twoone6898 님의 블로그

기업 프로젝트 (1)

twoone6898 — Sat, 2 May 2026 22:12:04 +0900

비즈토스 기업 프로젝트를 시작했다.

이커머스 쇼핑몰 M&A 하는 회사고, 판매자를 유입시키고 싶은 목표를 가지고 진행하는 프로젝트다.

제일 처음으로는 WBS를 작성하였다.

PM 공부하면서, 그리고 실배포 프로젝트 진행하면서 딱 한 번 봤던건데 눈에 좀 익었다고 작성하기 수월했다.

각 파트별로 R&R 분담하였고 정확한 기간 산정은 각 담당자들에게 맡겼다.

이후에 경쟁사, 시장, 트렌드 분석과 같은 자료 조사를 진행하였다.

비즈토스에서 SNS를 운영하고 있긴 했지만 제대로 운영되지 않는 상태였기 때문에 비슷한 콘셉트의 회사를 조사하였고

그 과정에서 해외 회사도 많이 참고하였다.

나는 데이터 분석가 파트였기 때문에 블로그와 뉴스, 커뮤니티 등의 데이터를 크롤링하여 자주 나오는 키워드를 분석했다.

제일 많이 나온 키워드를 분석하여 번아웃이 온 30대 여성 셀러와 고점에서 엑시트를 원하는 여성 셀러 둘로 페르소나를 정했으며

그것을 기반으로 기획안 목차와 기획안 중 사용자 세그먼트 / 타겟 페르소나 작성 / 핵심 메시지 파트를 작성하였다.

0427 자격증 스터디 회고

twoone6898 — Tue, 28 Apr 2026 16:38:24 +0900

- 공부 내용

ADsp 2과목

1장 데이터 분석 기획의 이해

아답터 유튜브 강의 (1,2과목)

기출유형문제 풀이

- 어려웠던 점

빅데이터 분석 방법론이 총 5단계로 나뉘는데 그 안에서도 세분화되어 있어 외울 부분이 많다.

1. 분석 기획

- 비즈니스 이해 및 범위 설정

- 프로젝트 정의 계획 수립

- 위험 요소 계획 수립

2. 데이터 준비

- 필요 데이터 정의

- 데이터 스토어 설계

- 데이터 수집 및 정합성 검증

3. 데이터 분석

- 분석용 데이터 준비

- 텍스트 분석

- 탐색적 분석

- 모델링

- 모델 평가 및 검증

4. 시스템 구현

- 설계 및 구현

- 시스템 테스트, 운영

5. 평가 및 전개

- 모델 발전계획

- 프로젝트 평가 및 보고

또 프로토타입이 MVP프로젝트와 같은 개념인지 궁금했는데

프로토타입은 이게 기술적으로 구현 가능한가? 혹은 디자인이 괜찮나?를 확인하기 위한 것이고 아이디어의 시각화 및 기술적 검증을 보여주기 위한 것이라고 한다.

그에 반해 MVP는 사람들이 진짜 이 서비스를 돈 내고 쓸까?를 확인하는 실제 판매 가능한 제품으로 생각하면 되고, 시장의 반응 확인 및 가설 검증이 목적이라고 한다.

- 회고

문제집에 ADsp 20일 과정이 있던데 그 속도에 맞춰서 공부해야할 것 같다.

3과목이 제일 어렵다고 하던데 내일부터는 3과목 진입해서 공부할 예정이다.

멋쟁이사자처럼 부트캠프 그로스마케팅 4기 _0428

twoone6898 — Tue, 28 Apr 2026 16:27:06 +0900

데이터 분석: 군집 분석과 PCA 시각화 실습 정리

오늘은 비지도 학습 중 대표적인 기법인 군집 분석의 전 과정을 학습했다. 단순히 데이터를 나누는 것에 그치지 않고, 최적의 군집 수를 결정하고 시각화하여 분석하는 법까지 정리했다.

1. 군집 분석

데이터 간의 유사성을 측정하여 특징이 비슷한 데이터끼리 동일한 그룹으로 묶는 비지도 학습 기법을 다뤘다. 정답이 없는 상태에서 데이터 자체의 패턴과 구조를 찾아내는 것이 목적이다.

2. 엘보우 방법

군집의 개수(K)를 설정하는 객관적인 기준에 대해 배웠다.

원리: 군집 내 오차 제곱합을 그래프로 그려보고, 팔꿈치처럼 급격하게 꺾이는 지점을 K로 설정했다.
결론: K가 늘어날수록 오차는 줄어들지만, 감소 폭이 완만해지는 부분이 가장 효율적인 군집수인 것을 확인했다.

3. 데이터 전처리 실습

K-Means와 같은 거리 기반 알고리즘은 변수의 스케일에 민감하기 때문에 전처리가 필수이다.

스케일링: StandardScaler를 활용해 변수 단위를 표준화했다. 이를 통해 특정 변수가 거리에 과도한 영향을 주는 것을 방지했다.
정제: 군집 중심점을 왜곡할 수 있는 이상치와 결측치를 사전에 처리했다.

4. 군집 프로파일링

나누어진 군집이 실제로 어떤 의미를 갖는지 해석하는 과정을 거쳤다.

분석 방법: 각 군집의 변수별 평균값을 산출하여 전체 평균과 비교했다.
결과: 이를 통해 각 그룹의 페르소나를 정의하고, 그룹별 특징에 맞는 비즈니스 인사이트를 도출하는 법을 익혔다.

5. PCA 시각화

고차원 데이터를 2차원 평면에 시각화하기 위해 PCA를 적용했다.

차원 축소: 여러 변수의 분산을 최대한 보존하면서 2개의 주성분(PC1, PC2)으로 압축했다.
검증: 시각화된 산점도를 통해 군집들이 공간상에서 얼마나 잘 분리되었는지 직관적으로 확인할 수 있었다.

회고 : 전처리부터 PCA 시각화까지 이어지는 일련의 파이프라인을 실습하며, 데이터의 숨겨진 구조를 파악할 수 있었다. 특히 시각화하는 부분이 눈에 확 보여서 그런지 흥미로웠다. 그치만 아직도 혼자는 잘 못 할 것 같다. 어렵다..

0420 자격증 스터디 회고

twoone6898 — Mon, 20 Apr 2026 21:33:04 +0900

- 공부 내용

ADsp 1과목

1장 데이터의 이해

2장 데이터의 가치와 미래

3장 가치 창조를 위한 데이터 사이언스와 전략 인사이트

기출유형문제 풀이

- 어려웠던 점

OLTP와 OLAP의 개념과 차이가 헷갈렸다.

OLTP는 실시간으로 각각 거래 단위에 초점을 두고, OLAP는 각각의 데이터가 쌓인 전체 데이터에 초점을 둔다는 차이점이 있다.

또 7가지 빅데이터 활용 기본테크닉 파트에서 문제가 꽤 많이 출제되는데 이 부분에서 계속 틀려서 다시 짚고 넘어가야 할 것 같다.

1. 연관규칙학습 : 장바구니 분석

2. 유형 분석

3. 유전 알고리즘 : 최적화

4. 기계학습(머신러닝) : 유튜브 추천 시스템/알고리즘

5. 회귀 분석 : 구매자의 나이가 구매 차량 타입과 어떤 관계가 있는지

6. 감정 분석 : 쇼핑몰 후기로 고객의 니즈 파악 (감정의 결과만 분석하고 그 이상으로까지는 나가지 않는듯)

7. 소셜 네트워크 분석

- 회고

초반에 생각보다 문제를 많이 틀려서 당황했지만 어떤 부분이 잘못 된건지 알면서 다음 문제를 푸니까 정확도가 많이 올라갔다. 내일은 2과목 1장까지는 마무리할 예정이다.

260320 실습

twoone6898 — Fri, 20 Mar 2026 16:35:30 +0900

성장을 위한 데이터 전략: 그로스마케팅

그로스마케팅은 단순히 광고비를 쓰는 것이 아닙니다. 데이터를 통해 고객이 어디서 이탈하는지 찾아내고, 그 틈을 메워 성장을 가속화하는 과정입니다.

지금 바로 전문적인 그로스 해킹 전략을 확인하고 비즈니스의 성과를 극대화해 보세요!

가이드 받기 →

멋쟁이사자처럼 부트캠프 그로스 마케팅 4기_2일차

twoone6898 — Thu, 19 Mar 2026 15:48:03 +0900

00 그로스 마케팅 개론

1. 그로스 마케팅 핵심 요소

-목표 설정 (문제 정의) / 빠른 실험 개선 / 데이터 분석

AARRR 퍼널에서 고객이 항상 이탈하는 이유는?

(1) AARRR 퍼널 자체가 이탈을 전제 조건으로 만들어진 프레임워크

(2) 유입-> 활성화 단계 : 잘못된 타겟팅, 과장된 메세지, 진입 마찰(회원가입 불편, 이상한 첫 화면 등)

(3) 활성화 -> 유지 단계 : 가치 제안 전달X, 유저 페인포인트로부터 사용자의 첫 행동 설계 X, 서비스 불안정

(4) 유지 -> 구매/추천 단계 : 가격/정책 불만, 브랜드 애착 없음

01 미디어 채널의 이해

1. 트리플 미디어 (paid, owned, earned) : 온라인, 오프라인 미디어까지 포괄하는 개념

(1) Owned Medua : 기업이 직접 소유/운영하는 미디어 (블로그, 자사 SNS) -> 브랜드 자산 구축

(2) Paid Media : 광고비 지불로 노출되는 미디어 (SA,DA, SNS 광고) -> 빠른 확산

(3) Earned Media : 제3자의 자발적 언급 미디어 (언론기사, 고객리뷰) -> 신뢰/입소문 확보

2. Paid Media

-비용을 지불하여 채널을 활용하는 마케팅 방식. 퍼포먼스 마케팅에서는 PPC(Pay-Per-Click) 클릭 당 비용이 발생하는 구조 -> 노출 영역에 따라 크게 SA/DA로 구분

(1) SA (Search Ads 검색 광고) : 검색 포털에서 특정 키워드를 검색했을 때 결과 페이지에 노출되는 광고

구매 의도가 명확한 고객을 타겟팅.

(2) DA (Display Ads 디스플레이 광고) : 웹사이트, 앱 내 배너, 영상 형태 광고. 언론사, 유튜브, SNS 노출되며 브랜드 인지도 확산과 리타겟팅 활용

2. 과금 방식 및 성과 측정 지표

-PPC (Pay-Per-Click) : 광고 노출과 상관없이 사용자가 클릭시 비용 지불하는 방식

-CPC : 1회 클릭당 발생하는 비용

-CPM : 광고가 1000번 노출될 때 발생하는 비용. 브랜드 인지도를 위한 DA 캠페인에서 지표로 삼음

-CTR : 노출 대비 클릭률. 광고 소재의 매력도를 판단하는 척도

3. 그로스 관점에서의 paid media 운영 전략

단순히 광고 집행에서 그치지 않고 아래의 기준을 세워 마케팅 운영

(1) LTV&CAC 관리 : 고객 한명이 평생 가져다 주는 가치 (LTV)가 고객 한 명을 데려오는 데 드는 비용(CAC) 보다 높아야 지속 가능한 성장 가능

(2) 데이터 기반 실험 : AARRR 분석하여 어떤 매체(SA/DA)와 소재가 효율적인지 A/B테스트 진행

(3) 고객 페인포인트 해결 : 각 퍼널에서 이탈하는 고객 이유를 데이터로 찾아서 해결

4. Owned Media

-기업이 직접 소유하고 관리하는 채널을 활용하는 마케팅 방식. 제품 내부의 사용자 행동 데이터를 수집하고 고객과 장기적인 관계를 구축 ->AARRR중 활성화, 리텐션 단계에서 활용

(1) CRM : 고객 데이터를 분석하여 개인화된 메세지를 전달하는 전략 (푸시 알림, SMS, 이메일 등)

(2) SEO : 자사 블로그 등 콘텐츠가 검색 엔진 상단에 노출되도록 최적화하여 지속적인 유입 유도

(3) 콘텐츠 마케팅 : 자체 채널에 유용한 정보를 게시하여 잠재 고객 유입

그로스 관점에서의 Owned media 운영 전략

(1) 지속 가능한 유입 확보 : 유료 광고 없이도 유입될 수 있도록 SEO 관점에서 운영

(2) 데이터 기반 실험 : 페인포인트 파악 -> UI/UX실험, 기능 개선 진행

(3) 리텐션 플로우 구축 : 신규 유입 고객이 이탈하지 않고 서비스를 이용하도록 owned media 를 통해 아하 모먼트를 반복적으로 경험

(4) 콘텐츠-데이터 연동 : 어떤 콘텐츠와 글이 매출로 이어지는지 추적 -> 효율 높은 콘텐츠 위주로 리소스 집중

5. Earned Media

- 제3자 (고객, 미디어)의 반응을 통해 자발적으로 얻게 된 신뢰 기반의 매체

(1) UGC : 사용자가 자발적으로 생성한 리뷰, 포스팅, 게시물

(2) 바이럴 : 콘텐츠가 고객 사이에서 자발적으로 확산되어 자연스러운 인지도 확보

(3) 바이럴 계수 : 한 명의 기존 고객이 몇 명의 신규 고객을 데려오는지 수치화한 지표

(4) 레퍼럴 : 기존 고객이 신규 고객을 데려오도록 설계된 추천 구조

그로스 관점에서의 Earned media

(1) 바이럴 루프 : 고객이 제품 사용하는 과정 자체가 자연스럽게 추천으로 이어지게 하는 장치 (초대시 리워드 지급, 협업 기능 공유 등)

(2) 자생적 성장 구조 설계 : 제품 VP(가치 제안)에 만족한 고객이 자발적으로 리뷰 남기거나 친구 초대 -> 마케팅 비용 투여 없이도 성장

(3) 신뢰도 기반 전환 최적화 : 높은 신뢰도인 earned media(실제 후기)를 owned, paid 에 노출하여 유입 고객 페인포인트 상쇄 , 전환율(CVR) 높임

고객은 알아서 찾아오지 X . 미디어를 통해 사용자 획득 및 전환을 위한 끊임 없는 실험 (테스트런) 필요

paid media 종류

1. PUSH : 고객 니즈 발생 이전에 광고를 밀어넣는 방식

2. PULL : 고객이 스스로 정보를 탐색하거나 브랜드에 관심을 갖고 끌려오게 하는 방식

시밀러랩

6. Google Ads, Meta Ads 특징

(1) 구글 애즈

-구글의 AI 기반으로 잠재 고객의 검색어에 담긴 구매 의도(Intent) 를 포착하여 적합한 광고 메세지를 노출

-구글 점유율을 기반으로 타겟에 손쉽게 도달 가능 -> 트렌드나 알고리즘 변화에 덜 민감

-google analytics 와 연계한 측정 및 분석 용이성

(2) 메타 광고

-메타 알고리즘 학습을 통해 광고 연결

-메타 머신러닝 알고리즘 : 페북, 인스타 데이터를 기반으로 링크 클릭, 구매전환 등을 실현할 가능성이 높은 사람에게 광고 노출되는 데이터 학습 알고리즘

#멋쟁이사자처럼후기 #그로스마케팅 #취업