인사이트
수업에서 다루지 못한 이야기, 그리고 업계의 변화.
-
[퍼포먼스&그로스-10]
떠난 고객과 쉬는 고객을 구분하는 법
데이터마케팅
계약이 없는 관계에서 미래 가치를 추정한다. BTYD 프레임워크와 BG/NBD 모델.
-
[퍼포먼스&그로스-9]
같은 값에 데려온 고객이 같은 고객은 아니다
데이터마케팅
매체별 코호트로 고객 품질을 진단하기. 그리고 평균 LTV가 알려주지 못하는 것.
-
[퍼포먼스&그로스-8]
효율에 집착할수록 비효율이 되는 이유
데이터마케팅
ROAS 최적화가 스스로를 소모하는 구조. 그리고 풀퍼널로의 확장.
-
[퍼포먼스&그로스-7]
광고가 없었어도 팔렸을 것들
데이터마케팅
상관을 인과로 착각하지 않으려면. 증분 테스트와 어트리뷰션을 함께 쓰는 방법.
-
[퍼포먼스&그로스-6]
쿠키가 사라진 뒤, 광고 효과를 어떻게 측정하는가
데이터마케팅
개인 추적 없이 매출 기여를 추정하는 미디어 믹스 모델링. 구글 메리디안과 메타 로빈을 비교한다.
-
[퍼포먼스&그로스-5]
그 전환은 누구의 공인가
데이터마케팅
라스트 클릭의 한계에서 샤플리 값까지. 여러 접점에 기여를 나누는 방법의 역사.
-
[퍼포먼스&그로스-4]
실험을 시작하기 전에 정해야 하는 숫자
데이터마케팅
얼마나 작은 차이까지 잡아낼 것인가. MDE를 먼저 정해야 표본 크기가 나오고, 실험이 성립한다.
-
[퍼포먼스&그로스-3]
믿을 수 있는 A/B 테스트를 위해서
데이터마케팅
표본이 모자란 채로 승패를 가르면 우연을 실력으로 착각한다. p-value와 피킹 문제.
-
[퍼포먼스&그로스-2]
마케터가 데이터로 답해야 할 세 가지 질문, 그리고 퍼널
데이터마케팅
채널·소재·예산 배분. 퍼포먼스 분석 모델이 다루는 질문과, 병목을 찾아내는 유입 퍼널의 설계.
-
[퍼포먼스&그로스-1]
퍼포먼스 마케팅은 무엇을 바꾸었나
데이터마케팅
믿음에 기반한 지출에서 데이터에 기반한 투자로. 광고비를 성과로 정산하기 시작하면서 달라진 것들.