그로스 마케팅을 위한 데이터 모델링(Data Modeling)
좋은 그로스 모델을 만들었다고 하더라도 데이터 모델링을 통해 구현할 수 없는 환경이라면 무용지물이 되기 때문에 데이터 모델링에 대한 이해도를 사전에 갖춰 놓고 가능 범위 내에서 그로스 모델링을 실행하는 것이 중요하다. 데이터 모델링은 프로젝트 또는 목표에 따라 데이터 중심으로 최종적으로 결과를 추출하기 위해 “수집”, “가공 및 분석”, “결과 도출”까지의 세부 데이터 흐름을 설계하는 것을 의미한다. 해당 글에서는 데이터 마케팅, 그로스 마케팅을 위한 데이터 모델링에 초점을 맞춰서 작성할 것이다.
1.수집
데이터 모델링의 첫 시발점이라고 볼 수 있는 수집 단계는 데이터 모델링의 가장 중요한 요소로 볼 수 있으며 이는 트랜잭션 트래킹 설계에 아주 큰 영향을 미친다. 수집 단계에서 중점적으로 봐야 하는 포인트는 비즈니스 모델의 데이터 환경이다.
내부 네트워크 트래픽 로그를 통한 데이터 수집 환경이 잘 구축되어 있다면 DBA와 데이터 엔지니어를 통해 원하는 데이터를 요청하여 추가 수집 처리를 할 수 있다. 하지만 지금까지 경험한 회사에서는 비즈니스 임팩트로 인해 마케팅보다 결제 또는 회원과 같은 매출과 직접적으로 연관 있는 데이터가 아니면 데이터 엔지니어링이 잘 되어있지 않은 곳이 많았다. 그렇기 때문에 마케팅 목적에 맞게 별도로 외부 데이터 수집 툴을 활용하는데 주로 사용하는 툴은 크게 3가지로 나눠질 수 있다.
1-1. 서드파티 트래킹 툴 (3rd party tracking tool)
디지털 마케팅을 하는 곳이라면 자연스럽게 업무를 하다 듣게 되는 용어가 서드파티라는 용어다. 말 그대로 내부 네트워크 로그가 아닌 외부 툴을 사용한다는 의미로 볼 수 있으며 필요에 따라서 서드파티 툴은 크게 3가지로 비즈니스 모델 환경에서 도입 시점이 나눠진다. 우선 유입 및 행동 로그 분석과 화면 분석으로 나눠지고 이후 유입 및 행동 로그 분석에서 웹과 앱으로 나눠진다.
(3rd party tracking tool 도입 시 고려 해야 할 분석 목적)
웹 환경 분석은 크게 2.0과 3.0으로 나눠지는데 web 2.0은 pc/mobile과 같은 서비스를 의미하고 web 3.0은 블록체인을 의미한다. 편의를 위해 web 2.0을 웹이라고 표현할 예정이다. 웹 환경에서 주로 사용하는 서드파티 툴은 GA4(Google Analystics4)를 사용하였다. GA4는 웹 데이터 수집을 위한 UTM(Urchin Tracking Module) 파라미터를 제공하고 있어서 GA4의 장점은 웹 분석에 최적화되어있고 최근(2024년 기준)에는 쿠키 동의 이슈에 맞춰 GTM(Google Tag Manage)를 통해 쿠키 동의 기능도 제공하여 동의한 유저만 식별할 수 있도록 데이터를 제공한다.
앱 환경 분석은 Appsflyer와 Fire base를 사용하였다. 최근 GA4가 GA에서 버전업 되면서 Fire base를 통합하여 GA4에서 함께 사용할 수 있게 되어서 GA4에서도 앱트래킹을 사용할 수 있게 되었지만 최적화라는 관점으로 볼 때 앱에 대한 데이터 수집을 위한 딥링크(Deep linking)를 사용하기에 Appsflayer가 더 활용하기 편리했었다. 물론 GA4에서도 딥링크를 제공한다. 딥링크는 일반 URL과 다르게 서비스 앱 설치 및 앱으로 직접 접속하게 하는 URL로 앱 마케팅 트래킹에 최적화되어 있다.
화면 분석은 말 그대로 특정 페이지 분석 목적으로 구글 옵티마이즈(google optimize)와 핫잘(hotjar)을 사용하였다. 두 서비스 화면 A/B 테스트 분석용으로 사용되지만 세부적인 용도에 따라 나눠서 사용될 수 있다. 구글 옵이즈는 특정 %(퍼센트)로 분석하고 싶은 비율을 정한 뒤 유입 유저에게 노출시켜 성과를 측정하는 방법이고 핫잘의 경우 화면의 특정 포인트 클릭 및 스크롤 등의 세부적인 로그를 분석한다. 두 서비스 모드 GA4와 연동된다.
이와 같이 분석 목적을 우선 명확하게 정의한 뒤 수집 환경을 정의하고 이후 그로스 모델에 맞춰서 어떻게 트랜잭션 트래킹 설계할지 기획하면 된다.
2. 가공 및 분석
가공 및 분석 단계는 실제 수집된 데이터를 분석할 수 있도록 가공하고 분석하는 방법을 의미한다. 데이터 가공을 할 수 있는 환경은 서버 또는 로컬 PC에 구축하지만 서버를 사용하는 것을 추천한다. 내부 서버가 없다면 클라우드 서버를 제공하고 있으니 필요에 따라 적용하면 될 것이다. 추천하는 클라우드 서버는 Bigquery와 AMS(Amazon Marketing Service)다. Bigquery는 GCP(Google Cloud Platform) 서비스 중 하나이기 때문에 GA4와 손쉽게 연동할 수 있고 Query 또한 편의 기능이
데이터 가공 및 분석 환경이 정의 되었다면 이제는 그로스 마케팅 목적으로 수집된 데이터를 분석할 수 있는 마케팅 데이터 마트를 구성하여야 한다.
- 마케팅 데이터 마트 : 마케팅에 성장을 기여할 수 있는 지표를 추출하기 위해 설계되는 데이터 테이블
2-1. 마케팅 데이터 마트 구성
마케팅 데이터 마트는 매출에 목표를 비즈니스 목표에 초점을 두어 쌓인 모든 데이터가 (데이터 웨어하우스)가 아닌 마케팅에 연관된 지표만 추출할 수 있는 별도의 데이터 테이블을 의미한다. 이 때 마케팅 목표는 그로스 모델링에서 정의된 값들의 수치 및 트랜잭션 데이터들이 될 것이다.
- 트랜잭션이란? 데이터의 상태를 저장, 변경, 제거 등의 목표로 행동하는 시작부터 완료되는 전체의 행위를 하는 행동 그룹을 뜻한다. 이 때 트랜잭션은 아래 4가지 조건이 갖춰야 한다.
- 데이터 마트란? 모든 데이터가 적재 된 데이터 웨어하우스(Data Warehouse, DW)에서 특정 사용자 또는 목적에 맞춰서 별도로 값을 모아 구성한 테이블을 의미한다.
- ERD란? ERD는 Entity Relationship Diagram의 약자로 데이터가 적재된 테이블에 대한 관계를 나타낸 그림이다. 주로 그로스 마케팅의 데이터 모델링 위해 ERD를 그릴 때는 마케팅 목적의 마트(특정 목적의 테이블)를 구성할 수 있는 ERD를 직접 그리거나 DBA에게 요청하여 만들 수 있다. 필수 요소는 아니지만 데이터 구조를 이해한다면 더 명확하고 다양한 그로스 모델링을 할 수 있다.
2-2. 데이터 점검
데이터 테이블을 제작할 때 함께 해야 하는 작업이 바로 데이터 점검이다. 데이터를 점검할 땐 무결성과 정합성을 점검한다. 무결성은 데이터가 목적에 맞게 적재되거나 원하는 데이터만 들어왔는지 보는 관점이라면 정합성은 첫 기록 값이 가공된 테이블 또는 알고리즘에 의해 정의된 순서 이후 출력값이 동일한지 점검하는 방법이다. 데이터 점검 방법은 분석에 막대한 영향을 미치기에 반드시 진행해야 하는 작업으로 가급적 DBA 또는 전산팀에 도움을 받는 것이 좋다.
개인적으로 무결성의 경우 서드파티툴을 사용하기에 일부 연동에 대한 문제를 제외하고 큰 문제는 없었으나 정합성의 경우 마케팅 데이터 마트 구성에서 가장 시간이 많이 들어갔었다. 주로 정합성이 가장 깨지기 쉬웠던 사례는 중복데이터 및 트랜잭션의 값이 올바르게 변경되지 않았을 때 많이 발견되었다. 하지만 이 경우 외에도 수많은 경우의 수가 있기 때문에 시간과 공을 들여서 최대한 0으로 데이터가 떨어질 수 있도록 시간을 들이는 것이 좋다.
3. 결과 도출
데이터 마케팅 테이블까지 만들어졌다면 이제 데이터를 시각화해줄 곳을 찾으면 된다. 내부에서 직접 할 수 있지만 외부툴로 주로 사용되는 툴은 Tablue와 Looker Studio등을 사용한다.
Tablue는 유연하고 편리하며 다양한 시각화에 도움을 줄 수 있다. Looker Studio는 비교적 데이터 시각화에 일부 한계점이 있으나 무료 서비스이고 GCP 서비스 중 하나인 Looker Studio는 Biguqery와 연동을 손쉽게 할 수 있어서 시각화에 큰 투자 목적이 아니라는 Looker Studio로도 활용도가 높았다. 단 시각화 분석에 대한 트래픽이 과도하게 발생되면 유료로 사용해야 한다. 하지만 Bigquery에서 마케팅 데이터 마트를 통해 데이터가 관리된다면 충분히 무료로 사용 가능하다.
마지막
2020년 이전까지는 마케팅 분석이 중요하지 않았던 시대였기에 데이터 환경 구축은 주로 서비스 중점으로만 세팅되어 있었다. 그래서 현(2023) 시점의 빅데이터 마케팅 또는 디지털 마케팅을 진행할 때 개발자와 마케터의 소통에서 격차가 생길 수밖에 없었다. 만약 마케팅을 필요로 하는 비즈니스 모델에서 데이터 모델링을 시작하거나 또는 바뀔 예정이 있는 곳이라면 그로스 마케팅을 할 수 있는 데이터 모델링을 고려하여 함께 적용해 보는 것도 추후 마케팅 분석을 위해 좋은 방향이 될 수도 있을 것이다.
멋있어요