Nativic's Web Analytics

고무동력기

nativic — Sun, 07 Jun 2009 22:31:18 +0900

토이저러스(?)에 갔다가, 그냥 어릴때 생각이 나서 고무동력기 만들어서 애기랑 놀아야겠다는 생각이 들었다.

5천2백원인가...주구 사와서 30분 잠깐 고생하구 나서, 날개 팽팽하게 해서 말린 후....

바로 학교운동장에 함께 나갔다.~

근데, 고무줄이 불량인지 자꾸 끊어져서 2겹으로 하니.

지면에서 바로 이륙하는 것은 많이 못 올라가네...

그래도 재미있군 ^^; 본유도 좋아하고 ㅋㅋ

웹분석 컨설팅과 권력의 분립

nativic — Tue, 12 May 2009 15:46:41 +0900

많은 국가들은 권력이 분립(分立)되게끔 한다. 우리나라 대한민국은 삼권이 분립(三權分立)되어 있다.
입법부, 행정부, 사법부와 같이 분리되어 있는데 각기 권한을 분리함으로서 권력의 오남용을 막고자 함이다.

웹분석은 위와 같인 3권을 본다면 사법부에 가깝다고 봐야할까 ?
웹분석의 역할이 '계획' - '실행' - '측정 및 평가' 에서 '측정 및 평가'의 단계에 해당되므로 그렇게 보아야 할 것 같다.
그렇다면, 고객사는 큰 의미에서 어떻게 사업을 할 것이고, 마케팅/광고 비용등을 '계획' 하였으므로 입법부에 해당되겠고
의뢰를 받은 마케팅/광고 에이전시는 세부적인 마케팅/광고/제작등에 대해 계획하기는 하지만 실제 '실행' 역할이므로 행정부가 되겠다.

고객사와 에이전시, 그리고 웹분석 컨설팅(또는 분석대행사)의 관계에서도 이와 같은 3권의 분립이 있어야 할 것 같은데,
간혹, 분립되기 보다는 고객사 입장에서 계약과 관리의 편의성으로 인해 에이전시에 모두 위임되는 경우가 상당수 존재한다.
이 경우, 고객사로부터 지불된 비용은 에이전시가 1차, 측정 및 평가부분은 2차로 하도급형태로 위임된다.
이는 기업이 웹분석의 역할을 올바르게 파악하지 않고, 단순한 웹분석 솔루션 또는 서비스를 도입하는 정도로 간과하는데서 발생하는 문제로 생각된다.
에이전시가 올바르게 웹분석의 ROLE을 이해할 경우 문제가 없겠지만, 비용의 집행과 측정 및 평가결과에 대한 최종 포장과 보고를 한다는 측면에서 볼 때,
웹분석 컨설팅을 수행하는 업체가 웹분석의 결과에 얼마나 객관성과 중립성을 유지할 수 있을지 걱정 되지 않을 수 없다.

그러므로 웹분석을 통해 '올바른 직언(피드백)'과 얻고 '실행' 결과에 대해 평가를 하고자 한다면,
웹분석 ROLE을 비용, 프로세스등 다방면에서 독립시켜 책임과 권한을 부여할 때 기업이 얻고자 하는 가치를 찾을 수 있을 것이다.

웹분석 솔루션의 공급이 아닌 웹분석 컨설팅에 대한 주제임으로 오해하지 않아야 하겠습니다.

가끔 민감하게 생각하는 단어들

nativic — Tue, 12 May 2009 15:04:38 +0900

가끔 말하는 사람의 사상? 철학? 이 녹아들어 있는 듯한 단어선택들이 있다.
궂이 의도할 목적이 아니라면, 객관적이며 중립적인 단어를 선택해보면 어떨까 ?
아마도 그 방법은 대화의 각 주체를 중심으로 설명하기 보다는 특정

다르다와 틀리다
가끔 '다르다' 라는 표현을 써야할때 '틀리다' 라는 표현을 선택하게 되는 - 아니 어쩌면 차이를 구별 못하고 사용되는 경우도 있겠지만 - 경우를 자주 볼 수 있다.
'다르다' 라는 말보다 '틀리다' 라는 말이 사용되는 이유는 자신의 기준에 의하면 '틀리다' 라는 것을 강조하고 싶어서 인가 ?
그냥 '차이가 있다' 라고 말한다면 될 것 같다.

윗분과 아랫것
왜 위의 사람(정녕 위의 사람이라 함은 무엇을 뜻 하는 것인지 ?) 과 아랫 사람(그럼 아래 사람은 누구?)의 호칭이 이토록 극명하게 존칭과 비존칭으로 달라져야 하는지도 궁금하다.
윗분들과 아랫것들을 나누는 것이 계급 또는 직급이었다면, 그냥 직급을 부르는 것이 더욱 편할 것이다.
예를 들면, 장관들, 팀장들, 사원들, 보좌관들 등과 같이...

말씀과 소리
'뭔 소린지 모르겠다'와 '어떤 말씀이신지 이해가 잘 안됩니다.' 처럼 차이가 많은 경우도 드물것이다.
아예 듣는 자세부터가 다르므로 적절한 문구가 없겠지만, 그래도 '어떤 내용인지 이해가 잘 안된다' 라고 한다면 문제 없지 않을까 ?

웹분석의 오해와 진실 ?

nativic — Wed, 15 Apr 2009 14:14:24 +0900

널리 알려진 '프로젝트의 오해와 진실' 이라는 만화가 있다.

차례대로
첫째줄 - '고객의 설명', '프로젝트 리더의 이해', '분석가의 설계', '프로그래머의 작업결과', '비즈니스 컨설턴트의 설명'
둘째줄 - '프로젝트의 문서화 결과', '구현된 기능들', '고객이 지불할 비용', '유지보수', '고객이 실제로 원했던 것'

요구와 이에 대한 이해부족,
그리고 실제 프로젝트가 진행되면서 내부적인 협업의 문제로,
또는 자신이 맡은 ROLE에만 집중화된 관점에서 자의적으로 진행된,
그럼에도 멋지게 포장되고 실속은 없어지고,
결국 '돈과 리소스'를 낭비만 하여 버린 것이 결국 프로젝트라는 의미를 보이고 있는 만화이다.

결국 비즈니스 세상이 경제논리에 맞추어, 체계화되어 진행되는듯 하지만
막상 진행되고 나면 나름대로의 상상속에서 그려진 각자만의 자의적인 기준에 의해
동떨어진 결과를 낳는다는 이야기이다.

흠...
웹분석도 역시 이러한 관점에서 살펴보니
1998년도 즈음에 있었던 CRM에 대한 환상(?) 처럼
프로젝트를 통해서 얻는 IT솔루션이든 구매하는 솔루션이든,
문제는 제품과 시스템보다 사람에게 있다라는 것에 공감한다.

'웹분석 솔루션'들도 단순한 '도구'일 뿐인데, 많은 기업 내에서는 각자의 위치에 따라 생각이 다양하다.

이상과 현실은 ?

CEO / 사업팀장
이상 : 웹사이트의 성과측정 가능한 솔루션의 도입을 통해서 사업의 성과를 보다 객관적으로 평가하고, 개선하여 나갈 수 있겠지 ? 그렇다면 웹분석툴 도입 예산을 할당해 주자.
현실 : 웹분석툴의 도입을 승인하였으나, 측정과 분석에 대한 프로세스를 진행할 팀조직구성, 도입에 대한 비용외적 부분( 사이트에 적합한 웹분석 방법을 적용하는 것, 운영하고 분석을 수행하는 것등 )을 도외시하여 구매하여 놓은 웹분석 도구를 썩힌다.
마케터 / 기획자
이상 : 웹사이트를 방문하는 고객을 상세히 분석하고, 각 마케팅 캠페인에 대한 효과와 원인을 분석하여 가장 최적화된 마케팅 캠페인과 타겟 고객층을 발굴할것이다. 이로 인해 성과도 높아지겠지 ?
현실 : 웹분석 도구를 이용해 분석을 시작하였으나, 웹분석에 대한 분석방법/이론에 대한 학습부족과, 응용/활용력 부족으로, 트래픽(페이지뷰, 방문수 등) 중심의 기본적인 측정지표들만 산출하여 보고하고 만다.
웹사이트 컨텐츠운영 또는 상품관리자.
이상 : 커머스 사이트의 상품들에 대해 관심도, 교차판매, 구매포기정도등에 대해 상세히 분석하고, 주요 페이지에 대한 클릭분포등을 분석한다면, 더욱 방문자에게 어필할 수 있는 컨텐츠와 상품을 준비하여 더욱 높은 성과를 얻을 것이다.
현실 : 초기에 올바르게 분석적 접근을 하여 도구들을 셋팅하였다고 하더라도, 시간이 지남에 따라 웹분석 이란 것은 잠깐 해보고 마는 '싫증난 장난감'처럼 버려지고, 가끔 문제를 발견하더라도 이에 따라 웹사이트를 최적화 하는 작업 프로세스를 이끌어가 나가지 못한다.

결국, 웹분석을 성공적으로 하려면...

현재 상황에 맞는 웹분석 도구를 선정하고, 분석목적에 맞추어 적용하는 Implemnetation 단계가 있어야 하고.
웹분석 도구와 이를 활용하여, Feed Back Loop를 돌아 사업개선에 적용될 수 있게끔 하는
웹분석과 최적화/적용 프로세스를 만들어야 하고.
또는 이러한 프로세스를 리드하면서, 웹분석 실무와 원인과 대안을 제시하고 실행시키는
웹분석 전담부서를 만드는 '웹분석 프로세스/웹분석 팀 만들기'가 있어야 겠고.
웹분석 도구를 이용하여 업무에 이용하는 사람들에게 필요한 적정 수준의 교육을 진행시켜야 겠고.
위 모든 것들이 잘 될 수 있는 환경을 만들어 주는 CEO/사업팀장의 마인드
아니면, 위의 사안들을 잘 진행해줄 전문가를 고용하거나, 전문 업체에 위탁하거나. (사실 내부적으로 갖추려면 사람 구하기도 힘들구 )

이런것 말고 다른 간단한 방법은 없을까 ?
흠....

감자 고로케

nativic — Mon, 13 Apr 2009 12:54:01 +0900

감자 고로케는 반죽을 할때 계란을 좀 섞는것이,
익힐때 흩어지지 않고 모양을 잡게 해주는것 같다.
소금도 조금 넣어줘야 더 맛있다.

겉은 바삭바삭하고 안에는 쫀득하면서도 부드러우니 애기도 잘 먹는다.

갑자기 더워지니 겨울이 그립다.

nativic — Fri, 10 Apr 2009 16:54:52 +0900

추워보이니 ?

이 블로그의 주제는 ?ㅎ

nativic — Mon, 06 Apr 2009 14:29:49 +0900

웹분석을 주제로 삼으려고 했는데, 주로 '만들기' 카테고리에 글이 쓰여지고, 신변잡기로 채워져 나가는것 같다.

다음 부터는 좀 다른 내용을 찾아봐야 겠다. ㅋㅎㅎ

핏자 만들었다

nativic — Mon, 06 Apr 2009 14:27:45 +0900

빵 주변에 치즈를 넣고 돌돌말아서, 치즈크러스트 피자를 만들려고 했는데 생각보다 어렵다. 피자치즈를 생각보다 충분히 넣어주어야 하고, 빵이 너무 두껍게 되지 않도록 조심해야 한다.

토핑과 치즈를 너무 많이 얹으면, 가운데 빵이 눅눅해져서 (질겨지는건가?) 맛이 떨어지게 되나보다.

스파게티와 시금치크림스프

nativic — Mon, 06 Apr 2009 14:25:12 +0900

맛있어 보이는 먹을것의 사진을 찍어 놓으면, 나중에 보기만 해도 그때 맛이 떠오르면서 기분이 좋아지는것 같다. 이번 스파게티와 스프만들때 만드는데 돕지는 않고 구경만 했지만 사진이라도...

만들어 먹는게 더 맛있는 경우가 많은것 같다.

입맛에 맞추어서 그런건가 ?

오므라이스

nativic — Mon, 06 Apr 2009 14:09:54 +0900

뭐 내가 직접 만든것은 아니구, 울 와이푸가 만들긴 했지만... 왠지 맛있어 보이길래...

Playdoh 로 만들기.

nativic — Tue, 27 Jan 2009 19:03:01 +0900

아기 장난감인 Playdoh(밀가루로 만든 점토)로 여러가지 만들어 보았다.

친척 사촌들도 너무 재미있게 만들던데...ㅎㅎ

역시 재미있다.

계란후라이, 김밥, 햄버거, 감자튀김.

웹분석은 왜 도입하는걸까 ?

nativic — Fri, 23 Jan 2009 13:51:14 +0900

아마도, 온라인 환경에서 웹사이트를 운영한 후

- 얼마나, 어떻게 웹사이트가 방문자에게 이용되었는지 ?

- 어느 부분을 개선하면 웹사이트를 통한 성과달성(매출액?)에 유리한지...

- 그외 다양한 마케팅 활동과 상품관리 활동에 대한 FeedBack을 얻기위해...?

와 같이 어떤 계획과 실행한 행동에 대해 적절한 효과를 얻었는지 궁금해서일것이다.

하지만, 이외에도

- 팀장, 경영자가 웹분석을 도입하라고 해서,

- 남들도 하니까...

- 웹사이트 운영결과에 대한 보고서를 작성하기 위해

인 경우도 꽤 많은것 같다.

후자에 해당하는 경우

어떤 책에서 읽었는지 기억은 나지 않지만,

정부는 전국적으로 넘쳐나는 쥐들을 없애기 위해 '쥐꼬리'를 가져오는 자에게는 보상금을 지급하였다. 그러자 전국의 많은 사람들이 쥐들을 사육하기 시작하였다.

와 같은 내용과 별 다를바가 없는것 같다.

수 많은 '머리 좋은 사람'들이 목적과 의미를 잊은채 눈 앞에 보여지는 '급박한 해결과제'와 '지시하는 항목', 또는 '단기적 수익'을 위해 멋진 방법들을 고안하고는 한다.

이 부분이 국가, 정부, 회사를 이끌어 나갈 사람에게는 장애물일지 모르겠으나, 전 인류적(?) 발전과정을 보면 꼭 나쁜것만은 아닌것 같기도 하다.

어쩌면 이로 인해 인류의 발전(?)이 이루어진 것 일지도...

게으른 몸과 비상한 머리.~ ( 그 비상한 아이디어의 현실화는 누가하나...? )

9월부터 글을 하나도 못 쓰다니...

nativic — Sun, 14 Dec 2008 16:18:46 +0900

아무래도 너무 바빴거나, 마음만 바빴거나...

에어콘 물통 수위 알람

nativic — Wed, 20 Aug 2008 21:38:21 +0900

건물주가 약간 까다로우셔서
에어콘 배관(에어콘 배수 호스가 5개 있는데 모두 밖으로 못 뺏다.)의 물나오는 호스를
생수통으로 받아서 쓰고 있는데,
자꾸 물이 넘쳐서 바닥이 물바다가 되기 일쑤였다.

그래서 멜로디나오는 크리스마스 카드를 개당 8백원에 사서 수위 알람을 만들었다.
클립 펴서 2개 연결하구, 밑에는 스티로폼 붙이고, 물이 차서 철사(클립)를 밀면 크리스마스 카드 멜로디 부분이 밀리면서 "징글벨~ 징글벨~" 하는 거다. (불도 켜진다. -__-; )
그러면 잽싸게 달려가서 물통을 비워야 하는 거~~

의외로 성공적이었는지 아직 사무실에서 물이 넘친적이 없다. ^^;

웹분석 환경에서 원인제공의 요소들

nativic — Wed, 20 Aug 2008 20:17:18 +0900

웹분석 환경에서 원인제공의 요소들

원인제공 요소

원인제공요소라고 정리한 부분은 방문자의 웹사이트 방문이 일어날 때 연관되어지는 특성들이다. 어떤 경로로 방문하였는지, 어떤 검색어를 통해 방문하였는지, 어떤 페이지로 웹사이트에 진입하였는지 등이다.

웹분석에서 세분화(Segmentation)가 용이하며, 상대적으로 관심도 높은 분석결과를 도출하기 쉽기에 기본적으로 가장 많이 사용되는 Dimension이다.

레퍼러 (Referrer, 참조링크)

레퍼러(Referrer)의 정의

레퍼러(Referer 또는 Referrer)는 방문자가 분석대상 웹사이트로 방문할 수 있도록 링크를 제공한 웹 페이지의 URL을 뜻한다. 흔히 '참조링크'로 번역되어지지만, '참조링크'라는 단어는 자칫 오해의 소지가 있으므로 참조링크페이지, 참조링크URL등으로 번역되어 지기도 한다.

이때, 분석대상 웹사이트에 방문하기 직전의 웹사이트 또는 웹페이지를 의미하지 않음에 유의해야한다.

* 여러 번역된 단어로 인해 오해가 있을 수 있으므로, 이후부터는 레퍼러(Referrer)로 사용하기로 한다.

웹분석에서는 레퍼러 값이 존재하지 않는 경우, 즉 웹브라우저의 즐겨찾기(Bookmark) 또는 주소의 직접입력(Direct URL Input)으로 접근하는 경우도 레퍼러가 없는 값으로 처리하여 레퍼러를 이용한 분석 범위에 포함시켜 분석을 한다.

레퍼러의 기술적 이해

레퍼러는 웹브라우저에서 웹서버에 URL을 요청할 때 HTTP 헤더에 포함되어 웹서버에 전송되는 문자열 정보이다. 이 문자열은 HTTP통신규약에 따라 정해진 포맷을 갖추어 전송되게끔 되는데, 웹서버에서는 레퍼러 정보를 웹서버 로그파일에 함께 남길 수 있다.

페이지태깅 방식을 이용할 경우에는 현재 페이지에서 JavaScript를 이용하여 이전 참조페이지( 레퍼러 페이지 URL )을 수집하여 측정한다. 이때 페이지태깅된 페이지가 Frameset 내부에 있다면, 올바른 외부레퍼러를 수집하기 위해서는 최상위 Frameset의 레퍼러를 수집해야 할 것이다.

패킷스니핑 방식의 경우에는 네트워크를 통해 전송되는 웹브라우저가 요청한 HTTP헤더를 통해 레퍼러 정보를 수집한다.

Frame(Iframe포함)구조에서 Frame내에 위치한 웹페이지의 레퍼러는 프레임을 표현하고 있는 바깥 페이지가 된다. Form의 Submit시에도 역시 레퍼러가 전달된다.

HTTP 포로토콜 헤더를 이용한 웹서버측의 Redirect 명령에 의해 웹브라우저가 다른 페이지로 이동해갈 때 레퍼러 정보를 유지한 채로 다음 페이지를 요청하여 접근하게 된다.

(다음에 계속...)

2002-2008 © Nativic & BizSpring, Inc.

웹분석에서 방문자의 구분

nativic — Thu, 10 Jul 2008 11:38:08 +0900

방문자 구분의 기술적 방법

위 그림과 같은 인터넷 접속이용 환경에서 하나의 사용자가 동시에 2대의 컴퓨터를 사용하고, 하나의 데스크톱PC에서는 Explorer와 Firefox를 사용하며, Explorer의 경우 시작버튼을 눌러 새로운 Explorer를 실행시켜 동시에 2개의 Explorer 프로세스를 만든 이후 하나의 웹사이트에 모두 접속하였다면,

IP기반의 방문자 구분에서
- 각 PC가 공인IP를 할당 받았다면 방문자는 2.
- 각 PC가 사설IP로서 공인IP 한 개를 통해 방문했다면 방문자는 1.
쿠키기반 방문자 구분에서
- Explorer를 동시에 실행 중이라면, 4의 방문자.
- Explorer를 한번 실행하고 종료한 후 다시 실행하였다면 쿠키값이 Explorer내에서 공유되었으므로 3의 방문자.
UUID 기반의 방문자 구분에서는

사용자가 모두 웹사이트에 로그인 인증을 거쳤다면, 1명
Firefox에서만 인증을 거쳤다면, UUID기반의 방문자는 1명, 이외 방문자는 IP/쿠키등 다른 방문자 구분 방법에 종속적.

IP/쿠키/UUID 기반의 방문자 구분방법은 웹분석의 측정방법( 로그파일/페이지태깅/패킷스니핑 )과는 무관한 방문자의 구분 방법일 뿐 이다.

로그일/페이지태깅/패킷스니핑의 측정방법과 방문자 구분의 방법이 함께 고려될 경우에는 위와 같은 방문자수 구분의 왜곡요소와 더불어 다양한 문제가 발생한다.

사례를 단순화 하기 위해 1명의 방문자가 1대의 PC로 1개의 웹브라우저에서 1개의 Process로만 웹사이트를 1개월간 매일 이용하였을때, 1개월(30일)간의 순방문자수(특정 기간내에 중복방문을 제거한 순수 방문자수)의 측정을 하고자 한다면,

IP기반의 30일간 순방문자수
- Raw Data(예: 로그파일)를 30일치를 모두 모아 두었다면 1명
- Raw Data를 1일치씩 분석하여, 분석값을 누적합산하였다면 30명
- 자유로운 기간에 대해 순방문자수를 계산하기 위해서는 Raw Data가 필요하다.
쿠키기반의 30일간 순방문자수

사전 정의된 순방문자수 기간일 경우1명
사전 정의된 단위기간을 넘어설 경우 단위기간당 1명씩 누적 합계값
예) 단위기간이 1일인 경우 30일간 순방문자수는 30 명.
일반적으로는 주요 단위기간별로 사전정의를 해 놓는다.
자유로운 기간에 대해 순방문자수 계산을 위해선, 역시 Raw Data가 필요하다.

하나의 방문자의 경우에는 위와 같은 경우와 같이 각각 정리되지만, 다수의 방문자에 대해 통계값을 처리하고자 할 경우에는 더욱 다양한 문제가 발생한다.

2002-2008 © Nativic & BizSpring, Inc.

웹분석 환경 구성요소 – 행위주체

nativic — Thu, 10 Jul 2008 11:33:36 +0900

웹분석 환경 구성요소 – 행위주체

웹분석 측정지표와 주변 요소들

앞서 설명에서 Metric은 측정항목 및 측정기준(측정법)으로 정의하였다, 이때 측정항목의 의미는 두 가지로 이해될 수 있다. 하나는 값을 나타내는 측정항목으로서 의미이고 또 다른 하나는 측정대상을 의미하는 항목이다. 즉, 측정지표(Metric)을 포괄적으로 설명하자면 "특정한 방법을 통해 특정 대상의 값을 측정하는 방법을 정의한 것" 이라고 할 수 있겠다.
이때 측정지표가 정의되기 위해서는 측정의 대상, 측정의 방법(주변 환경, 제한조건 등)이 필요하다.

이러한 주변요소들과 제한조건은 측정값에 대해 세분화(Segmentation)를 적용하는 하나의 차원(Dimension)이 되는데, 이를 '행위주체', '원인제공요소', '분석대상객체' 로 나누어 살펴 보기로 하고, 측정된 결과값은 '성과'로 구분하여 살펴 보기로 한다.

행위 주체

웹분석에서 행위주체라고 하면, 웹분석을 위한 다양한 측정 데이터를 생산해내는 원인을 제공하는 객체를 뜻한다. 웹분석에서 기본적인 행위주체는 '방문자'가 되겠다.
또한 웹분석의 측정에서 가장 중심이 되는 '방문(Visit/Session)'을 이루는 주체로서 매우 중요하다.

방문자

방문자의 정의와 제한조건

웹사이트에 클라이언트(웹브라우저)를 이용하여 방문한 방문자를 뜻한다. 하지만 인터넷환경에서 실제 방문자를 구분한다는 것은 웹사이트를 방문할 때 마다 로그인 인증을 새롭게 거치지 않는 이상은 불가능 하다. 한번 인증을 거친 클라이언트에 쿠키 및 IP등을 이용하여 표시를 한다고 하더라도 다음 방문시에는 실제 해당 방문자가 아닐 수 도 있다.
즉, 매번 방문에 사용한 클라이언트 프로그램과 실제 클라이언트를 조작하는 사람의 정보를 연결시키는 작업이 없는 이상 실제 방문한 사람을 구별하는 것은 불가능하다. 하지만, 이 경우에도 PC에서 자동화프로그램(Automator, 마우스행동 및 키입력을 반복적으로 자동 수행시키는 프로그램)을 이용할 경우에는 역시 올바르다고 볼 수 없다.
위와 같은 조건으로 인해 웹분석에서는 실제 사람이 이용하는 클라이언트를 하나의 방문자로 간주하여 분석을 수행한다. 이후 '방문자'라고 하면 '방문' 자체에 의미를 두고, 각 개인을 구별할 수 있는 식별자(회원ID등)를 고려하지 않은 상태에서 익명 및 회원 방문자를 구별없이 모두 포함하는 것으로 한다.

방문자의 종류

방문자는 실제 사람이어야 하지만, 사람을 구별하기 어려운 만큼 사람(방문자)이 사용하는 클라이언트를 방문자로 처리하는 경우에는 아래와 같이 방문자 클라이언트를 구별할 수 있다.

실제 사람이 이용하는 인터넷 접근장치에 설치된 웹브라우저
- 개인 PC 및 PDA등의 웹브라우저 : 인터넷익스플로러, 파이어폭스, 사파리 등
- 핸드폰등에 설치된 모바일 웹브라우저
웹사이트에 접근하여 컨텐츠를 획득해오는 로봇(스파이더)
- 검색엔진 로봇(스파이더)
- 웹사이트 스크래퍼(Scraper), 다운로드 에이전트(Webzip 등)

최근의 웹분석 동향은 실제 사람이 사용하는 클라이언트에 의한 방문만을 방문자 측정대상으로 하고, 검색엔진 등 로봇/스파이더에 의한 방문은 로봇/스파이더 방문으로 별도 구별하여 처리하는 것으로 한다.

방문자 구분의 기술적 방법

방문자수의 측정을 위해 '방문자'를 어떻게 정의하느냐에 따라 측정값은 달라질 수 있다.
현재 주로 사용되고 있는 방문자 정의를 위한 방문자 구별기준은 다음과 같다.

방문한 클라이언트의 IP를 이용하여 방문자를 구별하는 경우
- 방문자 개인PC(또는 핸드폰등 인터넷에 접근가능한 다양한 장치)에게 할당받은 IP주소를 이용하는 경우이다.
- 하나의 PC에서 여러종류의 클라이언트(예: 웹브라우저)를 이용하더라도 하나의 방문자로 구분된다. 즉, 일반적으로 PC단위로 방문자를 구분한다. (개인PC가 여럿의 IP를 할당받는 경우 제외)
- 개인 PC의 IP가 변경될 경우 다른 방문자로 구분된다. (예: 하루에 노트북 컴퓨터를 직장과 가정에서 사용할 경우. 일순수 방문자가 둘로 나뉘어진다.)
- 인터넷공유, NAT와 같이 하나의 공인IP를 공유하여 사설IP의 PC가 웹사이트에 접근할 경우 올바른 방문자의 구분이 어렵다.
- 초기 웹서버 로그파일을 이용한 웹분석에서 주로 사용되던 방법이다.
- 현재에도 다양한 방문자 구별을 위한 기술적 요소의 사용이 불가능할 때 IP를 이용하여 구분하기도 한다.
방문한 클라이언트의 쿠키값을 이용하여 방문자를 구별하는 경우
- 클라이언트의 쿠키값을 이용하므로, 일반적으로 검색엔진 로봇/스파이더등은 배제된다.
- 하나의 PC에서 2개의 다른 클라이언트(또는 쿠키영역이 다른 프로세스로 동일한 클라이언트)를 사용할 경우 2개의 방문자로 구분된다.
- 쿠키를 사용자가 삭제하는 경우 새로운 방문자로 구분된다.
IP 및 쿠키를 동시에 이용하여 방문자를 구별하는 경우

쿠키값 이용의 장점과 IP이용의 장점을 동시에 이용한다.
특히 쿠키를 지원하지 않는 클라이언트와 쿠키를 지원하는 클라이언트들의 방문이 혼재하는 경우 주로 사용된다.

방문자의 하위 속성

방문자를 하나의 사람으로 가정하고 분석할 때, 각 방문자는 다양한 하위속성을 갖는다.
가장 큰 특성은, 인구통계학적 특성으로서 성별, 연령, 거주지역 등이며 인터넷 사용환경인 웹브라우저의 종류, 모니터해상도, OS종류등도 하나의 특성이 될 수 있다.
실제 웹분석의 리포트 구현에 있어서는 방문자의 하위 속성에 의해 세분화된 측정지표 값을 통해 이루어지게 된다.
사실 웹분석에 있어서 '방문자'는 익명의 방문자이므로 위와 같은 인구통계학적 특성을 세밀히 수집하는 것은 불가능하며, 이후 설명할 UUID 부분에서 주로 이용하게 될것이다.

2002-2008 © Nativic & BizSpring, Inc.

웹분석의 대상과 측정지표

nativic — Tue, 24 Jun 2008 16:31:11 +0900

웹분석의 대상과 측정지표

인터넷 환경에서 웹분석을 위한 측정

앞서 설명에서 Metric은 측정항목 및 측정기준(측정법)으로 정의하였고, 측정지표는 Metric중에서 지표(指標, Index로서 값의 방향과 수준을 나타낼 수 있는 항목)로 표현될 수 있는 것이 있음을 설명 하였다.

앞으로는 편의를 위해 Metric과 Index의 특별한 구분이 필요 없을 때에는 통칭하여 '측정지표'로 표기하기로 한다.

측정지표(Metric)의 세부적인 이해에 앞서서 측정지표를 '측정법'이라는 관점에서 볼 때, 관련된 환경에 따라 '측정법'이 어떻게 정의될 수 있는지 결정된다.

따라서, 먼저 웹분석을 위한 측정지표에 영향을 미치는 주변 환경과 구성요소들에 대해 알아볼 필요가 있다.

웹분석의 대상과 측정

웹분석은 인터넷상에서 운영되는 웹사이트를 중심으로, 연관된 항목들에 대한 측정지표에서 시작된다.

크게 분석대상 객체, 행위주체, 원인제공요소, 성과로 나누어 볼 수 있다.

행위 주체 방문자
- 방문자
  - 방문자의 인구통계학적 특성 : 방문자 국가, 지역, 언어, 성별, 연령 등
  - 방문자 환경 : OS, 브라우저, 화면해상도, 브라우저 크기, 색상, 자바스크립트 여부 등
  - 방문자의 행동특성 : 재방문 횟수, 체류시간, 서핑패턴, 방문시각 등
- 검색엔진 로봇
  - 로봇방문여부,, 검색엔진 로봇의 종류 등
원인제공 요소
- 레퍼러 : 방문 검색엔진, 검색어, 도메인, 레퍼러 페이지 등
- 캠페인 : 마케팅캠페인 별 방문자 구분, 외부캠페인/내부캠페인 등
- 광고 : 온라인 광고 제공자별, 광고키워드, 광고매체, 광고타입, 광고메시지 등
분석대상 객체
- 웹사이트 & RIA(Rich Internet Application)
  - 컨텐츠 : 페이지, 동적 컨텐츠, 상품 등
  - 구조 : 물리적/논리적 메뉴구조, 이동 Path별 성과 등
  - 사용 : 네비게이션, 페이지내 클릭항목, UI사용성 등
- 에러 : 에러페이지 항목, 에러항목별 비율 등
성과
- 트래픽 : 웹사이트 힛트수, 페이지뷰수, 방문수, 순방문자수, 방문회원수 등
- 이용율 : 웹사이트 제공 컨텐츠의 사용정도, 입소문을 위해 퍼트린 정도 등
- 사업목표 : 회원가입수, 주문수, 매출액 등
- 전환율 : 회원가입율, 주문율, 이벤트 참여율 등
- 충성도/관심도 : 재방문자비율, 체류시간, 사회연관도, 댓글/UCC 게시횟수 등

위 항목을 각 분류별이 아닌, 구성요소별 직접적/순차적 연관관계에 따라 도식화 하면 다음과 같다.

위와 같은 분류에서 '성과'에 해당되는 측정지표가 흔히 '기본 측정지표'라 불려진다.

분석 및 분석리포트 생성시에는 각 요소가 하나의 차원(Dimension)이 되어 기본적 분석지표를 세분화(Segmentation)하여 원하는 분석결과를 얻게 된다.

예를 들면, '행위주체'의 '인구통계학적 요소 중 성별'을 분석의 범주(세분화항목)으로 정하고, 성과/분석지표로 '사업목표'의 '매출액'을 정하게 되면, '성별 매출액' 리포트가 생성된다.

측정지표(Metric)의 정의대상

이미 '측정지표(Metric)'는 '측정항목' 또는 '측정기준(측정법)'으로 정의한 바 있다.

일반적 측정지표 성과값의 경우 측정지표의 속성값(Count, Ratio, KPI 등)과 측정방법을 정하는 것으로 측정지표를 정의할 수 있다.

하지만, 측정지표의 '측정기준(측정법)'을 올바르게 정의하기 위해서는 주변 환경으로 볼 수 있는 행위주체, 원인제공요소, 분석대상 객체를 먼저 정의해야만 측정하고자 하는 성과에 대한 측정지표를 올바르게 정의할 수 있을 것이다.

즉, 각 구성요소의 용어정의가 완성된 후에 측정지표의 정의가 올바르게 될 수 있다.

2002-2008 © Nativic & BizSpring, Inc.

웹분석을 위해서는 공부가 필요하다.

nativic — Tue, 24 Jun 2008 14:59:45 +0900

人事萬事 과거 웹로그분석을 통해 얻을 수 있었던 분석결과에 비해 지금의 웹분석도구(웹분석솔루션)의 분석기능은 비교하기 힘들정도로 발전하였고 편의기능도 강화되었습니다. 이러한 까닭에 웹분석도구의 도입을 통해 e-Business의 성과를 하루아침에 개선할 수 있을 것으로 기대하는 경우가 적지 않습니다.

하지만, 실제 웹분석의 시작 이후에는 만족할 만큼의 성과를 얻지 못하는 경우를 지금까지 많이 보았습니다. 그 배경에는 ‘웹분석’을 진행하고, 측정된 결과를 분석하고, 분석결과를 이해하고 판단을 하는 주체는 ‘도구’가 아닌 ‘사람’이기 때문입니다.

따라서 웹분석도구의 도입과 함께 준비되어야 하는 것은 조직내 ‘웹분석에 대한 인식’과 ‘웹분석에 대한 이해’를 갖추는 것이며, 그 후 이를 조직내 ‘웹분석 프로세스’화 시켜야 실제적인 ‘웹분석’이 이루어지게 됩니다.

웹분석에 대한 지식의 적용은 사업모델과 부딪힌 상황에 따라 모두 다르기에 명확하게 정의할 수 없습니다. 그렇기에 더욱, 꾸준한 개별 사업진행에 대한 측정과 분석의 결과를 바탕으로 지속적인 실험을 통해 얻은 기업내 지식은 다른 웹분석 서적이나 전문가의 조언을 통해서도 얻을 수 없는 소중한 기업의 역량이라고 할 수 있습니다.

‘아는 만큼 보인다’ 라는 말이 있습니다. 웹분석의 ‘눈’을 통해 얻은 사실을 ‘웹분석의 지식과 경험’을 이용해 분석하고 판단할 때 올바른 방향으로 더욱 효과적으로 나아갈 수 있을것입니다.

웹분석 측정지표와 단위

nativic — Mon, 09 Jun 2008 20:32:33 +0900

웹분석 측정지표와 단위

Website Measurement Index, Metric and Unit

Website Measurement Index, Metric, Unit은 각각 번역하자면 웹사이트 측정지표(지수), 측정기준(측정항목) 그리고 측정단위로 표현될 수 있다.

웹분석에서도 분석을 위해 먼저 측정이 이루어져야 하며, 측정은 여러 측정 단위(Unit)로 값이 표현되는 측정기준(Metric)에 의해 표현되는 측정지표(Index/Indicator)를 통해 이루어진다.

측정단위 - Unit

Measurement Unit – 측정단위
측정기준(측정항목)을 구성하는 측정의 단위. 측정의 최초기준이 되는 시작점이다.

예를 들어 대표적인 측정 기준으로 '미터법(Metric)'을 중심으로 알아보자.

미터법에서 길이를 측정하는 기본 측정단위(Unit)로 Meter를 사용한다. 이것에서 확장된 단위로는 Milimeter, Centimeter, Kilometer 등이 있다. 이때 Meter, Centimeter, Kilometer 등이 측정단위인 Unit 이다.

또한, 측정단위는 측정하고자 하는 측정항목 및 측정기준에 따라 나뉘어진다.

측정항목에 따라 길이에서는 m를, 면적에서는 m²을 사용하게 되며, 같은 면적에 대한 측정항목이라고 하더라도 측정기준이 달라짐에 따라 '평' 또는 '에이커'과 같은 다른 단위를 쓰게 된다.

측정항목(측정기준)인 Metric에 대해서는 다음 단계에서 설명하기로 하고, 우선 측정항목이 갖는 값에 대해서 살펴보자. 이와 같은 측정단위는 측정결과로서 값을 갖게 되는데, 웹분석에서의 측정단위는 표현되는 값의 속성에 따라 3가지로 나누어 질 수 있다.

수(Count)
- 기본적 단위로서 간단한 숫자로 표현된다.
- 예: 방문수 = 370 , 페이지뷰 = 800 등
비율(Ratio)
- 수(Count)로 표현되는 값들의 연산에 의해 발생하는 경우가 많다.
- 각 측정지표값의 연산에 의해 생성되는 경우가 대부분이므로, '~당' 라는 표현의 측정지표(Metric)에서 자주 보여진다.
- 예: 방문당 페이지뷰 = 1.8 , 사이트 반송율 = 0.45 등
논리값(Boolean)
- 특정 상태의 Yes/No 등을 표현하는 값(Boolean) 형태도 사용될 수 있다.2
- 예 : 특정회원그룹의 전환여부 = Yes or No

측정항목 또는 측정기준 - Metric

Web Metrics - 웹분석 측정항목(또는 측정기준)
웹사이트(온라인)상에서 발생하는 여러 현상을 측정하기 위한 항목 분류로서 각각 구분되는 측정기준(방법)을 가지고 있다.

예를 들어 미터법(Metric, 미터법의 이름 자체가 Metric이다)의 Meter로 측정될 수 있는 길이, 면적, 부피 등에서 '길이', '부피'등과 같은 것이 측정항목이며, 측정방법을 정의한 것 구성을 통해 측정기준(측정법)이 이루어진 것을 Metric 이라고 한다.

하지만, 웹분석에 있어서 각각 측정항목인 방문자수, 페이지뷰수, 순방문자수 등은 각각 구별되는 측정항목임과 동시에 측정방법을 가지고 있다.

따라서, 웹분석에서의 Metric은 측정항목임과 동시에 측정기준인 경우가 많다.

또한, 기본적인 웹분석 측정항목 및 기준의 경우, 기본적인 측정단위(Unit)과도 동일한 경우가 많이 있다.

* 측정에 있어서 측정되는 대상의 측정값을 중심으로 볼 때 '측정항목' 이라는 단어가 적합하고, 측정되는 방법(기준 잣대)를 중심으로 볼 때 '측정기준'이라는 단어가 적합하다. 영어로 표현할때에는 Metric 또는 복수형인 Metrics를 사용하면 모든 의미를 포괄할 수 있겠다

측정항목에 의한 측정결과 값은 앞서 설명한 측정단위의 값 속성의 분류와 같이 구분될 수 있다.

값의 속성분류 외 Metric의 특성으로 구분하는 경우가 가능한데, WAA(Web Analytics Association, 2007년8월)의 정의에 따르자면 Metrics가 갖는 값의 특성을 크게 4가지로 나누고 있다.

WAA가 정의한 Metric이 갖는 특성은 아래와 같다.

기본적 Metric에 의한 측정값을 갖는 경우 – Basic Metrics
- 숫자(Count)로 직접적으로 표현 가능하다.
- 방문자수, 페이지뷰수와 같이 단순 측정된 값으로서 정수(Integer)의 경우가 많다.
- 매출액의 경우 $43.50 과 같이 표기될 수 있다.
연산에 의해 파생된 Metric의 경우 – Derived Metrics
- 방문당 페이지뷰수와 같이 특정 Metric의 산술연산에 의해 파생된 값으로서 비율값으로서 소수(Float)의 경우가 많다.
- Metric간의 결합/산술식에 따라 값의 범위가 무한하거나, 유한적으로 제한된다.
주요성과지표 - KPI (Key Performance Indicator)
- 성과관리 지표라는 입장에서 Metrics가 정의된다라는 점에서 별도 분리되었다.
- 수, 비율, 논리값등 다양한 값을 가질 수 있느 특성이 있다.
- KPIs (KPI셋트구성)과는 구별되어야 한다.
세분화(Segementation)을 위한 Dimension (차원)
- 각 Metric들의 값을 특성별, 분류별, 개인방문자별 세분화(Segmentation)하는데 사용된다.
- 항목의 분류범위를 갖는 속성이라고 볼 수 있다.
- 특정 값을 갖지는 않지만, 다른 Metric의 값에 함께 작용하여, Metric이 표현하는 값의 범위를 한정하고, 각 Metric간의 관계를 연결시켜 분석할 수 있도록 도와준다.
- 예: 측정값을 일으키는 주체, 원인등 다양한것으로 세분화 할 때, 세분화 시켜주는 요소. 레퍼러(Referer/Referrer), 랜딩페이지(Landing Page), 회원특성, 방문자지역 등

Metric에 의한 값은 Dimension의 적용여부와 범위에 따라 아래 3가지 영역으로 나누어 볼 수 있다.

전체영역(Aggregate)
- 기본적인 Metric에 의한 측정값이 대부분이다.
- 예: 정의된 조회기간 내 사이트 전체 방문자수
Segmented(부분영역)
- 특정 Dimension에 의해 Segement된 Metric
- Dimension이 보통 1차원 적용되는 경우가 대부분이다.
- 2개 이상의 Dimension이 적용될 경우 Multi-Dimensional Segmentation 이라고 부른다.
- 예: 정의된 조회기간 내 사이트에 방문자 중 캠페인 방문자수.
Individual(개별영역)
- 일종의 Segmentation이라고 볼 수도 있으나, Metric의 특성에 의한 Dimension이 아니라 데이터를 생성하는 행위주체의 개별 데이터라는 것에서 구분된다.
- 예: 정의된 조회기간 내 사이트의 특정 방문자의 재방문수.

웹 측정지표 – Web Measurement Index

Web (Site) Measurement Index - 웹(사이트) 측정지표
웹분석을 위한 Metric으로서 특정 현상 및 결과에 대해 대표적으로 표현될 수 있는 중요 지표(지수). 방향성과 수준을 나타내는 성격이 짙다.

결과적으로 보면, 모든 Index는 Metric의 한 종류라고 할 수도 있으나, 그 차이를 구별할 수 있는 요소로는 '경제지표, 위험율 지표' 와 같이 특성의 대표적인 값, 목표수준, 위험수준을 잘 표현할 수 있는 것에 있다..

이러한 이유로 Index라는 단어로 구별하고는 있으나, 웹분석 '측정지표' 라는 용어로 Metric과 Index를 모두 포괄하여 사용하기도 한다.

Web Measurement Index 중 사업의 목표달성에 영향을 미치는 주요성과 지표는 KPI(Key Performance Indicator)라고 불려진다.

이후 용어의 사용에 있어서는, 국내에서 위 모든 것을 '측정지표'라고 불려지는 만큼, 명확한 구분이 필요한 경우가 아니고서는 통칭하여 '측정지표'로 언급하기로 한다.

웹분석의 측정지표의 요건과 분류

측정지표의 요건과 가정

웹분석의 측정지표를 통해 수집되는 데이터는 여러가지 방법에 의해 생성될 수 있다. 예를 들어 Visit Session의 경우 실제 방문자가 브라우저를 이용해 발생할 수 도 있지만, 검색엔진 로봇에 의해 발생할 수 도 있다.

웹분석에서는 분석의 목적이 실 마케팅이 고객을 대상으로 하는 만큼, 실제 방문자에 의한 행동을 통해 생성되는 데이터를 분석 및 측정대상의 데이터로 가정하기로 한다.

만약, 기술적으로 실제 방문자에 의한 것과 그렇지 않은 것을 구별할 수 없을 경우, 측정된 데이터를 실제 방문자에 의해 생성된 데이터로 가정하기로 한다.

측정지표의 분류

측정지표는 1차적으로 수집된 데이터를 바탕으로 하는 기본적 측정지표와 측정지표를 이용하여 생성되는 파생측정지표, 그리고 엄밀히 측정지표는 아니지만 측정지표의 범위와 환경적 요건을 제한하는 특성분류로 구성된다.

몇 가지 주요 측정지표들을 위와 같은 관점으로 분류 해 보면 다음과 같다.

측정 Metric 분류

기본 Metric

파생 Metric

특성분류-Dimension

Visit (방문)

방문(Session)

순수방문자수

처음방문자수 등

방문당 페이지뷰

획득성향 등

Referrer

Landing Page 등

Conversion

주문수

회원가입수

이벤트 참여수 등

방문당 주문율

평균 구매금액 등

캠페인

레퍼러 도메인

회원특성 등

Contents

페이지뷰 (인기있는 페이지뷰 리포트를 위해)

컨텐츠 체류시간

페이지 Exit 비율

페이지별 반송율 등

컨텐츠

페이지

레퍼러 등

측정지표는 웹사이트와 e-Business를 구성하고 있는 요소와 성과에 따른 분류( 예: 페이지, 컨텐츠, 방문자, 주문, 매출액 등 ) 뿐만 아니라 e-Business의 일반적 프로세스에 따른 단계별 분류( 예: 계획, 도달/마케팅, 획득, 전환, 충성도유지 )

사실상 기본 측정지표 항목(Metric)과 지표의 특성분류(Dimension), 그리고 기타 특성요건들(회원특성 등)을 조합할 경우 신규 생성할 수 있는 측정지표의 종류는 무한대에 가깝다고 보여진다.

특히, 새로운 기본 측정지표가 개발될 경우 기존 측정지표와의 조합을 통해 활용할 수 있는 측정지표의 경우를 본다면, 웹사이트 환경에서 새로운 구성요소 또는 기술의 파급효과는 매우 크다고 볼 수 있다.

따라서, 개선된 웹분석 도구는 파생되는 측정지표를 사용자가 정의할 수 있고, 리포트에서 Segmentation 요소를 선택할 수 있도록 하여 리포트를 직접적으로 구성하게끔 하는 것이 중요할 것이다.

2002-2008 © BizSpring, Inc. & Nativic

스프링롤 만들기

nativic — Mon, 09 Jun 2008 20:10:56 +0900

베트남쌀국수집에서 파는 스프링롤을 만들어 봅시다.
만들기 어렵지 않고
만든 스프링롤 튀켰더니 애들이 잘 먹더라구요.

일단 마트에서 라이스페이퍼를 사옵니다.

그리고, 각종 야채와 고기, 햄등을 데쳐서 준비하고

쌀종이(라이스페이퍼)를 뜨거운 물에 살짝 넣었다가 뺀 후 ( 오래 넣어두면 불어 버리고 끈기가 떨어져요 ) 좀 물기를 머금어서 쫀득쫀득 해지면, 준비한 재료를 넣고 잘 쌉니다.

쌀국수 대신에 쌀밥을 넣으면 배도 부릅니다. ^_____^

의외로 맛있습니다.
튀겨서 먹으면 춘권~

소시지

nativic — Thu, 29 May 2008 10:11:18 +0900

내가 쏘쎄지(소시지?)를 참 좋아하는데, 모처럼 아기 줄려구 비엔나 소시지로 모양을 만들어 봤다.
문어와 옥수수 모양을 좋아하는군...^^

잘 드는 칼로 잘 칼집을 넣은 후 (생각보다 과감하게 넣어야 한다, 칼이 잘 들어야 편하다. )
후라이팬에서 중강의 불로 골고루 돌려주면서 익혀주면 멋진 비엔나 소시지 완성~!

웹분석과 eCRM에서의 분석방법, 이론, 측정지표들

nativic — Wed, 28 May 2008 16:48:10 +0900

다양한 분석방법, 이론, 측정지표들

통계분석 방법

eCRM 및 e-Business를 위한 Marketing Automation 솔루션에서 응용되는 사항들을 중심으로 설명하였다.

OLAP툴의 기능

OLAP툴의 주요 기능은 다음과 같다.

Pivoting : 2차원 데이터 조회 결과에서 행/열/페이지 차원을 바꾸어 가면서 보고서를 생성하는 방법
Filtering : 데이터를 특정 조건(항목명, 값의 범위, 계층구조 등)에 의해 만족되는 항목으로 한정하여 보고서를 생성하는 방법
Drill Down : 요약된 상위개념의 데이터에서 상세한 하위개념의 데이터로 접근하는 방법. 계층구조이거나 연관된 데이터로 연결되어 조회되거나 하여도 무방하다.
Drill Up : Drill Down과 반대방향으로 데이터 조회.
Drill Across : 다른 데이터영역의 데이터에 접근하는 것.
Drill Through : OLAP시스템에서 DW또는 다른 시스템의 상세데이터에 접근하는, 즉 구체적인 Raw데이터 영역에 접근하는 것.

Taguchi Method

다양한 경우의 수를 모두 조합하여 각 경우별 실험을 진행하여, 그 중 결과가 가장 좋은 케이스를 선택하는 방법. 온라인상에서 IT기술에 의해 Testing과 실험이 진행될 경우 경우별 조합과 진행이 어렵지 않으므로 Multi-Variate Testing 방법으로 자주 활용된다.

Google Optimizer, Omniture의 Multivariate Testing 기능이 본 방법을 이용하고 있다.

Multivariate Testing

온라인 마케팅 최적화(Optimization) 툴에서 Taguchi Method 를 이용하여 다수의 변수를 선정하고, 변수를 조합하여 생성되는 경우에 맞추어 방문자를 대상으로 랜덤(Random)하게 경우의 수를 구현하고, 각 경우 별 성과를 측정하여 가장 좋은 경우를 선정하는 방법.

일반적으로 온라인 마케팅 최적화 솔루션에서는 최종 전환페이지에 대한 전환율이 어떤 경우일 때 높이 나타나는지를 실험한 후 최적의 방법을 선택하는 방법으로 최적화를 진행한다.

아래 그림은 랜딩페이지(Landing Page)의 시안을 메뉴배치방법 2종류와 색상 3종류를 조합하여 6가지의 경우의 수를 만들고, 방문자에게 6가지 경우 중 한가지를 적용하게끔 프로그램에 의해 무작위로 제시한 후 최종 Goal 목적 페이지에 대한 전환율이 가장 높은 메뉴레이아웃과 색상의 조합을 찾아내는 경우를 도식화 한 것이다.

Personalization

개인화는 수집 및 분석된 데이터를 바탕으로, 고객 및 방문자에게 최적의 컨텐츠 또는 서비스를 제공하는 맞춤형 접근 방법이다. 1:1 (One to One) 마케팅이라고도 불려진다.

개인화의 정도에 따라 개인사생활 침해여부와 과잉접근에 대한 거부감 등의 논란이 있다.

개인화를 eCRM에서 시스템적으로 구현하는 알고리즘은 아래 방법이 가장 많이 사용된다.

Collaborative Filtering (협업필터링)
- 예: 대상고객과 유사한 성향/속성을 갖는 고객이 선택하는 상품들을 분석하여, 해당 고객도 유사한 상품을 선호할 것이라는 가정을 갖고 개인화된 상품을 제시. 직접적으로 친구의 Wish List를 보고 주문하는 기능을 제시하기도 하였다. (Amazon)
Rule Based (사전정의된 규칙에 의해)
- 예: 상품추천 마법사와 같은 기능으로서, 준비된 RULE에 맞추어진 설문을 차례대로 진행할 경우 적합한 상품을 제시하는 방법
- 사전에 정의된 고객속성, 조건, 구매이력등의 규칙에 따라 사전정의된 규칙은 실험을 위한 테스트로서의 접근도 있겠지만, 데이터마이닝등을 통해 분석된 고객군에 대해 접근하는 것이 유용할 것이다.
- 고객군에 대한 프로파일링(Profiling)과 함께 이루어진다.
Case Based Reasoning (사례기반 추론)
- 예: 기존 유사사례를 통해 현재의 개인화/추천 항목을 결정하여 제시.
Learning Agent ( 지능적으로 고객의 의도를 파악하여 )
- 예: 고객이 노트북 상품 카테고리를 자주 살펴보고 체류하는 시간이 길어질 때 노트북 컴퓨터의 구매를 고려하고 있다고 판단하고 노트북에 대한 상품제안을 제시한다.
- 사용행태, 페이지인쇄, 체류시간등 다양한 사항을 기준으로 선호도와 관심분야를 알아내고 제공하는 방법
Association Rule (연관규칙)
- 특정 행위와 함께(근 시간내에)에 발생할 수 있는, 연관된 행위/컨텐츠등을 제시하는 방법
Sequential Pattern (순차패턴)
- 특정 행위 다음에 발생하게 되어 있는 행위/필요사항들을 제시하는 방법

Data Mining의 통계분석에서 (본 항목은 위버라인 CRM전문가 과정에서 발췌)

Classification / Clustering / Association 을 위해

Neural Network
- 생물학적 모형에서 비롯된 계산모형의 일종, 비선형에서 유리.
- 일반화 능력 및 안정성이 타 방법에 비해 뛰어남
- 학습방법
  - 교사 학습 (Supervised Learning) : 예- NN With BP
  - 비교사 학습 (Unsupervised Learning) : 예- SOM
Genetic Algorithm
- 생물학적 진화과정을 모방한 알고리즘
- 문제를 유전자 형태로 정의
- 진화( Selection, Crossover, Mutation)의 과정을 통해 답을 탐색
Decision Tree
- Instance를 root에서 Leaf 까지 내려오면서 Sorting
- CART(classification and Regression Trees)
- CHAID(Chi-Square Interaction Detection Analysis)
Case Based Reasoning (CBR)
- 기존의 사례 데이터베이스를 이용하여 새로운 사례를 예측
- K-NN 을 이용하여 유사한 사례 추출
- 추출된 유사 사례들에 근거하여 새로운 사례에 대한 출력 산출
Discriminant Analysis: 통계적인 분류기법
Regression : 통계적인 추정기법
Association : link analysis(graph theory에 기반)
K-Means, FCM : 클러스터링 방법

마케팅 이론 & 측정지표

80/20 법칙 (파레토 법칙)

'전체 결과의 80%는 전체 원인 중 20%에서 비롯된다.'라는 파레토가 세운 이 법칙은 다양한 부분에서 입증되면서 높은 설득력을 보이고 있다. 예를 들어 '상위고객 20%가 전체 매출의 80%를 일으킨다'거나 하는 것들이 이에 해당된다.

고객 Scoring을 통해 VIP고객과 일반고객을 구분하는 기준선을 정할 때, 타겟 고객층을 설정할 때 등 다양한 곳에서 응용되고 있다.

Long-Tail 이론

긴 꼬리이론 이라고도 불려지는 본 이론은 Amazon의 사업모델을 이용해 많은 예를 들기도 한다. 즉, 인터넷 상점과 같이 상품진열의 한계가 없는 공간에서, 1권씩 밖에 팔리지 않는 책이더라도 상당히 많은 책의 종류를 판매하게 될 경우 상위 10~20%가 일으키는 매출보다 하위 제품들의 합계 매출이 훨씬 클 수 있다는 이론이다.

WEB 2.0 시대에 크게 대중화 되어 관심을 받고 있는 이론이다.

Customer Experience Gap

고객이 기대한 가치와 실제 서비스/제품을 경험하고 얻은 가치의 차이. 이 차이가 적을수록 제품 및 서비스에 대해 만족하게 되며, 차이가 클수록 불만족 하게 된다는 것.

예를 들어 '싼데 이 정도면 됐지' 라는 표현과 같이 저렴한 제품에서는 큰 기대를 하지 않기 때문에 적정수준의 품질만 넘으면 만족하게 되는 경우와 같다.

Loyalty

고객의 충성도를 의미한다.

어느정도 기업의 상품/서비스/브랜드에 호감을 갖고 지속적으로 관계를 맺고 유지해왔는지를 나타낸다.

고객세분화(Customer Segmentation), Customer Scoring 등에서 충성도 지표는 잠재된 LTV를 높이기 위한(또는 높이는) 중요 요소로 인식된다.

LTV (Life Time Value)

고객의 생애가치 또는 평생가치로 해석된다. 일반적으로 1명의 고객에 대해 해당 고객이 과거 및 미래에 일으킬 매출액을 합산하여 결정하는 경우가 많다.

미래에 대한 LTV산정이 어려울 경우, 현재시점 기준으로 과거의 LTV를 합산하여 이용하기도 한다.

쉽게 말해 LTV가 높을수록 우수 고객인 셈 이다.

Customer Segmentation

고객 세분화를 의미하며, 고객을 다양한 속성 및 기준에 따라 세분화 하는 것을 말한다.

Data Mining에 의해 Cluster분석을 통해 기준을 세워 나누어질 수도 있으며, 사전 정의된 Rule에 맞추어 고객층을 세분화 할 수도 있다.

Customer Scoring

고객을 등급화 하고 세분화 하기 위해 고객에게 객관적 지표로서 점수를 부여하는 행위.

예를 들어 최근 1주일이내 구매시 1점, 10만원 이상 구매시 매 10만원마다 1점씩 추가 등의 방법이 이용될 수 있다. 기업의 사업에 맞춘 최고의 고객은 어떤 고객인가? 라는 정의가 된 후에 원활한 고객등급 부여 항목과 기준이 정해질 수 있다.

RFM 또는 RFD

고객세분화 및 등급결정을 위한 방법으로 이용되는 점수부여의 기준이다.

RFM 은 Recency, Frequency, Monetary 의 약어로서, 고객의 가치평가 또는 충성도 평가를 얼마나 '최근에', '자주' 방문하였거나 '얼마나' 구매하였는지를 척도로 삼아 평가 점수를 부여하는 방법이다.

RFD (Recency, Frequency, Duration)모델은 주문금액이 존재하지 않는 서비스 및 운영모델에서는 Monetary 대신에 체류시간인 Duration을 이용한 방법이다. Duration 을 Time으로 표현하기도 한다.

2002-2008 © BizSpring, Inc.

연관 e-Business 툴에 대한 이해

웹분석 연관 및 응용 분야

웹분석(넓은 의미에서)의 기본 기술적 요소가 이용되거나, 웹분석을 통해 수집 또는 분석되는 데이터를 기반으로 기능이 수행되는 분야를 정리하였다.

웹분석 부분이 다양한 e-Business 툴에서 데이터의 수집과 분석에 이용되는 모듈영역으로서 자리매김 하고 있다.

웹분석 데이터를 이용하는 응용분야는 다음의 요소를 공통적으로 포함하고 있다.

상태측정을 통한 모니터링
측정 및 분석결과의 리포팅
분석결과에 따른 최적화 작업의 수행

크게 구축/운영, 마케팅/광고, 최적화작업 으로 구분하여 아래와 같이 정리하였다.

구축 및 운영

Digital Dashboard

전통적으로는 MIS(Marketing Information System)등에서 사업상태의 모니터링과 Overview를 위해서 구현하던 기능이다.

E-Businesss부분이 성장하면서 웹분석 데이터가 사업적 중요성을 갖게 됨에 따라 웹분석 분야에서도 함께 응용되거나 기존 Dashboard들과 연계되어 활용되고 있다.

컨텐츠 관리 시스템(Contents Management System – CMS)

전통적인 CMS솔루션은 웹사이트 컨텐츠의 생산/승인/배포(게시)등의 프로세스를 시스템화 한 것이다. 웹분석은 각 컨텐츠의 웹분석결과를 통해 컨텐츠 생산 및 고객에 대한 제공을 최적화할 수 있는 데이터를 제공하고 있다.

분석데이터를 통해 자동적인 컨텐츠의 최적화 작업이 이루어질 경우 behavioral targeting, 개인화(Personalization)등으로 추가 확장이 가능하다.

MD(Merchandizing)

전자상거래 웹사이트 운영의 측면에서 본다면, 컨텐츠 관리의 일부분으로 이해될 수 도 있다.

상품의 매출/주문 데이터가 아닌, 잠재고객의 주문 전 단계에서의 분석을 통해 접근이 가능하다. 방문자의 상품 조회/체류시간/연관관계 등을 통해 관심도를 분석하고 상품구성 및 추천 등에서 활용할 수 있다.

UI (User Interface) & UX (User Experience)

방문자의 웹사이트 이용을 위한 사용자환경( OS/브라우저/화면해상도/브라우저 윈도우 크기 등 )과 웹사이트의 메뉴/색상/레이아웃, 그리고 최근 RIA 경향에 따라 발전하고 있는 Interactive한 웹사이트에서의 사용자 경험등을 분석하고 최적화 하는데 사용된다.

마케팅/광고

Viral Marketing

입소문 마케팅이라고도 불려지는 Viral Marketing은 다양한 마케팅에 지친(?) 기업들이 새로운 접근방법으로 많은 시도를 하고 있다. 최근들어 Viral Marketing에 대한 도달율 및 효과분석 방법에 대해 많은 실험이 이루어지고 있다.

대표적인 사례는 오피니언리더(Opinion Leader) 또는 얼리어답터(Early Adopter)와 같이 주도적인 역할을 하는 사람들과 프로블로거(Pro-Blogger)라 불릴 수 있는 사람들을 고용하여 '입소문'이 날 수 있는 리뷰 게시글, 체험기 등을 작성하게 하는 것이다.

일단 UCC동영상 및 블로그게시물과 같은 경우에 요구되는 효과분석은 게시글의 노출과 위치를 추적하고, 이를 통한 레퍼러를 검출하여 접근이 가능하다.

브랜딩

브랜드에 대한 평판분석도 Viral Marketing과 같은 맥락에서 살펴볼 수 있다. 온라인상의 다양한 커뮤니티/UCC등의 컨텐츠를 로봇을 보내어 스크래핑하고 자연어검색기술을 이용하여 해당 브랜드 및 기업에 대한 평판을 판단하기도 한다.

자사 웹사이트에 오는 검색키워드 중에서 해당 브랜드 또는 기업명에 해당하는 키워드가 어느정도 되는지 그 비율과 숫자의 변화추세를 통해서도 접근이 가능하겠다.

참여도

특히 WEB 2.0 시대에서 강조되는 참여와 공유라는 관점에서, 참여도에 대한 분석이슈가 증가하고 있다. Social Engagement 라고 불려지기도 하는 사회참여도와 사이트에 대한 참여도로 나누어 생각해볼 수 있다.

사회참여도는 타사이트(특히 외부 블로그 등)에서 자사의 웹사이트로 얼마나 많은 링크와 방문자의 교류가 있는지, 웹사이트의 브랜드/기업명으로 검색하여 방문하는 비율은 어느정도 되는지 추정이 가능하고, 사이트내 방문자의 참여도는 방문횟수, 댓글작성 횟수, 체류시간등을 통해 분석적 접근이 가능하다.

광고서버 (Ad. Server) / 광고 서비스

온라인 광고는 전통적으로 웹분석기술이 함께 요구되었던 분야이다. 온라인 광고 제공시 대상 고객의 성향판단과 Targeting, 광고에 반응한 이후의 추적부분에서 웹분석의 방법과 기술이 함께 이용되고 있다.

e-Business 에서 전자상거래 부분과 함께, 가장 빠른 기술개발과 실험이 이루어지는 분야이다.

최근의 광고서버(또는 광고 서비스)는 광고 이후 효과추적 부분에서 더욱 발전되었으며, 광고 제작물/캠페인별 효과분석과 Targeting 분야에서라면 일반 웹분석 제품보다 앞서있다고 할 수 있다.

대용량 메일발송 / 퍼미션 마케팅(Permission Marketing)

온라인 광고와 더불어 e-Business시장에서 초기부터 성장해왔던 분야이다. 각 고객의 분석을 통해 Target을 구분하고, 마케팅메시지를 전달하고, 고객의 반응과 효과분석이 이루어진다.

이를 통해 더욱 최적화된 메시지 컨텐츠 구성, 전달시점, 전달대상에 대한 세분화 부분에서 웹분석이 깊게 활용될 수 있다.

광고입찰관리 (Bid Management)

최근에는 자동 광고입찰 관리 시스템 시장이 위축되었으나, 2004년부터 2006년까지 상당히 빠른 성장을 해왔다.

오버추어/구글애드워즈와 같은 CPC광고서비스에 접근(연계)하여 사용자가 정해놓은 RULE에 의해 입찰을 진행하거나, 각 검색키워드에 의한 방문자 수와 웹사이트내에서 발생하는 성과( 회원가입/매출 등 )를 웹분석을 통해 분석하고, 그 결과에 따라 입찰을 진행하는 자동화된 시스템이다.

캠페인/광고 효과 분석

웹분석의 여러 분석요소 중에서 광고 및 제휴링크등과 같은 외부유입 채널에 대해서만 ROI를 분석하여 리포트를 제공하는 분야이다. 즉, 외부 레퍼러 및 URL파라미터와 웹사이트에서 발생하는 전환(회원가입/주문/매출액)을 연결시켜 분석하고 ROI효율성이 높은 광고/캠페인을 선별할 수 있도록 하는 방법이다.

웹분석에 비해 PageView 트래픽을 처리하지 않기 때문에 시스템부하가 적고, 분석하고자 하는 핵심기능의 강화가 쉬운 장점이 있다. 하지만, 전환율을 높이기 위한 중간단계를 파악할 수 없기에 웹사이트를 최적화하기 위한 다양한 분석결과를 얻지 못하는 단점이 있다.

최적화 (Optimization)

개인화 및 추천

개인화(Personalization)의 범위는 매우 넓은 범위를 포함하지만, 지금 개인화추천의 범위는 웹사이트에서 개인에게 적합한 컨텐츠 및 상품추천이 주를 이루고 있다.

웹분석데이터와 고객데이터의 연계를 통해 일반 방문자가 아닌 '고객(회원)'에 대해 개인화된 서비스를 제공하는 것을 좁은 의미의 개인화/추천으로 볼 수 있다.

Behavioral Targeting

'개인화/추천' 영역의 일부분으로서 '방문자 성향 타겟팅'으로 번역해 볼 수 있다.

개인화가 고객/회원을 대상으로 기존 이력을 바탕으로 최적화를 수행한다면, Behavioral Targeting은 익명의 방문자에 대해 최적화/개인화/추천 작업을 수행하여 회원 및 고객을 만드는 것에 중심을 두고 있다고 할 수 있다.

예를 들어, 방문자가 어떤 지역(IP기반으로)에서 방문하였는지, 선호하는 사이트내부 컨텐츠는 어떤 카테고리인지, 어떤 유입도메인(참조 사이트의 성향에따라)에서 왔는지 등을 종합적으로 판단하여 랜딩페이지/마케팅메시지/상품 및 컨텐츠등을 최적화하여 제공하는 것을 생각할 수 있다.

웹분석과 연계되어 진행할 경우, 실시간으로 방문자 성향별 최적화된 서비스를 제공하는 시스템을 구현할 수 있을 것이며, 웹사이트내 전환율 향상에 크게 기여할 것으로 예상된다.

Multivariate Testing

Behavioral Targeting(방문자 성향 타겟팅)이 익명의 방문자에 대해 실시간으로 학습하고 최적화된 서비스를 제공하여 전환율을 향상시키는 방향으로 접근한다면, Multivariate Testing은 다양한 조건별 최적화 케이스를 먼저 구성한 후, 실험을 통해 가장 효율성이 좋은 케이스를 선별하고 적용하는 반대의 접근방법을 보이고 있다.

웹분석 데이터를 이용하여 Testing을 수행할 경우, 동일 기간 내에서 다양한 케이스에 대해 방문자에 대해 실험이 가능하고 분석결과를 빠르게 얻을 수 있는 장점이 있다.

2002-2008 © BizSpring, Inc.

이메일 작성에도 규칙이 있다.

nativic — Mon, 28 Apr 2008 10:58:39 +0900

고객 관계 유지의 가장 강력한 무기 이메일(eMail)!

마케팅, 브랜딩, 다이렉트 응답 및 고객 관계 유지의 가장 강력한 무기는 이메일이다. 회원가입 시 이메일 정보를 입력하지 않는 회원은 거의 없을 것이다. 이는 고객과 회사 모두가 모든 커뮤니케이션의 기본 채널을 “이메일”로 선택하고 있기 때문이다.

더군다나 이메일 마케팅은 비용도 저렴하며, 메시지 전달이 손쉽고, 높은 효과를 보여주고 있어 회사에서는 마케팅의 필수 안으로 선택하고 있다. 그런 만큼 주의해야 할 점도 있다. 옵트인이 된 고객이라 할 지라도 스팸 메일이나 옵트아웃 메일로 간주되는 일이 없도록 마케터는 항상 신경을 써야 할 것이며, 이메일 작성의 기본 규칙을 꼭 알아두어야 한다.

① 정통부 스팸메일 방지 가이드라인을 알자!
전자우편서비스 제공자, 사이트 운영자는 전자우편서버 운영을 정통부에서 규정하고 있는 가이드라인에 맞춰 스팸메일을 관리하게 된다. 해당 가이드라인을 알고 있어야 여러분의 메일이 스팸메일로 간주되는 것을 최대한 막을 수 있을 것이다.

- 전송자의 실명화
전송자의 실명과 정보(사이트 주소, 전화번호, 이메일 등)를 명시하여 전송자를 분명히 밝혀 준다.

- 수신동의문구
수신자의 정보와 이메일 발송 허용을 언제, 어떻게, 어떤 방법으로 동의해 주었는지에 대해 밝혀 준다.

- 수신거부기능
수신자가 수신거부의 의사를 용이하게 표시할 수 있도록 전송자의 명칭, 이메일, 전화번호 등을 명시하거나, 수신거부 링크 형태로 수신거부 의사가 자동 전달되도록 설정 한다.

- 광고메일
수신자가 이메일 전송을 하용하였다 할지라도 광고성 이메일은 정보통신망이용촉진 및 정보보호 등에 관한 법률 시행 규칙 제 11조에서 정하는 바에 따라 이메일의 제목란에 “(광고)”를 표시하여야 한다.

* 참조
정통부 http://www.mic.go.kr
한국정보보호진흥원 http://www.kisa.or.kr

② 전송자 정보가 포함된 이메일 제목 작성
대부분의 고객들은 이메일 제목이 무엇인지에 따라 스팸인지 아닌지, 그 이메일을 열어 볼 것인지 그러지 않을 것인지를 결정하게 된다. 그러니 그 귀중한 공간에 과대 광고로 낭비하지 말며, 여러분의 브랜드와 명성에 손상을 입지 않도록 하라.

이메일 제목에 수신자를 밝혀 고객이 여러분의 네이밍을 기억해 낼 수 있도록 하며, 꼭 알리고자 하는 메시지만으로 작성하는 것이 좋다.

예)
- 2008년 1월 홍길동님 KTF e-Mail 청구서입니다.
- [텐바이텐] 60% SALE, 무료배송, 확인하셨나요?
- [G마켓] 개인정보보호취급방침 시행 안내

③ 이메일 내에 고급기술을 넣지 말자
전자우편서비스를 제공해 주는 각 업체마다 이메일 내용에 대한 허용 범위를 정하고 있으며 , 이는 특정 태그 및 액션에 대해 제약사항을 말한다. 고객에게 잘 만들어진 메시지를 보내는 것도 중요하지만, 내용 전달에 초점을 맞추는 것이 효과율을 높이는 방법이 될 수도 있다.

공통적으로 가지고 있는 규칙은 javascript, iframe, 동영상 등을 규제하여 액션을 차단하고 있으며, css에 대한 정의가 차단되는 경우도 있다. 그렇다 보면 여러분이 작성한 이메일에서 중요 주제에 대해 표시한 글꼴스타일, 액션 등이 제대로 보여지지 못하게 된다.

그래서 이메일을 작성할 때는 고급기술보다는 내용작성에 중점을 주는 것이 좋으며, 링크 등을 통해 사이트에서 액션을 하게 하는 것이 어쩌면 효과가 높을 수도 있다.

작성처 : 비즈스마트 www.bizsmart.co.kr

[비즈스마트]는 충성도 회원분석 및 마케팅 커뮤니케이션 서비스로써, 운영 사이트와 이메일 등을 통해 회원이 보이는 반응을 수집하여, 그 정보를 실시간으로 수치화 & 그래프화하여 제공하는 Application Service Provider 형식의 서비스이며, 비즈스프링™(www.bizspring.co.kr)에서 비장하게 준비한 온라인 마케팅 서비스입니다.

eCRM 도구와 용어

nativic — Mon, 28 Apr 2008 10:54:29 +0900

eCRM의 도구와 용어

eCRM에서의 소프트웨어/시스템/방법/용어

eCRM을 위한, 넓게는 Business Intelligence를 위한 다양한 소프트웨어와 방법론 및 이론들이 존재한다.

eCRM에서 언급되는 소프트웨어/시스템/방법/용어들 중에서 자주 사용되는 항목들에 대해 정리하였다.

Data Warehouse (DW)

경영 전반적 관리와 의사결정을 위해 전사적으로 다양한 데이터를 수집하여 저장하여 놓은 데이터베이스의 집합을 의미한다..

조직의 운영시스템에서 속도저하 없이 원하는 데이터를 조회할 수 있도록 구성하는 것이 특징으로서,

Data Warehouse는 다음과 같은 특징이 있다고 한다. (Bill Inmon이 정의)

Subject-oriented : 주제별 조직화된 데이터 - 업무 및 기능중심이 아니라 데이터 중심으로 디자인되어 조직화된 데이터베이스이다. 모든 데이터는 서로 연계되고 참조될 수 있도록 구성한다.
Time Variance : 추세 데이터 보관 - 시간흐름에 따른 변화를 추적할 수 있도록, 현재상태의 데이터 뿐만 아니라 과거의 데이터에 대해서도 기존 값을 모두 보관한다.
Integrated : 통합, 기업의 모든 데이터가 통합 - 데이터 항목들의 명명규칙, 단위, 코드등이 일관되게 구성되어 저장되어 있으며, 항상성을 유지한다.
Non-volatile : 비휘발성 - 데이터는 초기 데이터 적재와 이후 접근 및 사용만 이루어지며, 읽기전용으로 데이터가 유지된다.

ETL( Extract, Transform, Load)

Data warehouse에 데이터가 최종 적재되기까지의 단계를 표현한 단어이다. 외부데이터 소스로부터 데이터를 추출/분리해내고(Extract), 비즈니스목적에 맞게끔 데이터를 연계/가공하거나 불필요한 데이터를 제거하여 데이터 품질을 맞추고(Transform), 최종 Database에 데이터를 적재(Load)하는 단계를 나타낸다.

Data Mart (DM)

Data Warehouse가 전사적 데이터의 통합적, 정적 보관 및 데이터 제공이라면, Data Mart는 동일한 현업을 수행하거나 목적이 동일한 단위 조직에서 자주 사용되는 데이터들을 별도 분리 및 취합하여 구성하는 전문적이고 가벼운 Data warehouse라고 보면 되겠다.

Data warehouse 한곳에서 전사조직 구성원이 접근할 때 발생하는 부하를 분산하기 위해 시작되었지만, 최근에는 Data warehouse보다 우선적으로 Data mart가 구성되는 경우도 많다고 한다.

Data mart는 Data warehouse보다 비용 및 규모면에서 단순하므로 빠르고 간단하게 구축 및 운영이 가능하다.

Entity Relationship Modeling / Multi Dimensional Modeling

DW또는 DM을 구성하기 위해서는 현실 세계에서 얻어진 데이터가 Database화 되어야 한다. 이를 위해 Database내에 각 구성요소 결정하고 연관관계를 구성하는 설계행위이다.

객체관계형 모델링과 다차원모델링 등이 있다.

OLAP (On-Line Analytical Processing)

DW/DM등에 저장된 데이터에 대화식으로 질의(Query)를 보내고 그 결과를 얻는 행위를 말한다. OLAP은 최종 데이터 사용자가 다차원으로 여러 조건을 부여하여 데이터를 다각도로 살펴보고 결과를 얻으며, 정보를 분석하는 과정이라고 볼 수 있다.

가정한 결과를 다양한 실험을 통해 입증해 나가는 방법에 가까우며, 데이터 속에서 미지의 지식을 발견하는 데이터마이닝과는 반대되는 접근방식이다.

OLAP은 아래의 장점과 단점을 갖고 있다.

장점
- 대화식분석을 통해 원하는 분석결과로 쉽게 접근할 수 있다. (SQL은 단방향)
- 다차원적인 조회를 통해, 실질적으로 현업에서 유용한 데이터에 접근할 수 있다.
- 별도 애플리케이션 구현에 필요한 자원을 절감할 수 있다.
- 필요에 따라 원하는 리포트를 구현할 수 있다.
단점
- OLAP툴이 상당히 고가이다.
- 현업의 일부 복잡한 장표형식 등의 지원은 불가능하다

OLAP은 MOLAP(Multidimensional), ROLAP(Relational), HOLAP(Hybrid), WOLAP(Web-based), DOLAP(Desktop), RTOLAP(Real-Time) 등으로 분류된다.

OLTP (On-Line Transaction Processing)

온라인을 통해 금융결제 업무를 중앙 집중형으로 처리하여 지원하는 방법. 은행, 항공, 슈퍼마켓, 인터넷뱅킹, 전자상거래등 많은 곳에서 이용되며, 다양한 거래데이터의 원시정보가 생성되고 기록되는 시스템으로 볼 수 있다.

OLTP에 의해 대규모의 상거래 및 고객데이터의 생산이 가능해 졌고, 많은 데이터의 보관을 위해 Data warehouse가 대두되게끔 하는 배경이 되었다.

SQL (Structured Query Language)

Database의 데이터를 정의/생성/변경/조회 하기 위해 사용되는 컴퓨터 언어.

Data Mining

방대한 데이터 속에서 사전에 인지하지 못하였던, 미지의 지식을 발견해나가는 프로세스이다.

다양한 분석기법 및 기술 - Classification, Clustering, Decision Tree, Neural Network - 등을 이용하여 의미있는 상관관계, 패턴, 동향, 추세등을 찾아내는 과정으로서 B2C분야에서 가장 많이 활용된다.

OLAP과는 반대의 분석접근 방식이다.

Personalization (개인화)

개인화는 각종 Data분석을 통해 고객에게 개인화된 컨텐츠(상품/마케팅메시지 등) 및 서비스를 제공하는 방법이다. 개인화된 컨텐츠의 선정은 Rule-based, Case-based, Collaborative filtering, Neural network 등의 방법을 이용하여 접근한다. 온라인광고, 상품추천, 상품진열, 지역/개인선호에 따른 DM발송등 다양한 분야에서 응용가능하다.

특히, eCRM에서 웹사이트 컨텐츠의 개인화 부분은 실시간으로 적용하는 것이 가능해짐에 따라 Marketing Automation의 도구로서 개인화가 관심을 끌고 있다.

MIS(Marketing Information System)

다양한 기업 내 정보를 취합하고 분석하여, 마케팅 의사결정을 위해 다양한 자료를 제공하는 시스템이다. 경영정보시스템 또는 마케팅정보시스템이라고 불려지는 MIS는 eCRM에 개념 속에서 크게 확장되었다. MIS에서 자주 사용되는 표현방법으로는 Dashboard, KPI, Alarm 등이 있으며 상태모니터링을 위한 방법으로 이용되고 있다.

Database Marketing

eCRM의 이전단계 개념으로서 생각할 수 있다. 고객 Database를 바탕으로 다양한 마케팅활동을 위한 근거자료를 수집/분석하여 과학적인 마케팅을 하기 위해 발전해왔다. Data warehouse 또는 Data mart를 근간으로 타겟마케팅, 1:1(one to one)마케팅, 개인화(Personalization), 고객 등급관리(Customer Scoring/Segmentation), LTV(고객생애가치, Life Time Value) 관리 등을 수행하는 것이 이에 해당한다.

One to One Marketing / Target Marketing 도 유사한 접근방법이다.

웹분석 (Web Analytics)

온라인상에서 발생하는 다양한 마케팅활동과 방문자의 활동(컨텐츠조회/주문 등)과 그로 인해 발생하는 결과(매출/회원가입 등) 데이터를 수집하고 리포팅하는 역할을 수행한다.

수집된 데이터는 DW(Data Warehouse)등에 적재되어 분석CRM에서 활용하게 된다.

메일발송 솔루션

타겟고객층을 대상으로 대량의 메일 또는 SMS메시지를 신속히 발송하기 위해 이용되는 시스템이다. 운영자에 의해 발송되기도 하지만, 사전에 정의된 Rule에 따라 요건이 충족되는 고객에게 자동발송 되도록 하여 운영되기도 한다.

일반적으로 온라인 쇼핑몰에서 주문 시 받는 메일들과 이벤트 안내메일 등이 본 시스템에 의해 발송된 것이다.

CTI (Computer-Telephony Intergration)

컴퓨터와 전화통화를 통합한 것으로서, 단어의미 자체는 외부에서 걸려온 전화를 전산화된 교환서비스를 통해 운영하는 것이지만, 현재의 CTI는 고객의 전화를 가장 적절하게 배분하고, 녹취하고, 고객지원의 품질을 평가하고, Back-Office 데이터를 실시간으로 제공하여 고객지원의 업무효율성을 높이는 등에 주로 활용하고 있다.

IVR (Interactive Voice Response)

음성전화를 통해 음성/번호입력등을 통해 서비스를 제공하는 시스템과 상호대화형으로 응답을 제공하는 솔루션이다. 일반적으로 IVR은 데이터베이스 및 운영시스템등과 연계되어 은행계좌이체, 여론조사, 콜센터와의 연계, 전화 자동주문 등에 사용된다.

Churn Management (이탈고객 관리)

분석을 통해 이탈예상 고객을 예측하고 적합한 마케팅 메시지를 전달하는 등 이탈고객을 줄이고, 신규고객을 확보한 후 충성도를 높이기 위한 전반적인 행위.

통신사업자를 자주 바꾸는 소비자가 많은 통신시장에서 유래된 단어이다.

Marketing Dashboard

Marketing Dashboard는 현재 운영상황을 직관적으로 파악하기 위해 사용된 Reporting 방법중의 하나이지만, 지금의 Dashboard는 다양한 분야에서 응용되어 활용되고 있다. KPI항목들이 주로 Marketing Dashboard에 사용되어 진다.

KPI (Key Performance Indicator)

'핵심성과지표'이며 기업에서 성과를 평가하기 위해 이용되는 다양한 측정지표들 중 핵심적인 항목들을 뜻 함. 일종의 사업상황모니터(Business Activity Monitoring)로서 주요 KPI관리를 통해서 사업의 흐름을 쉽고 빠르게 파악할 수 있다.

KPI의 측정지표는 'SMART'의 속성을 가져야 한다고 한다.

Specific (특정 상태를 표현할 수 있어야 한다)
Measurable (측정 가능해야 한다)
Achievable (달성 가능해야 한다)
Result-oriented / Relevant (해당항목과 관련된 중요 결과값이어야 한다)
Time-bound (기간내 측정된 결과값)

KPI의 지표들은 값의 속성에 따라 나뉘어 질 수 있다.

숫자로 표현될 수 있는 값 (Quantitative Indicators)
실제(실용)적인 값 (Practical Indicators)
방향성 있는 지표 (Directional Indicators) : 좋아지고 있는지 나빠지고 있는지와 같은 진행방향
실행 방안을 세울 수 있는 지표 (Actionable Indicators)

CSF (Critical Success Factor)

주요 성공요인으로 풀이할 수 있다. 사업목표를 달성하기 위해 거쳐야할 단계 중 성공에 크게 영향을 미치는 단계 행동을 의미한다. 예를 들면 제품개발 후 '제품발표'와 같은 경우가 해당된다.

CSF와 KPI, 그리고 목표수준 값(Target)이 결합되어 목표(Objective)가 이루어질 수 있다는 설명도 있다.

2008 © nativic

도자기 흙으로 만든 것들

nativic — Fri, 04 Apr 2008 19:34:00 +0900

의외로 흙이 금방 마른다. 어릴때 만들던 찰흙보다 흙이 무척이나 좋구나.

웹분석을 위한 eCRM의 이해

nativic — Fri, 04 Apr 2008 19:17:24 +0900

eCRM의 이해

eCRM의 정의

과거 오프라인 시장이 주요 무대였을 때에는, 다양한 정보를 수집하고 저장하는 것에 막대한 비용이 소요 되었지만, 온라인 시장에서는 상대적으로 저렴한 비용을 이용하여 다양한 정보를 수집하고 저장하는 것이 가능하다.

이러한 시대적 흐름에 따라 발생한 것이 eCRM이며, eCRM은 e-Busienss 경쟁력을 위해 현대 온라인 비즈니스에 있어서는 필수불가결한 요소가 되었다

* 웹분석은 eCRM에서, 특히 웹사이트에서 발생하는 데이터들을 수집 및 저장하는 단계이다.
* CRM은 Customer Relationship Management 의 약어이다.

지금의 eCRM을 쉽게 정의하기는 어렵지만, CRM에서 좀더 세분화된 의미를 강조하여 일단 아래와 같이 정의하였다.

IT기술을 이용하여 (특히 온라인에서) 가치있는 고객을 발굴하고 양성하여 고객의 생애가치를 최대화 할 수 있도록, 다양한 데이터의 분석을 수행하고, 자동화된 마케팅 프로세스를 구현하는 것.

eCRM과 웹분석과의 가장 큰 차이점은 '고객(회원)'이 분석의 중심이 된다는 것에 있다.

eCRM의 세분화

eCRM은 CRM이 'e' 라는 단어가 추가된 것과 같이, 그 범위가 온라인으로 한정된 것에 있다.

따라서 eCRM의 분류 및 프로세스를 설명할 때 CRM과의 구별 없이 일반적인 사항을 기준으로 설명하도록 한다.

eCRM의 세부 분야는 eCRM의 프로세스에서 어떠한 목적을 위해 구현되는지에 따라 아래 3가지로 크게 나뉠 수 있다. (Meta Group 1999년)

분석 CRM (Analytical CRM)
협업 CRM (Collaborative CRM)
영업 CRM (Operational CRM)

아래 도표는 Meta Group 1999년 CRM에 대한 분류자료를 재 구성한 것으로서, eCRM의 프로세스를 크게 Planning & Analysis – Action – Feed Back 단계로 보았을 때 각 단계별 특성을 가장 잘 나타내는 CRM분야를 연결시켜 표현하고 있다.

최근 eCRM은 IT기술을 바탕으로 빠르게 발전하면서, 전통적인 CRM의 세부 분야들의 경계가 허물어지고 있는 상황이다.

Operational CRM (영업 CRM)

영업 CRM으로 표현되는 Operational CRM은 실제 Action에 해당하는 기업의 활동을 최적화 하고 관리하는 분야이다. 'Front Office', 'Front End' 라고 표현되는 고객 접점( 영업, 마케팅 및 고객서비스)에 대해 관리 및 최적화를 수행한다.

세부 분야별 주요 업무분야는 다음과 같다.

Sales 분야
- 영업자동화 (Sales Force Automation)
- 영업대상 발굴 및 예측 (sales Forecasting)
- 고객 개인정보 관리 (PIMS : Personal Information Management System)
- 영업기회 관리 (Opportunity Management)
- 주문관리 및 고객보상 등의 관리
Marketing 분야
- 캠페인 관리 (Campaign Management)
- 마케팅 예측 (Marketing Forecasting)
- 마케팅 프로모션 및 이벤트 관리
- 마케팅 문서의 관리
Service 분야 : Sales 이후의 관리에 해당된다.
- 서비스 수요/고객 예측
- 설문조사
- 고객관리 시스템
- 소모성 자재/부품 관리

Operational CRM은 Analytical CRM의 결과로부터 예측과 대응을 할 수 있도록 작동되어야 하며, 그 결과는 Analytical CRM에서 이용될 수 있도록 데이터로 수집 및 저장되어야 한다.

Analytical CRM (분석 CRM)

운영계에서 생성되는 데이터를 축적하고 분석하는 분야이며, '사업 성과 관리' 부분을 구성한다.

마케팅 분석과 판매분석 작업을 수행하고, 협업CRM을 이루기 위한 데이터와 영업CRM에서 의사결정을 위한 데이터를 제공한다. 일종의 Back-End를 관리하는 분야이다.

분석결과는 사업성과관리(Business Performance Management) 개념으로 이어진다.

세부분야별 항목은 다음과 같다.

Marketing Data 분석 – 주로 Query 및 Report를 통해 조회 및 분석
- 고객 세분화 및 타겟 고객 선별
- 캠페인 효과분석
- 이탈고객 예측에 의한 접근주기 산출
Sales Data 분석 – OLAP 툴 등에 의한 분석이 많이 사용되었음
Customer Data분석 – Data Miining에 의한 분석이 많이 사용되었음

분석은 위 3개 분야의 데이터를 연계하여 분석하는 경우가 많으므로, 세부적인 분석행위를 세부 분야별로 나누기는 힘들다. 일반적으로 분석방법 별 이용되는 사안은 아래와 같다.

등급분류 및 등급모델링 - Classification & Modeling
- 타겟고객 추출과 텔레마케팅 및 DM발송
- 고객지원 및 고객불만관리 (Claim Prevention)
- 고객 스코어링 (Customer Scoring/Ranking)
- 사기/부정행위 검출 (Fraud Detection)
- 위험/위기관리 (Risk Management)
- 가격 시뮬레이션/모델링 (Price Modeling)
- 이탈고객 관리 (Churn Management)
- 고객 충성도 유지 (Customer Retention)
- 고객 획득과 전환 (Customer Acquisition)
군집분석 – Clustering
- 고객 세분화 및 프로파일링 (Customer Segmentation & Profiling)
- 신규 고객층 발굴
연관분석 – Association
- 장바구니/쇼핑카트 분석 (Market Basket Analysis)
- 교차판매 (Cross Selling) / Up Selling
- 상품추천 및 컨텐츠 개인화
순차패턴 – Sequential Pattern
- 시계열 흐름에 따른 장바구니/카트 분석 (Market Basket Analysis Over Time)
- 온라인 서비스 이용패턴 분석 및 개선
시계열 예측 – Time-series Forecasting
- 매출예측/수요예측
- 재고수량 관리

여러 분석방법을 통해 데이터마이닝(Data Mining)이 이루어지며, 데이터마이닝을 통해 새로운 패턴과 모델을 발견하고, 이로부터 지식을 얻는다.

Collaborative CRM

Customer Interaction Management 라는 표현처럼

고객과의 접점을 효율적으로 유지하기 위해, 고객과 기업, 기업내 구성원간 효율적인 협업(Collaborative)이 이루어질 수 있도록 한다.

특히 eCRM에서 강화된 분야로서, 분석과 운영/영업의 통합된 성격이 짙다.

영업CRM 및 분석CRM에서 생성되는 데이터를 통해 아래와 같은 절차를 최적화 한다. 물론, 아래 절차에서 생성되는 데이터도 분석CRM에 포함되어 분석이 이루어져야 한다.

개인화
- 웹사이트의 개인화/추천
- DM 및 쿠폰북 등의 개인화
- CCID 식별을 통한 콜센터 업무의 최적화
자동화
- 고객지원의 자동응답 서비스 (전화/이메일 등)
- Behavioral Targeting 솔루션 (웹사이트 방문자 성향에 따른 최적화된 접근)
- Multi Variate Testing 솔루션 (다양한 케이스별 테스트를 자동적으로 수행하고, 최종 선정안을 적용한다. )
- 방문자 행동패턴에 따른, 자동적인 마케팅메시지를 전송(이메일/SMS)

최근 eCRM의 동향

최근의 eCRM은 대부분 웹사이트를 중심으로 사업이 진행되면서, Collaborative CRM은 마케팅자동화(Marketing Automation)분야로서의 위치를 다져나가고 있으며, eCRM분야 중 가장 빨리 성장하는 분야기기도 하다.

과거와 같이 대규모의 시스템구축과 통합을 통해 eCRM을 구축하는 것 보다는, 개별적인 최적화 목적별 프로세스를 기존 솔루션을 이용하여 개선하고자 하는 것이 최근의 동향으로 보여진다..

웹분석과 연계되어 eCRM의 분야를 볼 때, Marketing Automation 분야와 Personalization 분야는 확장 및 연계하기에 가장 쉬운 부분이겠다.

실례로 해외의 다양한 사례에서 웹분석을 통한 데이터를 기반으로, 다양한 영업/협업 CRM분야의 특정 솔루션으로 확장하는 것을 볼 수 있다.

2008 © nativic

이메일 마케팅이란?

nativic — Tue, 25 Mar 2008 15:00:29 +0900

bizspring blog 에서 발췌하였음

이메일 마케팅이란?

고객을 어떻게 보고 어떠한 방법으로 관리할 것인가에 대한 방안으로 “이메일마케팅”이 매우 유용하다고 평가되고 있는 지금의 이메일은 단순이 인터넷마케팅 수단(툴)의 하나로 그치지 않고, 그 이상의 의미를 가지고 있다. 이는 고객의 니즈(needs)를 파악하고 만족도를 높이는 전략적 개념을 이메일을 통해서 수행하는 고객과의 쌍방향 커뮤니테이션을 통해 마케터는 고객과 관련된 다양한 데이터를 수집.분석하여, 타깃 고객을 선별하고 이메일을 통해서 이들에게 정보를 제공함으로써 그들의 욕구를 살피고 고객과 접촉한다.

고객과의 지속적인 관계 형성을 통해 풍부한 고객정보를 갖게 된다면 고객의 성향에 맞는 이메일을 발송할 수 있을 것이다.

타깃팅(Targeting)
성별, 연령, 지역 등 인구통계학적인 데이터는 오프라인의 불특정 다수보다 고객을 훨씬 효과적으로 분류할 수 있다. 나아가 그 사람의 구매성향이나 관심사항, 소득수준에 따라서도 분류할 수 있어 정교한 타기팅이 가능하다.
이 모든 것은 풍부한 고객정보를 갖추어졌을 때, 최신 정보로 유지하고 있을 경우 가능하게 될 것이며, 이에 따른 효과는 그 누구도 예측할 수 없을 것이다. 이메일의 누적된 수신데이터를 마이닝하여 보다 정밀한 타기팅을 지금부터 실천해 보시길 권하고 싶다.

이메일마케팅 효과적인가?
이 메일은 무엇보다도 적극적인 접촉 매체이며, 수신자가 정확히 지정된 상태에서 메시지 내용을 얼마든지 개인화할 수 있으며, 메시지의 양과 내용을 자유롭게 조정 가능하다는 점, 사용자의 반응을 쉽게 유도함으로써 의미 있는 피드백을 얻을 수 있다는 점 등의 많은 장점을 가지고 효과적인 마케팅 매체로 부각되고 있다. 한국광고업협회는 이메일마케팅의 기대효과를 다음과 같이 정의하였다.

첫째, 빠르고 효과적이다.
둘째, 타깃마케팅,DB마케팅,원투원마케팅 용이
셋째, 상대적으로응답률이 높다
넷째, 비용대비효율성이높다

이메일마케팅의 SWOT분석표에서 알 수 있듯이 이메일마케팅도 강점과 약점, 그리고 기회요인과 위협요인이 상존한다.

Strengths : 효과	Weaknesses : 결점	Opportunities : 기회	Threats : 위협
• 마케팅 비용 절감으로 생산원가의 절감 • 이용경로, 결과추적가능 • 고객과의 1:1마케팅 가능 • 어떤 마케팅 목적으로도 이용 가능 • 직접적 매출 촉진 • 고객과의 쌍방향 커뮤니케이션 가능	• 점차 증가하는 이메일량에 따라 고객의 반응률 하락 가능성 • 제대로 된 메일 확인 위해 많은 시간 소요 • 추적이 쉬워 때론 해가 됨	• 이메일마케팅은 비교적 덜 개척된 발전 가능성이 무한한 분야 • 새로운, 창의적인 아이디어를 개발하기 적합 • 제휴, 입소문, 브랜딩, 세일즈 등 사업의 기회를 확대하는 데 더없이 유용	• 이메일때문에 서버부담이 급증 • 메일 발.수신에 대한 규제 강화 • 정상적인 이메일마케팅이 스팸으로 오인돼 법적 시비에 휘말릴 수 있음 • 개인정보 유출에 대한 소비자의 우려와 제도적 제한 • 기술적 고려사항이 복잡, 정교해 짐

고객은 정보를 입수하기 위한 방편으로 인터넷을 활용하는 경향이 많다. 따라서 일과성이 아닌 중장기적인 접근을 통해 고객과의 접점을 확보할 수 있어야 하며 이러한 접점은 고객의 허락(Permission)을 전제로 하여야 한다. 이메일은 가장 유용한 접점 수단이 될 수 있다.
고객은 자신이 관심있는 정보를 얻기 위해 자발적(Opt-In)으로 이메일을 활용하고자 하며 지속적 대화를 통해 설득되고 종국에는 상품의 구매로 이어진다.

로열티 고객 마케팅 강화
고객의 자발적인 참여와 허락을 전제로 접근하는 것이 이메일마케팅의 본질임을 알게 되면서 기업은 고객이 원하는 것이 무엇인지 파악하기 위해 노력하고 있다.
자발적으로 참여한 잠재 고객들은 관련된 분야에 대한 관심과 관여도가 높다.

질 높은 잠재 고객 수천 명에게 유용한 정보나 참여의 기회를 제공함으로써 더 많은 매출을 올릴 가능성이 높다. 뜨내기 고객을 과감히 제거하거나 혹은 이를 충성 고객으로 전환할 필요성을 느끼게 된다. 따라서 커뮤니티를 중시하는 경향이 점차 확대되어 가고 있으며, 이메일마케팅 분야도 이러한 추세를 감안한 전개가 필요하다. 이러한 고객은 자신만의 커뮤니티로 간직하기보다는 다른 사람에게 소개해 줌으로써 신규 고객을 창출하고 새로운 이익의 기반을 형성하는 데 일조하게 된다.

" 이메일마케팅 현황 및 시장전망을 여러 기관의 통계자료를 통해 시장을 훑어보자! "

(자료원 : 국가지식포털 / http://www.knowledge.go.kr / 2003. 04)

웹분석 시장의 흐름/역사

nativic — Tue, 25 Mar 2008 14:48:16 +0900

웹분석 시장의 흐름

웹분석 제품의 역사

주요 웹분석솔루션 및 웹분석 서비스의 공급업체를 중심으로 흐름을 정리하였다.

제공하는 웹분석도구가 사용하는 데이터 수집방법에 따라 Logfile 방식은 (L), Page Tagging 방식은 (T), Packet Sniffing 방식은 (P), Hybrid방식은 (H)로 표기하였다.
웹분석 도구의 경우 상용 제품만 하더라도 그 수가 매우 많기에 주요 제품/업체라고 생각되는 내용을 중심으로 정리하였다.
회사명으로 정리하였으나, 가능하면 웹분석도구를 처음 출시한 연도로 표기하였다.
현재 웹분석에 시장에서 주요 위치를 차지하고 있다고 생각되는 업체는 Bold체로 표기하였다.

주요 웹분석 업체/제품의 역사 (2008/01 기준)

연도	국내 제품	해외 제품(주로 미국)	비고
1993		GetSites(WWWStats) (L)	최초로 정리된 웹분석기
1994		I-PRO (L)	최초의 상용 웹분석기
1995		Analog (L) Webtrends (L) WebTraffIQ (T)	Analog는 무료로 배포되고 있으며 지금도 널리 사용되고 있다. WebTrends는 현재 Tagging방식의 제품도 제공하고 있다. WebTraffIQ는 최초의 Tagging방식의 웹분석 제품이다.
1996		Urchin (L) WebSideStory(T) DeepMetrix (T/L/H) RTMetrics(P) Neilsen Netratings (T?)	Urchin은 후에 Tagging방식도 제공하게 된다. Urchin은 현재 Google에 인수되어 Google Analytics로 무상 제공되고 있다. WebSideStory는 HitBox 및 HBX가 주력 제품임. 2006년 2월 VisualSciences와 합병한 후 2007년10월 Omniture에 인수되었다 DeepMetrix는 2006년 Microsoft에 인수되어 Gatineau로 명칭변경 Microsoft검색광고의 부분 서비스로 Beta서비스 중이다.. Neilsen Netratings(전 RedSheriff)은 다양한 분석통계 서비스 제공
1997		SuperStats (T)	SuperStats는 JP Interactive(1996설립)의 웹분석 서비스(1998 회사명을 SuperStats로 , 1999 MyComputer.com 으로 변경된 후 2002년 Omniture로 변경.)이며 현 Omniture의 SiteCatalyst가 주력 제품이 되면서 발전하게 되면서, SuperStats와 MyComputer.com 브랜드는 NetworkSolutions에 양도하게 된다.
1998	Weblog (L)	IBM SurfAid (T/L/H) Webalizer (L)	Weblog는 한국최초의 상용 웹로그분석 제품. 2004년3월 ASP서비스 추가 제공함. 회사명과 제품명 동일. SurfAid는 2006년 CoreMetrics에 인수된다. Webalizer는 로그파일분석 방식 중 현재 가장 선호되는 무료 웹분석 툴이다.
1999		Coremetrics (T/L/H) Fireclick.com (T)	Coremetrics는 웹분석외 다양한 Marketing Automation / Consulting 분야로 진출한 상태임. 2006년 IBM SurfAid를 인수 FireClick은 2001년 최초의 Site Overlay 기능을 제공함
2000	Countboy.com (T)	Instadia.net (T/L )	2000년8월 퍼슨앤퍼슨의 Countboy는 국내최초 상용서비스 수준의 웹분석ASP서비스를 오픈 Instadia는 내부네트워크의 로그파일을 원격서버로 전송하여 ASP형식으로 분석가능. 2007년 Omniture에 인수됨.
2001	Somansa ClickMind (P) Nethru Wiselog (L) Amazingsoft Acecounter (T) MyLog (T)	Manticore (T?) VisualSciences (T/L/H)	Somansa는 국내최초 Packet Sniffing 방식 웹분석 솔루션 ClickMind출시. Somansa는 정보유출방지/보안관련 제품군이 주력. Nethru는 와이즈로그 제품군을 통해 국내시장에서 외산 WebTrends를 급격히 대체해 나감. Amazingsoft의Acecounter가 2001년8월 카운터서비스에서 웹분석 ASP서비스로 확장되어 오픈. 본격적인 상용서비스는 2002년에 이루어짐. MyLog는 2001년 12월 Acecounter의 분석서비스를 OEM하여 운영. 국내 상용 웹분석ASP서비스 시장을 대상으로 최초로 마케팅활동 펼침. Manticore는 웹분석과 타겟 이메일마케팅을 최초로 결합한 업체. 현재는 다양한 Marketing Automation 솔루션을 제공함. VisualSciences는 뛰어난 분석능력과 리포트 표현방법으로 시장에서 주목받음. 2006년 2월 WebSideStory에 인수됨.
2002	BizSpring Logger (T) Innerbus HitAnalyzer (L) CCMedia WebNibbler 2.0 (T) Amazingsoft LogINSIDE (T)	Omniture SiteCatalyst (T/L?) ClickTracks (T/L)	BizSpring은 기업용 상용 웹분석 ASP서비스로서Logger 오픈. Innerbus의 HitAnalyzer는 차후 Java기반 웹로그분석 솔루션인 WebQuest 제품으로 발전함. Innerbus는 원시로그관리/보안침입탐지 분야에 주력함. CCMEDIA는 eCRM제품군 eBrother중 웹분석솔루션부분을 WebNibbler로 출시. 웹서버 Plug-in 방식 사용. Amazingsoft는 접속통계ASP 무상 서비스 사업부분 폐쇄. Tagging방식의 웹분석솔루션 LogINSIDE출시. SiteCatalyst / Discover / Genesis 등을 통해 Marketing Automation 업체로 발전하게 됨. ClickTracks는 SiteOverlay방식등 새로운 분석방법등을 제시하면 급격히 성장.
2003	BizSpring LogLog (T) BizSpring Logger Ent. (T)	Visionalist 4.0 (T/L/P) – 일본	BizSpring은 일반 접속통계 유료ASP서비스 LogLog 오픈. Java기반 Enterprise 웹분석 솔루션 Logger Enterprise 출시. 일본DigitalForrest는 2003년 3월 Visionalist를 4.0 버전 출시하며 Packet Sniffing 및 Page Tag 방식을 추가함.
2004	Weblog ASP (L) Nethru WiseSniffer (P)		Weblog는 로그파일 원격수집 방식을 통해 ASP서비스를 제공. Nethru는 패킷스니핑 방식의 웹분석 솔루션 WiseSniffer출시
2005	F24 (T) WSOS (T)	Google Analytics (T) SiteClarity (T?) CCMedia WebNibbler (T)	2003년~2004년 웹분석ASP분야에서 Amazingsoft와 BizSpring이 상당한 성장과 시장을 점유하자, 국내에서 다수의 신규 웹분석 ASP서비스가 등장한다. 그 중 F24, WSOS, SKYLOG, logmap 은 적절한 전략과 상품구성으로 시장진입에 성공한다. 2005년8월 CCMEDIA는 대만의 인스파이어IT사와 합병(인스파이어IT 지분10%와 ccmedia지분 100%, 사명은 ccmedia로 변경). 글로벌 서비스로서 WebNibbler 준비. Google은 2005년 3월 Urchin을 $30M에 인수하여 2005년 11월에 Google Analytics를 오픈 WebSideStory는 Atomz라는 웹사이트 마케팅/최적화 컨설팅 업체를 인수 WebTrends는 NetIQ에서 Francisco Partners로 인수됨. CheetahMail(메일발송솔루션업체)에서 SiteClarity 오픈(2005년으로 추정)
2006	Daum Webinside (T) SKYLOG (T) Logmap (T)	Microsoft Gatineau (T) Google Optimizer (T)	Daum은 2006년 10월 개인사용자를 위한 무료 웹분석서비스인 Webinside 공개... 2006년 2월 Websidestory는 VisualSciences를 $57M에 인수하고 회사명을 VisualSciences로 변경. 2006년 4월 CoreMetrics는 IBM SurfAid를 인수. 2006년5월 Microsoft는 DeepMetrix를 인수하여 Gatineau를 beta오픈함. 2006년 10월 Google은 Multivariate Testing 도구인 Google Optimizer를 오픈.
2007	BizSpring bizSmart (T) Nethru SmartOffer (?)		BizSpring은 2007년10월 타겟이메일발송 솔루션과 웹분석이 결합된 bizSmart ASP서비스를 오픈. Nethru는 2007년 11월 개인화/추천엔진 제품인 SmartOffer 출시 Omniture는 2007년 1월 웹분석 업체 Instadia 인수., 2월 Behavioral Targeting 업체인 Touch Clarity 를 $51.5M에 인수, 9월에 개인화/최적화 업체인 Offermatica $65M에 인수, 10월에 VisualSciences를 $394M에 인수함. 2007년 1월 Microsoft Gatineau 가 부분적으로 공개됨

해외시장은 크게 아래 단계와 같이 시기를 나누어 볼 수 있다.

기술의 탄생(1993~1995)
웹분석 기술이 상용화되어 제품화 되기 시작
시장의 탄생과 성장(1996~2000)
다양한 웹분석 업체와 제품이 등장하고 시장이 성장.
급격한 시장성장과 기술발전에 의한 무한 제품경쟁(2001~2004)
업체들의 경쟁으로 웹분석 기술과 시장이 급격히 발전하며, 다양한 기술과 서비스를 선보임.
웹분석의 대중화와 시장의 재편(2005~2007)
시장 점유율에서 상위그룹과 하위그룹으로 양분화가 이루어진 후 각 그룹 내에서 업체가 정리되거나 인수합병으로 통합됨.
웹분석의 대중화와 광고시장의 폭발로 인해 검색/포탈업체에서 웹분석을 기존 업체 인수를 통해 서비스 항목으로 추가하며 무료웹분석에 의한 대중화된 시장이 급 팽창함.

국내시장은 크게 아래 단계와 같이 시기를 나누어 볼 수 있다.

기술의 탄생(1998~2001)
웹분석 기술이 상용화되기 시작하고 국내제품이 출시됨.
분석리포트의 구성은 해외제품의 영향을 많이 받음.
시장의 탄생(2002~2003)
Tagging방식의 웹분석이 상용서비스 수준으로 높아지면서, 국산 웹분석 ASP서비스가 급격히 증가하며 시장의 확대를 이끔.
국산 웹로그파일 분석 솔루션이 해외제품을 적극적으로 대체해 나가기 시작함.
시장의 성장과 기술 및 제품경쟁(2004~2005)
국내 환경에 맞는 웹분석 리포트 구성과 독자적 기술발전에 의한 제품경쟁이 치열해짐.
얼마나 많은 수의 리포트를 새로운 기술로 제공하는지가 관건이었던 시기.
웹분석의 대중화와 시장의 양분화(2006~2007)
다양한 후발 제품이 등장과 포탈업체에 의한 무료 웹분석 서비스가 등장하며 웹분석의 대중화가 이루어졌고, 제품/기술경쟁에서 영업 및 마케팅경쟁 구도로 변화하기 시작.
이에 따라 시장을 선점한 선발업체와 후발업체의 폭이 좁아지지 못하고 시장의 양분화가 시작됨.
일반 웹분석 시장은 성장이 둔화되고 고급 웹분석 시장이 성장함.

웹분석 시장의 미래

'웹서버 로그파일 분석'에서 시작한 '웹분석'은 지금은 확연히 '웹분석' 이라는 단어에 어울리게끔, 다양한 온라인상의 데이터의 수집과 측정, 연관된 측정지표와의 결합과 현업에서 요구되는 뛰어난 리포팅 방법을 제공하고 있다.

또한, 웹분석에 대한 필요성의 이해와 대중화로 인해서 제품선택의 폭이 매우 넓어졌으며, 손쉽게 기업의 필요에 맞는 분석을 수행할 수 있게 되었다.
2000년 당시 필자가 상용 웹분석솔루션 도입을 추진하였으나 수 많은 벽에 부딪혀 결국 활용하지 못하고 주먹구구식으로 e-Business운영을 하게 된 과거 상황에 비교 한다면 매우 큰 변화라고 할 수 있다.

앞으로는 웹분석도구가 지금처럼 독립적인 제품으로서가 아니라, 부가적/필수적 기능으로서 어느 곳에나 존재하게 될 것으로 생각된다. 마치 온라인 광고서비스에, 쇼핑몰 시스템에, 컨텐츠 관리 시스템에, 블로그에 따라오는 웹분석기능처럼 어느 곳에서나 웹분석을 볼 수 있을 것이다.

이미 웹분석을 위한 기본적인 측정 및 리포팅은 특별한 기술이 아니라 기본적인 기능이 되어 가고 있다.

웹분석과 ASP/SaaS

nativic — Thu, 14 Feb 2008 16:07:13 +0900

웹분석과 ASP/SaaS

몇 해전 '웹분석이야말로 ASP(Application Service Provider)사업모델에 가장 적합한 사업분야이다' 라는 글을 어느 해외 웹사이트에서 읽었던 기억이 있다. 이는 Page Tagging(Script Embedding)방식의 웹분석이 점차 선호되면서 ASP모델을 통해 웹분석사업이 크게 확장되던 2002년 이후에 언급되었던 내용이다.

지금은 ASP보다 SaaS(Software as a service)라는 용어를 통해 좀더 확장된 개념으로서의 ASP서비스가 관심을 받고 있는 상황이고, 이 중에서 eCRM분야의 성장율이 가장 높은 상황이다.

웹분석이 eCRM에서 분석CRM영역으로서 한 부분을 차지하고 있는 상황에서, 웹분석과 ASP/SaaS 시장의 흐름을 살펴보는 것이 의미가 있겠다.

ASP와 SaaS

ASP(Application Service Provider)는 '소프트웨어 임대 서비스 공급자' 또는 이와 같은 소프트웨어 제공방법을 의미한다. 하지만 ISP(Internet Service Provider, 인터넷 서비스 공급자, KT메가패스/하나로텔레콤 하나포스 등)와 같은 용어처럼, 과거에는 소프트웨어의 제공방법보다 소프트웨어를 임대형태로 공급하는 회사라는 의미가 좀더 강한 용어였다.

지금은 ASP형태의 서비스가 상당히 다양화되고 발전한 까닭에, 소프트웨어를 제공하는 방법에서도 좀더 세분화가 필요하게 되었고, SaaS(Software As A Service)라는 용어가 대두되게 되었다.

SaaS는 ASP의 용어에서 느껴지는 '공급자' 라는 부분이 배제되고, 의미의 중심이 '소프트웨어'에 집중되어 표현된 용어이다. 하지만 두 용어의 명확한 선을 구분하는 것이 ASP용어의 의미확장으로 인해 어려운 상황이며, ASP와 SaaS 모두 '온라인을 통한 소프트웨어/애플리케이션 제공'이라는 의미로 사용되고 있다.

한국정보사회진흥원(NIA)의 '2007 ASP/SaaS 백서'에서 ASP와 SaaS를 구별하여 설명한 표를 살펴보면 다음과 같다.

분류	항목	ASP	SaaS
공통점	서비스 방식	인터넷을 통해 고객( 사용자 또는 기업) 에게 애플리케이션을 제공
공통점	특징	애플리케이션 구매비용 절감 막대한 인프라 투자와 관리의 어려움 해결
차이점	서비스 방식	일부 애플리케이션을 온라인으로 공급	단일한 플랫폼을 통해 모든 소프트웨어 영역의 서비스를 제공
차이점	특징	소비자의 요구에 따라 커스터마이징 하여 '1:N - 1 대 다(多)' 서비스가 어려움. 다른 소프트웨어와의 연계와 통합 어려움	웹에서 단일한 플랫폼을 기반으로 동일한 버전의 애플리케이션을 모든 소비자에게 공급( 1:N ) 다양한 소프트웨어를 모두 갖춰놓고 온디맨드 형태로 공급

( 출처 : 한국정보사회진흥원 2007 ASP/SaaS 백서 P174 )

ASP의 서비스방식은 위에 언급된 사항은 물론, 소프트웨어를 고객사에 설치하고 제공하는 '임대'형식의 서비스도 있으나, 최근의 ASP는 모두 온라인을 통해 제공되는 추세에 따라 '공통점' 항목으로 묶은 것으로 보인다.

'ASP'라는 용어를 두고 'SaaS' 라는 용어가 등장한 배경에는 'Software' 라는 것에 중점을 두었다는 것도 있겠지만, OpenAPI, RIA를 위한 기술(AJAX/FLEX 등), REST(Representational State Transfer)들이 적극적으로 도입되어 '플랫폼'화가 가능한 환경을 갖추었느냐가 가장 큰 차이 요소로 생각된다.

쉽게 생각하면 "SaaS가 ASP보다 WEB 2.0스럽다." 라고 해도 무리가 없을 듯 하다.

ASP/SaaS의 기술적 흐름

On-Demand Software 라고도 불려지는 ASP/SaaS 시장에서, 효과적으로 1대 다(多)서비스를 안정적으로 제공하고, 플랫폼으로서의 인터넷을 이용하여 각 서비스가 마치 하나의 소프트웨어 API처럼 작동하기 위해서 여러 기술들이 활용되고 있다.

ASP/SaaS의 가장 큰 기술적 특징은 OS(운영체제)에 대해 독립적인 점이라 하겠다. 인터넷상의 소프트웨어 서비스가 컴퓨터의 역할을 수행하고, 웹브라우저가 이에 접속하여 애플리케이션을 이용하는 터미널 역할을 한다고 보면 되겠다.

또한 각각 소프트웨어를 하나의 프로그래밍 라이브러리로 보고, 각 서비스의 제공기능을 한곳에 합쳐 새로운 서비스를 구현하기도 한다. 이는 Mash Up이라고 불려지는데 WEB 2.0 시대에서 보여지는 새로운 소프트웨어 개발방법이라고 볼 수도 있겠다. 이를 위해 Open API, REST 등이 활용되고 있다.

데이터처리 능력은 ASP/SaaS에 의해 제공되고, 일반적으로 웹브라우저에 의해 '서비스로서의 소프트웨어'를 사용하기 위해 풍부한 사용자인터페이스(UI)와 빠른 응답처리를 구현해야 할 필요성이 나타났다.

초기에는 Active-X 또는 Java Applet 등이 사용되었으나, 현재에는 좀더 가볍고 OS/브라우저 종속성을 탈피하기 위하여 자바스크립트를 이용한 AJAX와 ADOBE의 FLEX등을 많이 이용하는 추세이다.

과거의 소프트웨어 개발방법과 ASP/SaaS를 비교한다면 다음과 같이 비교해 볼 수 있을것이다.

요소	Desktop Application	ASP/SaaS
데이터 처리를 위한 CPU구동	개인 PC	ASP/SaaS 공급자의 서버
데이터 보관장소	Local Drive	ASP/SaaS 공급자의 Storage
주요 보안 위협요소	개인 PC의 해킹/ 바이러스	공용 Data 저장소의 자료유출
프로그램/서비스 개발 (Mash Up 서비스를 고려하여)	각종 라이브러리 및 API	Open API, REST 를 이용한 각 ASP/SaaS의 활용
소프트웨어 유통/비용지불	다운로드, 패키지 구매를 통해 비용 지불 불법복제 가능성 높음	온라인상의 소프트웨어/서비스 이용료를 기간별/사용자수에 따라 지불 불법복제 가능성 낮음
주요 소트웨어 사용계약	최종 사용자 라이선스 동의 EULA(End User License Agreement)	SLA(Service Level Agreement)

SLA( Service Level Agreement )

온라인을 통한 소프트웨어 제공에서는 소프트웨어의 불법적인 복제와 유통을 예방하기 위한 라이선스 계약보다는 전체 제공하는 소프트웨어의 범위와 수준에 대한 계약이 더욱 중요하게 되었다.

ASP/SaaS에서 SLA(Serivce Level Agreement)는 다음과 같은 항목들이 포함되는 것이 일반적이다.

비밀유지 : 고객정보 및 Application 사용에 의해 생성된 데이터에 대한 비밀유지
보안유지 : 서비스를 제공하는 시스템에 대한 내부/외부 침입에 대한 보안수준 유지
사고복구 : 시스템장애등에 의해 서비스의 장애가 발생하거나, 데이터의 손실이 있을 경우 복구수준과 보상정책
소유권 : 서비스를 제공하는 소프트웨어의 소유권과 생성된 데이터에 대한 소유권
책임 : 각종 사고 및 ID등의 유출상황별 책임

eCRM(웹분석)과 ASP/SaaS

eCRM 및 웹분석은 IT를 기반으로 하고, 온라인상의 e-Business를 위한 Tool/Application이 주를 이룬다는 점에서, ASP/SaaS 형태로 제공되기에 적합한 분야라 할 수 있다.

2005년 전 세계 SaaS시장은 50억 달러를 이뤘고, 2010년 155억 달러로 예상되는 시장에서 CRM분야가 가장 큰 점유율을 차지하고 있다. Operational CRM의 주요 분야라고 할 수 있는 Sales Automation 에서는 ASP/SaaS를 주력보델로 하고 있는 Salesforce.com 이 5년연속 60% 이상의 매출성장세를 이어가고 있다고 한다.

주요 분야별 CRM 애플리케이션 매출 추세는 아래와 같다.

단위: 100만달러 , 출처: IDC 2007.6

	2004	2005	2006	2006 점유율(%)	'05-'06 성장율(%)
Marketing Automation	1,631	1,817	2,068	21.2 %	13.8 %
Sales Automation	2,774	2,950	3,267	33.5 %	10.8 %
Customer Service	2,735	2,623	2,719	27.9 %	3.7 %
Contact Center	1,521	1,690	1,705	17.5 %	0.9 %
Total	8,661	0,081	9,760	100.0 %	7.5 %

주요 업체들의 점유율은 다음과 같다.

단위: 100만달러 , 출처: IDC 2007.6

순위	Vendor	2004	2005	2006	2006 점유율(%)	'05-'06 성장율(%)
1	Oracle	1,633.3	1,350.7	1,259.9	15.6 %	-6.7 %
2	SAP	645.8	773.7	869.8	10.8 %	12.4 %
3	Salesforce.com	155.1	280.6	451.7	5.6 %	61.0 %
<중략>
8	Microsoft	108.1	118.1	134.6	1.7 %	13.9 %
9	RightNow Technologies	49.8	67.9	86.3	1.1 %	27.0 %
10	Omniture	19.4	41.1	74.6	0.9 %	81.5 %

이중 ASP/SaaS를 주요 사업모델로 하는 Saleforce.com 의 성장이 두드러지며, 웹분석을 기반으로 eCRM에 진입하는 Omniture의 성장이 돋보인다.

Omniture는 웹분석 ASP서비스를 주요 사업모델로 하여 성장해 왔으며, 2007년 Behavioral Targeting 솔루션 업체인 Touch Clarity, 개인화추천 Offermatica 및 웹분석경쟁사인 Visual Sciences 와 WebsideStory를 인수하여 사업규모와 범위가 크게 확장되었다.

현재는 Marketing Automation 업체로 IDC는 분류하고 있다.

앞으로는 웹분석이 분석CRM의 기본을형성하기 위한 Data Source로서의 역할이 커지고 있는 만큼, Platform화를 통해 웹분석에서 eCRM으로의 확장이 더욱 커질것으로 예상된다.

이때 ASP/SaaS의 발전과 더불어 웹분석의 방향을 가늠해 볼 수 있겠다.