Subject
|
데이터를 접근해서 체계적으로 쌓고 이를 활용해서 인사이트를 얻는 데까지의
데이터 활용 프로세스의 전반적인 내용에 대한 다양한 주제의 발표로 이루어집니다.
|
Place
|
D.CAMP 6th Fl.
|
Time
|
November 18, 2014 (Tue) 19:30~21:30
|
Speaker
|
고객 관리를 위한 오퍼링 효과 분석 (권정민,데이터 분석가)
Strata+HadoopWorld NY 2014 트위터로 둘러보기 (엄태욱, 데이터 프로그래머)
스타트업을 위한 지표 - 기본 개념과 활용 (서하연, 지표 전문가)
|
Host
|
twitter@DataDay_Seoul
|
Focus
|
data analysis for actions
|
- lesson
- coding in data science
- data scientists need to solve problems through data analysis and data coding
- empathic data interpretation: “walk in your data’s shoes” by @jeggers
- prompt usage of data: data needs to be utilized on collection when they are fresh
- behavior over identity: “Nowadays it’s not your identity that’s being tracked, it’s your behavior.” by Rachel Kalmar (@grapealope)
- users over data: “Focus on your users first, then your data.” by Emil Ong (@OngEmil)
- personal takeaway
- be user-oriented
- coding is required for data science
- lesson: attention is the rarest resource and being able to match with that attention is the advantage a company will have
- personal takeaway: provide useful action items to users as soon as users find you
- lesson:
- KPI = 지표 (key performance indicator); 1~2개의 숫자로 어떤 상태를 알려줌
- 개념
- key: 핵심 (the number of KPI is handful amount)
- performance: 성과
- indicator: 상태 like litmus paper
- e.g. BMI
- 지표의 작동 메커니즘
- 좋은 지표는 현상을 잘 설명하고, 사람의 행동을 바꿔야 함
- 지표: 활동을 숫자로 나타낸 것
- 활동의 예: 수동 집계, 시스템 카운트, 로그 가공, 숫자 아닌 경우도 있음
- e.g. 직원의 성실도: 기준 (e.g. 지각 정도)
- 숫자로 표현되면서 일어나는 일: 객관화 (크고 작음이 명확해짐, 공통의 기준이 생김), 비교 (지표 공유가 활발해짐, 지표를 평가 도구로 사용하게 됨)
- 지표에 평가가 연계될 때, 지표는 행동을 변화시킨다!
- 활동 (업무, 전략)-> 수치화 (표현, 객관화) -> 비교 -> 평가
- e.g. “숫자 피드백은 인간의 행동을 바꾸는 수단"- 토마스 괴테
- Appendix
- 숫자가 우리를 원하지 않는 방향으로 이끌기도 함
- 숫자 (친구 수, 좋아요 수/조회 수)-> 반응 (좋아요 얼마나 받는 지 체크함)
- Facebook Demetricator 벤자민 그로서
- 효과: 핵심에 집중할 수 있었음
- negative case: “매출”을 지표로 잡았더니, 주문 조작과 물량 푸쉬가 일어나기 시작
- positive case: “해결 건수"에서 “혜택 받는 시민의 수"로 지표를 바꿨더니 시간 걸리더라도 어려운 일 처리
- 지표를 완전하게 하는 것들
- #1. 목표값:
- 숫자가 목표를 만날 때, indicator가 됩니다.
- 목표값은 무엇을 언제까지 실행할 지 결정하는 데 도움을 줍니다.
- 지표는 스타트업 특성 상 수시로 변경되는 비즈니스 모델과 전략의 기준이 된다. e.g. Uber의 KPI (가동률 (%)-> 언제까지? 목표값 (60%))
- #2. 관련지표:
- KPI는 장기판의 말과 같습니다. (혼자서 돌아다닐 수는 있지만 이길 수는 없어요.)
- 단일 업무에는 하나의 KPI를, 전략 실행을 위해서는 KPI set이 필요
- e.g. Uber- 다운로드 수-> 활동유저 수-> 승차 유저 수-> 추천 유저 수
- #3. 디멘젼 (쪼개서 보기)
- 지표는 대표값입니다. 활용을 위해서는 피팅이 필요합니다.
- 데이터를 확보할 수 있다면 대표값 활용을 피하고 쪼개서 보세요.
- Appendix: “평균적인 가정에 기초한 계획은 평균적으로 잘못된다" - Sam Savage
- meaning 지표는 현상을 설명하기 어려움
- 세상의 대부분은 정규분포가 아님
- 완전체가 된 지표의 모습
- before: 승차 유저 수 4,351명
- after: (디멘젼 분석: 지역별 승차유저 수 파악) 다운로드 수 - 활동유저 수 - 승차유저 수
- e.g. 지난 주 TV 광고가 효과가 있어서 다운로드 증가하고 승차 유저도 늘었구나, 광고 타켓 고객이 많은
- 허상 지표도 완전체가 되면, 쓸모가 있게 됨
- 지표와 데이터 분석의 관계는?
- 선행지표 분석, 이탈 분석
- personal takeaway: concept of KPI, importance of 완전체 KPI and connection to related and relevant KPI
- lesson
- offering 개념: classical strategy of CRM 즉 프로모션/이벤트 (예. 쿠폰, 찌라시)
- 5W 1H: 타겟 고객들에게 (who) 적절할 때 (when) 우리 서비스/매장에서 (where) 적절한 benefit을 (what) 가능한 방법으로 (how) 제공; 목적 (why)은 LTV 증가/신규 고개 유입/이탈 고객 방지/서비스 인지도 상승
- 적용: 고객을 분류-> offering 차별화
- 기본 고객 관리
- 고객의 전반적인 lifetime 영향을 미치는 속성 구분 (e.g. 빨리빠져나갈 사람)
- 관련 데이터 수집 (e.g. 어떤 dungeon에선 이탈이 심함)
- 지속적인 모니터링 및 현 상황에 대한 고객 관리 목표 설정
- targetting
- 목적 종류 (신제품 추천, 신규 고객 유도, 이탈 예상 고객군 관리 등)에 해당하는 고객군 생성 및 분류
- 기본 속성(인구통계학 정보) 및 과거의 로그 데이터를 통한 고객군 생성
- e.g. 서울 지역에선 먹히는 데, 타 지역에선 먹히지 않음
- basic selection (rule-based: e.g. DOB, 20~30 women), classification, clustering,
- campaign
- 각각의 고객군에게 적합한 혜택을 제공함으로써 해당 목적에 도달할 수 있도록 함
- e.g. 프로모션, 이벤트 등을 통한 특별한 혜택 제공 (e.g. 나가려는 유저에게 쉬운 monster 제공)
- 제공할 campaign의 효과 및 고객군과의 적합도 등의 파악 + 예측 필요
- multivariate testing (similar to A/B testing)
- 초반 피크가 이후에까지 영향을 준다고 볼 수 없으나 장기적인 관측 필요 (e.g. 쿠폰은 일회성)
- campaign 속성이 매번 변하므로 지속적 활용 어려움
- 캠페인과 서비스 변경- 지속성
- 일회성으로 끝나는 건 아닌가?
- campaign 효과를 보기 위해 오래 기다릴 수 없는데?
- 캠페인 안해도 상관없는 것?
- 대조군을 만들 수 없는가?
- 한꺼번에 여러 종류 campaign 진행해야 되는데?
- personal takeaway: study new tool for offering evaluation (multivariate test + time-series causal analysis (CausalImpact: 시계열 분석))
