최기영(ㅍㅍㅅㅅ 본부장, 이하 최): 어떤 일을 하십니까?
한승수(파노믹스 대표): 파노믹스라는 회사에서 퍼포먼스 마케팅 대행을 해요. 페이스북, 구글, 자사 몰 등 산재한 데이터를 통합하는 것부터 분석, 자동화, 시각화까지 각종 데이터 기반으로 마케팅 대행을 진행하죠.
최: 여기저기 퍼포먼스 마케팅 얘기하는데, 정확한 정의는 뭘까요?
한승수: 디지털 환경이니까 사용자의 행동을 모두 추적할 수 있게 됐어요. 그 상황에서 클릭, CTR, 클릭률, 전환률 등을 측정할 기반을 갖추고, 측정된 데이터를 바탕으로 마케팅을 진행하는 거예요.
최: 그런데 다닌 기업이 빙글, 페이스북… 그 잘나가는 데를 왜 때려치운 겁니까?-_;;
한승수: 원래도 그로스 쪽 커리어가 있었어요. 그런데 페이스북을 지켜보니 페이스북 광고를 안 할 수가 없더라고요. 사람들은 이제 앱스토어에서 검색해서 설치하지 않아요. 스케일업을 위해서는 광고를 해야 해요. 거기에 데이터가 결정적인 도움을 주는 거죠. 기존에 데이터를 하던 입장에서는 마케팅이 가장 매력적인 분야가 된 거예요.
최: 그로스는 대체 뭘 성장시킨다는 건가요?
한승수: 그로스라고 해서 공식이 정해진 건 아니에요. 서비스, 비즈니스 모델에 따라 다를 것이고, 업종에서도 업체 따라 다를 거예요.
최: 적절한 예시는 없을까요?
한승수: 제가 처음 일한 회사가 미국의 온라인마케팅 인큐베이터 회사였어요. 하루에 메일을 몇십억 개씩 보내는 회사였는데, 거기에서 적용한 그로스 해킹은 우리가 이메일을 보내는 데 필요한 제한점이 무엇인지 찾는 거였어요. 구글이나 야후의 스팸 필터 작동 원리를 리버스 엔지니어링으로 뚫어야 했죠. 그러기 위해선 어떤 수치를 신경 써야 하는지, 어떤 테스팅을 해야 하는지, 결과는 어떻게 발전해나갈 건지 고민해야 했죠. 그 과정과 관점을 그로스라고 보면 될 것 같습니다.
최: 거기가 첫 직장이셨어요?
한승수: 그 전에 한 9개월은 뉴욕에서 트레이더 하고 그러다가 IT 쪽으로 옮겨왔죠.
최: 트레이더, 돈 잘 버셨나요?
한승수: 잘하면 대박, 못 하면 쪽박이었죠. 그래도 재미있었어요. 주저하지 않고 주식 사고파는 게 게임 같아서 좋아했는데, 데이터 기반의 일은 아니었죠. 그래서 회사를 옮기면서 본격적으로 데이터 관련 이력을 시작했어요.
최: 어떤 회사였나요?
한승수: 데이터를 활용하는 법에 있어서는 좋은 회사였죠. 데이터 센터도 있었고, 데이터 활용 방법을 꾸준히 연구했어요. 거기서 그로스 방법을 배웠죠. 지금은 자회사 하나가 나스닥에 상장하는 큰 회사가 됐다고 들었어요.
최: 뭘 배웠나요?
한승수: 데이터는 돈이 된다는 거예요. 사실 데이터가 돈이 된다는 건 어려운 관점이에요. 전 세계에서 데이터가 중요하다 하는데, 막상 데이터 기반으로 추가적인 비즈니스를 찾는 게 어렵거든요. 그런데 거기에서는 데이터를 통해서 어떻게 돈을 벌지 개념적으로 배웠죠.
최: 반대로 어려운 일은 없었어요?
한승수: 구글이 굉장히 똑똑한 기업이에요. 그래서 알고리즘이 계속 바뀌어요. 그래서 하루는 메일 스팸 필터가 바뀐 거예요. 그때만 해도 구글에서 하루에만 2만 불을 벌었는데 다음날 0원으로 떨어진 거죠. 다 스팸 필터로 들어가서 사람들이 이메일을 못 보게 되니까.
최: 허허…
한승수: 문제는 메일의 오픈율(Open rate)이었어요. 어떻게 하면 오픈율을 올릴 수 있을까? 고민 많이 했죠. 그러다 유저가 사이트에 들어오면 그 사람의 메일로 바로 메일을 보내기로 했어요. 웹사이트에 들어왔다는 건 지금 컴퓨터 켰다는 의미니까, 그때 메일을 보내면 우리의 이메일이 그 사람의 메일함 제일 위에 위치한다는 거예요. 그러면 다른 이메일보다 볼 확률이 높아지는 거죠. 그것으로 오픈율을 5%에서 30%까지 올렸어요.
디지털 광고의 성패, 페북&구글을 ‘어떻게 쓰느냐’에 달려 있다
최: 페이스북에는 언제 들어가신 거예요?
한승수: 한국에서는 처음에 빙글에 있었어요. 그러다 페이스북에서 연락이 와서 인터뷰를 진행했고, 그대로 입사했죠.
최: 거기서 뭐 재밌는 일 없었어요?
한승수: 페이스북에는 아주 많은 데이터가 있고, 처리할 수 있는 시스템도 엄청나요. 그렇게 큰 데이터를 처리할 기회를 가지는 게 사실 손에 꼽죠. 페이스북, 구글, 애플, 삼성 정도 아닐지? 잘 갖춰진 상태에서 어떻게 데이터를 활용하는지 볼 수 있었던 게 되게 좋았어요.
최: 페이스북은 그 자료를 어떻게 활용하나요? 다들 그냥 믿으라고 하던데. 믿으면 돈을 벌어다 줄 거라고.
한승수: 디지털 광고 생태계가 총체적으로 변했죠. 옛날에는 웹사이트의 디스플레이 광고를 프로그래매틱 기반으로 영업하는 회사도 많았고, 데이터 프로바이더 하는 회사도 많았는데 지금은 페이스북과 구글이 야금야금 먹었어요. 전 세계 디지털 광고 시작의 90% 정도를 먹죠. 그래서 예전에는 비딩 얼마 할 건지, 누구에게 타깃팅할 건지, 어떤 데이터를 쓸 건지 하나하나 고민해야 했는데, 지금은 페이스북이 유저를 다 들었죠. 그들이 뭘 좋아하는지까지 플랫폼이 다 알고요.
최: 결국 ‘페북이랑 구글을 얼마나 잘 쓰느냐’에 따라 디지털 광고의 성패가 달려 있군요.
한승수: 네, 하지만 비싼 광고비에 비해서는 데이터 기반의 검증이나 효율에 대한 검증이 완벽하게 진행되지 않은 것 같아요. 말하자면 과도기죠. 앞으로는 페이스북이나 구글이 어떻게 효율을 극대화할 것인지 고민하는 시간이 올 것이라 생각합니다.
최: 자동화는 알고리즘을 파악하는 동시에 나는 그걸 활용하기 위한 또 다른 알고리즘을 가져야만 가능한 거잖아요? 그러면 이 자동화 알고리즘은 계속 바뀌어야 하나요?
한승수: 글쎄요… 일단 자동화의 개념이 많이 다른 것 같아요. 이런저런 걸 시도해보는 게 자동화가 될 수도 있죠. 아니면 크리에이티브 영역에서 광고 소재를 빠르게 테스팅할 수도 있죠. 효율이 나쁘면 바로 끄고, 효율이 좋으면 광고 비용을 더 태울 수 있도록 도와주는 것에 대한 자동화 시도도 있겠죠.
사실 페이스북과 구글은 자기네한테 맡기라 그래요. 자기들이 유저에 대한 정보를 더 많이 꿰고, 머신러닝 등을 통해서 자신들이 더 잘한다 이거죠. 하지만 저는 그래도 100%를 플랫폼에 맡기기는 어렵다고 생각해요. 그 미흡한 부분에서 저희가 들어가서 최적화를 노리는 거죠.
최: 예시를 하나 들어주실 수 있나요?
한승수: 저희와 함께 일하는 클라이언트는 콘텐츠 마케팅을 계속했어요. 콘텐츠 몇천 개가 쌓여 있어요. 그런데 실제로 광고를 돌린 콘텐츠는 되게 제한적이었어요. 데이터로 결정한 게 아니라, 마케터 감으로 했던 거죠. 그걸 스케일업 하기 위해서는 기준점을 넘지 않으면 바로 끄고, 반대로 효율이 좋으면 비용을 더 쏟아야 해요. 가장 중요한 건 이 모든 절차가 빠른 시간 내에 이루어져야 한다는 거예요. 빠른 시간이 키포인트예요.
우리는 이런 부분을 자동화해요. 그래서 마케터분들이 집중해야 할 소재 전략이나 전달하고 싶은 메시지, 성장 전략에 포커스를 두고 일하시도록 도울 수 있죠.
최: 페이스북에서의 DCO가 말씀하신 개념과 그나마 유사한 것 같아요. 하지만 이게 맞는 건지 틀린 건지도 모르겠고…
한승수: 결국은 두 개의 시스템 속에서 우리가 페이스북을 어디까지 컨트롤할 수 있느냐, 그 문제인 것 같아요. 게다가 페이스북 말고도 구글, 네이버 등등 여러 가지 쓰시잖아요. 그런 멀티채널 환경에서는 페이스북에서 브랜드를 인식한 뒤 네이버에서 검색해서 검색 광고로 들어올 수도 있고 말이죠. 그렇게 혼잡한 각 채널의 기여도까지 생각하면, 저희가 고민해서 자동화한다 해도 결국 담당자의 판단이 들어갈 수밖에 없는 단계라고 보시면 될 겁니다.
페이스북, 구글 광고를 잘 쓰는 법: 자동화를 진행하라
최: 그러면 지금 파노믹스는 채널 믹스를 고려한 자동화를 하고 계신 거죠?
한승수: 네.
최: 수준 낮은 질문일 수도 있는데, 페이스북과 구글 광고는 어떻게 다르다고 생각하나요?
한승수: 음… 서비스마다 다르고 특성에 따라 다르지만, 전 페이스북에서 가장 파워풀한 게 리타깃팅 광고 같아요. 유저가 여러 웹사이트를 드나드는 과정을 추적하면서, 페이스북은 유저의 관심사를 구글보다도 면밀하게 파악한다고 생각해요.
반면에 구글은 비용적인 장점이 있어요. 디스플레이 광고 같은 경우는 페이스북이나 인스타그램 피드 광고보다 저렴할 거예요. 그러면 자연스럽게 비용 효율 대비 더 많은 사람들에게 노출할 수 있는 기회를 얻게 되겠죠.
최: 어떤 사이트에 들어갔다 나왔는데, 그다음부터 페이스북이든 구글이든 악착같이 보여주는 건 어떻게 하는 건가요?
한승수: 구글 태그와 페이스북 픽셀로 가능해진 거예요. 둘 다 웹사이트 안에 코드를 심어 놓은 거죠. 그래서 유저가 로그인하면 웹사이트 내의 코드가 페이스북으로 데이터를 보내게 돼요. 쿠키값, 디바이스 ID, 구글 광고 ID, 애플 광고 ID 등등이 여러 데이터를 보내는 거죠. 그러면 페이스북은 계속 따라다니면서 해당 값에 맞는 광고를 보여주는 거예요.
최: 잘 모르는 입장에서 페이스북 광고관리자에서 리타깃팅 설정하려니 정말 귀찮더군요. 일일이 다르게 해야 하는 데다 시간도 걸려서. 그런데 이걸 프로그램화 할 수 있는 거예요?
한승수: 지속적인 테스트가 필요하죠. 마케팅 퍼널 안에서 어디까지 자동화시킬지 사람마다 생각이 달라요. 그러면 기준을 정해야죠. 예를 들어 최근 90일 안에 장바구니에 담았던 사람들에게만 광고를 내보내자, 이런 식으로. 여러 가지 세팅을 진행해 봐야 해요. 이 단계가 예전에는 복잡했어요. 이메일 주소를 모아서 페이스북이나 구글에 올리고 광고를 진행했는데, 요새는 시스템이 더 나아져서 테스팅 환경만 조성하면 세팅이 간편해졌죠. 이후에는 테스트만 하면 돼요.
최: 유사 타깃, 맞춤 타깃 지정하는 것도 과거보다 덜 의존적이다?
한승수: 그것도 엑셀에 고객 데이터 담은 후 다시 업로드해야 했잖아요? 그런데 픽셀이나 태그가 잘 동작하면 굳이 그 작업을 할 필요가 없죠. 사용자가 왔다 갔다 하는 게 자동으로 저장되고, “최근 며칠 안에 페이스북 들어온 사람들만 광고 보여줘”라고 세팅하는 게 가능하니까요. 그래서 우리가 고민해야 하는 부분은 기술적인 부분보다는, 우리가 사용자들에게 얼마를 지불할까, 그 부분이에요. 그 지점을 테스팅이나 자동화를 통해서 보완한다고 보시면 돼요.
최: 페북이나 구글 광고를 잘 쓰기 위해 갖춰야 할 게 있나요?
한승수: 네, 있죠. 그런데 그 전에 어떤 데이터를 받아서 어떻게 분석할지 정해야 해요. 그러면 데이터를 받는 방법부터 고민해야 하죠. 가장 효과적이고 쉬운 방법은 페이스북 픽셀이나 구글 태그를 심는 거예요. 지금 디지털 광고 시장의 90%를 차지하는 부분이죠. 페이스북 말로는 픽셀 깔고 안 깔고에 따라 평균 300%(!) 정도의 효율 차이가 난다고 해요.
그런데 페이스북 광고 관리자에서 다 못 보는 부분이 있어요. 엑셀로 받는 것까지는 진행하는데 시각화를 진행하지 않는 분들도 있죠. 하지만 차트, 그래프 등 여러 시각화를 통해서 얻는 인사이트가 그냥 테이블로 보는 것보다 훨씬 커요. 그래서 데이터 사이언스 입장에서도 시각화에 많이 투자하고 배우죠. 이게 두 번째 단계, 데이터 분석 환경을 갖추는 게 되죠.
마지막으로 그 인사이트를 빠르게 적용해야 해요. 그 과정을 우리가 얼마나 빨리 진행하느냐, 조직적으로 할까 아니면 자동화를 통해서 구축할까? 이걸 고민해야 하죠.
최: 작은 기업은 분석 환경 갖추기 어려우니까 일단 픽셀부터 붙여보자고 생각할 수 있죠. 그러면 그다음 단계로 뭐가 있을까요?
한승수: 결국 데이터 분석 환경을 갖춰야 해요. 가져온 데이터를 데이터베이스로 구축하고, 요새 많은 시각화 툴을 연결해서 분석 환경을 갖춰야 해요.
최: 최대한 싸게 쓸 수 있는 게 페이스북 광고관리자와 구글 애널리틱스인가요?
한승수: 그렇죠. 첫 단계는 GA를 적용하는 게 맞죠. 그리고 요새는 사이트 말고도 여기저기 데이터가 많으니까, 한 번 더 데이터를 갖고 올 수 있다면 그것도 참고해서 데이터베이스를 구축하는 게 좋겠죠.
최: 그 부분이 어렵네요, 가져오고 구축한다는 개념이요. 페이스북 어트리뷰션이 그나마 비슷하게 하는 것 같은데, 픽셀 심으면 사람 쫓아다니면서 네이버 봤는지 구글 봤는지 인식해서 보여주는 것 같기도 하고 아닌 것 같기도 하고…
한승수: 두 가지가 있어요. 어트리뷰션 안에 들어가면 구글도 커넥트할 수 있고 기타 광고 프로그램도 다 연결할 수 있죠. 어느 정도 파트너십이 이루어진 거예요. 반면 네이버는 그렇지 않기 때문에, 클릭한 것만 퍼포먼스 마케터분들이 많이 쓴 UTM링크를 활용하죠.
최: DB를 구축한다고 할 때, 최소한 이 정도는 되어야지 DB라고 부를 수 있다, 뭐 이런 기준이 있을까요?
한승수: 최소라고 한다면, 통계학적 관점에서 접근해볼 수 있겠죠. 100명의 정보를 가졌다 쳐요. 보통은 100명 가지고 뭘 하겠어, 라고 생각하겠죠. 하지만 100명 중의 60명이라면 통계적으로 충분히 유의미할 거예요. 반대로 10,000명이 있다고 해도 유의미한 차이가 없을 수도 있죠. 데이터베이스는 기본적으로 데이터를 저장하는 곳이에요. 그곳의 최소값을 생각하기보다는, 어떤 데이터를 그 안에 저장할 것인지를 고민해야 해요. CRM 데이터도 있고 고객 데이터도 있고, 페북이나 GA에서 오는 광고 세트 레벨 데이터도 잡을 수 있을 거라고 예상하죠.
시각화 과정이 필요한 이유
최: 컨설팅은 어떤 스텝으로 접근해주세요? 처음엔 뭔 데이터가 필요한지를 먼저 정의를 하고, 그다음에 이걸 모을 수 있게끔 환경을 구축하고, 쌓이면 분석을 하고 이런 건가요?
한승수: 서비스마다 달라요. 서비스에 따라 어떤 데이터를 수집하는지부터 고민해요. 데이터 엔지니어링 관점에서 BM을 보고, 어떤 데이터가 우리에게 비즈니스적으로 많은 혜택을 가져다 둘지 제일 먼저 고민해요. 그 후에 수집을 자동화시킬 건지, 어떤 분석 환경을 구축할 것인지, 어떻게 최적화시킬 것인지 고민하죠.
최: 흐음…
한승수: 구체적으로 예시를 드리자면, 지금 시대에서는 사람들의 업무환경이 각각 달라요. 협업을 위해 구글 시트, 슬랙을 자주 쓰시죠. 그러면 그 환경은 그대로 두고, 그 안에서 데이터만 쏙 빼 오려고 해요. 페이스북에서도 가져와서 결국에는 합칠 거예요. 합친 후에 분석 환경을 조성한 후, 시각화를 통해 알아보기 쉽고 바로 최적화할 수 있는 환경을 구축한다고 생각하시면 될 것 같아요.
최: 요새 마지막 시각화 단계에서 타블루가 자주 쓰이나요?
한승수: BI(Business Intelligence Tool)이라는 게 있는데, 타블루는 거기에서 가장 많이 쓰인 툴이에요. 그게 비용적으로 좀 비싼 것 같아서, 저 개인적으로는 리대시(Redash)라는 서비스를 추천해요. 처음에는 오픈소스로 시작했고, 지금도 싼 건 월 5만 원에 사용 가능한 서비스예요. 유저 경험이 좀 어려워서, SQL을 통해 쿼리를 해서 시각화 데이터를 가져와야 하는데 SQL은 워낙 많은 분이 배우시니까… 스케일업을 위해서는 좋은 툴이라고 여기저기 이야기합니다.
최: ㅍㅍㅅㅅ는 어떤 데이터가 가장 중요하다고 보세요?
한승수: 두 가지가 있을 것 같아요. 하나는 광고 데이터죠. 강의 광고를 만들어 모객하려고 하면, 광고 소재도 여러 개를 만들겠죠. 그 소재들이 어떻게 효율을 보이는지, 광고를 보고 들어온 사람들이 전환에 성공하는지 트래킹이 진행되어야죠. 그 이후에는 이 사람들이 재구매를 하는지, 며칠 안에 강의를 끝내는지 체크해야 하고요.
최: 페이스북 광고관리자에서도 이것저것 확인하려고 하면 다운로드 후 합쳐야 하죠. 그런데 커머스, 페이스북, 구글 등의 로우 데이터를 받아서 합쳐서 연속적으로 볼 수 있다는 말씀이신가요?
한승수: 그렇죠. 시각화 툴까지 연결해서 자동화할 수 있어요. 그러면 툴에 들어가기만 해도 데이터가 업데이트되어 있죠. 아예 슬랙으로 아침 8시에 쏴달라고 할 수도 있어요. 그렇게 자동화가 가능한데, 매일 아침 다운로드 받아서 카피 앤 페이스트해서 엑셀에 갖다 붙이고… 이러면 절차가 너무 복잡해지죠. 반면에 API를 통해서 받으면 세그먼트를 더 고도화할 수 있기 때문에 좋은 거죠.
최: 로우 데이터가 크지 않다는 범위 안에서 시각화 구축 비용이 얼마나 들까요?
한승수: 최소 월 5만 원 정도면 가능할 것 같아요.
최: 엥, 그렇게 싸요?
한승수: 일단 페이스북이나 구글에서 데이터를 가져온다면 완전히 로우 데이터가 아니에요. 케바케긴 해도, 한 번 말아진 데이터를 가져오는 것이거든요. 그래서 비용적으로 크지는 않아요.
최: 그래도 예전에는 비용이 꽤 나갔던 것 같은데?
한승수: 그때는 데이터베이스 구축하고 어쩌구 하려면 비용이 컸죠. 그런데 AWS나 구글 등의 클라우드 환경에서 ‘데이터 레이크’라고 해서, 정말 저렴하게 데이터를 적재한 뒤 쓸 때에만 비용을 청구하는 서버리스 환경을 제공하거든요. 이전에 비해 1/100까지 비용 효율을 낼 수 있는 시대가 와서, 월 5만 원 정도만 충분히 쓸 만하다 볼 수 있습니다. 인건비를 제외하는 조건에서 시각화까지 더한다고 하면 월 10–20만 원까지 들 수도 있겠네요.
최: 어떤 강의를 진행하실 것인지요?
한승수: 제가 하는 일을 구체적으로 말하면 마케팅팀과 개발팀의 간극을 줄이는 거예요. 마케터분들이 데이터 쪽을 어려워하세요. 반대로 개발팀은 마케팅을 모르죠. 뭘 개발해줘야 하는지 몰라요. 그랬을 때 마케터분들이 뭘 요청해야 할지 알려주는 단계가 필요하다고 생각해요. “저는 지금 이런 환경을 구축하는 게 필요해요. 그러면 우리는 이런 걸 해낼 수 있어요”라고 전달하는 법을 알아야 한다는 거죠. 그러기 위해서는 페이스북과 구글 광고 시스템을 설명 드리고, 어떤 지표를 봐야 하는지 알려드리고, 개발자분들에게 어떤 데이터를 요구해야 하며 어떻게 시각화할지 말씀드리려고 합니다.
그리고 좀 더 나아가서는 개발팀의 도움 없이도 API를 통해서 페이스북 데이터를 가져올 수 있는지, 어떻게 데이터베이스 환경을 구축할 수 있는지 비전공자도 따라 할 수 있는 수업을 진행해 보려고 해요.
[한승수] 코알못도 할 수 있는 데이터가 흐르는 마케팅 환경 구축과 데이터 분석
왜 이 강의를 만들었나요?
마케터는 개발을 모르고, 개발자는 마케팅을 알기 어려워해요.
- Sean
이제는 마케팅과 그에 따른 고객의 행동 변화를 측정할 수 있는 시대입니다. 전환, 클릭, 등 마케팅에서도 데이터가 중요한 건 이제 모두가 알지만, 정작 마케팅을 위한 데이터를 분석하고 해석하기 위해서는 어떻게 해야 할지, 문송한 코알못 마케터는 답답하기만 합니다.
데이터를 받아서 분석하고 해석하기 위해서는 개발자분들에게 ‘이런 거 이런 거 필요해요’라고 설명할 수 있어야 하는데, 그것조차도 쉽지 않죠. 마케터는 개발자의 용어를 이해하기 어렵고, 개발자는 마케팅을 잘 모르니까요. 그래서 그 간격을 메우는 것이 필요합니다.
마케터분들이 개발팀에 “이런 거 필요해요, 그래서 이렇게 환경을 구축하면 우린 이런 것을 할 수 있어요”라는 것을 명확하게 얘기하고, 또 안되면 직접 해볼 수 있는 능력도 필요해요. 사실 마케팅에 필요한 데이터를 측정하는 건 그렇게 어려운 게 아닙니다. 어려운 영역이 아니고, 몰라서 못 하는 영역이거든요.
페이스북과 구글을 조금만 더 이해하고 몇 가지만 구체적으로 파악해 본다면 누구나 할 수 있는 것이 바로 마케팅 데이터 분석/해석입니다. 코딩도 약간 들어가지만, 비전공자도 충분히 따라 할 수 있는 마케팅과 엔지니어링을 함께 다루며 그 간극을 메꾸는 것이 이 강의가 만들어진 이유입니다. 그동안 답답하셨다면 이 강의를 통해 직접 따라 해보는 건 어떨까요?
강사 소개
페이스북 출신의 데이터 사이언티스트. 마케팅 데이터 전문가. 페이스북과 구글의 광고 플랫폼의 작동 원리를 알려주고, 마케터가 직접 따라 해보며 최적화를 달성할 수 있도록 만들어드립니다.
- 마케팅 자동화 기업 파노믹스 대표
- 전 페이스북 마케팅 사이언스
- 전 빙글 데이터 사이언티스트
- 전 Cogo Labs Quantitative Data Analyst
- 카네기멜론 대학교 통계학·경제학
누가 들으면 좋을까요?
- 데이터 기반의 마케팅을 하고 싶지만, 뭐부터 해야 할지 모르겠는 분
- 페이스북과 구글 광고 최적화를 더 잘해보고 싶으신 분
- 개발자팀에게서 마케팅 데이터를 받고 싶지만, 뭘 어떻게 요청해야 할지 답답한 분
- 개발팀의 도움 없이 직접 데이터 분석/해석을 하고 싶은 코알못 담당자
- 퍼포먼스 마케터로 성장하고 싶으신 분
커리큘럼
1. 마케팅 데이터 분석, 일단 뭐라도 해보자! (11/20)
- 디지털 마케팅과 데이터
- 머신러닝 플랫폼인 페이스북과 구글 광고 시스템의 이해
- 어떤 지표를 어떻게 봐야 하는지?: 이론 및 메트릭 이해
- 다양한 채널의 데이터를 한데 모아 직접 분석·해석해보기
- 개발자에게 요구하자 I: 마케팅 데이터 확보 방안 – 페이스북 픽셀 / 구글 애널리틱스 / 구글 태그 매니저 가이드
- 개발자에게 요구하자 II: 클라우드 서버 구축 및 마케팅 데이터 시각화 디자인 가이드
2. 개발자 없다? 답답해서 마케터가 직접 따라 하는 마케팅 데이터 엔지니어링 실습 (11/27)
- 페이스북 마케팅 API 연결을 위한 페이스북 앱 생성
- 페이스북 마케팅 API 연결 및 데이터 확보 파이썬 스크립트 실습
─ 마케팅 API를 통해 데이터 파이썬 스크립트로 불러오기
─ AWS S3로 데이터 보내기
─ AWS 아테나를 통해 데이터 테이블 구축 - 시각화 툴: 리대시 10초 만에 AWS 아테나와 연결
- 기본적인 쿼리를 통해 리대시에서 시각화까지!
강연 안내
- 날짜: 11월 20일, 27일(수)
- 시간: 19:30–22:00
- 장소: 위워크 삼성역 2호점(서울 강남구 테헤란로 518) 11층 EF 강의실
강의 전체 보기
강의 1:1 상담하기
강의 일정 보러 가기
- 실습 과정입니다. 필기구와 노트북을 반드시 지참해 주세요.
- 교안은 강의 후에 메일로 배포해드립니다.
- 주차 지원이 되지 않으며, 교통이 혼잡하오니 대중교통 이용을 권장합니다. (유료 주차, 시간당 6,000원, 무인정산기로 카드로만 결제 가능)
- 수료증 발급 가능합니다.
- 세금계산서 발급 가능합니다. 사업자등록증을 [email protected]로 보내주세요.
- 모든 강의는 부가세가 포함된 강의료입니다.
- 신청 시 적어준 휴대폰 번호로 강의 안내 문자를 보내드리니 꼭 문자를 확인해주세요. :^)
