왜 아무도 분석가에게 하이파이브를 하지 않습니까? Steen Rasmussen의 어렵지만 진정한 답변

Mariia Bocheva는 우리가 아는 가장 재능 있고 영향력 있는 웹 분석 전도사 중 한 명인 Steen Rasmussen과 훌륭한 인터뷰를 했습니다. 우리는 또한 그가 Analyze에서 했던 연설을 녹음했습니다! 회의에서 그는 우리 연구의 일관된 그림을 형성하는 데 도움이 되는 세부 사항을 다뤘습니다.

우리는 기존의 인터뷰 스타일에서 벗어나 분석가가 새로운 아이디어를 제시하는 데 도움이 되는 필수 참고 자료로 전환하기로 결정했습니다.

이 문서에서:

먼저 Steen Rasmussen에 대해 몇 마디 말씀드리겠습니다. 그는 현재 IIH Nordic의 이사이자 이사회 멤버인 Web Analytics Evangelist입니다. 그는 또한 현대 분석의 창시자 중 한 명이라고 정당하게 주장할 수 있습니다. IIH Nordic은 모든 것이 의미 있고 효율적인 작업을 촉진하도록 설계된 완전히 독특한 데이터 생태계와 실험 중심 문화를 가진 회사 중 하나입니다. 예를 들어, 그들은 주 5일 근무의 작업량을 처리하면서 일주일에 4일만 일할 정도의 조직 수준을 가지고 있습니다.

꿈 같죠? Steen이 우리와 공유해야 할 내용을 알아봅시다.

누가 좋은 분석가가 되려면 기술과 도구로 채워져야 한다고 말했습니까? 아니면 분석가가 되는 것이 보고서를 작성하고 다음 보고서가 필요할 때까지 휴식을 취하는 안전한 직업입니까?

귀하가 고용된 이유와 귀하가 회사에 제공하는 가치에 대한 명확한 이해는 귀하의 성공에 필수적입니다. 분석가는 두 가지 주요 목표를 달성하기 위해 비즈니스에 대한 통찰력을 제공하기 위해 노력합니다.

1. 비용은 줄이면서 이익은 증가
2. 신규 고객 확보 및 기존 고객 유지

이것이 분석가 작업의 주요 목표이며 수행된 각 작업과 작성 보고서는 위의 슬라이드에 설명된 목표에서 시작해야 합니다.

분석 도구, 기술 및 접근 방식은 도구일 뿐입니다. 그리고 그들이 제공되는 서비스의 품질에 영향을 미치기는 하지만 비즈니스 요구에 대한 깊은 이해를 보장할 수는 없습니다. 그것은 분석가에게 달려 있습니다. 선택하는 도구는 Google 도구 스택일 필요는 없지만 조직의 특성에 맞는 도구가 혼합되어 있습니다.​

예, 모든 분석가는 회사를 발전시키기 위해 미친 듯이 열심히 일합니다. 그러나 종종 아무도 이 힘든 일을 칭찬하지 않습니다. 그것이 일어나는 주된 이유는 동료들이 다음과 같이 분석가의 작업 결과를 보기 때문입니다.

그것은 꽤 좋아 보이지만 우리는 이것들을 가지고 무엇을해야합니까?

비슷한 질문을 들어 보셨습니까? 이것은 사람들이 분석가가 제공하는 가치를 인식하지 못할 때 발생합니다.

동료가 분석에 민감하거나 면역이 있는 것은 아닙니다. 그들은 더 이상 우호적이지 않은 시장의 압박 속에서 올바른 결정을 내리기 위해 끊임없이 필요합니다.

그리고 여기에 동전의 또 다른 측면이 있습니다. 가장 데이터 개발된 회사에서도 더닝-크루거 효과 또는 생존 편향을 경험할 수 있습니다. 그것이 사람들의 본성이기 때문입니다. 그들은 분석이 그렇게 어렵다고 생각하지 않고 손에 있는 정보를 기반으로 결론을 내립니다.

또는 때로는 분석가가 통찰력이나 수행할 일에 대한 조언이 아닌 숫자에 너무 많은 초점을 두는 경우가 있습니다. 그러나 비즈니스 결정에 내재된 불확실성과 함께 100% 완벽할 수는 없는 데이터를 강조한다고 해서 더 나아지는 것은 없습니다.

분석가는 다음을 위해 최선을 다해야 합니다.

• 그들이 알고 있는 것을 이해할 수 있는 용어로 전달하십시오.
• 숫자로 작업할 사람들에 대한 공감을 개발하십시오.
• 스스로를 끌어낼 가설 없이 데이터의 구렁텅이에 빠지지 마십시오. 분석을 수행하는 이유를 항상 기억하십시오.
• 분석 결과를 사람들을 위한 솔루션으로 변환합니다. 사람들이 데이터가 얼마나 멀리 갈 수 있는지 이해하게 만드십시오. 동료들에게 업무에 데이터 분석을 적용하는 방법을 교육하십시오.
• 건전한 자기 비판을 배양하십시오. 아이디어를 책상 위에 놓고 실패를 두려워하지 마십시오.

다음은 분석가가 범할 수 있는 가장 큰 실수입니다.

러프 카피를 확인하지 않음

​결과의 수치를 다시 확인하지 않으면 분석가는 많은 신뢰를 잃을 수 있습니다. 항상 다른 시스템과 확인하고 단순 현실 확인을 수행해야 합니다. 결과가 현실에 존재할 수 있습니까? 실제로 3분 이내에 평균 89개의 페이지뷰가 발생할 수 있습니까? 자신을 의심하고 자신에게 엄격할 때, 당신은 전문가 이상입니다. 당신은 신뢰할 수 있는 전문가입니다.

바보처럼 보일 위험을 피하기 위해 조언을 하거나 추가 질문에 답하는 것을 피합니다.

​분석가는 추가 수치를 공유하는 것을 두려워할 수 있습니다. 과감하게 번호를 공유하십시오. 그것은 훌륭한 기술입니다. 이미 몇 가지 실수를 했다고 해도, 언급이 되더라도, 아이디어에 의문을 제기하더라도 요청받은 것을 기계적으로 수행하면서 창의적인 아이디어를 소홀히 해서는 안 됩니다. 호기심이 많고 창의적이며 두려움이 없습니다.

분석가는 현재 보유하고 있는 데이터를 기반으로 보고서를 작성하고 때로는 이러한 보고서가 명백한 사실을 지루하게 설명합니다. 그래서 당신은 무엇을해야합니까? 당신은 그런 일을 하는 나쁜 분석가입니까?

보유하고 있는 데이터의 일부가 잘못되었거나 손상되었을 수 있으며, 수집하지 않았기 때문에 훨씬 더 많은 양의 데이터를 사용할 수 없으며, 아직 상상조차 할 수 없는 더 많은 데이터가 있음을 항상 기억하십시오.

분석가의 작업 중 하나는 사용 가능한 데이터의 한계를 뛰어넘어 경영진과 동료의 질문에 답하는 것입니다. 당신이 이미 가지고 있는 것에서 답처럼 들리는 것을 찾으려 하지 않고, 회사의 데이터를 키우십시오. 반대 증거를 무시하면서 가설에 대한 지지를 찾으려 하지 않습니다. 당신이 도달할 수 있는 모든 것을 다루려고 노력하고, 그 후에도 수집할 더 많은 데이터가 있다는 것을 기억하십시오.

이미 가지고 있는 것보다 더 많은 데이터에 어떻게 도달할 수 있습니까? 마케팅 데이터를 강화하기 위해 사용할 수 있는 한 가지 접근 방식은 각 광고 캠페인을 리드 소스뿐만 아니라 데이터 소스로 간주하는 것입니다. 각 A/B 테스트 캠페인이 더 효과적인 방법을 찾기 위해 시작되는 것처럼 데이터를 얻기 위해 전체 캠페인을 시작할 수도 있습니다.

A/B 테스팅은 훌륭한 도구이며 오랫동안 가치가 있었습니다. 하지만 시대가 변했고 현장의 사실이 달랐을 때 A/B 테스팅의 논리가 확립됐다.

A가 B보다 낫거나 B가 A보다 낫다고 결정할 때마다 다른 버전을 선호하는 일부 방문자는 제외됩니다. 그래서 우리는 실제로 이를 수행할 때마다 비즈니스 범위를 제한하고 있습니다.

이러한 관점에서 우리는 A/B 테스트가 더 이상 데이터 활성화를 위한 최고의 도구가 아님을 알 수 있습니다. 흥미로운 점은 이제 A를 좋아하는 사람들에게 변형 A를 제공하고 다른 변형을 선택한 사람들에게 B를 제안할 수 있다는 것입니다. 이것은 데이터 수집 및 활성화의 현대적 속도가 제시하는 가능성 중 하나입니다. 오늘날에는 선택할 필요가 없습니다. 가능한 한 많은 고객을 만족시킬 수 있습니다.

따라서 둘 중 하나 또는 둘 중 하나의 사고 방식에 얽매이지 마십시오. 데이터 통찰력 적용에 대한 접근 방식을 변경하십시오. Google 최적화 도구 및 기타 개인화 도구가 도움이 될 것입니다.

업무 시간에 분석가를 기다리는 다른 위협에는 어떤 것이 있는지 살펴보겠습니다.

이 점을 이해하는 가장 좋은 방법은 일반적인 온라인 상점에 대한 세그먼트 파티션을 모델링하는 것입니다.

위의 슬라이드에서 이미 구매한 사람들은 녹색 선을 따라 있습니다. 당신에게서 절대 사지 않을 사람들도 있습니다. 그들은 빨간 선에 있습니다. 일반적인 광고 예산 분배는 다음과 같은 이유로 이러한 세그먼트를 제외하지 않습니다.

1. 마케팅 팀은 레드 라인 청중의 관심을 끌기 위해 계속 노력할 것입니다. 이 사람들은 광고를 클릭하고 예산을 낭비할 수 있지만 여전히 아무것도 구매하지 않습니다.
2. 마케팅은 할인을 제공하고 이익을 잃음으로써 이미 구매한 사람들을 되찾기 위해 노력할 것입니다.

이것은 마케팅이 작동하는 방식이고 모든 사람이 그것에 익숙하기 때문에 발생합니다. 그러나 자동화 시스템을 수정하고 중간 그룹에 광고를 집중하고 이러한 유형의 청중을 육성하는 데 필요한 모든 리소스를 투자하면 가장 어려운 산업에서도 진정한 수익 증가를 얻을 수 있습니다. 따라서 광고 예산 분배에 대한 결정에 관여하는 마케터와 분석가에게 가장 좋은 조언은 데이터를 올바르게 이해해야 한다는 것입니다.

이 순간은 데이터 세척에서 오케스트레이션으로 전환할 수 있는 기회입니다. 자동화된 마케팅 기계는 여전히 똑똑한 분석가가 관리하는 도구일 뿐입니다.

윤리는 널리 논의되는 분석가의 작업 측면이 아닙니다. 그러나 기업의 이익을 증진하는 동시에 업무에서 윤리적인 태도를 유지하는 것이 중요합니다. 몇 년 전 Cambridge Analytica에서 무슨 일이 있었는지 기억하십니까? 최종 고객은 데이터를 가져오는 위치와 데이터로 수행하는 작업을 정말 중요하게 생각합니다. 주의 없이 데이터를 수집 및 저장하거나, 빌린 데이터를 보호되지 않은 상태로 두거나, 무단으로 사람을 조작하는 데 사용할 경우 회사에서 막대한 비용을 지불할 수 있습니다.

쿠키, 개인 정보 보호 정책 및 확인란은 개인 데이터를 사용하는 웹 사이트와 고객 간의 관계를 유지하기 위한 첫 번째 단계일 뿐입니다. 분석가는 이러한 제한이 데이터 조각화로 이어지기 때문에 불공정하다고 생각할 수 있습니다. 때로는 고객의 개인 데이터에 대한 실험이 기술적으로는 흥미롭지만 윤리적인 관점에서 의심스러울 수 있습니다.

또한 웹에는 어린이를 위한 안전한 곳이 없습니다. 아이들은 성인보다 스마트폰을 더 많이 사용하고 온라인에 많은 개인 데이터를 게시합니다. 이것은 마케터와 분석가가 만나야 하는 새로운 윤리적 도전입니다. 부모의 보호 아래 있는 어린이에게 온라인으로 판매할 수 있습니까? 몇 살부터 아동의 권리를 침해하지 않고 광고를 보여줄 수 있습니까?

분석이 필요하지 않은 경우는 분석을 사용하지 않는 경우입니다. 분석 결과를 정말로 사용하고 싶지 않다면 그것에 돈을 낭비하지 마십시오.

분석에 비용을 지출하는 방법은 완전히 다른 이야기지만 마케팅 분석은 투자이며 가치가 있기 위해서는 ROI를 높여야 한다는 점을 기억하십시오.

인기도나 멋진 도구가 아니라 각 도구가 가져올 수 있는 이익을 고려하여 도구 상자를 완성하십시오. 그리고 각각의 도구에는 한계가 있고 당신을 대체하기 위해 만들어진 것이 아니라 당신을 돕기 위해 만들어졌다는 것을 기억하십시오.

분석가를 위한 추가 조언:

1. 전환율을 평균과 비교하지 마십시오. 이것은 성장을 위한 최고의 기반이 아닙니다. 비교해야 할 것은 자신의 현재 전환율과 이전 달의 전환율입니다. 자신에게 기준을 세우고 매 순간 자신을 뛰어넘어 안정적인 성장이 꿈이 아닌 현실이 될 것입니다.
2. 평균 지표에 의존하지 마십시오. 평균은 정말 중요한 정보와 신체를 숨기기 때문입니다. 때때로 사람들은 게으르고 선형적으로 생각하는데, 우리를 만족시키는 숫자를 보면 정말 기쁩니다. 그러나 더 깊이 들어가면 전환 이벤트(예: Google AdWords 캠페인 클릭)가 구매로 이어지지 않거나 적어도 우리가 광고한 정확한 제품의 구매로 이어지지 않을 수 있음을 스스로 자백합니다. 사람들이 맥북 프로 대신 아이폰 케이스를 산다면? 마진이 다르죠? 따라서 회사가 여전히 좋은 ROAS를 보여주더라도 내부에서 이 측정항목을 확인하고 모든 일이 어떻게 일어났는지 알아보십시오.

기업을 위한 조언:

1. 한 명의 디지털 분석가를 고용하면 전체 데이터 과학 부서를 구축했다고 가정하지 마십시오. 통계 전문가, 비즈니스 분석가/통역사, 기술을 갖춘 데이터 과학자를 고용하는 등 다양한 기술을 갖춘 팀을 구성해야 합니다. 이러한 전문가는 구매하는 도구 상자가 아니라 분석에 대한 주요 투자입니다!
2. 소규모 기업이라면 자신에 대한 데이터를 수집하고, 유사한 신생 기업의 작동 방식과 시장 벤치마크를 알고, 더 광범위한 데이터를 얻고, 자신만의 데이터 세트를 구축하고, 주변 세계를 정의하십시오.
3. 큰 시장에 있다면 경쟁자를 찾아 내부에서 외부 세계로 이동하십시오. 경쟁을 극복하기 위해 해야 할 일이 너무 많습니다!

오랫동안 분석가들은 데이터 수집 방법을 배우고 금광이나 유정처럼 데이터에 집착했습니다.

데이터의 가장 큰 가치는 이벤트가 발생하는 순간입니다. 분석을 위해 데이터가 준비되고 결과가 제공되고 결정이 내려지고 조치가 취해지면 너무 늦을 수 있습니다. 세상은 이미 변했고 새로운 사건이 일어났습니다.

따라서 우리는 데이터가 우리 주변 세계의 맥락에서 존재한다는 것을 기억해야 합니다.

Steen, Analyze에서 깊은 인터뷰와 훌륭한 강연을 해주셔서 감사합니다! 회의!

이 글을 읽으시고 분석에 대한 새로운 비전과 현대 시장에서 분석가의 역할을 이해하셨기를 바랍니다. OWOX에서 Steen은 도구가 전문가보다 덜 중요한 분석에서 인간 중심적 표준을 지지하도록 영감을 주었습니다. 우리는 분석가들이 사용하는 강력한 도구가 아니라 분석의 가장 중요한 부분이 분석가 자신이라고 믿습니다. 분석을 최고의 학문으로 만들기 위해 서로에게서 배워봅시다!

블로그를 구독하여 디지털 분석 상태에 대한 연구의 일환으로 다음 인터뷰를 읽고 최고의 분석가의 경험을 비즈니스에 적용하십시오.