고정 헤더 영역
상세 컨텐츠
본문
통계 분석 기초
TODAY LEARNING
01) 통계 분석 개요
02) 그로스 마케팅 통계 분석 개요
03) 통계 분석 용어정리
01) 통계 분석 개요
그로스 마케팅에서 통계분석이 필요한 이유?
독립시행의 원칙
마케팅 적용 = 어제 광고 효율이 좋았다고 해서 오늘이 당연히 좋을 것이라는 건 위험.
시장 상황 요일 유저의 심리는 매번 독립적인 변수로 적용될 수 있음.
대수의 법칙
마케팅 적용 = 단기적인 데이터에 일희일비하지 않기.
통계적으로 유의미한 표본 수가 쌓일 때까지 기다려야 진짜 신호를 판단할 수 있음.
생존자 편향
마케팅 적용 = 성공한 캠페인 스터디만 보고 전략을 짜는 건 로또 당첨번호 분석과 같음.
실패한 데이터 속에서 당첨되지 않은 확률을 줄이는 게 그로스 마케팅의 핵심.
<결론>
통계 = 그로스 마케팅 사이클을 반복하기 위한 명확한 판단 근거
> 따라서 통계를 아는 마케터는 통계를 기반으로 한 데이터 분석을 통해 실행 가능한 인사이트 뽑기.
ex) CVR이 올랐다 > 단순한 관찰
> 상승이 의미있는가를 판단하려면 통계 기준이 필요.
결론적으로, AI에게 대체되지 않으려면 통계적인 근거와 표본을 근거로
분석해야 예산을 낭비시키지 않음.
- 통계적 분석 과정
문제정의 > 데이터 수집 > 데이터 전처리 > 데이터 모델링 > 시각화 및 탐색 > 다시 문제정의
과정을 반복.
통계란
수집된 데이터에서 의미있는 패턴을 찾아내어 미래를 예측하는 과학적 방법론.
그로스 마케팅의 통계 실무 활용
1) User Segmentation
전체 유저를 평균으로 보지 않고, 통계적 특성에 따라 고객 분리
2) 성과 기여도 분석
고객이 결제에 이르기까지 실제 기여도 높은 채널 판별
3) A/B 테스트 유의성 검정
두가지 시안 중 어떤 것이 더 우수한지 판단할 때 우연에 의한 결과 확률 배제
결론적으로 마케터를 위한 실무 통계의 지향점
> 고르스 마케팅 실무에서 데이터를 읽고 전략을 도출하는 능력을 기르는데 집중!!!
BI(Business Inteligence) - 전사적인 데이터로 시각화 도구 ( 전체적인 성과 모니터링)
PA(Product Analystics) - 사용자 행동기반(유저행동 심층 분석 및 제품 최적화)
02) 그로스 마케팅 통계 분석 개요
그로스 마케팅 통계분석 Cycle
통계 기반 데이터 분석은 연속된 분석 사이클로 연결
데이터 분석환경 구축 > 가설 및 실험 > 데이터 분석 > Lesson Learn
실무 활용 <Growth Marketing Sprint>
1. 스프린트 계획 세우기
- 목표(why) 할 일(what) 실행 계획 수립(how)
2. 실행 및 개발
3. 분석 및 학습
4. 회고
이 과정을 반복하며 제품/서비스의 마케팅 전략을 지속적으로 개선해 나가는 것이
그로스 마케팅의 핵심!
실무에서는
기업 규모 실행환경에 따라 진행 주기는 상대적이지만,
통상 최소 2-3회 or 20-30회 진행. (2주 기간 동안)
데이터 분석 이후 액션이 되지 못하는 3가지 함정
1. 분석을 위한 분석 - 지표를 분석하고 목적을 파악해야 함. 목적이 있는 분석이 필요.
2. 숫자 나열 리포트 - 수치 뒤에 so what? 무엇을 해야하는가가 필요.
3. 우선 순위 없는 개선 욕심 - 개선점이 10개가 나왔다면 한개씩 순위를 매겨 수정.
통계 기초 없이 퍼널 분석을하면 작은 표본의 노이즈를
진짜 신호로 오인하여 잘못된 실험 결정을 내릴 수 있음.
따라서 데이터를 많이 보는 것이 아닌,
데이터로 올바른 질문을 하는 것이 그로스 마케팅의 역량.
MISSION
마케팅 통계 분석을 사용하는 사례
- 신한 카드 트랜드 정보 데이터 통계
통계 분석의 핵심 비율 지표
전환율(CVR) 클릭률(CTR) 유지율(Retention Rate)
CTR 낮음, CVR 높음
- 광고 소재 타겟팅 개선 우선
CTR 높음, CVR 낮음
- 랜딩 페이지 최적화(메세지 미스매치)
CTR 낮음, CVR 낮음
- 채널 - 메세지 - 랜딩 전체적인 재검토 필요
03) 통계 분석 용어 정리
표본 = 분석을 위해 실제로 수집한 전체 데이터의 일부
모집단 = 우리가 알고자 하는 분석 대상 전체 집합
표본 크기 = 수집된 데이터의 개수로 데이터가 많을수록 분석 신뢰도가 높아져 결과의 편차가 줄어듦.
평균 = 전체합 / 데이터 수.
중앙값 = 데이터를 크기별로 나열했을 때 정중앙 값
표준편차 = 데이터가 평균에서 얼마나 퍼져있는가
평균의 합정
중앙값과 비교 분석을 해야하는 이유
1) 마케팅 데이터에는 대규모 구매자, 초장기 체류 유저처럼 극단적 이상값이 자주 등장
=
평균을 크게 왜곡하기 때문.
2) 심슨 패러독스
평균만 믿고 의사결정을 하면 치명적인 실수를 할 수 있음.
이상값 = 전체 패턴에서 크게 벗어난 데이터.
제거 전에 실제 발생한 일인지 오류인지 구분해야 함.
배우고 느낀 것들
통계분석으로 보는 그로스 마케팅의
실무 활용법을 배울 수 있어서 좋았음.
