학습내용
앉아서 세시간을 복잡한 내용을 듣고 있었다.
4월에 파이썬 공부할때 어떻게 7시간을 앉아있었을까
참 요상한건 앉아서 듣고있으니 앰플리튜드라는게 뭔지 알것같다는 말이다.
아 그리고 어제 포스팅한 브랜즈는 브랜즈가 아니라 브레이즈였다.
나의 멍청함을 잊지않기 위해 수정은 하지 말아야겠다.
절대 귀찮아서가 아니다. 절대
개인정보 보호 트렌드와 변화하는 모바일그로스 전략
개인정보 보호강화의 흐름 및 변화
Device-level Data의 제한
OS측면
iOS14 - Privacy policy개인정보 수집및 활용을 위해서는 유저의 명시적 동의가 필요해짐
android - 안드로이드 GA ID 수집제한, LAT(Limit Ad Tracking) 설정시 GAID 미제공
미디어 측면
페이스북 - AMM프로그램 종료로 CTA 및 VTA로 기여된 전환 이벤트의 Device Level Data (Raw Data) 활용 불가
틱톡 - 마찬가지로 VTA로 기여된 전환 이벤트의 Device Level Data (Raw Data) 활용 불가
전체적으로 개별유저를 식별하여 마케팅 성과를 측정하고 활용하기 어려워 지고 있다. 계속해서 이러한 규제들이 강화되는 추세.
Last touch attribution 모델 관련 영향?
1. ADID 활용 디바이스 매칭률 감소
- 퍼블리셔 앱이나 광고주 앱에서 ADID 수집이 어려워 짐에 따라 이러한 ADID를 활용한 매칭이 어려워지게 되었고 그로 인해 성과 측정에 영향이 감
- 실시간 성과 측정 및 최적화 불가
- iOS SKAdNetwork의 성과 측정 및 포스트백 딜레이
- 단일기준으로 Attribution 불가
Device-level 데이터 활용 관련 영향
1.개별 디바이스 식별과 관련된 데이터 미제공
2. 자체 Attribution 모델 활용 불가
3. 타겟팅 및 Audience를 활용한 마케팅 시 제약
더이상 싱글뷰나 단일기준으로의 마케팅 성과 측정 및 분석이 불가해졌다.
다양한 모델을 통한 성과측정 및 리포트 활용이 불가피하다.
부정적인 이야기만 했는데, 이런 변화들이 부정적이지만은 않다.
기존에 우리가 사용해오던 LT기반의 성과 측정 방식도 완벽하지 않으며,
기존의 LT 모델의 단점을 보완 하여 통계 및 ML 마케팅의 성과를
더욱 정확하고 다각도로 분석할 수 있는 기반이 마련된다.
고객사 대응?
- ADID외에 고객사의 1st party 식별자 수집 및 데이터 활용
- 데이터 수집 방법을 고안하라. 성과측정이 불가능한 영역에서는
모델링 및 머신러닝을 통해서 예측이 이루어질것이다.
예측을 하기위해서도 많은 유저 데이터를 잘 수집하는것이 중요하다.
First party 데이터를 활용하여 효과적인 마케팅 전략수립
IDFA의 정책변경은 전세계에 걸쳐 지각변동을 일으켰다.
디지털 환경에 효과적인 대응을 위해서는 새로운 시각이 필요하다
고객경험은 단순 유입에서 끝나지 않는다.
디지털 브랜드들이 성과를 정확하게 측정할수 있도록 지원한다.
Product Analystics 툴은 디지털 서비스 관리에 필요한 제1솔루션에 선정되었다.
IDFA제도 변화에 Product analytics는 어떻게 대응하는가?
앰플리튜드는 First Party 데이터를 활용한다.
기본 설정으로, Amplitude의 iOS SDK는 IDFV (Identifier for Vendor)를
device id로 사용하지만 개발자가 자유롭게 device identifier 지정이 가능하다.
SDK에는 IDFA를 device id로 사용할 수 있는 옵션도 있지만,
해당 옵션 사용을 위해서는 유저가 어플리케이션에서 IDFA 사용을 허용해 놓아야 한다.
앰플리튜드는 3개의 식별부호를 사용한다.
고유 유저 식별에 쓰이는 3개의 식별부호
- User ID (optional): 직접 설정 가능
- Device ID (required): Amplitude에서 자동으로 설정하거나 직접 설정도 가능
- Amplitude ID: 데이터 ingestion 단계에서 Amplitude에서 자동으로 설정
앰플리튜드 자체가 하나의 디바이스만 분석하는게 아닌
유저가 여러 디바이스에 걸쳐 특정 앱이나 서비스에 접속하더라도 트래킹할 수 있게 지원한다.
Braze 이메일 마케팅 캠페인
서드파티 데이터 시대의 종말!
구글과 애플에 의한 마케팅 지각 변동
1.서드파티 데이터를 활용한 마케팅 황금기는 끝!
이에대한 대안도 이전보다는 효과를 기대하기어렵다.
- 외부요인과 메이저플랫폼 정책변화에 흔들리지 않게
자생력 있는 마케팅구조와 믹스를 만들어야한다는 기업들의 인식증가
->퍼스트파티 데이터의 중요성...
온드(owned)채널의 변화
1. 채널의 다양화, 관리의 일원화
2. 심도있는 데이터 분석 및 캠페인 구성
- 스퀘어랩 그로스인터뷰 中
우리가 고민해야할 것
- 퍼스트 파티 데이터를 활용한 마케팅 전략이 준비되어 있는가?
- 기존 한계점을 넘어선 퍼스트 파티 데이터 활용이 이루어지고 있는가?
한국 이메일 역사의 요약
이메일이 중요한 이유
1. Key storage : 서비스 가입 기본정보 + 핵심 활동 내역(ex.구매)
2. 전자 '우편' 이기때문에, 컨텐츠 전달력이 풍부하다.
3. 블루오션 : 아직 한국시장 내에는 중요한 수단이다.
Braze에서 왜 이메일을 활용해야 하나요?
이 중 2가지의 내용이 이메일 마케팅과 관련이 있다. 뭘까?
- 개인화와 맨~밑에 있는 그림 많은 저건데, 저게 '멀티채널효과'이다.
1.개인화 : Braze 솔루션 내에 저장된 유저 데이터와 캠페인결과 데이터를 활용하여 철저히 개인화된 이메일 발송.
- 멀티채널 효과 : Braze에서 타 채널과 이메일을 함께 활용할 때 더 높은 인게이지먼트를 달성할 수 있고,각 채널별 캠페인결과와 인사이트를 실시간으로 같이 활용하며 시너지를 낼 수 있다.
개인화된 이메일 활용
-
장바구니에 담아놓은 제품을 고객에게 상기시키기 위함과 동시에
추가로 개인화된 추천상품을 이메일로 전송, 전송 후 충분히 시간을 두고
구매를 유도하는 푸시메시지 전송. -
유저의 선호도에 기반하여 개인화 이메일을 보낸다.
인앱 메시지를 활용해 유저의 음식 카테고리 선호도 확인 후
유저의 선택에 따라 카테고리에 맞는 음식점 및 프로모션을 추천한다.
앱을 사용함에 따라 누적되는 추가 개인 데이터를 반여앟여 더 개인화된
맞춤형 프로모션과 메시지를 전송한다. -
멀티채널 활성화를 시키기 위해서도 개인화 이메일을 사용한다.
구매나 전환 이후 발송되는 팔로업 이메일을 활용하여 SMS채널 활성화를 유도한다.
이메일에 제공되는 코드를 카카오톡, SMS등에 입력하여 추가 프로모션 제공 후
자연스럽게 채널을 활성화 하는 방식이다.
멀티채널 이메일 활용**
이메일과 푸시, 인앱 메시지를 같이 활용하는 전략으로 접근했을때 효과가 극대화 되는것을 확인ㄹ할 수 있다.
Braze 이메일 예시 사례
BuSuu
- 언어학습 어플, 프로그램을 제공하는 영국스타트업
- 푸시메시지 + Connected Content 개인화 이메일을 활용한 멀티채널 캠페인 진행
- 푸시오픈율 70% 증가, 이메일 오픈율 93% 증가
FanXchange
- 스포츠,콘서트,극장 등 티켓판매 플랫폼을 제공하는 캐나다 스타트업
- Connected Content를 활용해 각 유저들이 서포트하는 스포츠팀, 팔로우하는 아티스트들의 공연정보가 들어간 개인 이메일 발송
- 이메일 작성에 들어가는 시간 단축+전환율 114% 증가
이메일 마케팅이 막막하다면?
- 이메일 캠페인 시작하기
- IP워밍
- 드래그 앤 드롭
Braze 내의 이메일 에디터.
드래그앤 드롭 으로 손쉽게 저장된 유저데이터도 끌어올 수 있고,
이메일 디자인 또한 쉽게 바꿀수 있다. 또한 이메일 결과도 분석이 가능하다.
데이터 기반으로 프로덕트를 만든 다는 것
프로덕트를 만들기 전
- 데이터를 분석해서 문제/기회를 찾아내기
프로덕트를 만든 후
- 데이터를 분석해서 결과를 평가하고 개선하기
'만들기 전이나 후나 데이터를 활용해야하는게 중요하다'
데이터 활용 계획이 없다?
- 개발하기 전에 성공지표, 가드레일지표 등 트래킹 계획을 세우지 않는다.
(가드레일 지표 : 이 기능이 예기치 못한 문제를 불러일으키지는 않았는지 보는 지표)
데이터 기반으로 프로덕트 만드는 팀이 하는 일 5가지
1. 데이터 수집 및 저장
2. 주요지표 설정, 프로덕트 팀이 실행하는 것들이
어떻게 지표에 영향을 주는지 Input->output 관계 이해
3. 대시보드 시각화를 통해 팀이 데이터를 본다.
4. 실험기반으로 프로덕트 만든다.
5. 데이터를 심층분석하여 프로덕트 전략수립에 활용한다.
1.데이터 수집및 저장 : 기본중의 기본이다.
-특히 사용자 행동데이터(User Behavior)
사용자 행동 데이터가 있어야 프로덕트의 어디를 어떻게 개선하면 좋을지 기회를 발견할 수 있다.
누가 어떻게 우리 프로덕트를 이용하는지, 기능을 만들거나 개선한 뒤 의도한 결과가 나오는지 알수있기 때문에 사용자 행동데이터 수집및 분석이 중요하다.
- 주요지표 설정하기 및 인풋 아웃풋 관계 이해하기
- 매출과 같은 사업지표와는 별도로 프로덕트 관점에서 꼭 봐야하는 지표들이 있다. 예를들면 Activation, Engagement등 지표들
인풋아웃풋?
예를들어서, 목표가 연봉 상승이라고 치자
내가 나에게 물어본다. 연봉을 어떻게 늘리지?
뭐라고 대답할거 같은가? 대답이 막연하다.
그럼 다시 좀더 구체적으로 연봉 상승 요인을 분석해보고 물어보자.
연봉에 영향을 끼치는 세부요인과 변수가 뭘까?
그럼 대답할수 있다. 업계,회사,직무분야,인사권자의 평가, 협상능력.....etc
Input Output을 정의한다는건 ?
내가 원하는 결과(output)를 얻기 위해서,
어떤 변수(input)를 움직일지 알아낸다는 것이다. 구체적인 아이디어를 마련할수 있다.
Retention의 예시
안좋은 접근방식
목표 : 리텐션 개선 -> 리텐션은 재방문,재구매지? -> 유저들이 재방문, 재구매 하게 해야지 -> 푸시메시지를 보내서 들어오게 하자 ! (X)
다른 접근방식
리텐션이라는 Output에 영향을 끼치는 Input은 무엇이지?
어떤 Input을 최적화해야 리텐션 개선에 도움이 될까? (O)
activation(사용자들이 프로덕트의 핵심가치를 빠르게 경험하고, 이용하는 습관을 들이는것)
Engagement(활성화 된 사용자들이 이후에 꾸준히 이용하는것)
Resurrection(사용자들이 휴면, 이탈회원이 되었을때 다시 데려오는것)
' OutPut을 직접 최적화 할수는없다, 그러니 Input을 최적화하여 OutPut에 영향을 주자 '
- 대시보드 시각화는? 거창할필요 없다.
고도화된 대시보드를 위한 데이터 인프라 스트럭쳐
- 대용량의 데이터를 저장하기 위한 Data Warehouse, Data Lake
- 데이터 추출 - 변환 - 적재 (Extract, Transform, Load, 줄여서 ETL)
- 태블로(Tableau)와 같은 Business Intelligence 툴로 시각화, 분석
'일단 필수지표와 데이터 대시보드부터 구글 스프레드시트로 만들어 봐라'
- 실험기반 프로덕트 만들기
- 가설세우기 -> 가설을 확인하기 위한 실험 설계 -> 실험 진행(AB테스트 등 -> 결과측정
- 심층분석하여 프로덕트 전략에 활용
- 분석결과를 보고서에만 담고 끝내지 말고, 프로덕트 의사결정에 반영,
근거를 기반으로 의사결정하는 문화가 필요하다.
데이터가 만능은 아니다.
데이터를 저장하고 활용하는 법
이벤트 기반 Product Analystics 툴의 장점!
1.데이터베이스에 쌓기
- 가장 기본적 방식
- DB에 데이터 축적 ->SQL쿼리문으로 데이터를 추출, 엑셀, Python, R등으로 분석한다.
2.GA
- 데이터분석의 대명사.
- 최신버전은 GA4
- Firebase + BigQuery
- 파이어베이스 : 구글이 제공하는 모바일 백엔드 플랫폼
- 빅쿼리 : 데이터웨어하우스(DB같은건데 분석에 특화된것이다)
- 빅쿼리에 데이터를 저장하면 쿼리로 데이터 추출가능, 엑셀,R,파이썬등으로 분석
- 이벤트 기반 Ampitude툴
- 대표적툴 : 앰플리튜드
- 툴업체에서 제공하는 SDK설치하고 SDK를 통해 데이터를 트래킹 하면
툴에 접속해서 사용자들이 행동하는 데이터를 분석할 수 있게됨
(강사님 추천 툴)
SQL을 몰라도 분석이 가능하다. 마우스클릭으로 이용가능하고,
SQL 쿼리문을 만들줄 몰라도 된다. 툴에서 제공하는 Funnel, Retention
분석 등을 이용하면 빠르고 편리하다.
그리고 분석 결과를 팀과 공유하기 쉽다.
앰플리튜드 VS 구글 애널리틱스(구버전 GA)
앰플리튜드가 GA에 비해 가지는 장점
- 구글 애널리틱스에서 수집하기 어려운 사용자 행동데이터를 수집 가능
- 앰플리튜드는 원래부터 사용자행동 데이터를 수집하기 위한 툴.
GA : 기능이 많고, 인터페이스가 복잡하다.
Amplitude : GA에 비해 직관적인 인터페이스
앰플리튜드가 좀더 사용하기 쉽다는 의견
어려웠던 점
.
해결방법
.
학습소감
어렵다....어렵다 차라리 그냥 실습을 하고말지 ㅜㅜ
하루만 더하면 금요일이니까 쫌만 힘내자....
