본문 바로가기

전체 글

 (22)
[멀티캠퍼스 부트캠프 16주차] 광고 캠페인 설계 프로젝트_2차 집행 및 결과 광고 캠페인 설계 프로젝트_2차 집행 및 결과 2차 캠페인 운영 설계1. 성과 기반 캠페인 운영 변경1) 입찰 전략의 구조적 전환 -'수동 CPC(Manual CPC)' 도입(1차: 클릭수 최대화) -클릭수 최대화는 노출 극대화에는 유리하나 무분별한 지면 노출로 인해 높은 노출 대비 낮은 클릭수 및 허수 클릭 발생 가능성 높음 -입찰가 제한을 통해 실질적으로 도움이 될만한 진성 유저에게 광고를 노출하여 운영 안정성 확보 및 양장의 트래픽 유도 2) 타겟 정밀화를 위한 맞춤 세그먼트 구축 -직무 역량 및 커리어 전환에 직접적인 관심을 가진 사용자군 타겟팅 -사용자가 검색한 키워드와 방문한 사이트 웹사이트 유형을 분석하여 맞춤형 잠재고객 그룹 생성 -현재 부트캠프 상품이 해결해줄 수 있는 니즈를 가진 페인 ..
[멀티캠퍼스 부트캠프 15주차] 광고 캠페인 설계 프로젝트_1차 집행 및 2차 소재 제작 광고 캠페인 설계 프로젝트_1차 집행 및 2차 소재 제작 캠페인 운영 설계1. 4-way A/B 테스트 구조 설계1) 변인 통제 및 동일 조건 설정 -광고 소재를 제외한 타겟(데모, 관심사), 게재 지면, 입찰 전략 등 모든 설정을 4개 캠페인에 동일하게 적용 -소재별 성과 차이를 오직 콘텐츠의 소구력에서 기인한 것으로 판별하기 위함 2) 예산 및 기간 배분 -총 1차 예산 240,000원을 소재에 각 60,000원씩 동일하게 배분 -5일간의 집행 기간을 통해 각 소재당 유의미한 노출 및 클릭 데이터 확보 지향 2. 구글 애즈(Google Ads) 세부 설정-목표: 웹사이트 트래픽 유도-전략: 클릭수 최대화(설정된 예산 내에서 최대한 많은 유입 확보)-잠재고객: '취업', '마케팅 서비스', '비즈니스..
[멀티캠퍼스 부트캠프 14주차] 광고 캠페인 설계 프로젝트_기획 및 1차 소재 제작 광고 캠페인 설계 프로젝트_기획 및 1차 소재 제작 프로젝트 기획1. 프로젝트 개요 및 광고 상품 정의1) 광고 집행 상품 정의 -https://bootcamp.multicampus.com/course/crsDetail?corsCd=FA01GY -퍼포먼스 마케팅과 데이터 분석 부트캠프 -멀티캠퍼스에서 운영하는 국비 지원 교육 과정 2) 프로젝트 기획 목적 -부트캠프 시장 내 경쟁 과열로 인한 브랜드 인지도 확보 필요성 증대 -실제 수강 데이터 기반의 정량적 성과 개선 프로세스 구축을 위함 -상품의 특성과 핵심 타겟의 접점을 찾아 최적의 매체와 소재 전략을 도출하기 위함 2. 시장 현황 및 전략 수립 배경1) 시장 현황 분석 ①노동 시장의 구조적 변화 -AI 기술 확산 및 고숙련·기술 기반 직종의 인력..
[멀티캠퍼스 부트캠프 13주차] 퍼포먼스 마케팅 심화_GTM과 AARRR 설계 퍼포먼스 마케팅 심화_GTM과 AARRR 설계 퍼널 분석과 AARRR 프레임워크1. 퍼널 분석의 정의와 중요성1) 퍼널 분석의 핵심 목적 -단순한 방문자 수 측정을 넘어, 고객이 서비스에 진입한 후 단계별로 '왜 이탈했는지(Why)'를 역추적하고 파악 -발견부터 흥미, 의심 해소, 욕망, 구매, 재구매에 이르는 일련의 과정에서 발생하는 고객 행동 데이터를 분석하여 이탈 구간 식별 2) 퍼널 분석에서의 우선순위 설정(새는 양동이 막기 이론) -퍼널 분석의 1차 목적은 신규 고객 유치(Acquisition)가 아닌, 기존 고객의 이탈 방지(Activation, Retention) -활성화와 유지가 담보되지 않은 상태에서 광고 비용을 집행하여 신규 고객을 붓는 것 = 밑 빠진 독에 물 붓기(비효율적 자원 ..
[멀티캠퍼스 부트캠프 12주차(2)] 퍼포먼스 마케팅 심화_GA4 실습 퍼포먼스 마케팅 심화_GA4 실습GA4 인터페이스 및 기초 설정 가이드1. 인터페이스 구정 및 시스템 유틸리티1) 전반적인 화면 구조 및 위치 파악 -상단바: 계정 및 속성 전환, 시스템 검색, 도움말 등 전역 유틸리티 기능 포함 -사이드바: 보고서, 탐색, 광고 등 핵심 분석 메뉴로 이동하는 메인 네비게이션 -미니맵: 현재 사용자가 분석중인 데이터의 위치와 맥락을 시각적으로 명시 -계정/속성 선택: 상단바 좌측에서 분석 대상인 애널리틱스 계정과 속성을 선택 및 전환 2) 검색 및 고객 지원 기능 -검색바: 메뉴 위치 확인이 어렵거나 특정 보고서로 즉시 이동이 필요할 때 활용 -지능형 애널리틱스: "지난주 발생한 사용자 수"와 같은 자연어 질문을 통해 데이터 수치 즉각 확인 가능 -도움말 리소스: 기능..
[멀티캠퍼스 부트캠프 12주차] 퍼포먼스 마케팅 심화_GA4 퍼포먼스 마케팅 심화_GA4 구글애널리틱스4(GA4) 핵심 개념 및 데이터 구조1. GA4 개요 및 특성1) GA4 정의 및 데이터 모델 -모든 사용자 상호작용을 이벤트 단위로 수집하여 웹과 앱 전반의 성과를 통합적으로 파악하는 데이터 분석 도구 -클라우드 기반의 무료 서비스 -방문 수, 구매 수 등 수치화된 데이터 측정에 집중(정성적 데이터는 별도 보완 必) 2) 계정 구조 및 관리 단위 -계정(Account): 최상위 조직 단위, 최대 100개까지 보유 가능 -속성(Property): 데이터를 수집하는 실질적 주체, 최대 100개 생성 가능 -데이터스트림(Data Stream): 데이터의 출처(웹, ios, Android) 2. 주요 측정 지표 및 필수 용어1) 방문 및 참여 지표 -세션(Sessi..
[멀티캠퍼스 부트캠프 11주차] 데이터 분석 심화_자연어 처리 데이터 분석 심화_자연어 처리 단어 가방 모형(Bag of Words; BOW)1. BOW의 정의 및 특징1) 정의 및 구조 -개념: 문서에 포함된 단어들의 순서를 무시하고, 오직 각 단어의 출현 빈도(Frequency)만을 기반으로 문서를 수치화하는 방식임. -DTM(Document Term Matrix): 개별 문서의 토큰 빈도를 행렬로 나타낸 결과물이며, 행은 문서, 열은 단어 토큰을 의미함. 2) BOW 및 DTM의 한계 -의미(Semantic) 정보 결여: 단어 간의 연관성이나 의미 차이를 반영하지 못하고 단어의 순서 정보가 손실됨. -고차원 희소 행렬(Sparse Matrix): 단어 사전이 커질수록 대부분의 값이 0으로 채워져 메모리 효율이 저하됨.-일반화 한계: 학습 시 사전에 없던 단어(..
[멀티캠퍼스 부트캠프 10주차(1)] 데이터 분석 심화_딥러닝 데이터 분석 심화_딥러닝머신러닝(Machine Learning) vs. 딥러닝(Deep Learning)1. 정의 및 기술 간 상관관계1) 인공지능(AI)의 계층 구조 -인공지능: 인간의 지능을 기계로 구현하려는 가장 포괄적인 개념 -머신러닝: 데이터를 통해 기계가 스스로 학습 규칙을 찾아내게 하는 인공지능의 하위 분야 -딥러닝: 인공 신경망을 여러 층으로 쌓아 복잡한 데이터를 처리하는 머신러닝의 특화된 한 부분집합 2) 데이터 처리 방식의 진화 -머신러닝은 데이터 정제하고 특징 입력하는 과정이 필요하지만, 딥러닝은 원본 데이터(이미지, 음석 등)를 직접 입력받아 처리 可 2. 특징 추출에서의 차이점1) 머신러닝: 수동 특징 추출 -사람이 이미지나 데이터에서 관련 특징을 직접 정의하고 추출하여 모델에 ..

티스토리툴바