[그로스해킹] 데이터 처리 & 활용 툴

SaaS, IaaS 전성시대 !!

• Cloud Service
• 대시보드, BI
• Attribution
• Analytics
• CRM
• Data Integration & Pipeline
• A/B test

 

Cloud Service 

• 4~5년 전에는 빅데이터 분석/관리할 환경을 만들기 위해 하둡과 스파크 먼저 시작했음
• 하지만 최근에는 데이터 관리, 분석을 위한 환경을 클라우드 서비스에서 빌려 사용할 수 있는 환경이 잘 구축되어 있음
• 대표 3사 : AWS, Azure, GCP : 3사 모두 기능이 상향평준화 됨 

 

대시보드 / BI (Business Intelligence)

• SQL 문을 이용한 데이터 추출, 조회
• 대시보드 구성 및 시각화
• 우리 서비스 특성이나 예산의 제약을 고려해서 한 두 개 정도 사용하면 좋음 

 

Attribution

• 인스톨/가입 매체별 성과 측정
• Fraud 탐지
  • FDS( Fraud Detection System ) : 거래 내역, 고객 정보, 평소 거래 패턴 등을 분석해서 의심되는 이상 거래를 탐지하고 차단하는 기술. 이상거래탐지 시스템으로 불리기도 함 (https://docs.tosspayments.com/resources/glossary/fds)
• (디퍼드) 딥링크 등 link management 
• Attribution 측정은 표준화된 기준이 있는게 아니고, 각 회사마다 나름의 기술과 방식으로 측정함

 

Analytics

• 이벤트 성과 측정
• User Cohort 분석 
• Amplitude는 굉장히 지능화된 분석을 제공함 
  • 여러 개 툴을 동시에 사용할 수 있음
  • 비쌈
• Google Analytics는 raw 데이터보다는 요약된 데이터를 보게 됨 -> 디테일한 부분을 보기는 어렵다 
  • 그래도 잘 쓰면 많은 인사이트를 얻어낼 수 있음

 

CRM( Customer Relationship Management )

• 이메일, 푸시 관리
• Marketing Automation 
• braze 같은 경우는 메일뿐만 아니라 푸쉬 메시지나 sms 등의 다양한 채널을 사용해서 마케팅 실험을 해볼 수 있음

 

Data Integration & Pipeline

• 데이터 전처리 - 추출, 변환, 적재 (Extract, Transform, Load)
• 간단한(?) 데이터 파이프라인 구성 
• Stitch나 Fivetran 같은 경우는 코드로 칠 필요없이 클릭클릭해서 손쉽게 할 수 있음 

 

A/B test

• A/B 테스트 적용 및 결과 리포팅
• 랜딩페이지 최적화
• 각 조건을 설정하고 조건별로 실험 결과를 쉽게 확인할 수 있음
• 기능은 다 비슷비슷해서 개별 서비스 가이드 읽어보고 쓰기 편한 거 쓰면 됨
• 앱의 경우 Firebase에서 기본적으로 제공하는 서비스를 통해서도 A/B 테스트 수행할 수 있음

 

도입 시 고려할 사항들

• 도입 전 목표와 예산을 고려한 꼼꼼한 비교가 필요함 
  • 굉장히 저렴한 서비스부터 굉장히 비싼 서비스까지 가격대가 천차만별임
  • 뚜렷한 목표없이 일단 도입하면, 대부분 제대로 활용하지 못함
  • 기능이 많고 Powerful한 툴일수록 온보딩에 많은 시간과 리소스를 투자해야 함 
  • [ 당장 절감할 수 있는 비용 < 미래에 만들어낼 수 있는 가치 ] 기준으로 도입 판단
• 툴 간의 경계가 모호해지고 있음
  • 서로 겹치는 기능이 많고, 서비스 간 연동도 잘 되어있는 경우가 많음 
  • A를 쓸지 말지, B를 쓸지 말지가 아닌 어떤 조합으로 쓸 지를 고민해야 함 
• 같은 비용을 내더라도 얻는 가치는 천차만별
  • 공식 가이드 문서 무시하지 말기
  • Google Analytics와 같은 일부 서비스를 제외하면, 공식 가이드문서가 툴에 대한 설명을 가장 잘 담고있음
  • 내 product에 맞춰서 customize된 서비스가 아니므로 쓰다보면 불편한 점이 반드시 존재함
    • 개발사와 주기적으로 커뮤니케이션 필요 
  • 비용에 대한 최적화에도 신경써야 함
    • 사용량에 따른 과금, 유저 수에 따른 과금, 이벤트 수에 따른 과금...
    • 신경쓰면 쓸 데 없는데 쓰이는 돈이 줄어듦 
• Tool은 Tool일 뿐
  • 툴에서 정해주는 포맷이 아닌, Raw data가 필요한 순간이 옴 
  • 원하는 형태로 자유롭게 데이터를 가공할 수 있는,, 자유도 높은 Tool을 찾다보면, 결국 직접 만들게 됨 ;;
  • 어떤 분석을 할 지가 명확할 때 실행의 리소스를 줄여주는거지  뭘 해야할 지, 어떤 분석을 해야할 지에 대한 생각을 대신 해주지는 않는다는 점 명심하기