OWOX BI 변환: 디지털 마케팅 데이터를 쉽게 정규화, 준비 및 조정

회사가 다양한 소스에서 수집하는 데이터가 많을수록 전체 분석 시스템이 더 복잡해집니다. 따라서 분석 시스템을 관리하고 신뢰할 수 있는 통찰력을 찾기가 더 어려워집니다. 분석가는 데이터 증가 지점과 위험 영역을 찾는 대신 보고서용 데이터를 처리하고 준비하는 데 더 많은 시간을 소비해야 합니다.

여기 OWOX에서 우리는 20년 이상 분석에 참여해 왔으며 분석가가 데이터 작업의 각 단계에서 직면하는 어려움을 잘 알고 있습니다. 결과적으로 분석가가 보고 및 데이터 관리를 단순화하고 비즈니스용 데이터를 더 빠르고 쉽게 얻을 수 있도록 도와주는 분석가 친화적인 UI가 있는 소프트웨어를 만들었습니다.

비즈니스 준비 데이터는 비즈니스 모델과 일치하는 구조로 정리된 최종 데이터 세트입니다. 비즈니스 데이터는 실제로 비즈니스 모델을 설명합니다. 예를 들어 특정 회사에서 사용자, B2B 사용자, 거래, 리드 등이라는 용어는 정확히 무엇을 의미합니까? 이러한 정의는 비즈니스의 핵심을 설명합니다. 비즈니스 데이터 모델을 통해 모든 직원은 데이터가 사용 및 이해되는 방식을 공통적으로 이해할 수 있습니다.

즉, 비즈니스용 데이터는 마케팅 및 제품 보고에 사용할 준비가 되었으며 모든 시각화 서비스(Power BI, Tableau, Google 데이터 스튜디오)로 보낼 수 있습니다.

모델링되지 않은 원시 데이터에 대한 보고서를 작성하면 오류와 불일치 원인을 검색하는 데 많은 시간이 걸리고 모든 SQL 쿼리에서 비즈니스 논리를 지속적으로 복제해야 하는 많은 반복적인 문제가 발생할 수 있습니다.

따라서 원시 데이터를 비즈니스용 데이터로 변환하는 것은 건너뛰어서는 안 되는 중요한 단계입니다.

분석가는 서로 다른 서비스와 시스템에서 데이터를 수집합니다. 당연히 이러한 소스의 데이터 구조와 형식은 다양합니다. 보고서를 작성하려면 다른 소스의 데이터를 올바르게 병합해야 합니다. 커넥터 또는 다양한 ETL 서비스를 통해 업로드된 데이터 자체가 부정확하고(오류, 중복 및 불일치 포함) 통합된 논리 및 구조가 부족합니다. 부정확하고 단편화된 데이터를 정리하고 분석 가능한 형식으로 정규화해야 합니다.

서로 다른 소스의 데이터를 단일 형식으로 변환하는 것은 어렵습니다. 예를 들어 다양한 광고 플랫폼(Google Ads, Twitter 광고, Facebook 광고)에서 비용 데이터를 수집할 수 있으며 각 시스템에는 이 필드에 대해 고유한 통화와 레이블이 있을 수 있습니다.

데이터 정규화의 또 다른 목표는 데이터 중복 문제(동일한 데이터가 데이터베이스의 여러 위치에 저장되는 경우)를 해결하는 것입니다. 데이터 중복성은 다양한 이상 현상에 기여하고 성능을 저하시키며 데이터 관리를 불편하게 만듭니다.

모든 데이터를 수동으로 정규화하는 것은 상당히 어려운 일입니다. 많은 양의 데이터로 작업할 때 주로 끝없는 SQL 쿼리 및 스크립트와 관련된 많은 오류와 불일치가 나타날 수 있습니다. 문제가 발생하거나 변경되면(예: 서비스 API가 업데이트됨) 모든 것이 축소됩니다.

데이터 정규화는 분석가가 더 흥미로운 작업을 수행하고 통찰력을 찾는 데 방해가 되는 잡일입니다. 일반적으로 분석가 작업 시간의 최대 50%가 소요된다는 점은 말할 것도 없습니다.

OWOX는 분석을 위해 모든 마케팅 소스에서 편리한 형식으로 데이터를 자동으로 수집합니다.

1. Google 애널리틱스 4, Firebase 및 AppsFlyer
2. GDPR을 완벽하게 준수하는 원시 웹사이트 데이터
3. 광고 플랫폼
4. CRM 시스템
5. 기타 마케팅 소스

OWOX BI를 사용하면 데이터를 수동으로 정리, 구조화 및 처리할 필요가 없습니다. 서비스는 다음을 통해 원시 데이터를 분석 준비 형식으로 자동으로 정규화합니다.

• 광고 캠페인에 대한 완전한 데이터를 얻을 수 있도록 UTM 태그의 동적 매개변수 인식
• 병합 및 비교할 수 있도록 광고 비용을 단일 통화로 변환
• 국가 및 지역별로 보고서를 작성할 수 있도록 사용자의 지리적 위치 확인
• 오래된 데이터 보고서를 정리하기 위한 봇 활동 감지
• 데이터 불일치 및 부정확성 제거
• 모든 데이터를 단일 형식(날짜, 통화 등)으로 변환
• 대상 데이터 저장소의 스키마에 따라 데이터 형식을 테이블로 지정
• 중복 데이터 제거를 위한 중복 제거 수행
• 사용하지 않는 데이터 제거 및 이상 징후 표시
• 필요한 경우 두 값의 데이터를 하나로 병합하거나 반대로 한 값의 데이터를 두 개로 분할
• 데이터 품질 감사 및 규정 준수 확인 수행

이러한 데이터 조작의 결과로 통합 태그 형식, 단일 통화, 이중화 데이터 등 정확한 구조화된 데이터를 출력으로 얻을 수 있습니다.

위에서 말했듯이 보고서를 작성하려면 다른 소스의 데이터를 올바르게 병합해야 합니다. 예를 들어 전환을 광고 캠페인에 연결하려면 사용자 액션을 세션으로 결합해야 합니다. 서로 다른 출처의 비용을 단일 구조로 결합해야 이러한 출처의 효율성을 비교할 수 있습니다.

다른 소스의 데이터 호환성을 연구하는 데는 많은 시간이 걸립니다. 또한 소스 데이터가 업데이트됨에 따라 데이터 병합이 정기적으로 이루어져야 하며 분석가는 비즈니스 요구 사항에 따라 비즈니스 로직을 유연하게 관리할 수 있어야 합니다.

보고 시스템을 준비하기 위해 분석가는 상호 연결된 SQL 데이터 변환의 전체 캐스케이드를 만들고 유지 관리해야 합니다. 시간이 지남에 따라 모든 프로젝트에서 이것은 SQL 쿼리와 스크립트의 얽힘으로 바뀌며 디버깅에 많은 시간이 걸리고 새로운 가치를 추가하지 않습니다.

데이터 준비는 프로세스입니다. 보고서(또는 많은 보고서)를 준비하는 것만으로는 충분하지 않습니다. 데이터는 정기적으로 업데이트되어야 하며 보고서 변경은 영구적으로 이루어집니다. 이 모든 작업은 이제 분석가가 수동으로 수행하며 많은 시간이 소요되며 SQL 쿼리 및 스크립트의 도움을 받습니다.

비즈니스 준비가 되지 않은 원시 데이터에 대한 보고서를 작성하는 경우 반복되는 많은 문제가 발생할 수 있습니다. 오류 및 불일치 원인을 검색하는 데 많은 시간이 걸리고 비즈니스 논리가 모든 SQL 쿼리에서 지속적으로 복제되어야 합니다.

원시 데이터에 대한 보고서 작성 프로세스는 어떻게 됩니까?

첫째, 마케터는 분석가에게 무엇을 해야 하는지 알려줍니다. 그런 다음 분석가는 SQL 쿼리를 작성하고 결과를 기반으로 대시보드를 구축합니다. 평소와 같이 일부 불일치가 발견되고 일부 새로운 조건이 요청에 추가되고 몇 번의 반복이 이루어지고 피드백이 수신됩니다. 그러나 모든 결정은 이 보고서의 맥락에서 이루어집니다. 다른 소스, 새 열 또는 여러 데이터 조각의 데이터가 포함된 다른 보고서가 필요한 경우 데이터 수렴 및 유효성 검사 프로세스를 반복해야 합니다. 또는 분석가는 예를 들어 다른 계산 논리가 적용되었기 때문에 클라이언트 수가 다른 10개의 보고서를 작성할 수 있습니다. 데이터 변환 및 모델링을 사용하면 보고서가 작성되기 전에 이 작업이 해결됩니다.

OWOX BI Transformation은 세션화 및 비용 데이터 병합과 같이 모든 사람이 필요로 하는 기본 변환을 자동으로 적용합니다. 또한 자신만의 (사용자 정의) 변형을 쉽게 만들고 적용할 수 있습니다.

OWOX BI는 분석할 준비가 된 데이터를 제공하여 데이터 준비 시간을 절약합니다.

1. 세션 조회수 자동 병합

OWOX BI 알고리즘은 세션 형성의 Google Analytics 논리에 의존하지 않고 세션의 조회수를 자동으로 병합합니다. 복잡한 데이터 변환을 작성할 필요 없이 편리한 구조로 자동 업데이트된 세션 테이블을 즉시 사용할 수 있습니다.

2. 채널 간 비용 데이터 혼합

광고 비용을 변환하려면 분석가가 광고 계정의 데이터를 별도의 파일에 업로드한 다음 BigQuery 인터페이스를 통해 수동으로 업로드해야 합니다. 이 방법의 단점은 명백합니다. 불필요한 작업이 많고 자동화가 없습니다.

마케팅 서비스에서 필요한 정보를 다운로드하는 스크립트를 직접 작성할 수도 있습니다. 그러나 이 솔루션의 작업은 지속적으로 모니터링되고 유지 관리되어야 합니다. 이 경우 개발자 리소스를 사용하여 다른 계정 및 다른 날짜의 데이터를 병합하고 품질을 확인하며 광고 서비스 API의 가능한 변경 사항에 신속하게 대응합니다. 이것이 완료되지 않으면 품질이 낮은 데이터로 인해 비즈니스에 비용이 많이 드는 잘못된 결정이 내려질 수 있습니다.

OWOX BI는 대규모 광고 계정과 원활하게 작동하며 캠페인 수에 관계없이 모든 데이터를 업로드합니다. 불필요한 필드 없이 자동으로 업데이트되고 통합되고 사용자 친화적인 테이블에 모든 비용 데이터를 수집합니다.

비용 데이터를 자동으로 가져오는 것 외에도 OWOX BI는 UTM 태그의 동적 매개변수를 인식하고 비용을 하나의 통화로 변환하며 광고 서비스에서 변경되는 경우 Google BigQuery의 데이터를 소급하여 업데이트하고 데이터 관련성을 모니터링합니다.

3. 단일 교차 기기 사용자 프로필

사이트와 다양한 장치 및 애플리케이션의 사용자 행동에 대한 모든 데이터가 단일 프로필로 병합됩니다. 광고 캠페인의 품질을 분석하기 위해 각 사용자의 행동에 대한 완전한 그림을 얻을 수 있습니다.

4. 사용자 유형(신규 또는 재방문)

OWOX BI는 사용자 유형(신규 또는 복귀)을 정의하므로 다양한 사용자 집단에 대한 보고서를 작성할 수 있습니다.

5. 세션별 광고비

OWOX BI는 세션 수준에서 비용 데이터를 특성화합니다. 더 이상 광고 캠페인 범위 내에서 마케팅 효과를 평가하는 데 국한되지 않고 단위 경제를 정확하게 계산할 수 있습니다. 다양한 집단, 지역, 방문 페이지 및 제품 그룹에 대한 광고의 효과를 평가합니다.

6. 기여 모델링

OWOX BI에서는 표준 기여 모델을 보고에 연결하고, OWOX 전환 예측을 기반으로 데이터 기반 기여 모델을 설정하거나, 규칙과 판매 유입경로에 맞게 사용자 지정 모델을 설정할 수 있습니다. 이 모든 작업은 데이터 엔지니어의 도움 없이 제품 인터페이스에서 쉽게 수행할 수 있습니다.

OWOX BI 데이터 변환을 사용하면 캠페인이 전환에 미치는 영향을 측정할 수 있는 다양한 기회가 있습니다.

• 사전 정의된 템플릿에서 업계에서 인정하는 기여 모델(마지막 클릭, 주먹 클릭, U자형)을 선택합니다.
• 알고리즘 유입경로 기반 기여 모델 사용
• 나만의 커스텀 모델 만들기
• 다양한 기여 모델을 기반으로 보고서를 작성하여 결과 비교

7. 모델링된 변환

쿠키가 없는 측정 및 전환 예측을 위해 모델링된 전환을 사용합니다.

GDPR 요구 사항을 준수하기 위해 사이트 소유자는 쿠키 공유를 원하지 않는 사용자 식별을 거부하고 마법의 "쿠키 허용" 버튼을 클릭하지 않아야 합니다. 결과적으로 동의 모드는 트래픽 소스를 결정할 수 있는 전환 수를 30%까지 줄입니다.

변환 모델링은 이 문제를 해결하는 데 도움이 됩니다. 첫째, 기계 학습 시스템은 사용 가능한 데이터와 과거 통계를 처리합니다. 그런 다음 쿠키 설정을 허용한 사용자의 비율과 해당 사용자가 전환한 방식을 파악하여 쿠키를 설정하지 않은 사용자의 가장 가능성 있는 귀속 경로를 결정합니다. 이를 통해 캠페인 결과를 캠페인 비용과 보다 정확하게 일치시킬 수 있으며 동시에 쿠키에 대한 사용자 결정을 준수할 수 있습니다.

이러한 일관성 없는 트랜잭션의 소스를 확인하기 위해 일관된 데이터와 추가 매개변수(User-Agent, Geo, Device 등)에 대해 훈련된 기계 학습 모델을 사용합니다. 간단히 말해서, 모델은 알려진 소스와 일치하는 전환을 분석하고 데이터에 있는 소스 및 매체에 나머지 일치하지 않는 전환을 비례적으로 분배합니다.

보고를 위해 데이터를 어떻게 준비하든 항상 다음을 수행해야 합니다.

• 데이터 변환 논리 제어
• 데이터가 어떻게 상호 연관되어 있는지 명확하게 파악
• 데이터 업데이트 실패 및 지연의 원인을 신속하게 파악

내부 데이터 저장소가 더 많이 분기될수록 비즈니스용 데이터를 수집할 논리를 작성하기가 더 어려워지고 분석가가 데이터를 관리하기가 더 어려워집니다. 편리한 오케스트레이션 도구가 없으면 분석가는 모든 데이터가 어떻게 연결되어 있는지에 대한 명확한 그림 없이 많은 양의 데이터, 수많은 커넥터, 다양한 변환 및 보고서 사이를 서두릅니다. 결과적으로 오류와 불일치를 검색하고 제거하는 데 오랜 시간이 걸립니다.

OWOX BI Workspace를 사용하면 분석 친화적인 UI에서 데이터 흐름을 관리할 수 있습니다. 분석가에게 완전히 새로운 데이터 작업 방식을 제공하기 위해 전체 프로세스를 간소화했습니다. 분석가는 원시 데이터를 얻는 것부터 동일한 제품 내에서 자체적으로 시각화하는 데까지 갈 수 있습니다.

• 커넥터에서 대시보드로 데이터 이동 및 변경 방법 추적
• 각 보고서에서 데이터 변환 및 메트릭 계산 논리 설정 및 제어
• 몇 번의 클릭으로 SQL 변환 관리
• 데이터를 최신 상태로 유지하기 위해 데이터 업데이트 예약
• 데이터 업데이트의 오류 또는 지연을 즉시 확인

우리 제품은 이해할 수 없는 결과를 만들어내는 닫힌 상자가 아닙니다. 데이터가 이동하는 방식, 위치 및 이유를 명확하게 보여주는 명확한 변환 그래프를 얻을 수 있습니다. 계산 논리를 보고 영향을 주기 쉽습니다. 결과를 볼 수 있을 뿐만 아니라 결과가 어떻게 나오게 되었는지 이해할 수 있습니다.

기여 모델 정의, 새로운 데이터 소스 연결, 어려운 데이터 변환과 같이 분석가가 스스로 할 수 없는 특정 작업이 있습니다. 이러한 작업에는 데이터 엔지니어가 필요합니다.

Airflow 또는 dbt와 같은 사용자 지정 변환 오케스트레이션 도구를 사용자 지정하고 유지 관리하려면 희소한 리소스인 데이터 엔지니어가 필요합니다. 이러한 도구를 사용하면 개발자에게는 편리하지만 분석가에게는 그렇지 않습니다. 이에 대한 자세한 내용은 benn.substack 기사에서 확인할 수 있습니다.

이것이 분석가가 도움을 기다려야 하는 경우가 많고 데이터 엔지니어가 주요 작업에서 산만해지는 이유입니다. 이 모든 것이 인사이트를 얻는 시간을 늦추고 비즈니스 사용자가 제 시간에 데이터 기반 의사 결정을 내리는 것을 방지합니다.

OWOX는 분석가가 자급자족하고 매우 효과적인 비즈니스 단위가 되는 완전히 새롭고 더 효율적인 데이터 작업 방법을 제공합니다. 분석가는 데이터 작업의 전체 흐름을 제어하고 일상적인 작업에 얽매이지 않고 분석에서 자신의 재능을 실현할 수 있습니다.

OWOX를 사용하면 SQL 지원 형식으로 정확한 비즈니스 지원 데이터를 가져와 쉽게 통찰력을 탐색할 수 있으므로 엔지니어와 분석가의 중요한 시간을 절약할 수 있습니다. OWOX가 모든 것을 자동으로 수행하므로 데이터 엔지니어가 필요하지 않습니다.

비즈니스용 형식으로 전환하는 과정에서 데이터로 수행해야 할 작업이 많습니다. 또한 보고를 위한 데이터는 정기적으로 업데이트되어야 합니다. 이러한 일상적인 작업에 분석가의 시간을 낭비하지 않으려면 OWOX BI의 도움으로 데이터 작업의 전체 프로세스를 자동화하고 분석가가 데이터를 분석하고 통찰력을 검색하는 시간을 확보하는 것이 가장 좋습니다.