💻 퍼포먼스 마케팅 수업 7회차 | 광고 소재 제작

캠페인 목표 설정 및 타겟팅, 예산 분배 등 광고 셋팅 실습

► 이번 회차는 광고 및 마케팅 집행 시 이뤄지는 비용 및 전환에 관한 용어를 배웠다

📌 CPM : 1000회 노출 당 비용 ( 총 광고비 / 노출 수 ) × 1000 📌 CPC : 클릭 당 비용 ( 총 광고비 / 클릭 수 ) 📌 CTR : 클릭율 ( 클릭 수 / 노출 수 ) × 100 📌 CPA : 전환 당 비용 ( 총 광고비 / 전환 수 ) 📌 CVR : 전환율 ( 전환 수 / 클릭 수 ) × 100 📌 CAC : 고객 획득 비용 ( 총 마케팅+세일즈 비용 / 신규 고객 수 )

📍 ROI(Return on Investment) : 투자 대비 수익률 = 거시적 접근 방식이며 장기적인 전략 계획

ex) 한 헬스장에서 광고비 100만원 + 운영비 150만원을 쓰고 매출 총 300만원이라고 하면 순수익은 50만원이다 = 매출(번 돈 그 자체) - (광고비+운영비(모든 쓴 비용)) = 순수익

𝑅𝑂𝐼 공식 𝑅𝑂𝐼 =(순수익÷총비용)×100 𝑅𝑂𝐼=(50÷250)×100=20 (0.2×100=20) 순수익: 50만 원 총비용: 250만 원

𝑅𝑂𝐼는** 이익(50만 원)이 아닌, **이익률을 계산 = 위 상황 같은 경우, 𝑅𝑂𝐼 20%

📍 ROAS(Return on Ad Spend) : 광고비 대비 매출액 단기 전술에 사용되는 미시적 접근 방식

ex) 한 헬스장에서 광고비 100만원을 썼고 매출 총 300만원을 벌었다

𝑅𝑂𝐴𝑆 공식 𝑅𝑂𝐴𝑆 =(매출÷광고비)×100 𝑅𝑂𝐴𝑆=(300÷100)×100=300 (3.0×100=300) 매출 : 300만원 광고비 : 100만원

= 위 상황 같은 경우, 𝑅𝑂𝐴𝑆 300% = 광고비 만원 당 3만원의 매출, 즉 300% 효율을 낸 것

𝑅𝑂𝐼 = 전체 비용을 기준으로 "내가 투자한 비용 대비 얼마나 남겼냐?" 𝑅𝑂𝐴𝑆 = 광고비 기준으로 매출의 몇 배를 벌었는지 𝑅𝑂𝐼가 낮다고 해서 성과가 나쁜 게 아니라 그냥 비용이 많이 들었을 뿐

🤔 그렇다면 ROI가 ROAS보다 높을 수도 있는지?

• 이는 특정 조건에서만 적용됨 ! ROI가 ROAS보다 높으려면 광고비가 총 비용의 대부분을 차지하거나 광고비를 제외한 다른 기타 비용이 거의 없는 경우

  ex) 기타 비용이 거의 없는 경우 광고비 : 100만원 운영비(기타 비용) : 10만원 매출 : 300만원

  ROAS =(매출÷광고비)×100 =(300÷100)×100= 300% (3.0×100=300) 𝑅𝑂𝐼 =(순수익÷총비용)×100 𝑅𝑂𝐼=(190÷110)×100= 172.7% (1.727×100=172.7)

✅ ROAS보다 ROI가 더 높기 힘든 이유

1️⃣ 광고비만 매출의 기준이 되는 ROAS는 매출 자체를 기준으로 계산하므로 ROI보다 높게 나온다. 대개 사업에는 광고비 외에도 운영비, 인건비 등 기타 비용이 많기 때문에 이런 추가 비용들이 들어가면 ROI가 자연스럽게 낮아진다 그래서 일반적인 경우에는 ROAS > ROI가 된다

2️⃣ ROI가 더 높을 가능성이 있는 경우는 총 비용의 대부분이 광고비이거나 그 외 비용이 극히 적거나 드라마틱한 이익이 생겨야만 가능

CPM, CTR, CPC 등 광고 집행하는데 사용되는 모든 지표의 비용은 낮을 수록 좋다 당연함 저비용으로 고효율을 내야하기 때문에

📍 Retention : 재구매율 = 쿠팡 / 광고 없이 소비자들이 좋은 구매 경로라고 생각되어 유저가 꾸준히 늘어나는 기업 📍 Bounce Rate : 이탈률 = 테무 / 제품의 퀄리티에 실망하는 경우가 많아 소비자의 이탈률이 높은 기업 📍 LTV (Lifetime Value) : 고객 생애 가치 = 애플 / 한 번 아이폰 쓴 사람은 계속해서 애플 제품을 구매하는 충성 고객이 많은 기업

• LTV는 고객이 기업과 관계를 유지하는동안 회사에 제공하는 가치의 총액 = 소비자 한 명이 기업에게 죽을 때까지 쓰는 돈 (극단적이지만 ㅜ) 이는 기업이 고객의 장기적인 가치를 이해하고 고객 충성도를 높이기 위한 전략을 개발하는 데 도움된다

• Retention과 Bounce Rate의 경우는 상품 자체의 경쟁력과 밀접하다 강사님께서 예시로 쿠팡과 테무를 비교해주셨는데 쿠팡은 계속해서 충성고객이 늘고, 테무는 제품 자체 퀄리티로 인해 충성고객보단 신규회원들만 늘어나 소비자의 지속적인 구매 활동이 이뤄지지 않고 있다.

👩🏻‍💻 마케터의 평생 지표

소비자의 이탈을 최소화하고 소비자의 재구매율을 늘리고 소비자의 LTV 지속 가능성을 살펴보기

앞서 비용에 관한 지표도 배웠지만 위가 마케팅의 최종 목표이다. 이를 항상 목표로 기억해두고 잊지 않도록 ✨

💻 퍼포먼스 마케팅 수업 6회차 | 광고 소재 제작(2)

광고 목표 설정 및 소재 기획, 제작 실습

광고 집행 시 매체 선택 후, 광고를 기획 제작 후 -> 셋팅으로 이어지는데

/

meta를 집행하고 싶다면 1️⃣ 페이스북 비즈니스 계정 먼저 만들기 2️⃣ 광고를 띄울 페이지도 만들어주고 3️⃣ 여기서 제일 중요 → 🔥 신규 가입 시 주의사항 🔥 Step 1. 광고를 진행할 페이스북 페이지에 인스타그램 연동을 진행해주시고 게시글을 꼭 1일 1피드 업로드 Step 2. 개인 페이스북 페이지 계정은 본인 프사 등록 후 게시글 1일 1피드업 아무 내용도 좋습니다. 페이스북 활동(댓글, 좋아요) 을 꼭 해주세요 유령 계정으로 간주되지 않게 최소 2주간은 활동 비활 걸린 후 신분 인증으로 활성이 풀리는 경우도 있지만(제가 그랬다면 믿으시시겠어요?) 영구 정지시키는 경우도 발생하기 때문에 초반 활동 작업이 매우 중요합니다! 4️⃣ 이후 비즈니스 계정 어쩌구는 입사하면 설정되어 있음(???)

✅ 메타 광고 매칭 경매 형식 : 빠르게 광고 성과 / 효율관리 (도달 및 빈도)예약 형식 : 계획적으로 광고 노출

경매의 경우, 아래 3가지 모두 충족해야 낙찰 입찰가 | 추상 행동률 | 광고 품질(선정성 등)

광고 품질 상세 참고 https://www.facebook.com/business/help/436113280262012?id=561906377587030

✅ 메타 ASC 캠페인 vs 수동 캠페인

수동 캠페인의 경우 비즈니스 로직과 인사이트에 기반한 마케팅 ASC(어드밴티지+쇼핑)캠페인의 경우 ML기반으로 픽셀 데이터 + 기존 광고 데이터 기반 타겟팅이라 효율적으로 관리해준다 하지만 머신러닝 설정이 모두 성과 보장이 되진 않아(픽셀 데이터 보장 및 세세한 타겟팅 불가) 때에 따라 휴먼터치 혹은 수동으로 설정하는 것이 효율적

예시로 GA4의 경우 소비자의 행동을 추적하는 - 트래픽코드; 추적코드라하지만 meta의 경우 소비자의 행동을 추적하는 - 픽셀이라 부른다 개념은 픽셀을 심어놓고=추적 코드 심기 광고 집행부터 캠페인 종료 시까지 성과가 추적되며 이후 광고 개선 및 피드백에도 도움이 된다

|

6회차까지 셋팅을 배워보았는데요 2시간이 너무 짧았습니다.. 메타는 처음 접해보아서 뭐가 뭔지 잘 모르겠고 페이스북 정지까지 당해서.. 아놔어이업내 아직 잘 모르지만 셋팅 순서라든지 용어까진 알아놨으니 나중에 더 공부하면 되겠죠 !

☘️

💻 퍼포먼스 마케팅 수업 5회차 | 광고 소재 제작

광고 목표 설정 및 소재 기획, 제작 실습

✅ 숙제 피그마 디자인 - 인스타 피드형 광고 이미지 5장

피드백 폰으로 볼 때 너무 작아서 제품명도 안 보인다 '정제수 대신 병풀을 넣은', '고기능성 보습 앰플' 위 문구는 소비자 언어로 더 쉽게 써라 제일 적합한 모델 사진은 2번째 (제품을 바르는 사진이라 눈으로 확인 가능) '홈케어 솔루션 오렌지통'이란 '오렌지통' 별명 잘 붙였다

내 생각 사실 나는 뷰티 관련 제품 중 로션이나 크림도 아닌 앰플이나 세럼, 에센스류로 넘어간다면 웬만한 뷰티 지식은 있는 소비자라고 생각되어 병풀이나 정제수 정도의 성분은 알 줄 알고 워딩으로 넣었다

😲 이미지 광고 중 하고 싶은 말이 많아지면 강조하고 싶은 것만 색깔을 입히자 집에서 잡내 걱정없이 간편하게 등등 소비자는 색깔을 중심으로 읽게됨

이것보다 하고 싶은 말이 많아지면 차라리 영상 광고를 만드는 게 효과적이다

리뷰형 광고는 어떤 행동을 따라하고 싶은가 지금 꼭 사야하는 혜택이 보여지는가?

✅ 잘 팔리는 영상

이미지 <<<<< 영상 (카피 오디오 이미지 디자인 비디오 +반응까지) 지하철이나 버스는 광고 소리가 나지 않는다 ㄴ 교통 수단에서 불쾌감을 조성 하지 않기 위해 소리없이 제작 영화관은 소리나 광고가 꽤 긴데 이는 매체 특성이 고려됨 ㄴ 한 장소에 집중되는 곳에 와있기 때문에 광고 몰입력이 상당히 큼

✅ 이미지 광고 ⟷ 영상광고

이미지는 의도장치가 1개 영상광고는 의도장치가 계속해서 늘어난다 = 의도장치가 많을수록 구매 확률이 높아짐

✅ 의도장치에 밈을 담기 = 영상광고에 효과음 넣기 ex) 컨디션 등 피로 회복제 광고 집행 시 모델은 꼭 직장인 피곤의 밈(대명사)은 직장인이기 때문에 피곤한 직장인과 대비되도록 ⟷ 쾌활한 *직장인의 모습도 필요 *영상광고가 지루하다면 모션을 넣어주기

광고 이렇게 만들어야됨

++ 외국 광고 규제 우리나라는 틈만 나면 광고에서 손가락 치켜세우며 "너 여태까지 이랬어?", "너 이거보고 따라해봐" 등등 시청자를 지목하며 행동을 유발시키는데 외국에선 엄격히 이 행동을 규제한다고 한다.... 기사나 아티클을 찾고 싶었지만 안 나와서 더 찾아볼 예정 -"-

이날은 온라인 영상광고에 관해 배우고 광고 컷편집 등 영상 편집에 대해 배웠는데용.... 흠.... 이걸 과연 퍼포마가 배우는 게 의미가 있을까요 광고 셋팅 툴이나 어떤 전략을 세팅에 써야 효과적인지 그런 걸 알고 싶었어요 저는..... ㅜ

💻 퍼포먼스 마케팅 수업 4회차 | 상세페이지 제작

✅ 숙제 선정한 상품의 별명 만들기 : 홈케어템 / 저자극앰플 / 홈케어솔루션 / 오렌지통 키워드 정리하기 : 홈케어솔루션 / 피부과 시너지 앰플 / 저자극 인증 완료 앰플 / 프리미엄 셀프케어 이미지를 상상하기 : 약간 피부과처럼 침대에 누워서 앰플 바르는 st

페르소나 생성 후 만든 별명을 브랜드와 고객이 좋아할까 (브랜드와 mood가 맞는 별명일지?) *별명이 광고주의 추구미와 맞을지도 생각하기 *

► 😎 강사님 인사이트썰 ep.2

*돌쇠네 농산물 *에서 고추 팔기 🌶️ 한식에 모든 음식엔 고추가 들어가는데 공홈에서 고추를 팔지 않길래, 상세페이지 등 이쁘게 만들어놨는데 결재 보고 때 혼났다

혼난 이유는 ?? 고추는 채소 중 마진이 제일 남지 않아 << 사전조사 부족 온라인 판매가 잘 이뤄지지 않을 뿐더러, 보기 좋은 이쁜 상품이 아니다 오히려 보기 이쁜 음식 = 채소보단 과일이 잘 팔린다

✅ 소구점 췍 소구점을 잘 잡아야 마인드맵처럼 퍼진다 광고를 집행하는 이유를 명확히 사전에 정의할 것 ㄴ 재고 정리 때문에 진행하는지? 신생브랜드라 인지도를 위한 것인지? ㄴ 설정한 페르소나가 우리만의 페르소나가 맞는지? 경쟁사에게도 해당되는 페르소나인지 꼭 확인 할 것

✅ USP 전략 (Unique Selling Point)

like 소개팅처럼 소개를 시켜줄 때 상대방의 매력점을 친구에게 소구한다 = 가격 경쟁력 혹은 제품 경쟁력 등 자사가 타사보다 내세울 수 있는 것들을 내세우는 것 혹은 타사도 가지고 있지만, 타사가 말하지 않은 것을 먼저 말하는 것도 USP에 해당된다

like 60계 치킨 🍗 60마리만 튀기고 기름을 바꾼다는 슬로건으로 홍보 전략을 짜서 성공했지만 이는 대개 치킨집들도 그 정도 튀기면 기름을 바꾼다 이 사실을 모르는 소비자들에게 충분히 소구되는 점

✅ 수단과 방법을 가리지 않고 제품과 서비스에 몰두하기 경쟁사보다 어필이 되게 하라 면접 상황의 경우 : 똑같이 정장을 요구하지만 -> 빨간양말 신기 ㄴ 양말은 제한이 없었으니까

► 만일 비누를 판다면 ►►4인가족에겐 애기옷을 빨래할 수 있는 순한 비누 ►►20대 직장인에겐 피부타입 별로 쓸 수 있는 비누

동구밭 공식 쇼핑몰 https://www.donggubat.co.kr/goods/goods_list.php?cateCd=001001

✅ 타겟에 따라 바뀌는 USP ** = **고객이 광고에서 기억해야할 핵심 = 원메시지 ex) 에스티로더 갈색병, 테라브레스 가글 딸의 입냄새 문제를 해결하기 위해 아빠가 개발한 구강청결제 ㄴ 소비자가 상상할 수 있게끔 하고 브랜드의 추구미를 어필할 것 도저히 찾기 힘든 소구 표현방법은 와디즈 참고

(진짜 팔기 위해서 말을 잘한다.. 설득이 너무 잘돼서 광고천재들만 모인 거 같음, 그치만 아웃풋이 좋아야할 거 같다 광고주 제품을 팔기 위해서 제작 과정까지 알아야 상세페이지 제작 가능)

🧐 이미지 광고 <<<<<<< 영상 광고 압승

그 전에 우선 자사를 왜 이용할까를 추적하라 -> 우리가 설정한 타겟이 너무 좁은지? 넓은지 추론할 것 -> 소비자가 돈 + 시간 + 정보를 찾아가는 힘까지 주면서 왜 구매하나 추론 -> 소비자의 결핍을 자사가 해결이 가능한지에 대해 생각

이미지 광고에서 코멘트가 많아지면 광고 피로도가 높아진다 영상 광고는 이미지 광고에서 1개만 소구해야 했던 걸 더 많이 많이 말할 수 있다 더 많이 많이 보여줄 수도 있고

👅 제품군 중 음식의 경우는 그냥 맛있어보이면 팔린다 대신 여러번 보여줘야 소비자에게 각인이 되고 한 개를 보여주기 보단 같은 음식을 여러 개 들고 있어야한다 ex) 낱개 포장된 떡같은 경우 손에 한 개를 들기 보단 크기 또는 촉감을 가늠할 수 있도록 서너개를 들고 있자

학교에서 배웠던 거... 대개 광고주 제품은 이성적 저관여 제품 아니면 감성적 고관여 제품일 텐데 의도 장치가 많을 수록 소비자의 구매 확률이 높아진다 의도 장치란

위 핑크색으로 체크된 게 모두 의도 장치다 즉 소비자에게 혜택이 될만한 모든 것이 의도 장치 !!!

✅ 광고 콘텐츠 제작 시 제일 중요한 건 가독성 | 가시성 | 연관성

이미지에서 보여야하는 4️⃣가지 요소

1. 캐릭터 - ex) 차량용 방향제 광고 - 차에 타있는 커플
2. 장소 - ex) 차 안
3. 상황 ex) 여자친구가 조수석에 타면서 향기 너무 좋다 ~ 하는 상황 연출
4. 행동유도 ex) 본 페이지의 혜택을 유도하기 해당 사이트에서 구매 시, 얼마 할인 혹은 1+1 친구 하나 나 하나 / @@ 차 냄새 나는 친구 태그하자 = 보는 소비자에게 행동을 유도하게 되면서 이탈을 막는다

💻 퍼포먼스 마케팅 수업 3회차 | 마케팅의 이해

► 클릭해본 광고 캡쳐하기

저는 유투브는 자주 안 봐서 카톡 비즈보드나 인스타 스토리 광고를 자주 접하는 편인데 대개 화장품이나 옷! 관심있던 브랜드에서 세일할 때 본 걸 캡쳐해보았어요

► 광고 캡쳐해오라고 한 이유 ▷ 광고의 의도대로 행동했는지 알기 위해

▷ ex) 게임광고 중 누가봐도 못 하거나 가난한 엄마와 아이 캐릭터를 내세우는 등 보는 이를 자극하게 하는 것 = 의도대로 자극되어 광고를 한 번 보게 하는 것

😎 강사님 인사이트썰 ep.1

1️⃣ 셀프 눈썹 염색 광고 지금처럼 눈썹 염색이 흔하지 않고, 눈썹 문신이 유행일 때 들어온 광고 눈썹 염색을 왜 할까부터 생각을 시작 🌟이탈 되지 않도록 광고 첫 시작에 답을 알려주기🌟 아침에 화장하기 귀찮은 직장인을 타겟으로 "아침에 더 여유롭게" 신규 진입인만큼 인플루언서에게 광고를 돌리고, 인플루언서 해당 광고 협찬 영상으로 돌려막기
2️⃣ 스포츠 뷰티 브랜드 젝시믹스같은 브랜드가 되고 싶었던 클라이언트의 니즈 저렴이라는 점은 내세우지 않고 감성적인 무드가 있는 브랜딩 원했음 상세페이지 등 공홈의 디자인을 신경쓰고 광고모델 또한 외국인으로 촬영함 모델을 한국인으로 썼을 때보다 외국인으로 촬영해야 다 전문적이고, 값어치가 나가보이며 더 핏이 좋음 = 소비자에게 전이효과를 일으킴

💥 광고업계에서 밈이란?

흔히 쓰이는 인터넷 밈(Internet meme)의 뜻(나 안아...)이 아닌, 밈(meme) : 한 사람이나 집단에게서 다른 지성으로 생각 혹은 믿음이 전달될 때 전달되는 모방 가능한 사회적 단위를 총칭

잘된 밈 = 기획 : 의심이나 상상없이 무의식처럼 떠오르는 것 ex) 스틱형 화장품 = 가히밤 이후 우후죽순으로 밤 형식의 카피품이 생김

밈처럼 광고 속 글에서 소비자가 느껴져야하는 것은 캐릭터, 상황, 장소, 행동유도 ex) 차량용 방향제 - 커플 소구

💥 소비자에게 소구가 되기 위해선 첫째는 데이터분석, 둘째는 프로파일링 (마치라잌 내 졸작)

웨딩박람회의 경우 아예 공홈에서 개인정보를 먼저 받는다 대신 개인정보⇄상품권 맞바꿔지는 식 웨딩박람회란 웨딩홀투어부터 예약까지 진행 되는 등 결혼식에 필요한 업체들이 홍보하며 할인까지 해주는 방식인데 웨딩 관련 업체에서 그냥 할인해준다고 하면 맥락(이유)이 없기 때문에 소비자는 의심하게 된다 그렇기 때문에 쉽게 말해 웨딩박람회라는 핑계를 만들어서 할인을 이어서 해준다

🧐 오늘의 실습 -프로파일링 좇아보기

우리는 무엇을 제공하는가? 언나트 엑소좀 앰플 / 피부과 대신 집에서 쉽게 쓰는 홈케어 앰플 우리가 필요한 것을 가지고 있는 사람은 누구인가? 이름 - 문혜지 나이 - 1994년생, 만 30세 성별 - 여성 키, 체중, 체형 - 163/54/특별하지 않은 짧뚱체형 MBTI - ENFP 건강 상태 - 큰병은 없지만, 술배 있음 직업 - 콜센터 직원 학력 및 전문 지식 - 지방대 한의예학과 졸업(전공살릴 생각 없음, 간신히 졸업함) 경력 - 20대 초중반 아르바이트로 연맹하다, 햇수로 2년 째 12 to 9 콜센터 근무 중 교우관계 - 술친구 많음 거주 지역 - @@동 자취 근무 지역 - @@지구 최근의 가장 큰 고민 - 이직 및 결혼 가족 구성 - 엄마, 아빠, 여동생 사회적 지위 - 중산층 가구 구매 스타일 (충동구매형, 계획구매형) - 충동구매, 빚 500 있음 하루 일과 (30분 단위로 상상할 것) 12시 출근이라 9시 30분에 일어나서 배민으로 갈비탕 해장하고 11시까지 뻐기다가 머리감고 세수만 하고 메가커피 사들고 정시출근 상담하다가 감정쓰레기통 되고 화 삭히다가 콜 안 들어오면 웹서핑함 5시에 저녁 먹고 스토리에 친친으로 진상썰 풀다가 친구 연락와서 @@에서 9시 반까지 만나기로 함 7시까지 웹서핑 겸 몰폰 겸 콜 이어서 함 8시부터 콜 없어서 스멀스멀 화장 시작함 화장이 잘 안 먹어서 아까 웹서핑하다 본 앰플 네이버 GFA 광고 생각하면서 화장 중 퇴근하고 친구 만나서 최근에 화장품 뭐 샀는지 공유, 남자 얘기하고 결혼 얘기하고 어쩌구 술 먹다 4시에 집 들어와서 화장도 안 지우고 바로 뻗음 살면서 겪었을 가장 드라마틱한 이벤트 결혼까지 생각한 전전남친이 환승이별함 그 사람이 우리 서비스를 사용한 결정적인 이유는 무엇인가? 술 먹고 자기 전에 화장 안 지워서 모공 커지고 피부결이 안 좋아짐 피부과가기엔 돈 아깝고, 백화점 입점 브랜드는 너무 비싸서 비교적 싼 가격으로 피부과에서 얘기할만한 좋은 성분이랑 자기 전 피부 컨디션 극대화해주는 제품이라서

✅ 피드백

12시부터 9시 근무라 피부과에 갈 시간이 없는 사람 이걸 후킹하기 후킹 참고 https://m.blog.naver.com/seohyun_co/222996245852

그외 피드백 식품 오란다 : 유행템에 오란다 끼얹기 / 엽떡+짜장면 조합처럼 억지 조합만들기 식품 편육 족발 : 설명란에 계속해서 '10초 간편' 워딩 붙이기 = 밈화(이것은 갈비인가 통닭인가 재질로다가)

💻 퍼포먼스 마케팅 수업 2회차 - 비즈니스의 이해

광고는 ✨ 번지르르한 타이포 그래피보단 초점이 확실한 사진 +영상에 담긴 디테일 +카피의 진정성 ex) 히알루론산 성분(판매자 중심 언어) → 수분 충전(구매자 중심 언어) +BGM의 mood ex) 제품의 분위기에 맞춰 노래 분위기도 선정

안다르 메인 홈페이지 카테고리를 보면 주력으로 내세우는 카테고리는 현란한 효과 없이 상단에 빨간색 동그라미 생성

퍼포먼스 마케터란 시간과 돈을 잘 쓰는 마케터 = 비용대비 고효율

광고 미팅 절차 → 사전조사+마케팅 전략 설계 → 광고주 니즈 파악(인지도인지 매출인지) → 콘텐츠 제작(구린 거 하기 싫어도 까라면 까라) → 광고 집행 → 데이터분석 모니터링(실시간 반응 확인) → 개선

✅ 비즈보드 광고 소재 만들기 카카오 모먼트 - 비즈보드

위와 같은 형태로 비즈보드 실습해보기 |

소재규칙 -메인매니저 전략대로 만들기-

1. 정확히 테스트하려는 전략 구성 짜기 (광고타겟, 매체특성(카카오톡인지, 네이버인지), 노출지면(어느 위치에 광고를 넣을 것인지))
2. 테스트 하려는 소재 소구점 ABC 그룹화 명확하게 짜기

[소재 체크리스트] 1. 타겟에 맞는 카피 (테스트 소구점) 2. 브랜드 무드에 맞는 카피 (니즈에 안맞는 것 X) 3. 소구점을 강조하는 사진 4. 혜택 (차별점) *절대금지 -오타 -선정성

** 1. 소비자가 모르는 단어가 있는가? 2. 눈으로 봤을 때 식감, 향, 맛을 느낄 수 있는가? 3. 타 업체 제품과 다른 차별점이 있는가? 4. 혜택이 있는가? 5. 비주얼 적으로 눈에 띄는가? 6. 진부한 광고 같은가? 7. 광고물 = 너무 인조적인 디자인 지양 / 소비자 언어로 바꾸기**

광고 제품으로는

1) 아르기닌 가루형 2) 편육족발 3) 엑소좀 앰플 저는 3번으로 선정 !

** 3가지 제품군 중에 뷰티를 고른 이유는** 제일 관심있고, 제일 많이 봤고, 제일 잘 파악되기 때문에

사전조사 → 신생 브랜드라 공홈에서만 판매 중이라 공홈 리뷰를 본 결과, 30대와 40대 여성이 많다는 걸 알았고 공홈 상세페이지에서 피부과 강조와 피부과에서 말할 만한 좋은 성분을 이야기 하고 있어 피부과 라는 워딩을 사용하기로

메인 문구 : 피부과 갈 시간도 없는 직장인 주목!! 서브 문구 : 피부과 시술 받은 것처럼 바르고 자고 일어나면 끝 뱃지 : 언나트의 멤버가 되어보세요 = 언나트 공홈 - 신규회원 가입유도 슬로건

_피드백 → 피부과 갈 시간이 없는 직장인 타겟 선정 나이스 주목 등 타겟을 부르는 카피는 의료관련 마케팅으로 자주 쓰이는 기법 ex) 뫄뫄 사는 30대 여성 라미네이트 하실 분 찾아요_

사실 카피라이팅은 학교 다닐 때 많이 했던 거라 하는데 어려움은 없었지만 매체가 달라지면서 워딩 유행이 달라져서 많이 배웠다 !! ☘️☘️

내배캠 수료하고 저는.. 일주일은 놀고 주말에 시간 뺏기는게 너무 화나서 다니던 헬스장 관두고 다시 새로운 헬스장에서 평일 오전 근무를 하고 있서요 어차피 공부하려면 오전에 정신 좀 차리고 싶어서 오전 7시부터 11시까지 근무라 새벽 5시 40분 강제 미라클 모닝 중이에요 살려주세요

통계학 공부하고 GA4 강의 듣고

그제 일요일에 드디어 셤 봤답니다 ! 결과는 아무도 모르구요

그리고 방금 면허 땄어요 !!!! 고삼 때 땄어야 했는데 이걸 6년을 미뤘네 ..,,,

필기1/장내2/도로2 해서 합격했내요 ㅎㅎ 인간실격 짐승합격 면했음

그리고 저번주부터 좋은 기회로 퍼포먼스 마케터 강의를 듣게되었어요

분석하는 법은 당연히 마스터 못했지만 얼추 하는 방법은 알게됐으니 광고 셋팅하는 법을 알고 싶었어요 !!! 정말 운 좋게도 제 인스타 알고리즘에 퍼포마 수업 홍보하는 게 떠서 신청했는데 붙었답니다 ㅎㅎ

그래서 수업들은 내용을 좀 요약해서 포스팅해보려해요 수업 때 개인 노트북 지참이라 하셨는데 왠지 타이핑 소리가 너무 거슬려서 그냥 저는.... 노트에 수기로 썼어요 (할멈 카디비 손톱이라 타이핑하기 눈치 보임)

💻 퍼포먼스 마케팅 수업 1회차 - OT

첫 시간은 '아토모스' 라는 퍼포먼스 마케팅 회사의 대표님이 와주셨어요 ! 대표님께서 간단하게 마케팅이란 무엇인지 그 중에 퍼포먼스 마케팅이 무엇인지 이 마케팅 생태계가 어떤지 등 알려주셨는데요 기억나는대로 적어볼게요

🧐 순수예술과 엔터테이너의 차이

: 돈이 되냐 안 되는냐 : 내가 좋아하는 것 좀 봐주세요 vs 너네가 좋아하는 거 했어 이거 봐 = 길거리 행위 예술가와 뉴진스를 비교해보면 쉽겠죠 ?!

마케팅이란❓

엔터테이너처럼 자사는 광고주가 원하는 걸 알아채야하고 광고주의 니즈를 성과(= 돈값했냐)로써 증명해야하죠

라떼는 vs 아 제 친구들 다 이렇게 해요 요즘 마케팅

시대에 따라 상황도 변한다. 라떼는 TVC가 전부였어~ 광고 하나 집행하려면 모델 부르고~ 옷입히기 했다고~ 그때는 맞고 지금은 틀리다. 물건이고 서비스고 전부 디지털로 넘어왔다 meta 집행 시, 광고를 매체에 올리는 게 천원이라도 가능하다 그렇기 때문에 당연히 티비 광고 집행 <<<< 디지털 광고 집행

알고 있지만... 마음이 아팠다.. 내 유년시절 꿈은 잡지사 에디터가 되는 것이었다 하우에버, 광홍 입학 후 처음 배운 게 광고비 매체 현황이었다 제일 메이저였던 쎄씨마저 폐간하고 잡지사에 광고비가 줄어드는 걸 보면서 난 꺾였다.

실은 거즘 대학동안 브랜딩 마케터가 하는 일을 배운 것과 다를 바가 없다 졸업하고 취업하면 이런 일을 하겠지 싶었는데... 라고 하기엔 나는 너무 작고 소중했고... tvc를 집행할만큼 큰 회사는 광주에 없다...ㅠ

이걸 깨닫기까지 오래 걸림 ㅠ 졸업만 애타게 기다리느라 현실적인 생각을 못했는데 이걸 이번년도에 깨닫고나서야 데이터분석에 대해 배우고 방향을 아예 틀었다.

😧 틱톡이 생태계를 망쳤다?

몰랐는데 틱톡이 2018년에 한국에 들어왔네요 틱톡의 인기가 상승세가 되는데는 UX/UI가 한 몫 했습니다 사람들은 핸드폰을 볼 때 한 손만 쓰거든요 그래요 물론 두 손도 쓰지만 문자 보낼 때 아니면 뭐 한 손 쓰시잖아요? 이게 한 몫 했대요

틱톡이 등장하기 전, 인스타그램에 동영상 자주 안 올리셨잖아요 그리고 인스타그램 UI는 처음에 딱 한 장만 보이고 더 보려면 손가락을 옆으로 움직이고 또 다른 거 보려면 아래로 내려야되잖아요 근데 틱톡은 그냥 위아래로 올렸다 내렸다가 끝인 거예요

ㄱㄴrㄴi..? ㅠ 이제 저 하트 자리에 릴스칸이 생기고 가운데는 포스팅 버튼 !

그래서 틱톡은 이용자들의 시청 시간이 길어지면서 MAU 등 증가하게 되고 광고비가 늘기 때문에 유튜브와 인스타그램이 질세라 숏츠와 릴스를 도입하게 된 것.... 약간 수업들으면서 와 개쩐다 싶었음

실제로 인스타그램에 릴스가 도입되면서 피드 이용은 40% 릴스 이용 60% 로 전환됐다고 해요

저는 사실 2019년에 첨으로 틱톡을 보게 됐는데 보면 맨날 꼴보기 싫고 짜증나는 게 많아서 일찍이 삭제했었습니다... ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ 아직도 틱톡의 인기가 신기해죽겠음

[포스팅 참고 아티클] https://brunch.co.kr/@finsight/245 https://brunch.co.kr/@hasunk93/3 https://brunch.co.kr/@whatmatterznow/68

🐟🐟🐟🐟🐟 보리굴비 이론

마치 Like 예쁘게 엮은 보리굴비 제품/가격 → 타겟 → 소구 포인트 → 어그로 → 셀러 이 5가지 프로세스 모두 mood가 어울려야한다 이를 굴비에 적용한다면 굴비 상품 자체 → 누가 사냐 - 엄마가 산다 → 엄마는 뭘 원해? 포동한 굴비를 원한다 → 어떻게 어그로를 끌어야 굴비를 볼까 - 굴비 10마리 살 다 발라서 한 입만 먹방 → 임영웅 닮은 옆집 효자 아들램

어그로란 무엇이냐 ,,.?

ㄴ 디지털 매체로 넘어왔기 때문에 대부분 중소기업이 광고주이기 때문에 브랜딩 캠페인 보단 인지도가 우선이고 클릭율이 높아야하기 때문에 소비자와 처음 마주하는 그때에 어그로(말이 그렇다는 거지 눈에 띄는 특이성이 있어야한다는 말)를 끌어야한다

카톡 비즈보드나 네이버 첫화면 GFA가 그런 경우다

대표님께서 예시로 들었던 광고가 아마 이거인 듯... 막 안 떨어져 ~ 이러면서 몸소 보여주셨는데 이 광고 본 적이 없어서 몰랐음 ㅜ 그리고 열심히하는 귀여운 셀러로 한 몫한 https://www.facebook.com/watch/?v=1113611549032198

😡 mood가 맞지 않았던 서비스 / 제품들은

유투버들의 팔이피플을 예시로 들어줬는데 다 모르는 유투버라 까먹었다

약간 기억나는 건 채널주인 부재중 유투버가 화장품을 팔았던 것 ..? 채널주인 부재중은 내가 핫도그티비일 땐 조금 보다 말았는데 아마 남자둘 여자둘 커플 콘텐츠가 된 유투버인 거 같다 꽤 웃긴 케미였던 걸로 기억하는데 아마 채널 초기 팬들이 핫도그 티비 팬들이라 남성향이 강해서 그 남성팬들 그대로 유지됐는데 거기다 화장품을 팔아서 개망했다고 들었다

설명이 많이 빈약하긴 한데.... 약간 갑자기 이수근이 뭔 토너패드 판다고 하면 요상하지 않냐

이거 약간 그 짤로 돌아다녔는데 에뛰드 하우스 엠버서더로 발탁된 김윤석 이런 거

노트에 적힌대로 생각나는대로 두서없이 적긴 했는데 첫 번째 오티인 만큼 좀 가볍게 듣고 대표님의 연대기(?) 이런 거랑 요즘 시스템은 어떻게 돌아가는지 둥그렇게 알아보았답니다 !!

+아차 그리고 틱톡은 요즘 기성세대들이 애용한다고 해요 틱톡 라이트가 생긴 뒤로 영상 보면 뭐 얼마를 주고 또 초대한 친구가 가입하면 추천인코드로 리워드 입금이 되고 그래서 1020세대 보단 시간이 많은 가정주부들이 그냥 쉴 때 앱파밍하면서 용돈벌이마냥 한다고 해요 그래서 틱톡에서 붙는 광고가 틴트나 이런 뷰티류가 아닌 건강식품이나 무릎 보호대같은 건강 카테고리로 붙는답니다...

[참고 아티클] https://www.hankyung.com/article/202410082048i

저는 이렇게 이번달을 지내보려 해요 빠른 시일 내에 수업 포스팅으로 돌아올게요 (누가바)☘️

저번주 목요일에 스파르타 데이터 2기 캠프가 끝났습니다 😭😭😭😭

지난 중간발표 이후에 지역화폐 사용률 제고 방안에 관해 모색하고 대시보드를 만들며 최종 발표까지 마무리 잘했는데요 !! 정말 마지막 프로젝트 회고를 해보며 끝은 또 다른 시작.... 또 다른 공부 시작해보겠습니다

📌 프로젝트 주제 지역화폐 사용현황 파악 및 사용율 제고방안 모색 📌 프로젝트 배경 정부지원 사업에 지역화폐가 도입되면서 각 지역은 활성화를 이루는 반면, 지원을 줄이는 등 상반되는 움직임이 보인다. 이에 따른 현 상태를 파악하여 지역화폐의 사용은 어떻게 이뤄지는지 이를 통한 사용률을 높일 방안을 찾고자 한다.

📌 PPT 공유

📌 대시보드

📌 튜터님 피드백

[기술력]

• 활용한 데이터는 이미 세분화된 결제 데이터를 집계 형식으로 가공한 데이터로서 적용할 수 있는 분석 기법은 한정적이었나 해당 데이터 셋으로부터 의미 및 추이를 확인할 수 있는 많은 방법을 적용했다.
• 해석 단계에서 통계적인 워딩 표현을 활용했으면 좋을 것 같다. 예를 들어 상관행렬을 해석하는 단계에서 "인센티브가 높을수록, 월별 충전 금액 증가(0.85)" 보단 "인센티브 및 월별 충전 금액 컬럼 간의 양의 상관관계 (0.85) → 인센티브가 높을수록 월별 충전 금액 증가 현상" 표현이 더 적절하다.
• 특히 성별과 가맹점과의 연관성을 분석하여 구체적인 인사이트를 도출한 점은 좋았다.
• 경기도 전체와 선정한 세 지역 간의 차이를 더욱 명확히 하기 위해 y축 범위 조정과 데이터를 줄이게 된 기술적인 이유에 대한 추가 설명 필요

[데이터]

• 데이터 활용을 위해 각 셋 특징에 맞는 적합한 전처리가 적용됐다. 데이터 품질 문제에 대한 이슈를 인지하고 추가적인 조사를 통해 내용을 파악하는 노력을 했으며 결과 분석 과정에서 내용을 반영했다.
• 다양한 데이터 소스를 효과적으로 통합하고 연계하며 프레젠테이션 상 데이터 전처리에 대한 내용이 데이터셋 별 각각 한 페이지씩 구성되며 row 결합에 대한 내용 및 전처리에 대한 내용이 간결하게 요약 정리되어 좋았다.
• 특히, EDA단계에서 경기도 전체와 선정한 세 지역 간의 차이를 강조할 수 있도록 전처리 과정에서 이 부분을 더 세밀하게 다룰 필요가 있다.
• 성별과 가맹점 간의 연관성을 분석하는 과정에서 사용된 데이터는 품질을 유지하며 분석에 사용하려는 노력이 돋보여 신뢰도가 높아보인다.
• 데이터 품질관리와 연계성을 위해서는 지역축제 관련 데이터 등 뉴스나 공공 데이터와 같은 외부 데이터를 추가로 활용하여 완성도와 인사이트를 더 도출할 수 있을 것이다.

[인사이트]

• 스토리텔링을 위한 좋은 인사이트가 담겨져 있다. 경기도 전체의 충전액과 사용액이 증가했지만, 선정한 세 지역의 경우 감소했다는 내용을 바탕으로 사용현황 파악을 위한 세부 분석 및 사용률 제고 방안에 대해 진행했다. 이 과정에서 1, 9월 신규 가입자 수 증가 및 인센티브 사용의 연관성, 계절 특성에 따른 소비 감소 및 증가, 지역 및 성별 결제 비율과 같은 구체적인 근거를 바탕으로 제고방안에 대해 제안했다.
• 비즈니스 문제를 해결하기 위한 실질적 제안이 포함되어있다. 전반적으로 정부 보고서 형식을 따르지만 보다 창의적인 접근을 추가할 수 있다. 예를 들어 10대가 선호하는 카드 디자인을 분석하여 지역화폐 마케팅 전략에 반영하는 등의 차별화된 아이디어를 제안하는 것이 좋습니다. 또한, 지역축제와 같은 외부 요소를 지역화폐 사용과 연계하면 새로운 인사이트를 통해 더 창의적인 분석이 될 것이다.
• 분석 결과를 바탕으로 남성 지원을 늘리고 여성 지역화폐 사용률을 높이자는 제안은 실용적이므로 실제 정책이나 마케팅 전략에 반영될 수 있어, 인사이트의 실용성이 높다.

두 튜터님 모두 좋은 피드백 남겨주셔서 시각화 부분이나 외부 데이터를 더 가져와 프로젝트에 살을 더 덧대서 마무리하겠습니다 !!!!!

캠프를 4개월 동안 진행하면서 정말 내가 9 to 9을 할 수 있을까... 긴가민가하며 죽이되든 밥이되든 하며 시작했는데요... 아직도 똥멍청이이지만 확실한 건 4개월 전보단 데이터에 대해 더 많이 알게 된 거 같습니다. 제 인생에서 데이터란 핸드폰 데이터밖에 몰랐는데 장난이고요 거의 이정도긴 하지만 ㅋ 분석하는 방법에 대해 세밀하게 알게 되고 인사이트를 어떻게든 쥐어짜서라도 도출해내며... 오랜만에 팀플하니까 살아있음을 느꼈습니다 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ 대학시절 내내 칭구칭긔들이랑 밤샘과제했던 때가 떠오르고 그땐 진짜 뭣도 모르고 자료조사했구나 싶네요...ㅋㅋㅋㅋㅋ

길면 길고 짧다면 짧은 4개월 간의 기록과 가르침을 발판 삼아 더이상 방황하지않고 열심히 공부해서 날개 달아보겠습니다 !!! 아직 갈 길이 멀어용 !!!!!! 더 열심히 해볼게요 !!!!!!!!

다들 고생많으셨습니다 !!!!!!!! 🍀🍀🍀 행운 가득하시길 🍀🍀🍀🍀

최종 프로젝트를 시작하면서 두 명이서 좌충우돌🤪이래저래🥵빙🫠글빙글🌀헤롱헤롱🌈 해서 TIL에 신경을 못 썼네요..

오늘 오후에 중간 발표회를 마쳐서 그나마 좀 여유로운 상태라 쓰러왔습니다 !! 그동안 진행했던 프로젝트 사안들 말씀드리겠습니다

♾️ 데이터셋 전처리

import pandas as pd
import numpy as np
df = pd.read_csv('/Users/8_최종프로젝트/포천시_지역화폐.csv')

# 기준년월 | 성별 | 연령대 | 지역코드 | 읍면동 코드 | 읍면동 명 | 결제건수 | 결제금액 | 카드 결제 금액 | 휴대 이용자수 | 휴대사용금액 
# 컬럼 순서 변경
new_order = ['crtr_ym', 'usage_rgn_cd', 'emd_cd', 'emd_nm', 'par_gend', 'par_ag', 'stlm_nocs', 'stlm_amt', 'card_use_amt', 'mbl_user_cnt', 'mbl_use_amt']
pi = df[new_order]
pi
>> 24105 rows × 11 columns

# 결측치 확인
pi.isnull().sum()
>>
crtr_ym         0
usage_rgn_cd    0
emd_cd          0
emd_nm          615
par_gend        1,525
par_ag          142
stlm_nocs       0
stlm_amt        0
card_use_amt    0
mbl_user_cnt    0
mbl_use_amt     0

emd_nm          615 >> pi['emd_nm'].fillna('포천시 기타', inplace=True)
par_gend        1,525 >> 결측값이 매우 적거나 범주형식
par_ag          142   >> 결측값 모두 삭제

# 1개의 row는 한 사람의 데이터가 아닌 지역화폐 가맹점 별 결제 데이터였음

# row합치기
# 데이터프레임을 기준으로 합치기
df = pi.groupby(
    ['crtr_ym', 'par_gend', 'par_ag','usage_rgn_cd', 'emd_cd' ]
).agg({
    'emd_nm' : 'first',
    'stlm_nocs': 'sum',
    'stlm_amt': 'sum',
    'card_use_amt': 'sum',
    'mbl_user_cnt': 'sum',
    'mbl_use_amt': 'sum',
}).reset_index()
>> 가맹점 결제 정보와 관련된 컬럼은 그룹화
>> 결제와 관련된 컬럼은 총합
df.info()
>>
crtr_ym           0
par_gend          0
par_ag            0
usage_rgn_cd      0
emd_cd            0
emd_nm            0
stlm_nocs         0
stlm_amt          0
card_use_amt      0
mbl_user_cnt      0
mbl_use_amt       0

# 새로운 컬럼 생성
#카드이용비율
df['card_use_ratio'] = df['card_use_amt'] / df['stlm_amt']
#휴대이용비율
df['mbl_use_ratio'] = df['mbl_use_amt'] / df['stlm_amt']
#휴대이용건당 금액
df['mbl_use_amt_per_user'] = df['mbl_use_amt'] / df['mbl_user_cnt']
#평균결제금액(건당예상금액)
df['avg_stlm_amt'] = df['stlm_amt'] / df['stlm_nocs']

최종 데이터셋 2542 rows × 15 columns

♾️ 가설검정

1️⃣ 성별로 주로 사용하는 업종이 다를 것 -- 지역화폐 데이터셋에선 업종이 나와있지 않음

2️⃣ 지역적으로 지원이 더 높은 곳은 사용률이 더 많을 것 = 정책 별로 사용률이 다를 것

인센티브 현황 참고 https://www.gmoney.or.kr/base/gmoney/insentive/index?menuLevel=2&menuNo=72

3️⃣ 30-40대 사용빈도가 높을 것

수원시 총 인구 1,197,257명
10대 - 113,383명
20대 - 175,839
30대 - 184,342
40대 - 195,012
50대 - 202,330
60대 - 146,108
- 실제인구  50대>40대>30대
- 지역화폐 사용빈도 40대>50대>30대


포천시 총 인구 143,323명
10대 - 10,499명
20대 - 16,074명 
30대 - 13,767명
40대 - 17,319명
50대 - 27,974명
60대  - 29,240명
- 실제 60대>50대>40대
- 지역화폐 사용빈도 50대>40대>60대


하남시 총 인구 329,861명
10대 - 31,773명 
20대 - 35,977명
30대 - 51,573명
40대 - 61,110명
50대 - 48,250명
60대 - 41,700명
- 실제인구 : 40대>30대>50대
- 지역화폐 사용빈도 : 40대>60대>30대

>> 가설에서 크게 벗어나는 정도는 없음

4️⃣ 마트에서 사용하는 빈도가 높을 것 -- 현재 지역화폐 데이터셋으로 서칭 불가 -- 일반 카드사 데이터는 종합소매점(대형마트/백화점)이 높음

5️⃣ 명절에 다른 기간보다 사용량이 증가할 것 -- 지역화폐 사용금액을 전월대비 비교해보면 -- 세지역 모두 8월 대비 높은 사용 -- 전월대비 높을 뿐 9월이 유독 사용량이 증가한 건 X

- 지역화폐 전월대비 사용 증가율

- 일반카드 데이터 월별 사용금액 그래프

6️⃣ 지역가맹점이 많은 지역에서 더 사용량이 많을 것 -- 지역별 지역화폐 가맹점수 확인

► 2023년 수원 지역화폐 가맹점 수 : 36,857개
► 2023년 하남 지역화폐 가맹점 수 : 9,901개
► 2023년 포천 지역화폐 가맹점 수 : 7,043개

수원 | 하남 | 포천
수원 여성 결제 금액 144,186,528,218 | 수원 남성 결제 금액 122,553,378,770
하남 여성 결제 금액 58,596,506,096 | 하남 남성 결제 금액 46,749,471,467
포천 여성 결제 금액 11,915,606,533 | 포천 남성 결제 금액 12,677,272,801

8️⃣ 지역화폐 사용률은 점차 증가하는 추세일 것 -- 경기도 전체적으론 증가하지만 -- 수원, 하남, 포천의 경우 감소하는 추세

🔟 여성 사용자가 많을 것 -- 포천 제외

포천 총 인구 143,323명 포천 남성 인구 75,837명 포천 여성 인구 67,486명 (남성 52.91% 여성 47.09%)

이렇게 발표도 마무리 되었는데요 ,, 중간 발표라도 지나니 숨통이 조금 트이네요 이번 주말은 그래도 덜 신경쓰고 쉬어야겠습니다 !!

다들 마지막 최종까지 화이팅입니다 🍀🍀🍀

♾️ Data EDA 및 가설 검증

► 일반 카드사 데이터와 지역화폐 데이터를 비교하여 지역화폐의 현황과 지역별, 연령별, 성별 등 두드러지는 특징을 파악 Data : 2023년 | 경기도 수원, 하남, 포천 (3개 지역 한정) ► 수원 - 경기도 인구수 1위 도시 ► 하남 - '삶에 대한 만족도 조사' 상위(과천시, 가평군, 하남시 순으로 높음) ► 포천 - 인구 수, '삶에 대한 만족도 조사' 하위권 | ex) 2023년 수원 카드 결제 데이터 + 2023년 수원 지역화폐 결제 데이터셋 병합

지역화폐 오픈 API를 가져올 때 조작법이 너무 익숙치 않아 소현튜터님께 도움을 요청했는데요 ..., 다행히 해결돼서 지역화폐 데이터를 가져올 수 있었습니다 !!!!! 😭😭😭

https://developevolvify.tistory.com/106
블로그주인님께 무한감사 압도적감사 동서남북 절 올립니다


import requests
import json
import pandas as pd

#재시도 로직 구현 라이브러리
from requests.adapters import HTTPAdapter
from requests.packages.urllib3.util.retry import Retry

apiEndPointUrl = 'https://apis.data.go.kr/B190001/localGiftsPaymentV3/paymentsV3'
apiKeyDecoding= '일반인증키'
regions = {'41111': '수원시 장안구', '41117': '수원시 영통구', '41115': '수원시 팔달구', '41113': '수원시 권선구'}
for rgn_cd, rgn_name in regions.items():
    page = 1
    combined_df = pd.DataFrame()
    while True:
        try:
            params = {
                'serviceKey': apiKeyDecoding,
                'page': page,
                'perPage': 10000,
                'cond[crtr_ym::GTE]': '202301',
                'cond[crtr_ym::LTE]': '202312',
                'cond[usage_rgn_cd::EQ]': rgn_cd,
            }
            # 재시도 로직
            session = requests.Session() # HTTP 요청을 보낼때 세션 생성(세션, 연결 유지 & 재사용 → 성능 개선됨 )
            retry = Retry(total=5, backoff_factor=1, status_forcelist=[500, 502, 503, 504])
                         # 5번까지 재시도,  재시도 간격,  특정 HTTP 상태코드가 발생할 때만 재시도
            adapter = HTTPAdapter(max_retries=retry) # 위에서 설정한 재시도 옵션 재사용
            session.mount('http://', adapter) # HTTP 요청중 http://프로토콜 사용하는 경우 어댑터를 세션에 연결
            session.mount('https://', adapter) # HTTP 요청중 https://프로토콜 사용하는 경우 어댑터를 세션에 연결
            # API 요청 보내기
            response = session.get(apiEndPointUrl, params=params)
            response.raise_for_status() # HTTP 오류가 발생하면 예외시킴
            data = response.json()
            # 데이터 프레임으로 만들고 이어붙인뒤 저장
            if 'data' in data and data['data']:
                df = pd.json_normalize(data['data'])
                combined_df = pd.concat([combined_df, df], ignore_index=True)
                print(f"데이터를 {rgn_name}_{page} 페이지에서 가져옵니다.")
                page += 1
            else:
                print(f"{rgn_name} 지역 데이터 수집 완료.")
                combined_df.to_csv(f'{rgn_name}.csv', encoding='utf-8-sig', index=False)
                break
        except requests.exceptions.RequestException as re:
            print(f"오류 발생: {re}")
            continue

이렇게 이쁘게 작성해주신 코드덕분에 API 아주 빠르게 가져올 수 있었습니다 😭

*- 수원 지역화폐 결제정보 데이터 101,704 rows × 11 columns *

컬럼 순서 바꾸는 법
> 순서대로 컬럼명 써주기
new_order = ['crtr_ym', 'usage_rgn_cd', 'emd_cd', 'emd_nm', 'par_gend', 'par_ag', 'stlm_nocs', 'stlm_amt', 'card_use_amt', 'mbl_user_cnt', 'mbl_use_amt']

# 컬럼 순서 변경
dp = df[new_order]
> 본 데이터프레임에서 새로운 변수명으로 입력

# 새로운 csv 파일로 저정하기
dp.to_csv('new_file.csv', index=False)

• 가설 1 : 30-40대 사용빈도가 높을 것이다 실제 수원 지역화폐 데이터에서 40-50-30-20대들 순으로 이용 빈도가 나타남 par_ag : 결제자연령대(01 : 19세, 02 : 2029세, 03 : 30~39세 ...)

# 결측치 확인 1
pp.isnull().sum()

crtr_ym            0
usage_rgn_cd       0
emd_cd             0
emd_nm           794 > 읍면동명 ex) 우만동, 고색동 등
par_gend        1945
par_ag             0
stlm_nocs          0
stlm_amt           0
card_use_amt       0
mbl_user_cnt       0
mbl_use_amt        0
dtype: int64

# 읍면동명 결측값만 추출
mi_nm = pp[pp['emd_nm'].isnull()]
mi_nm

# 읍면동 결측값 / 읍면동코드 고유값 및 갯수 확인
cc = mi_nm['emd_cd'].value_counts()
cc

> emd_cd
41111000    295
41117000    271
41115000    160
41113000     68
Name: count, dtype: int64

원래 읍면동 코드는 41113129 이런 식으로 8자리가 형성되어야하는데요 !! 41113 = 시구 행정코드 / 129 = 읍면동 코드 라서 맨 뒤 3자리는 0이 아닌 여러 숫자들로 채워져야 정상인데

000으로만 채워진 경우는 결측값들의 읍면동코드들은 수원시 팔달구, 권선구, 장안구, 영통구 이 자체로만 존재 !

결측치 확인 2
pp.isnull().sum()

crtr_ym            0
usage_rgn_cd       0
emd_cd             0
emd_nm           794 
par_gend        1945 > 결제자성별(M: 남성 F: 여성)
par_ag             0
stlm_nocs          0
stlm_amt           0
card_use_amt       0
mbl_user_cnt       0
mbl_use_amt        0
dtype: int64

# par_gend가  null값인 경우 결제자 연령대가 모두 1 (미성년자의 경우)
mi_par_gend = pp[pp['par_gend'].isnull()]
mi_par_gend

✓ 성별 컬럼의 결측값의 경우 모두 연령대가 10대인 걸로 파악이 됐는데요 ! 무려 2000건에 달하는데 제 생각으로는 부모님들께서 애들 명의(?)카드로 쓰는 걸로 생각이 돼서 결제금액이 높은 순대로 봐보려고 합니다

그 전에 수원 지역화폐 데이터셋 전체에서 제일 높은 결제금액은 275,991,080원(2억7천)

그리고 수원시 지역화폐는 만 14세 이상부터 발급이 가능하기 때문에 10대의 나이대는 최소 중2~갓성인 정도로 생각하면 됩니다 !

# 성별컬럼 결측값의 결제금액이 제일 높은 row 
# 최대 2,282,400원 ~ 600,000원 정도

mi_par_gend.sort_values(by='stlm_amt', ascending=False).head(1)

crtr_ym    usage_rgn_cd    emd_cd    emd_nm    par_gend    par_ag    stlm_nocs    stlm_amt    card_use_amt    mbl_user_cnt    mbl_use_amt
202304  41117          41117101 매탄동    NaN             1         56           2282400        2282400            0                 0

>> 2,282,400원

이제 여기서 들었던 의문은 그렇다면 10,647명의 10대들 중에 성별 결측값이 없던 친구들의 제일 높은 결제금액이 궁금해졌습니다 !!! 코드를 쓰기 전까지는 저는 성별 결측값이 없는 친구들이 조금 더 결제금액이 적을 거 같다고 생각됐습니다 (왜냐고 물으시면.. 그냥.. 성별 결측값이 있는 건 그냥.. 엄마아빠가 썼을 거 같아서?)

# 성별 결측치가 없는 / 연령대 10대 / 결제금액이 높은 순 (2400만원 ~ 1300만원)
# 변수명 멋대로 지은 거 정말 죄송(하지 않음 내맘임)

fr = pp[pp['par_gend'].notnull() & (pp['par_ag'] == 1)]
fr.sort_values(by='stlm_amt', ascending=False).head(30)

crtr_ym    usage_rgn_cd    emd_cd    emd_nm    par_gend    par_ag    stlm_nocs    stlm_amt    card_use_amt    mbl_user_cnt    mbl_use_amt
202305    41117         41117105    영통동    M              1        84            24529600    21639600          9                2890000

> 24,529,600원

어라.... 결제금액이 0이 하나 더 생기는 수준이네요 .....

요약통계량으로 확인해보면 첫번째 코드가 성별 결측값이 없는 10대 결제 데이터 두번째 코드가 성별 결측값이 있는 10대 결제 데이터인데요 평균만 봐도 결측값이 없는 10대의 결제 금액이 압도적이라 놀랍네요....

1개 row = 1명의 1개월 간 결제 내역 한 달 동안 2000만원을 대체 어디서 긁은 건지 궁금해죽겠는데 지역화폐 데이터는 결제처를 알 수 없어서 ... 😭😭😭😭 다음주 동안은 조금 더 자세한 분석을 진행해야 할 것 같습니다 !

이번주도 끝났네요... 네 .. 암튼 그냥 주말동안 푹 쉽시다 ~ 고생 많으셨습니다 🍀🍀🍀

신은 버틸 정도의 시련만 준다고 했습니다 ㄹㅅㄱㄹ🔥

♾️ 커머스 데이터 분석 실무 특강

✓ 이커머스 데이터 수집 도구법

• API (Application Programming Interface)
• 웹 크롤링(Web Crawling)
• 데이터베이스 쿼리(Database Query) - 트랜잭션 데이터
• 로그 데이터 (Log) : 웹 서버, 애플리케이션 서버에서 발생하는 로그 파일을 분석 ex) 어떤 경로로 들어와 구매했는지?, 어떤 페이지에 오래 머물었는지?

✓ 로그 데이터의 이해와 활용

:웹/앱의 사용자 행동기록 데이터 ex) 어떤 경로로 들어와 구매했는지?, 어떤 페이지에 오래 머물었는지?

• 고객 행동 분석 : 고객이 어떤 경로를 통해 구매에 이르는지 분석

• 마케팅 캠페인 효율성 측정: 특정 캠페인이 얼마나 많은 트래픽과 전환을 유도했는지 평가
• 웹사이트 성능 최적화(SEO 최적화): 페이지 로딩 시간, 오류 발생 등을 모니터링하여 웹사이트 성능 개선

이 외에도 저는 퍼포마를 희망 중이라
튜터님께서 때마침 데이터 수집 도구에 관해 GA 환경을 보여주셨는데요 !
평소 광고 분석 툴이 궁금했던 저는 퍼포마 역량으로 GA를 다룰 수 있는 조건이 요구되는데
독학으로 배울 수 있는 방법이 있나 여쭤봤습니다 !

A. GA의 경우, 개인이 웹사이트나 서비스를 운영하고 GA4로 연동해야 가치있는 학습이 될 것.

GA툴은 학습이야 할 수 있겠지만 실제 실무에서 만져봐야 알 수 있는 부분일 거 같아 아쉽습니다 ㅠ^ㅠ

♾️ 최종프로젝트 - Data set 확정

한국조폐공사 지역사랑상품권 결제정보

https://www.data.go.kr/data/15108292/openapi.do#/API%20%EB%AA%A9%EB%A1%9D/paymentsV3

경기도 카드 소비 데이터 https://data.gg.go.kr/portal/data/service/selectServicePage.do?infId=7Y02TF04H1WUB55Q4IZL35052374&infSeq=1_ 2023년 / 경기도 3개 시 산출 '경기통계 < 살고있는 지역의 전반적인 만족도 조사' 참조 https://stat.gg.go.kr/statgg/tblInfo/TblInfoList.html?vw_cd=MT_NTITLE

현재 데이터셋은 찾을만큼 찾긴 했으나...
다들 어딘가 하나 빵꾸난 상태로.. 최대한의 인사이트를 끌어내려 노력 중입니다..
아무튼 ! 내일 데이터셋 병합해보면
다음주에 바로 EDA 시작할 것 같네요 

어찌저찌 곧 이번주 다 지나가네요 !! 주말이라 좋기도 하지만 시간 지날수록 두렵긴 하네요 아무튼 ! 오늘도 다들 수고 많으셨습니다 🍀🍀🍀

아무튼 프로젝트 시작한 오늘 제가 뭘했는지 정리하고 얼른 하루 마무리하겠습니다 !! 😇

♾️ 프로젝트 1일차

► 선호 도메인 파악 ► 이커머스 및 마케팅 도메인 선정 ► 크롤링 사용 가능성 / 데이터 서치 ► 깃헙 - 쿠팡 리뷰데이터를 활용한 개인화 추천 시스템 개발 데이터 발견 ► 카드 결제 데이터 발견 ► 지역화폐 및 네이버 플레이스 크롤링 방향성 확보 ► 지역 화폐 관련 데이터셋

• https://data.seoul.go.kr/
• https://data.gg.go.kr/portal/data/service/selectServicePage.do?infId=DYIQ115949LR11ULQ2JU32226136&infSeq=1
• https://www.bigdata-map.kr/search/853038

► 배경 : 수도권 내 공무원으로 근무 중인 르탄씨는 지역 내 해당 지역화폐 활성화가 저조하여 예산이 반토막 난 상태이다. 상사의 압박에 못 이겨 지역화폐 활성화를 시키기 위한 데이터를 분석해보는데 ...

가설 1 : 일반 카드사와 지역화폐 이용금액을 비교해보면 지역화폐 이용률이 현저히 저조할 것
가설 2 : 지역화폐 사용 가능 가맹점의 저조한 추이를 확인 후, 가맹점 확장 방안 모색
가설 3 : 지역 내 네이버 플레이스 크롤링 - 상위 랭킹 선정 후, 지역화폐 활성 추진

사실 가설은 아니고 그냥 저희가 추구하는 방향 ..? 추구미? 막이래

간략하게 프로젝트 진행상황을 정리해보았는데요 ! 지역화폐 관련된 데이터셋들이 아직 정해지지 않아서 내일은 데이터셋들을 찾아보고 좀 더 자세한 인사이트도 도출해볼게요

오늘도 수고하셨습니다 🍀🍀🍀

♾️ 빅데이터의 위기요인과 통제방안

• ADsP
  

✅ 사생활 침해 개인정보가 포함된 데이터를 목적 외 활용 시 사회/경제적 위협으로 변형 ex) 여행 사실을 SNS에 올린 사람을 대상으로 빈집털이를 시도한 강도 사건 발생

✅ 책임 원칙 훼손 예측 알고리즘의 희생양이 될 가능성 증가 특정인이 빅데이터의 분석 결과에 의해 특정 행위 가능성이 높다는 이유만으로 처벌 받는 것은 행위 결과에 대해서만 책임을 묻는다는 민주주의 사회 원칙 훼손 ex) 자신의 신용도와 무관하게 ‘부당하게’ 대출이 거절된 알고리즘 예측의 피해 사례

✅ 데이터 오용 데이터 과신 혹은 잘못된 지표 사용으로 비즈니스에 직접 손실 발생 우려 ex) 베트남 전쟁, 적군의 사망자 수로 전쟁의 승리를 예측하는 오류

⇣

✅ 사생활 침해 → ‘동의에서 책임으로’ 개인정보 유출 및 사용으로 발생하는 피해에 대해 사용자가 책임 -사용 주체의 적극적인 보호장치

✅ 책임 원칙 훼손 → ‘결과 기반 책임 원칙 고수’ 특정인의 ‘성향’이 아닌 ‘행동 결과’로 판단

✅ 데이터 오용 → ‘알고리즘 접근권 허용/인증’ 알고리즘에 대한 접근권 제공을 통한 예측 알고리즘의 부당함 반증

알고리즘 접근권 같은 경우는 재작년부터인가 애플에서 앱 내 추적을 금지하거나 허용하는 경우를 예시로 들 수 있을 것 같네요 처음에는 어플 업데이트를 하고 알림창이 뜨길래 이게 무슨 말이지 싶었는데 학생 때 대행사에서 일하던 친구가 애플에서 추적 막아놔서 데이터 반토막 났다길래 아 ... 그렇게 됐구나 싶었는데 .. 지금 유저이기도 하면서 현업을 희망하는 저로썬 아직 앱 내 추적 알림창이 뜨면 관심 있는 도메인 아니면 추적 금지 누릅니다 데이터 분석을 하면서 접근권에 관해 어떻게 지혜롭게 데이터를 모을 수 있을지에 대해 생각하게 되네요 ! | [IT애정남] 아이폰 앱 실행하면 뜨는 ‘앱 추적 허용’ 메시지, 이게 뭔가요? https://www.donga.com/news/It/article/all/20240125/123235158/1

!youtube[Di5uvU_fpIY?si=3BiSCieop2VCuA_1]

저도 이 영상은 오늘 찾아보다가 처음 알았는데 한 번쯤 보시면 좋을 것 같네요 !

♾️ 중심위치의 척도

• 절사평균과 중위수, 최빈값

절사평균(trimmed mean) : 자룟값에서 큰 것과 작은 것을 각각 1개 씩 제거한 나머지 자료 집단의 평균

자료집단 1 : [1, 2, 3, 4, 5] / 산술평균 3
자료집단 2 : [1, 2, 3, 4, 50] / 산술평균 12

이처럼 산술평균은 특이값(outlier)의 유무에 따라 많은 영향을 받기 때문에
특이값을 제거하면 영향이 감소되므로 더 바람직한 평균이 산출된다.

자료집단 2에서 가장 작은 값 : 1
자료집단 2에서 가장 큰 값 : 50

특이값 제거한 자료집단 2 : [2, 3, 4]
특이값 제거한 자료집단 2의 산술평균 : 3
|
❗️절사평균은 대개 5% 혹은 10%의 절사비율을 제거하는데
여기서 절사비율이 정수가 아니면 양 끝에서 각각 𝑎𝑛보다 작고 가장 큰 정수의 자룟값을 제거한다.

ex) 10% 절사비율을 제외하고 절사평균을 구하라
자료집단 3 : [240, 24, 27, 30, 28, 31, 22, 27, 30, 25, 25, 23]

자료집단 3의 산술 평균 : 44.33(532/12)
𝑛(자룟값 갯수) : 12
𝑎(절사비율) : 0.1 
𝑎𝑛 = 1.2보다 작은 가장 큰 정수 =1

자료집단 3에서 가장 작은 값 : 22
자료집단 3에서 가장 큰 값 : 240

특이값 제거한 자료집단 3 : [24, 27, 30, 28, 31, 27, 30, 25, 25, 23] 
특이값 제거한 자료집단 2의 산술평균 : 27
(특이값은 이하 절사비율로 보면 됨)

중위수(median; 중앙값) : 자료를 작은 수부터 크기순으로 나열하여 한 가운데에 위치한 수

자룟값이 홀수라면 - 작은 수부터 크기대로 나열하여 한 가운데에 있는 값
자룟값이 짝수라면 - 작은 수부터 크기대로 나열하여 한 가운데에 있는 두 자룟값의 평균으로 정의

ex) 자료집단 4 : [5, 8, 7, 6, 5, 4, 50] 
자료집단 4의 중앙값 : 홀수의 경우 [5, 8, 7, (6), 5, 4, 50] 

자료집단 5 : [1, 2, 3, 4, 5, 6, 7, 8, 9, 100]
자료집단 5의 중앙값 : 짝수의 경우 [1, 2, 3, 4, (5, 6), 7, 8, 9, 100] / 5와 6의 평균 5.5
|
특이값에 대해 전혀 영향 받지 않음
자료집단이 왜도를 갖는 경우, 평균보다 좋은 중심위치를 나타냄
자룟값 갯수가 많은 경우는 사용이 부적절(수리적으로 다루기 힘듦)

최빈값(mode) : 자룟값 중에 가장 많이 나타나는 자룟값을 의미

자료집단 6 : [5, 8, 7, 6, 5, 4, 5]
자료집단 6의 최빈값 : [(5), 8, 7, 6, (5), 4, (5)] = 5

|

특이값에 대해 전혀 영향 받지 않음
존재하지 않거나 여러 개일 수 있음
자룟값 갯수가 많은 경우는 사용이 부적절(수리적으로 다루기 힘듦)

이번주 평일도 이렇게 끝나네요 !!! 담주부터 당장 최종 프로젝트인데 걱정이 많네요/..., 그니까 주말에 푹 쉬고 담주도 잘 해내보겠습니다 😇

이번주도 다들 고생많으셨습니다 ! 🍀🍀🍀

암튼 오늘의 하루 마무리 해보겠습니다 !

♾️ 통계학 - 모평균과 표본평균

들어봤던 단어죠 ..? 네 맞습니다

✓ 모평균 모집단을 이루는 자료의 전체 평균 ex) 2019년도 수능, 수학 가형 원점수의 평균은 61.6점이고 수학 나형의 원점수 평균은 48.7점이다

✓ 표본평균 표본을 이루는 자료의 전체 평균 -특별한 언급이 없는 자료집단은 모두 표본 |

ex) 모평균을 추측하기 위해 보편적으로 표본 평균을 이용한다.
통계학과 2학년 생 중 표본으로 선출된 5명의 이번 학기 취득 학점이다.

3.12 | 3.92 | 2.75 | 4.01 | 3.48

이 표본을 이용하여 2학년 생 전체의 평균 학점을 추측하라.
=
(3.12 + 3.92 + 2.75 + 4.01 + 3.48) % 5 = 3.456

♾️ 이커머스 데이터 분석

|

데이터 분석 항목
|
고객 이해하기
고객의 구매 패턴, 선호도, 행동을 파악하여 개인화된 서비스와 마케팅 제공

재고 관리하기
|
효율적인 재고 관리 / 비용 절감 + 고객 만족도 제고

가격과비용 최적화하기
|
매출, 수요, 비용 등 최적화 가격/비용을 설정하여 지속적인 수익 제고

트렌드 예측하기
|
시장 트렌드 분석 / 신제품 출시 및 마케팅 전략 수립

마케팅 효과 측정하기
|
다양한 마케팅 채널 + 캠페인의 효과를 데이터로 측정
효과적 마케팅 수립 + 최적화 비용

고객 경험 개선하기
|
고객 행동 데이터를 분석하여 사용자 경험 개선

사기 및 오용 탐지 및 예방하기
|
비정상적인 거래 패턴 분석

개인화 추천하기
|
고객 행동 데이터를 분석하여 개인화 추천 시스템 
+ 고객 만족도 및 매출 증대 효과 

♾️ 데이터 수집 방법 2

어제는 오픈 API를 통한 데이터 수집 방법을 알아보았는데요 오늘은 크롤링과 스크래핑을 통한 데이터 수집 방법을 알아보겠습니다 !

✓ 크롤링

: 웹상에 존재하는 모든 웹 페이지를 방문하여 데이터를 수집하는 방법 모든 페이지를 방문하며, 각 페이지의 링크를 따라가면서 자동으로 데이터를 수집

✓ 스크래핑 : 특정 웹 사이트나 페이지에서 필요한 데이터를 자동으로 추출하는 방법 원하는 정보를 추출하기 위해 HTTP GET 요청 전송

ex) 크롤링 : 레시피 사이트의 전체를 탐색하여 모든 레시피를 수집 스크래핑 : 레시피 사이트의 "백숙" 레시피 페이지에서 제목, 재료 목록, 조리 방법만 추출

|

⛔️ 크롤링/스크래핑 주의사항

해당 사이트 URL 뒤 robots.txt 를 붙여 합법인지 확인 : (=로봇 배제 표준(Robots Exclusion Standard)을 준수했는가)

ex) https://nbcamp.spartacodingclub.kr/robots.txt

User-agent: *
Allow: / >> 허용
Disallow : >> 허용하지 않음

✓ 웹의 구성요소 | ✓ HTML (Hyper Text Markup Language) : 웹 사이트의 뼈대 ✓ CSS (Cascading Style Sheets) : 예쁘게 꾸며줌 ex) 글꼴 색상 등 ✓ javascript : 동작 ex) 스크롤 바 등

✓ HTLM의 구조, XPATH
HTML(HyperText Mark-up Language) 프로그래밍 언어가 아닌, 문서를 설명해주는 정보를 현하는 마크업 언어

보이는 사진처럼 head부분이 접혀지긴 했지만.. 무튼 ! 웹사이트에서 F12 버튼을 눌러주면 HTML의 구조를 볼 수 있습니다 ! (자판 잘못칠 때마다 나오던 게 이거였다니....)

HTML 구조 내의 XPATH를 복사해주고 파이썬에서 BeautifulSoup 및 Selenium 라이브러리를 사용해주면 데이터 추출을 해볼 수 있습니다 !

내일 더 자세하게 복습해서 실습 환경 만들어오겠습니다...

♾️ 빅데이터

✓ 빅데이터란

• 빅데이터는 데이터의 양(Volume), 데이터 유형과 소스 측면의 다양성(Variety), 데이터 수집과 처리 측면에서 속도(Velocity)가 급격히 증가하면서 나타난 현상
• 가치(Value) 또는 정확성(Veracity) (가트너그룹의 더그래니 3V)

|

✓ 빅데이터의 기능

1️⃣ 산업혁명의 석탄, 철 : 서비스 분야의 생산성까지 끌어올려 사회, 경제 등 생활전반에 혁명적 변화를 가져올 것

2️⃣ 21세기의 원유 경제 성장에 정보 제공을 통해 산업 전반의 생산성 향상, 새로운 산업 전망 기대

3️⃣ 렌즈 : 빅데이터도 산업 발전 큰 기여 기대 ex) 구글의 Ngram Viewer, 현미경

4️⃣ 플랫폼 : 공동 활용의 목적으로 구축된 유무형의 구조물, 다양한 서드파티 비즈니스에 활용 ex) 페이스북, 카카오톡 등

|

✓ 빅데이터의 변화

✓ 사전처리 → 사후처리 기존에는 필요한 정보만 수집하고 필요하지 않은 정보는 버리는 시스템에서 → 가능한 많은 데이터를 모아 인사이트를 발굴

✓ 표본조사 → 전수조사 데이터 수집 비용 감소와 클라우드 발전으로 데이터 처리 비용 감소

✓ 질 → 양 데이터의 양이 증가할 경우 양질의 정보 > 오류 정보 전체적으로 좋은 결과 산출에 긍정적인 영향을 미침

✓ 인과관계 → 상관관계 실시간 상관관계 분석을 통해 도출된 인사이트를 바탕으로 액션

오늘도 .. 어찌저찌 보냈네요 내일 또또 ! 화이팅입니다 고생 많으셨습니다 🍀🍀🍀

안녕하세요 그래도 어제보단 안 피곤한 강대입니다 !! 학습주차 2일차 TIL 시작해볼게요

♾️ 통계학 - 도수분포표

29 30 49 21 39 38 15 39 48 41
21 33 26 18 19 29 24 47 47 20
.
.
.
<청소년들의 일주일 인터넷 사용 시간/ 아무튼 총 50개>

위는 청소년들이 일주일동안 인터넷을 사용하는 시간을 나열한 자료입니다 ! = 50개의 숫자 자료 = 변량 이를 계급이나 상대도수, 계급값 등으로 나타내면 도수분포표를 만들 수 있는데요

이거 사실 중학교 수학에 나온 내용이랍니다 하나도 안 믿겨.

계급 : 50개의 자료를 간격으로 나눠 나타낸 범주 계급 간격 : 계급에 해당되는 최솟값 ~ 최댓값

최소 계급간격은 범위를 계급의 수로 나눈 값으로 나누게 됩니다.
그 전에 범위란 
|
최대자룟값-최소자룟값
ex) 69 - 10 = 59
|
계급의 수는 Sturges 방법을 사용해서 자룟값이 50개 이하면 계급의 수를 7로 지정해줍니다.
ex) 59 / 7 = 8.4(반올림) = 편의상 9로 조정
기본단위가 1이므로 제 1계급의 하한을 10-0.5=9.5로 조정
|
0.5를 빼는 이유:
ex) 기본 단위가 1인 경우, 각 계급의 구간이 [10, 11), [11, 12), ... 이런 식으로 나눠야한다.
이때 10이라는 값은 정확히 10부터 11까지의 범위에 포함되어야 하기 때문에,
구간의 시작점을 9.5로 설정하면 9.5부터 10.5까지의 범위가 첫 번째 계급 구간이 된다.
이렇게 하면 각 구간의 경계가 명확해지고, 중복되거나 빠지는 데이터가 없이 모든 값을 포함할 수 있습니다.

계급값 : 각 계급의 중앙값 도수 : 해당 계급의 갯수

누적은 말그대로 누적이라 이렇게만 알아도 충분할 것 같네요 !

|

이해하는데 조금 걸렸네요 저는.... 그러다 발견한 참고영상

도수분포표, 히스토그램 도수분포다각형 중학교 수학이라 그런지 이해가 쉽게 되더라구요 ^^ https://youtu.be/dwSZZ8jOuzs?si=r91-HEDGCnlElSt6

<줄기와 잎 그림> https://youtu.be/7Klf0khPMnQ?si=adICkjpVw_oZdu3e 이어서 보시면 더 이해하기 쉬우실 거예요 !!

♾️ 데이터 수집 방법

이제 다음주면 최종프로젝트를 앞두고 있어서 튜터님께서 주제 선정 시 도움되도록 데이터를 수집하는 방법에 대해 특강을 진행했습니다 !

✓ API 통신이란? ** _Application Programming Interface**_

• 프로그램과 프로그램 사이의 데이터를 연결해주는 매개채 = 통신의 방식

| 크롤링의 경우, HTML 구조를 이해하고 법적이슈(합법인가?)를 조심해야하지만, 크롤링 대비 API는 KEY 값(통신키)을 기반으로 간단한 호출구문을 통해 데이터를 송신받을 수 있다 ! | Public API : 누구나 사용가능한 공개 API = 일반인 대상 | 프로토콜(Protocal) : 규칙에 맞게 데이터를 통신, 수신하는 양식 = 마치라잌 세계적인 약속

HTTP API : HTTP를 이용해 프로그램끼리 소통하는 API ex) 흔히 보는 OPEN API, facebook API, kakao API 등의 대부분 API는 HTTP라는 통신 규칙으로 소통하는 API | REST = HTTP를 잘 활용하기 위한 원칙 REST API = 이 원칙을 준수해 만든 API HTTP 안에 REST가 있음

파이썬에서 requests 라이브러리 사용
주요 함수 4가지

- GET : 요청, 값 가져오기
- POST : 생성, 액션
- PUT : 수정, 덮어씌우기
- DELETE : 삭제(당연히 실현 안됨)

ex)
pip install requests

## 라이브러리 임포트
import requests
import pprint
import json
import pandas as pd

# 서울시 열린광장에서 복사해온 KEY 값과 URL 을 기입합니다.
# url 중 xml 부분을 json 으로 변경 
url = 'http://openapi.seoul.go.kr:8088/인증키입력/json/ServiceInternetShopInfo/1/300/'

>> 마지막 1/300은 크롤링 딕셔너리 갯수로 숫자를 늘리면 pandas row도 늘어남

오늘의 하루도 어찌저찌 끝났는데요 !! 내일 또또 열심히 해볼게요 !! 다들 오늘도 수고 많으셨습니다 😇🍀🍀

안녕하세요... 정말 피곤한 월요일입니당... 하암... 피곤하니 얼른 TIL 쓰고 하루 마무리해봅시다 !!

♾️ ADsP

✅ 데이터 이해 ✓ 데이터분석 기획 ✓ 데이터분석

♾️ 데이터와 정보

정형(structured) 데이터 고정된 틀이 있으며 연산이 가능 ex) CSV, 엑셀, 스프레드시트, 관계형 데이터베이스 등

비정형(unstructured) 데이터 고정된 틀이 없으며 연산이 불가능 ex) NoSQL, 영상, 음성 등

반정형(semi-structured) 데이터 고정된 틀을 가지고 있지만 연산이 불가능 ex) HTML, JSON, XML 등

☑️ DIKW 피라미드 (a.k.a 대정지혜)

데이터(Data) : 의미가 중요하지 않은 객관적인 사실 ex) A 카페는 소금빵이 2,500원 B 카페는 4,000원에 판매

정보(Information) : 데이터의 가공 및 처리로 의미가 도출된 것 ex) A 카페의 소금빵이 더 저렴하다

지식(Knowledge) : 도출된 정보를 구조화하여 유의미한 정보를 도출하고 개인적인 경험을 결합시켜 고유의 지식으로 내재화된 것 ex) 상대적으로 저렴한 A 카페에서 소금빵을 사야겠다

지혜(Wisdom) : 지식의 축적과 아이디어가 결합된 창의적 산물=예측 ex) A 카페의 다른 것도 B 카페보다 저렴할 것이라고 판단

DB System

DB : 필요한 정보를 체계적으로 수집하여 제공하는 정보의 집합체 ex) 상반기브랜드선호도조사.xlxs

DBMS : 이용자가 쉽게 데이터베이스를 구축하고 유지할 수 있도록 하는 소프트웨어 ex) EXCEL 그 자체

♾️ 기업내부 DB

OLTP (Online Transaction Processing) : 정보시스템 = 데이터 갱신 위주 ex) 주문입력시스템, 재고관리시스템

OLAP (Oaline Analytical Processing) : 분석 중심의 시스템 = 모아둔 데이터 위주 ex) 복잡한 데이터를 분석하여 제품의 판매 추이 등 파악 프로세싱

오늘은 ADsP 강의와 스파크 강의 찍먹을 하면서 학습주차를 보냈는데요 !! 정말 피곤한 하루네요 😄

오늘보다 내일 더 열심히 할 하루를 위해 오늘은 일찍 마무리하겠습니다 수고 많으셨습니다 🍀🍀🍀

안녕하세요 하하 진짜 오랜만에 쓰는 WIL네요 ㅋㅋ (변명의 여지 당연히 없음) 실전 프로젝트까지 진행하고 느낀 점이 참 많은 거 같아서 이제라도 적습니다 !!

1️⃣ FACTS(사실, 객관) :

아마존 데이터셋 - 태블로 대시보드 제작을 위한 데이터 전처리 데이터 분석 시각화 통계학 / ADsP 공부

2️⃣ FEELINGS(느낌, 주관) :

태블로를 강의로 듣고 따라할 때는 시각화 쉬운 줄 알았지만, 실제 프로젝트를 진행하면서 포토샵툴보다 어려웠다... 그래프 줄 하나 없애는 걸 찾는 것도 시간이 걸렸고 전처리 된 데이터를 가지고 또 매개변수를 만들고 계산된 필드를 만들면서 전처리를 그냥.. 두 번하는 느낌이었다 어떤 변수를 시각화에 사용하고 어떤 변수들끼리 묶어서 사용해야 설득력 있는 분석이 될지 그게 제일 어려웠다.. 그냥 똥멍청이가 되

3️⃣ FINDINGS(배운 것) :

매개변수나 계산된 필드를 어떻게 활용해야하는지 몰라서 그냥.. 무식하게 따라하고 따라적었다

✅ 월별 손익 삼중 라인 그래프
열 : Date Key 드릴다운 하고 월만 남겨놓기
측정값 항목 : Sales Amount(각 거래 실제 판매액)
Sales Cost Amount(각 거래 실제 원가)
Sales Margin Amount(각 거래 실제 마진가)
더블클릭해서 측정값 선반으로 구성
행 : 측정값 이름 자동 생성된 거 마크 - 색상으로 끌어오기
마크 - 텍스트에 생성된 측정값 복붙해서 행으로 끌어오기

이런 형식으로.. 기록이라도 해두면 어떻게든 써먹을 수 있지 않을까 싶다

4️⃣ FUTURE(미래) :

데이터 시각화 툴을 배워 퍼포먼스 마케터의 역량이 될 수 있을 거 같다 나아가 응용해서 Looker, Power BI 및 A/B 테스트 또한 조금 더 빨리 습득하지 않을까..?(그랬으면 좋겠다)

내일도 화이팅 !! 🥹

프로젝트 피드백과 다시 돌아온 통계학 복습 시작해보겠습니다 ! 💫

♾️ 실전 프로젝트 피드백

제한된 데이터로 인사이트까지 도출하느라 고생 많았다
매출증대 및 운영 효율성 향상을 기대효과로 내세웠는데 데이터 분석과 대시보드 제작과정에서 맥락이 안 맞는 거 같아서 보완하면 좋을 것 같다
대시보드 제작 전, 전처리를 하면서 프로젝트 목표를 잊는 경우가 많은데
잊지 않고 이어줘서 좋았다.
전처리에서 카테고리를 분류한 분석적인 이유가 필요하다.
대시보드 속 데이터 추세와 매출 증대라는 기대효과와는 연관이 애매하다.
시각화하면서 '축 동기화'도 빠진 것 같다.

튜터님께서 채찍을 많이 주셔서 오히려 다음 프로젝트 보완하기에 좋은 피드백이었습니다 !!

대시보드를 만드는 과정에서 프로젝트 목적에 대해 좀 잊어버리는 경향이 있긴 했지만.. 다음 프로젝트는 이를 발판삼아 방향성을 더 잘 잡아봐야겠습니다 🔥🔥

♾️ 통계학 - 도수와 도수표

크게 양적자료와 질적자료로 나뉠 때, 질적자료 에선 숫자가 의미있는 형태가 아니라 범주로 나뉘게 되는데 범주형 자료를 표로 나타낸다면

도수 - 각 범주 안에 들어가는 자료집단에서 관찰된 자료의 수 상대도수 - 각 범주의 도수를 전체 도수로 나타낸 값

= 도수는 각 범주의 갯수 상대도수는 범주들의 상대적인 수치로 생각하시면 됩니다 !!!

ex)

뫄뫄회사 직원 40명의 업무능력을 5개로 수, 우, 미, 양, 가로 구분하여 조사한 결과, '수' 5명 , '우' 8명, '미' 15명, '양' 9명, '가' 3명

구분 | 도수  |  상대도수 | 백분율
수 |   5   |  0.125  | 12.5%
우 |   8   |  0.200  | 20.0%
미 |   15  |  0.375  | 37.5%
양 |   9   |  0.225  | 22.5%
가 |   3   |  0.075  | 7.5%
합계 | 40  |  1.000  | 100.0


수 : 5 / 40 = 0.125
우 : 8 / 40 = 0.20
미 : 15 / 40 = 0.375
양 : 9 / 40 = 0.225
가 : 3 / 30 = 0.075

이번 프로젝트는 마감기간도 잘 지켰고 툴을 사용하면서 좀 더 있어보이는 (?) 결과물을 만든 거 같아서 신기하기도 하고 뿌듯하네요 ㅎㅎ 물론 툴 사용에 익숙해지려면 한참 걸리겠지만,,,

다음주부터는 다시 학습주차겠지만 최종 프로젝트밖에 남아있지 않아서 좀 무섭네요 ,, 아무튼 다들 이번주 고생 많으셨습니다 푹 쉬세요 !! 🍀🍀🍀

저번주에 보여드린 포스팅을 기준으로 대시보드는 총 3개구요 !!

아마존 데이터를 기반으로 Business, Products, Dataset 이렇게 구성됩니다 !! 어떤 구성인지 알려드릴게요 크크

♾️ Amazon_dataset Tableau Dashboard

아마존 데이터셋을 기반으로 비즈니스 측면으로 구성해본 대시보드

상단은 매출, 마진금액 등을 기반으로 4가지 지표
|
아마존 시장 내 주문의 성장률을 이중축으로 표현
Order Number - 주문건수(고유 카운트) 비율차이
Sales Amount - 매출 비율 차이
|
요일 별 매출과 주문 건수를 파이차트와 막대그래프로 표현
|
월 별 매출, 원가, 마진 등 평균을 막대그래프, 삼중축을 추세선으로 표현

아마존 데이터셋을 기반으로 아마존의 제품 측면으로 구성해본 대시보드

좌측 상단에는 필터 - 전체 고객, 상위 20% 고객 / 전체, 월별
+ 카테고리 총 갯수, 상품 총 갯수
|
카테고리 별 매출 차이를 파이차트로 표현
|
제품 별 마이너스 영향 마진을 세로 막대그래프로 표현(팔면 무조건 손해인)
item - Sales Margin Amount 합계 필터 : 하위 10개 기준
|
하위 10개 마진율 제품 / 상위 10개 마진율 제품을 가로 막대그래프로 표현
|
카테고리 별 월 총매출 통계를 영역차트로 표현
카테고리 별 월 총매출과 마진금액을 가로막대그래프 표현
카테고리 별 월 평균 마진율을 세로 막대그래프로 표현
카테고리 별 평균 마진율과 합계 마진율을 가로 막대그래프로 표현
|
상위 3개 아이템
Sales Amount 각 거래 실제 판매액
Sales Quantity 각 거래 실제 판매수량 
Sales Margin Amount 각 거래 판매 마진 금액
Sales Cost Amount 각 거래 판매 원가

2019년 아마존 데이터셋

Dataset
|
일별 / 카테고리 별 아이템
매출, 금액, 원가

이렇게 대시보드가 마무리 되었는데요 !!!!!! 이제 남은 건 제출과 발표만 남았네요 ㅎㅎ

팀원분들께서 많이 캐리해주셔서.. 정말 감사하고.. 과분하신 분들이셨습니다 저같은 똥멍청이 데리고 있어주셔서 감사드리며... 🥹🥹🥹

오늘도 고생하셨습니다 !! 🍀🍀🍀🍀