웹데이터분석학 Ch10. 숨겨진 웹데이터 분석 함정을 위한 최상의 해결책

1. 웹

2. 데이터

3. 분석학

4.
숨겨진

5. 웹

6. 데이터

7. 분석

8. 함정을

9. 위한

11.
최상의

12. 해결책
cecil

13. Contents
• 정확도

14. 또는

15. 정밀도

16.
• 데이터의

17. 질을

18. 다루는

19. 6가지

20. 과정

21.
• 행동

22. 대시보드

23. 만들기

24.
• 논라인을

25. 통한

26. 마케팅

27. 기법의

28. 장래와

29. 도전과제

30.
• 온라인

31. 데이터

32. 마이닝

33. 예측

34. 분석:

35. 관련

36. 과제

37.
• 이상을

38. 향한

39. 길:

40. 지능적

41. 분석의

42. 진화를

43. 위한

44. 단계

45. •웹에서

46. 데이터를

47. 얻는

48. 기초적인

49. 접근

50. 방법

51.
•정확하게:

52. 목표에

53. 얼마나

54. 가까게

55. 도달할

56. 수

57. 있느냐?

58.
•정밀하게:

59. 일련의

60. 행동이

61. 같은

62. 결과를

63. 얼마나

64. 자주

65. 내느냐?
정밀도

66. 또는

67. 정확도
285
ACCURACYORPRECISION?
In an ideal world, you want to be both precise and accurate. The difference
between the two ideas is illustrated using a bull’s-eye target in Figure 10.1. In the first
target, the hits are closer to the bull’s-eye and have a higher degree of accuracy. But
each hit is quite spread out. In the second target, the hits are close to each other, quite
precise, but not accurate.
High Accuracy,Low Precision High Precision,Low Accuracy
Image Source:Wikimedia Commons
Figure 10.1 The difference between accuracy and precision
So, which approach should you choose as your strategy for collecting web
analytics data? Precision. The reason is simple: precision is predictable and therefore
reproducible; you can be significantly more confident taking action with insights from
정밀도를

68. 추구해야

69. 함.

70.
-예측

71. 가능하고

72. 재생산이

73. 가능

74. 데이터의

75. 질을

76. 다루는

77. 6가지

78. 방법
A Six-Step Process for Dealing with Data Quality
The Web is still a baby. It is going to grow and evolve, in bursts I am sure, but the cur-
rent methods for collecting data are imperfect. That will change over time, but for now
we have to face the facts and figure out how to most effectively optimize our strategy.
We have already agreed to deal with measurement using the precision men-
tal model. Over time you can become more accurate about collecting precise data.
Figure 10.2 shows a six-step process I have developed so you can implement a virtuous
data quality cycle in your company.
Move Fast,
Think Smart
Clean Data
Collection
Be Very
Selective
Incomplete?
No Problem.
Go for
Precision
Data
Audits
Figure 10.2 The virtuous data quality cycle
Here is more detail on each step of the process:
1. Collect clean data: Follow all the best practices to collect your data, and don’t
•Clean

79. Data

80. Collection

81.
•1차

82. 쿠기

83. 이용,

84. 모든

85. 웹페이지

86. 태깅

87.
•Be

88. Very

89. Selective

90.
•웹은

91. 빠르게

92. 변함.

93. 필요한

94. 만큼만

95. 수집

96. 분석

97.
•Data

98. Audits

99.
•분기마다

100. 데이터를

101. 검토하여,

102. 완벽한

103. 데이터

104. 셋을

105. 유지

106.
•Go

107. for

108. Precision

109.
•Incomplete

110.
•Move

111. Fast,

112. This

113. Smart

114. 행동

115. 대시보드

116. 만들기

117. 기존

118. 대시

119. 보드의

120. 문제점
• 대부분의

121. 대시

122. 보드는

123. 휴지통으로

124. 버려짐.

125.
• 인사이트에

126. 대한

127. 분석보다는

128. 작은

129. 글자들로

130. 채워짐

131. 방대한

132. 데이터일뿐

134.
• 대시

135. 보드는

136. 경영진이

137. 어떤

138. 결정을

139. 내릴때

140. 어려움을

141. 겪게

142. 만듬

143.
• 경영진에

144. 데이터를

145. 분석하게

146. 만듬.

147.
• 경영진은

148. 조언을

149. 바라지만,

150. 애널리스트의

151. 의견을

152. 신뢰하지

153. 않음.

154.
• 대시

155. 보드를

156. 만드는

157. 사람은

158. 단순히

159. 데이터를

160. 분석할

161. 뿐.

162.
• 많은

163. 경우

164. 대시

165. 보드를

166. 만드는

167. 사람들은

168. 컨설턴트

169. 같은

170. ‘외부인’

171. 새로운

172. 대시보드

173. 만들기
Scanned by CamScanner
•필수적이었던

174. 원칙으로

175. 돌아가라

176.
•KPI를

177. 3

178. ~

179. 4개로

180. 압축

181.
•‘알면’

182. 좋은

183. 보조

184. 지표는

185. 모두

186. 무시

187.
•행동

188. 대시

189. 보드를

190. 만들어라

191.
•데이터에

192. 대한

193. 인사이트와

194. 영향

195.
•행동을

196. 제시하는데

197. 집중

198. 통합

199. 대시보드
Scanned by CamScanner
• 최종적으로

200. 대시

201. 보드가

202. 다루어야

203. 하는

204. 내용
데이터와

205. 숫자를

206. 제시하기

207.
보다

208. 이를

209. 기반한

210. 실제

212.
행동과

213. 조치를

214. 제안

215. 영향력

216. 높은

217. 대시

218. 보드는

219. 작성하기

220. 위한

221. 규칙
• 벤치

222. 마크와

223. 세분화

224.
• 데이터에

225. 대한

226. 분석은

227. 질문이

228. 나오기전에

229. 제시되어야

230. 함.

231.
• 핵심

232. 소수를

233. 뽑아

234. 내라

235.
• 사업에

236. 영향을

237. 끼칠만한

238. 중요한

239. 지표에

240. 집중하라

241. (6개가

242. 적당)

243.
• 지표에

244. 머물지

245. 마라

246. (통찰력을

247. 보여라)

248.
• 1페이지로

249. 보여주는

250. 것의

251. 중요성

252.
• 변화를

253. 통해

254. 의미

255. 있게

256. 유지시켜라

257.
• 대시

258. 보드는

259. 지속적으로

260. 진화해야

261. 함

262. 논라인

263. 마케팅,

264. 행동

265. 기반

266. 광고,

267.
온라인

268. 데이터

269. 마이닝,

270. 이상을

271. 향한

272. 길…⋯

273. 논라인을

274. 통한

275. 마케팅

276. 기회와

277. 다중

278. 채널

279. 측정
• 논라인

280. 마케팅

281. 모델로

282. 이동
96
ALYTICSTRAPS
Articles in media,
conversations with
friends
Product
Research and
Evaluation
Offline Behavior
Searching websites
for reviews and
discussion
Visiting branches and
gathering sales
literature
Supplier and
Product
Selection
Search by company
and product on price
comparison/review
sites
Pre-purchase
Qualification
Comparing price,
delivery,and support
across several
possible sites
Buy in-branch or order
over the phone and
complete by post/in
branch
Product
Purchase
Payment or commit
to purchase online
and complete by
post/in branch
Online Behavior
Talking to staff,or
asking questions by
phone
Figure 10.7 Nonline customer behavior scenarios
Nonline marketing goes against the grain of everything we have been taught so
far; it messes with our comfort level. But in a Web Analytics 2.0 world, you must strive
다중

283. 채널에

284. 대한

285. 통합

286. 분석

287. 필요!!

288.
But,

289.
• 일반적으로

290. 고유

291. 식별자가

292. 없음.

293.
• 11장에서

294. 좀

295. 더

296. 자세히…⋯

297. 행동

298. 기반

299. 광고

300. 기법의

301. 장래와

302. 도전(1/3)
• 행동

303. 기반

304. 광고

305. 기법

306.
• 개인의

307. 인터넷

308. 활동에서

309. 데이터를

310. 수집해

311. 좀

312. 더

313. 나은

314. 타깃을

315. 찾고

316. 컨텐츠를

317. 제공하는

318. 것

319.
• 소비자에

320. 대한

321. 데이터를

322. 바탕으로

323. 사이트에서

324. 소비자가

325. 더

326. 많은

327. 것을

328. 얻을

329. 수

330. 있게

331. 함.

332.
• 적용할

333. 때

334. 문제점

335.
• 단위:

336. 많은

337. 수의

338. 방문자에

339. 대해

340. 분석해야

341. 함.

342.
• 데이터

343. 해석:

344. 방문자와

345. 웹

346. 페이지의

347. 상호

348. 간

349. 정보

350. 교환은

351. 엄청난

352. 양의

353. 데이터를

354. 생산

355.
• 다양성:

356. 사람들은

357. 다양한

358. 이유로

359. 사이트를

360. 방문.

361. 이를

362. 모두

363. 분석하기

364. 어려움.

365. 행동

366. 기반

367. 광고

368. 기법의

369. 장래와

370. 도전(2/3)
300
10:OPTIMALSOLUTIONSFORHIDDENWEBANALYTICSTRAPS
amounts of data, at a level that is difficult for a human, or even our analytics tools, to
parse it, interpret it, and identify insights fast enough. Due to our own limitations, that
of our organization structures, and our decision-making layers, we struggle to take
action even every few days. This is why we can rarely extract even marginal value from
getting real-time data.
Diversity Most website owners are pretty bad at understanding all the reasons why peo-
ple come to their websites (see Chapter 6 for how to overcome this challenge). People
may use your website for purposes that you did not intend, and that complicates data
analysis and identifying action.
When you do behavior targeting with the right tool, you can overcome the scale,
data interpretation, and diversity problems by automatically understanding your visi-
tors as they interact with your web presence and showing them the most relevant con-
tent. Figure 10.11 shows a schematic of a typical on-site behavior-targeting system.
Visitor Arrives at Your Website CMS (Serves Content)
Call Goes Out to
Visitor Profile
Repository
Build Profile
Visitor Profile
Repository Automated or Rules-Based
Modeling Engine
Optimal
Content Decision
Sent to CMS
Content
Library
First-Time Visitor
Retrieve Profile
Repeat Visitor
Figure 10.11 How automated behavior targeting works
The top half of Figure 10.11 shows what’s happening on your website today. The
bottom half is what happens when you use behavior-targeting tools.
You can base your content targeting on business rules that you input into the
• 일반적인

371. 온사이트

372. 행동

373. 기반

374. 광고

375. 시스템
행동

376. 기반

377. 광고는

378. 웹사이트를

380.
최적화할때

381. 겪는

383.
기초적인

384. 문제를

385. 해결

386.
!
좋은

387. 행동

388. 기반타게팅

390.
솔루션

391. 구축은

392. 비용이

393. 많이듬.

394.
But,

395. 시간문제일

396. 뿐.

397. 행동

398. 기반

399. 광고

400. 기법의

401. 장래와

402. 도전(3/3)
• 행동

403. 기반

404. 광고가

405. 올바른

406. 도출하는기

407. 위해서는

408. 플랫폼

409. 고유

410. 지능과,

411.
플랫폼에

412. 올바른

413. 컨텐츠를

414. 공급하는

415. 능력에

416. 의존적

417.
• 행동

418. 기반

419. 광고를

420. 위한

421. 2가지

422. 선결

423. 조건

424.
• 믿음직한

425. 소비자

426. 의견

427. 창구를

428. 만드는데

429. 투자하라

430.
• A/B

431. 또는

432. 다변량

433. 테스트를

434. 먼저하라

435. 온라인

436. 데이터

437. 마이닝과

438. 예측

439. 분석:

440. 관련

441. 과제(1/2)
• 지금까지

442. 다룬

443. 예측

444. 분석

445.
• 자동화된

446. 지능이나

447. 인간이

448. 만든

449. 비즈니스

450. 규칙을

451. 바탕으로

452. 제안을

453. 올바르게

454. 제공

455.
• 검색

456. 엔진을

457. 바탕으로,

458. 검색자의

459. 위치나

460. 과거

461. 방문

462. 정보를

463. 통해

464. 분석을

465. 향상

466.
• 데이터

467. 마이닝

468.
• 과거의

469. 정보를

470. 수집해,

471. 이로부터

472. 알아볼

473. 수

474. 있는

475. 경향이나

476. 패턴을

477. 찾아

478. 내는것

479.
• 오프라인

480. 산업에서는

481. 광범위하게

482. 사용되었으나,

483. 웹에서는

484. 효과를

485. 보지

486. 못함.

487. 온라인

488. 데이터

489. 마이닝과

490. 예측

491. 분석:

492. 관련

493. 과제(2/2)
• 웹

494. 데이터로

495. 부터

496. 패턴을

497. 이끌어

498. 내려할때

499. 방해가

500. 되는

501. 요소

502.
• 데이터

503. 유형:

504. 익명이고,

505. 일반적으로

506. 불안하고,

507. 난잡함.

508.
• 변수의

509. 개수

510.
• 다수의

511. 주요

512. 목적:

513. 많은

514. 방문을

515. 주된

516. 목적에

517. 따른

518. 분류

519. 및

520. 예측이

521. 어려움.

522.
• 다양한

523. 방문

524. 행동

525.
• 데이터

526. 세트와

527. 고유

528. 식별자의

529. 누락

530.
• 웹에서의

531. 변화

532. 속도:

533. 환경이

534. 변하기

535. 때문에

536. 과거의

537. 분석이

538. 성공할

539. 가
능성이

540. 희박함.

541. 이상을

542. 향한

543. 길:

544. 지능적

545. 분석의

546. 진화를

547. 위한

548. 단계
307
PATHTONIRVANA:STEPSTOWARDINTELL
JavaScript
Tag
30
Page Views
Visitors
Time on site
Referrers
Configure
Settings
The
LadderofPain
to
N
irvana
10
Internal
Site Search
Goals
Funnels
Campaign
Tracking
70
Email
Affiliate
Paid Search
TV/Radio
Revenue
60
Cash!
Custom
Variables
Metadata
Rich
Media
85
Flash
Video
Web Apps
Widgets
Figure 10.12 Optimal path to successful web analytics evolution
There are five simple steps to analytics nirvana. Each step makes incremental
progress, each allows you to get more data and make better decisions, each has associ-
ated pain, and each step attempts to balance cost and benefit. Let’s cover the logic and
•1

549. Step:

550. 태그하라

551.
•2

552. Step:

553. 웹

554. 분석

555. 도구

556. 설정

557.
•리포팅,

558. 목적

559. 설정

560.
•3

561. Step:

562. 캠페인/성취

563. 추적

564.
•4

565. Step:

566. 수익과

567. 최고의

568. 지능

569.
•회사만의

570. 특화된

571. 분석을

572. 위해

573. 커스텀

574. 태그

575. 추가

576.
•5

577. Step:

578. 다양한

579. 미디어

580. 추적

581. QA

582. Reference
• Avinash

583. Kaushik.

584. Web

585. Anaytics

586. 2.0.

587. (정규현

588. 옮김).

589. 경기도

590. 의
왕:

591. 에이콘

592. 출판사,

593. 2013