분석 성숙도 모델로 데이터 전략을 최대한 활용하는 방법

대부분의 마케팅 담당자는 비 쿠키 측정 방법이 광고에 큰 영향을 미칠 것이라는 데 동의합니다. 그러나 이러한 방법을 구현하려면 특정 수준의 분석 기능과 올바른 데이터에 대한 액세스가 필요합니다.

다음과 같은 질문을 하게 될 수도 있습니다.

• 나의 현재 수준의 분석 능력은 무엇입니까?
• 내 비즈니스에 대해 무엇을 알 수 있습니까?

분석 성숙도 모델, 현재 어느 단계에 있는지 파악하는 방법, 앞으로 나아가는 최선의 방법에 대해 자세히 알아보려면 계속 읽으십시오.

건너뛰기 >>

• 분석 성숙도 모델이란 무엇입니까?
• 다른 단계는 무엇입니까
  • 구조화되지 않은
  • 설명
  • 특수 증상
  • 예측
  • 규범적
• 모델 어디갔어
• 자신에게 맞는 모델을 선택하는 방법

치트 시트를 스 와이프

나중을 위해 분석 성숙도 모델 치트 시트 저장

지금 저장

분석 성숙도 모델은 무엇입니까?

분석 성숙도 모델 은 기업이 데이터를 수집하기 위해 데이터를 수집하는 것이 아니라 데이터를 사용하여 통찰력을 찾고 의사 결정을 내리는 방법을 결정하는 데 도움이 되는 프레임워크입니다.

몇 가지 분석 성숙도 모델이 있으며 가장 많이 사용되는 모델은 다음과 같습니다.

• Gartner의 - 데이터 및 분석을 위한 성숙도 모델
• SAS - 분석 성숙도 스코어카드
• OECD—분석 성숙도 모델
• DAMM - 연결을 위한 데이터 분석 성숙도 모델

Gartner 모델을 기준으로 사용하겠습니다. 이해하기 쉽고 실행 가능하며 판매, 재무 등 마케팅 이외의 세그먼트에 적용할 수 있기 때문에 모델을 선택했습니다. 또한 많은 분석 성숙도 모델이 매우 유사하므로 여기에서 단계, 작업 및 권장 사항을 적용할 수 있습니다. 포스트, 사용 중인 모델에 관계없이.

분석 성숙도 모델의 다른 단계는 무엇입니까?

Gartner 모델에는 4단계가 있으며 첫 번째 단계에는 기본적인 분석 기술이 필요합니다. 분석 기술이 없는 비즈니스를 다루기 위해 모델에 구조화되지 않은 단계를 하나 더 추가했습니다. 그런 다음 기술, 진단, 예측 및 규정 분석이 있습니다. 각 단계를 개별적으로 살펴보고 단계와 앞으로 나아가는 방법을 이해하는 데 도움을 줄 것입니다.

구조화되지 않은

구조화되지 않은 데이터 분석 은 데이터 전략이 없고 분석을 전혀 사용하지 않음을 의미합니다.

귀하가 농구화와 같은 신발을 판매하는 사업을 하고 있다고 가정해 보겠습니다. 사람들이 특정 운동화에 얼마나 관심이 있고 왜 그런 것인지 알 수 없습니다.

기술적 분석에 도달하기 전에는 지체 또는 제한 단계에 있습니다. 대부분의 경우 대부분의 비즈니스는 여기에서 시작됩니다. 따라서 도약을 기다리고 있다면 혼자가 아닙니다.

마케팅 분석

그것이 실제로 의미하는 것, 왜 관심을 가져야 하는지, 그리고 그것을 더 잘할 수 있는 방법

더 읽어보기

설명

기술 분석 (실제 상황 )은 가장 단순한 형태의 분석이며 보다 심층적인 유형의 기반입니다. 기술 분석은 원시 데이터에서 추세를 가져오고 이러한 추세가 의미하는 바에 대한 통찰력을 제공하여 발생했거나 발생하고 있는 상황을 요약합니다.

이전 예를 계속 설명하는 분석을 통해 다음과 같이 알 수 있습니다. 이 농구화는 매년 8월, 9월 및 10월 초에 계절에 따라 관심이 증가합니다.

데이터 시각화를 사용하여 차트, 그래프 및 지도에서 데이터의 추세(급감 및 급등)를 명확하고 쉽게 이해할 수 있는 방식으로 표시할 수 있으므로 설명 분석을 전달할 수 있습니다.

“시각 자료는 두뇌가 동시에 더 많은 데이터를 처리하도록 도와줍니다. 잘 사용하면 독자가 눈 깜짝할 사이에 복잡한 데이터를 이해하는 데 도움이 될 수 있습니다.”

Ralph Spandl, 데이터 시각화 책임자, Supermetrics

계속 읽으세요

이 단계에서 Google 스프레드시트, Excel과 같은 스프레드시트 도구와 Looker Studio(이전 Data Studio) 또는 Power BI와 같은 데이터 시각화 도구를 사용할 수 있습니다.

Google 스프레드시트 및 Excel

복사/붙여넣기가 필요 없도록 모든 고립된 마케팅 데이터를 스프레드시트로 가져오세요.

더 알아보기

특수 증상

진단 분석 으로 분석을 한 단계 더 나아가( 왜 이런 일이 발생했는가 ) 추세나 움직임을 비교하고, 특정 통계 간에 상관 관계가 있는지 확인하고, 가능한 경우 원인과 결과 관계를 결정하는 것이 포함됩니다.

농구화를 가장 많이 사용하는 그룹에 대한 인구통계학적 데이터를 보면 13세에서 16세 사이라는 것을 알 수 있습니다. 하지만 이 운동화를 구매하는 고객은 30세에서 50세 사이인 경향이 있습니다. 일부 고객 설문조사 데이터 앞서 수집한 자료에 따르면 고객이 농구화를 구매하는 주된 이유 중 하나는 부모가 운동화를 십대 자녀에게 선물하기 때문입니다. 늦여름과 초가을에 판매가 증가한 것은 그 해에 시작되는 농구 시즌 때문일 수 있습니다.

"통찰력 기반이 된다는 것은 올바른 결정을 내릴 수 있도록 마케팅 데이터를 가져와 이해하는 것입니다."

Edward Ford, 수요 창출 책임자, Supermetrics

계속 읽으세요

Excel 및 Google 스프레드시트와 같은 도구에서 수동으로 진단 분석을 수행할 수 있지만 일반적으로 마케터는 Looker Studio 또는 Power BI와 같은 BI 도구를 사용하여 특정 통계를 서로 비교하는 간단한 논리를 적용합니다.

데이터 웨어하우스를 사용하는 것도 인기 있는 옵션입니다. 유료 미디어 및 유기적 소셜과 같은 다양한 소스의 데이터를 시각화 도구에 제공하기 전에 단일 위치로 수집할 수 있기 때문입니다. 위의 개념을 마케팅 수요 조사 및 고객 행동 설명과 같은 다양한 사용 사례에 적용할 수 있습니다.

예측

예측 분석 - 미래에 일어날 수 있는 일 - 미래 추세 또는 결과를 예측하기 위한 과거 데이터. 수동으로 또는 기계 학습 알고리즘을 사용하여 수행할 수 있습니다.

마케팅에서 예측 분석을 사용하여 연중 다양한 시기에 판매 추세를 예측하고 그에 따라 캠페인을 계획할 수 있습니다. 예를 들어 지난 10년 동안 매년 8월, 9월, 10월 초에 농구화에 대한 관심과 판매가 급증했다는 사실을 알면 내년에도 같은 추세가 발생할 것이라고 예측하는 데 도움이 될 수 있습니다. 과거 행동 데이터는 또한 브랜드 인지도에서 제품 구매로 이동할 가능성을 예측하는 데 도움이 될 수 있습니다. 따라서 사람이 일반적으로 구매하기 전에 5가지 콘텐츠와 상호 작용한다는 것을 알고 있다면 그에 따라 콘텐츠를 계획할 수 있습니다. BigQuery와 같은 데이터 웨어하우스에 기록 데이터를 저장하면 예측 분석을 수동으로 수행하는 데 도움이 될 수 있습니다.

dbt와 같은 데이터 모델링 도구는 다양한 소스의 정보를 통찰력 있는 테이블로 자동 결합하는 데 도움이 될 수 있습니다. 머신 러닝 플랫폼을 사용하여 예측 분석을 더욱 자동화할 수 있습니다. 또한 기계 학습 기능이 있는 견고한 데이터 세트를 보유하면 규범적 수준으로 원활하게 전환할 수 있습니다.

예측 분석

시작하기 위해 알아야 할 모든 것

더 읽어보기

규범적

마지막으로, 규범적 분석 ( 다음에 해야 할 일 )은 시나리오에서 가능한 모든 요소를 ​​고려하고 실행 가능한 테이크아웃을 제안합니다.

농구화 예제를 완성합니다. 농구 시즌이 곧 시작되고 추세 분석에 따라 운동화 수요가 증가할 것이라는 사실을 알았으니 이제 어떻게 해야 할까요? 두 개의 광고 크리에이티브로 A/B 테스트를 실행할 수 있습니다. 제품 최종 사용자인 십대를 대상으로 합니다. 그리고 구매자인 부모를 대상으로 합니다. 실험 결과는 이 짧은 기간을 더 잘 활용하는 방법을 파악하는 데 도움이 될 수 있습니다.

더 작은 데이터 세트로 수동 규범적 분석을 수행할 수 있지만 더 많은 양의 데이터로 작업할 때 "다음에 수행하는 가장 좋은 방법은 무엇입니까?"에 대한 답을 얻기 위해 기계 학습 알고리즘을 사용하면 더 나은 결과를 얻을 수 있습니다. Google Cloud Vision AI 또는 Vertex AI와 같은 플랫폼은 이러한 기계 학습 모델을 배포하는 데 도움이 될 수 있습니다.

규범적 모델을 구축하려고 하십니까?

당사의 전문 서비스 팀이 도와드릴 수 있습니다.

문의하기

당신은 모델의 어디에 있으며 어떻게 앞으로 나아갈 수 있습니까?

무엇에 집중할지 결정하기 전에 분석 성숙도 모델의 다양한 영역에서 조직의 위치를 ​​이해하는 것이 중요합니다. 현재 위치에 따라 앞으로 나아갈 방법을 계획할 수 있습니다.

1. 평가

먼저 현재 분석 성숙도를 평가하여 어떤 데이터를 수집하고 사용하고 있는지 알아보세요. 다음 질문에 답하십시오.

• 현재 데이터 소스는 무엇입니까?
• 누가 해당 데이터에 액세스할 수 있습니까?
• 어떤 도구를 사용하고 있습니까?

2. 가용성

여기에서 다음을 포함하여 사용할 수 있는 다른 데이터 소스를 파악해야 합니다.

• 내부 데이터 소스: CRM, 웹 분석, 고객 피드백
• 외부 데이터 소스: 광고 플랫폼, 공개 데이터 등

3. 우선순위

다음으로 모니터링하는 지표와 이들이 대답하는 질문을 고려하십시오. "얼마나 많이"에 대한 정보만 제공하는 지표에 집중하는 대신 "이유"와 "방법"에 대한 실행 가능한 통찰력을 제공하는 항목에 우선순위를 두십시오.

“데이터 기반이 되는 것은 통찰력 기반이 되는 것과는 다릅니다. 데이터는 퍼즐의 한 조각일 뿐입니다. 고객 행동 이면의 '이유'를 이해해야만 진정으로 효과적인 마케팅 캠페인을 만들 수 있습니다.”

Will Yang, Instrumentl 성장 책임자

계속 읽으세요

4. 사람들

관련 이해 관계자가 관련 데이터에 액세스할 수 있는지 확인합니다. 민첩한 관행을 구현하여 사일로를 허물고 부서 간 데이터 공유를 간소화하세요. 직원들에게 데이터에 대한 액세스 권한을 부여하고, 데이터 사용 방법을 가르치고, 새로운 아이디어를 장려하는 것을 고려하십시오.

“데이터 활용 능력에 대해 팀을 교육하고 이를 문화의 일부로 만드십시오. 팀은 데이터를 사용해야 하므로 기본 사항을 알아야 합니다.”

Lee Feinberg, Decision Viz 회장

자세히 알아보기

5. 기술

사용 가능한 데이터를 해석하고 그로부터 가치를 얻는 데 도움이 되는 기술에 투자하십시오. 팀의 분석 기술에 대해 생각하고 적합한 도구를 선택해야 합니다. 기술적이지 않은 사용자의 경우 보고서를 쉽게 이해할 수 있도록 사용자 친화적인 인터페이스가 있는 데이터 시각화 도구를 사용할 가치가 있습니다.

반면 팀에 SQL 기술이 있는 경우 데이터 웨어하우스를 사용하여 더 많은 가치를 얻을 수 있습니다.

"팀이 SQL 작성 방법을 알고 있지만 데이터 엔지니어링에 대한 모든 것을 알지 못하는 상황이 있는 경우 데이터 웨어하우스가 더 적합합니다."

Evan Kaeding, 수석 영업 엔지니어, Supermetrics

계속 읽으세요

이 다섯 가지 측면을 살펴보고 모델을 통해 앞으로 나아갈 계획을 세울 때마다 자신에게 동일한 질문을 하여 준비가 되었는지 확인하십시오.

자신에게 맞는 모델을 선택하는 방법

분석 성숙도 모델에서 귀사가 있어야 할 위치는 데이터를 사용하는 사람과 데이터에서 도출할 것으로 예상되는 의사결정으로 귀결됩니다.

특히 예측 및 규범 분석을 통해 모델을 업그레이드하여 더 나은 통찰력과 ROI를 얻을 수 있지만 몇 가지 사항에 주의해야 합니다.

AI 및 기계 학습 모델을 교육하려면 정확한 데이터가 필요합니다. 데이터 세트가 좋을수록 예측도 좋아집니다. 데이터가 불완전하거나 잘못된 정보가 있는 경우 결과가 손상될 수 있습니다.

예를 들어, 농구화 구매자의 연령 인구 통계 데이터에 최종 사용자인 10대에 대한 데이터만 포함되어 있고 부모가 이 운동화의 실제 구매자라는 정보는 빠져 있습니다. 귀하의 규범적 모델은 부모를 귀하의 제품을 마케팅할 그룹으로 간주하지 않으며 대부분 십대에게만 마케팅하도록 조언할 것입니다. 마케팅 팀은 아마도 잘못된 청중에게 투자하여 판매를 촉진할 기회를 놓칠 것입니다.

이 경우 기계 학습으로 생성된 충분한 정보에 입각한 예측 및 결정을 내리기 전에 설명 모델( 무슨 일이 일어났는지 ) 또는 진단 모델( 왜 발생했는지 )을 사용하고 해당 데이터 세트의 품질을 구축하는 것이 더 합리적입니다. 이후 단계의 AI.

데이터 소유권

마케팅 데이터에서 더 깊은 인사이트를 얻는 방법

지금 읽기

마무리

분석 성숙도 모델은 데이터를 최대한 활용하고 의사 결정을 개선하는 데 도움이 됩니다. 모델의 각 단계는 다음 단계를 준비합니다.

따라서 기술 분석을 사용하여 무슨 일이 일어나고 있는지에 대한 이야기를 전달한 다음 이를 기반으로 진단 분석의 도움을 받아 그러한 일이 발생하는 이유를 알아낼 수 있습니다.

올바른 데이터에 액세스하고 신뢰할 수 있으면 예측 분석으로 이동하여 추세를 파악할 수 있습니다. 마지막으로 이러한 예측을 사용하여 규범적 분석을 통해 향후 수행해야 할 작업을 알릴 수 있습니다.

아직 규범적 단계에 있지 않더라도 걱정하지 마십시오. 모델을 통해 이동하는 것은 현재 요구 사항과 리소스를 평가하고 너무 빨리 확장하기 전에 이를 최대한 활용하는 것입니다. 옳고 그른 장소는 없으며 팀과 비즈니스에 적합한 장소입니다.

치트 시트를 스 와이프

나중을 위해 분석 성숙도 모델 치트 시트 저장

지금 저장

저자 소개

Pieter는 Supermetrics의 영업 엔지니어입니다. 그는 고객과 긴밀히 협력하여 마케팅 데이터 스택에서 가치를 높일 수 있는 기회를 식별합니다. 근무 시간 외에는 보통 농구 코트에서 골대를 치고 있는 모습을 볼 수 있습니다.