마케팅 데이터 분석 팀 프로젝트 시작 _ 56일차 _ 260826

다시 또 팀 프로젝트 주간이 시작되었습니다! 이번에는 튜터님께서 난이도가 꽤 높을 거라고 여러 번 강조하셔서 긴장 반, 설렘 반으로 출발했어요. 확실히 VOD 강의나 세션, 실습이나 개인 과제 때 다루던 것보다 데이터의 호흡도 길고 고려할 변수가 많아진 느낌입니다.ㅠㅠ 그래도 우리 6기 수준이 높아서 충분히 잘 해낼 거라며 튜터님께서 용기를 팍팍 불어넣어 주신 덕분에, "그래, 부딪혀보자!"하는 마음으로 파이팅 넘치게 시작했습니다.

 

 

---

 

 

📌 주제 선택: 4개 조 vs 3개 조의 결전(?)

 

이번 프로젝트는 글로벌 패션 브랜드 C사의 가상 데이터를 기반으로 두 가지 주제 중 하나를 선택하는 방식이었습니다.

• 주제 1: 미국 시장 확장을 위한 신규 고객 유치 전략 (Meta 중심)
• 주제 2: AW 신상 컬렉션 트래픽 확보 및 기존 카테고리 매출 유지 (SA/DA 중심)

 

아무래도 주제 1은 해외 시장 타겟팅과 Meta 매체에 집중해야 하다 보니 선택하는 조가 적을 것 같긴 했는데... 뚜껑을 열어보니 총 9개 조 중 저희 7조와 4조, 9조 단 3개 조만 주제 1을 선택했더라고요! (나머지 6개 조는 모두 주제 2를 선택하신 것 같아요.)

 

의도치 않게 소수가 선택한 주제로 선택하게 되었지만, 오히려 더 흥미진진합니다. 같은 브랜드와 같은 시장 데이터를 두고 4조와 9조, 그리고 저희 7조가 각각 어떤 가설과 다른 전략을 펼쳐나갈지 비교해보는 재미가 클 것 같아요.

 

 

---

 

 

📊 Raw Data 분석과 오늘 다룬 핵심 지표

 

프로젝트 일정이 타이트하다보니 첫날부터 속도를 냈습니다. 브랜드 및 미국 패션 시장의 기본 환경을 조사한 뒤, 곧바로 제공된 가상 raw data를 팀원들과 함께 뜯어보며 머리를 맞대었어요.

 

특히 이번 분석에서는 단순히 수치를 보는 것을 넘어, 퍼널(인지 ➡️ 고려 ➡️ 전환) 단계별로 데이터가 어떻게 이어지는지 맵핑하는 작업에 집중했습니다.

 

 

• 퍼널 및 소재별 효율 분석 (Meta):
  • 인지(Awareness), 고려(Consideration), 전환(Conversion) 단계별로 어떤 소재 유형(Video, Carousel, Single Image, DPA)이 가장 효율적인지 살폈습니다. 노출(Impression), 클릭(Click), 비용(Cost) 대비 실제 결제 시작(Start-paying)과 구매 전환(Conversion), 매출(Revenue)로 얼마나 매끄럽게 연결되는지를 집중적으로 추적했습니다.
• 유입 채널별 기여도 비교:
  • 유료 소셜(Paid Social)뿐 아니라 Organic Search, Direct, Referral, Paid Search, Email 등 채널별 세션(Session), 이탈률(Bounce Rate), 평균 세션 시간(Avg. Session Time)을 함께 비교하며 신규 유입 고객의 질(Quality)을 가늠해보았습니다.

 

 

 

---

 

 

Raw Data 분석 시 사용한 개념

 

Funnel: 퍼널

1. Awareness: 인지

2. Consideration: 고려

3. Conversion: 전환

 

Type: 유형

1. Video: 영상

2. Carousel: 캐러셀

3. Single Image: 이미지

4. DPA (Dynamic Product Ads): 다이내믹 상품 광고, 동적 상품 광고

 

매체 데이터

1. Impression: 노출 수

2. Click: 클릭 수

3. Cost: 광고비

4. Start-paying: 결제 시작 수

5. Conversion: 구매전환수

6. Revenue: 매출액

7. Likes: 좋아요 수

 

인입 채널 요약 = 유입 채널 요약 -> 채널 분류 (Channel)

1. Organic Search: 자연 검색 (네이버/구글 검색 -> 광고비 X)

2. Paid Social: Meta 유료 광고 (인스타그램 등)

3. Direct: 직접 접속 (URL 직접 입력, 즐겨찾기, 앱 등)

4. Referral: 외부 링크 (블로그, 언론 기사 등의 링크)

5. Paid Search: 유료 검색 광고를 통한 유입 (네이버 파워링크, 구글 검색광고 등)

6. Email: 뉴스레터, 리마케팅 이메일 클릭

 

항목

1. Channel: 유입 채널 - 어디에서 들어왔는가?

2. Device: 접속 기기 - 무엇으로 들어왔는가?

3. Session: 세션 수 - 몇 번 방문했는가?

4. Bounce Rate: 이탈률 - 들어왔다가 다른 행동 없이 나간 비율

5. Avg. Session Time(s): 평균 세션 시간 - 한 번 방문했을 때 평균 몇 초 머물렀는가?

6. Conversion: 전환 수 - 목표 행동을 몇 번 했는가?

7. Revenue: 매출 - 전환을 통해 얼마의 매출이 발생했는가?

 

 

---

 

 

데이터 속 '함정' 발견과 튜터님의 칭찬 (오늘의 뿌듯 모먼트!)

 

raw data를 꼼꼼히 뜯어보다가, 수치 자체를 곧이곧대로 해석하면 자칫 논리가 꼬일 수 있는 애매한 지표를 하나 발견했습니다. 기준을 어떻게 잡느냐에 따라 전략의 전체 방향이 뒤바뀔 수 있는 중요한 변수였어요.

 

정의를 명확히 하고자 제가 도출한 가설과 해석 방향을 정리해서 튜터님께 질문을 드렸습니다. 알고 보니 일종의 '의도된 함정 데이터'였는데, 수치를 맹목적으로 받아들이지 않고 비판적인 시각으로 의문을 던진 덕분에 놓칠 뻔한 기준을 정확히 바로잡을 수 있었어요. 무엇보다 제가 짚어낸 인사이트가 아주 좋다며 그대로 전략에 활용하라는 칭찬까지 받아 팀의 분석 방향에 큰 확신과 자신감을 얻었습니다! 😆

 

 

---

 

 

💡 오늘의 깨달음

 

"데이터는 코에 걸면 코걸이, 귀에 걸면 귀걸이가 될 수 있다."

 

오늘 raw data에서 인사이트를 뽑아내려고 할 때 가장 크게 막혔던 지점이었습니다. 숫자가 부족해서가 아니라, 어떤 관점과 프레임으로 데이터를 바라보느냐에 따라 완전히 상반된 해석이 나올 수 있다는 점 때문이었어요.

 

같은 지표를 보더라도 관점에 따라 문제의 원인을 전혀 다르게 진단할 수 있더라고요. 데이터만 무작정 들여다본다고 해서 정답이 뚝 떨어지는 게 아니라는 걸 뼈저리게 느꼈습니다.

 

그래서 저희 팀은 무작정 데이터에서 결론을 짜맞추기보다, 우리가 풀고자 하는 핵심 문제와 전략적 가설의 큰 방향성을 먼저 명확히 세우기로 합의했습니다. 탄탄한 논리 뼈대를 먼저 다지고, 그에 맞춰 데이터를 다각도로 검증하며 살을 붙여나가기로 했어요.

 

첫날이라 머리는 꽤 썼지만, 튜터님의 칭찬 덕에 동기부여도 확실히 되었고 '가설 설정'과 '데이터를 비판적으로 검증하는 태도'의 중요성을 체감한 귀한 하루였습니다. 내일은 오늘 잡은 뼈대 위에 날카로운 실행 전략을 본격적으로 얹어봐야겠습니다. 내일도 파이팅! 🔥