐츠와 상세페이지가 구독률을 늘렸나

왜 그랬는지?  가설 및 분석하기 

 

✔️데이터 : 메일 구독 전환, PV,UV, UV당 평균 PV, 스크롤 히트맵, 평균 체류시간, GA 분석

데이터 전처리를 통해 어떤 소재 및 팀이 가장 조회수와 구독률이 높았는지 비교 (이렇게 하고도 잘 모르겠어서 조별 나눠서 데이터 분석)

 

✔️가설 수립 

1. 체류시간이 길면 전환율이 많을 것이다.

 

 

체류시간의 평균과 전체 구독전환 사이에는 큰 상관관계가 없었다

= 체류시간이 길다고 구독전환이 많은 것은 아님 ❌

 

 

 

 

2. 

---

데이터를 통한 가설수립은 쉽지 않았고 우리는 가설방식을 다른식으로 접근했다.

특히 강사님이 말씀하신 가설수립 후 데이터를 통한 검증이라기보다는

EDA(탐색적분석)을 먼저 하게되었다. 그 이유는 우리 팀원은 모두 방향성을 잃었고

이미 다 나와있는 데이터를 통해 어떻게 가설을 세워야하는지 모르겠더라.

 

그래서 한것이 조 하나하나씩 모두 나눠서 분석후 가설을 세웠다.

이 방식이 좋았던 것은 세세하게 하나씩 살펴볼 수 있다는 것이였고 놓친 부분이 없는지 볼수 있는것이 좋았다.

다만 데이터분석 과정 프로젝트인데 데이터분석에 초점이 맞춰진것보다는

이미 강사님께서 다 전처리 해주신 데이터를 가지고 가설을 세우다보니

다른 방향성을 가진것 같아 조금 아쉬운 프로젝트였다.

 

하지만 이 과정이 끝난 뒤에 다시 이 프로젝트를 본다면 또 다른 시각에서 볼 수 있다는 기대를 갖고

개인적으로 데이터 전처리 공부를 해야해보자.

 

 

#청년취업사관학교 #데이터분석가 #데이터분석가부트캠프 #DA교육 #데이터분석교육 #실무프로젝트 #실무경험 #취업포트폴리오 #포트폴리오 #취업연계교육 #코멘토 #모비니티