1. 툴의 종류
– 중급 이상의 스킬을 필요로 하는 구글 애널리틱스
– 마케터가 원하는 형태로 데이터 추출이 가능한 SQL
– 정확한 유저 인사이트 도출을 위한 파이어베이스
– 데이터를 가공하고 분석하기 위해 상급 수준의 엑셀
– 많은 데이터와 업무를 효율적으로 관리할 수 있게 돕는 R & 파이썬
2. 각 툴의 특징
- 광고 캠페인을 통해 들어온 고객과 검색어를 통해 유입된 고객 간에 전환율의 차이를 파악한다.
- 서비스와 제품을 이용하는 방문 유저 탐색이 가능하다.
- 실시간 대시보드로 바로 확인이 가능하며, 특정 기간에 해당하는 데이터의 양과 행동 경로를 통한 상호작용을 파악한다.
- 사례 : 쿠팡
2) SQL
- 대부분의 데이터는 RDBMS에 저장되어 있으므로 필요하다.
- 데이터 분석의 시작에 필요한 데이터의 추출부터 시작하기에 기본이 된다.
- 개발자에게 요청할 필요가 없어지면 개발자와 마케터 모두 업무 몰입도가 높아지며, 의사결정 속도가 빨라진다.
- 사례 : 쏘카
3**) 파이어베이스**
- 앱을 개발하고, 개선하고, 키워갈 수 있는 도구 모음(toolset)이다.
- 손쉬운 A/B 테스트 실행이 가능하다.
- 데이터 웨어하우스로서 빅쿼리를 사용하면 SQL을 활용해 정보 탐색이 수월해진다.
- 데이터 스튜디오와 연동하여 심화된 데이터 분석이 가능하다.
4**)엑셀**
- 다른 툴 보다 진입장벽이 낮다.
- 사용자 층이 두터우며 익숙한 Office 문서 기반이다.
- [파일] - [옵션] - [추가 기능] - [이동] : 분석도구 추가로 회귀 분석과 상관분석이 가능하다.
- 파이썬
- 다양한 프레임 워크를 활용할 수 있다.
- 머신러닝과 딥러닝을 통해 향후 예측에도 활용할 수 있음
- 전처리는 물론 수집에도 유용하다.
3. 활용 사례
쏘카
모든 데이터가 SQL로 되어있는 쏘카는 서울의 쏘카존을 모니터링 하며 각 존별로 증차량과 감차량 분석한다.
실제 사례로 대학가 A지역과 서울 전체의 이용 시간을 비교한 결과,
A지역은 줄고 서울전체는 이용 시간이 점차 증가했다.하지만, 매출은 A지역이 더 높았다. 이에 대한 매출을 연령 별로 살펴보니 20대는 감소, 30대는 증가했다.
비대면 수업으로 인한 20대의 이동량은 줄고, 30대 이상의 출퇴근 시 쏘카 이용률이 증가했다는 현상을 알 수 있었다.
이와 같은 인사이트로 증차가 필요한 곳을 데이터를 통해 알아내고,
마케팅의 주 타겟도 변경할 수 있었다.마켓컬리
2016년 까지 ‘엑셀’을 활용하여 데이터 수집 및 분석 했다.
성장 후에는 분석에 너무 많은 시간이 소요되었던 점과 주요 데이터가 팀별로 흩어져 있어 통합 분석이 어려웠고, 오기(Human Error)가 발생하면 파악하기 어려웠다.
현재 AWS 및 오픈소스를 통해 구축하여 운영 중이며, Keras 기반 딥러닝 기술 도입했다.
데이터 전문 부서 ‘데이터 농장팀’을 구성했으며 해당부서는 R또는 SQL이 필수이다.
마켓컬리의 채용공고를 살펴보면 Python 활용 가능자를 우대하는 등 직무를 불문하고 데이터의 중요성을 강조하고 있다.
추가로 마켓컬리는 물류, 고객단에서 원천 데이터 수집, 분석을 지원하는 시스템인 ‘데멍이(데이터 물어다주는 멍멍이)’를 개발했다.