Adobe Digital Dialogue

데이터 기반 마케팅

A/B테스트의 어제와 오늘

고객의 기호를 파악하거나 고객의 선호도를 어떻게 확신할 수 있을까요? 고객에게 질문을 던지고 그에 따른 반응을 분석해 데이터로부터 해답을 구하는 것, 이것이 오늘 소개할 A/B테스트입니다. 단순하지만 강력한 힘을 가지고 있고, 인공지능을 통해 더욱 진보된 A/B테스트의 발전된 형태에 대해 알아보겠습니다.

주문이 빗발친다고요? 기뻐하기 전에 잠깐만!

디지털 마켓의 범위가 늘어나고 간편한 클릭 결제 솔루션이 도입됨에 따라 클릭률은 높아졌지만, 실제 매출로 이어지는 전환율은 무척 낮은 상황을 종종 경험합니다. 데이터의 신뢰성을 파악할 수 있는 정교화된 분서이 필요한 이유입니다.

스토리텔러의 기반이 되는 데이터

애널리스트의 공통된 과제는 무엇일까요? 분석 데이터를 해석하여 고객이 필요로 하는 실행 가능한 정보의 형태로 제공하는 것입니다. 데이터는 수치로 보여집니다. 일종의 과학입니다. 데이터 수치가 함축하고 있는 의미를 포착하여 분석 결과를 도출하는 행위는 예술적 경지와 맞먹는 고도의 기술이며 여기서부터 비로소 데이터 애널리스트의 탁월한 역량이 발휘됩니다. 방대한 데이터 세트와 씨름한 후 도출된 결과를 고객이 필요로 하는 재해석 가능한 인사이트로 표출하는 방법에 대해 소개합니다.

데이터 시각화는 무엇인가?

데이터의 시각화는 데이터 사이언스 프로세스, 즉 데이터를 분석하고 가공해 사용자가 받아보게 되는 전체 과정 중 하나라고 할 수 있습니다. 데이터 시각화는 왜 중요하며, 시각화 기술은 어떻게 발전하고 있을까요.

디지털 광고의 타기팅(Targeting)

고객의 수요와 성격을 미리 규정짓고 그 범위를 예측하는 것은 항상 어렵고 불확실합니다. 광고가 닿을 수 있는 고객층의 총 숫자를 예상하고, 규정한 고객군을 목표로 하는 타깃 오디언스의 개념은 전통 마케팅에서도 교과서적으로 쓰이는 전략이었지만 이제는 정확한 데이터에 기반해 고객의 행동과 범위를 규정하고 있습니다.

데이터 분석은 기계가 다 해주는 것 아닌가요?

아무리 좋은 데이터 분석 솔루션을 도입해도, 직접 업무를 수행하면서 적지 않은 시행착오를 거쳐야 원하는 결과를 얻을 수 있습니다. 그래서 데이터 분석가라는 직군이 생겨난 것이지요. 과연 데이터 분석가가 하는 일은 무엇이며, 기술은 어디까지 이를 도와줄 수 있는 것일까요?