안녕하세요 고객잔존을 극대화 시키는 BI tool, MakeDashy 장진혁 입니다. 이번에는 상품구매여정, Item journey에 대해서 알아보려고 합니다. ‘Item Journey’는 첫 구매 > 재구매 > 충성고객으로 이어지는 루트를 찾아줍니다. 광고 소재 상품으로 첫 구매를 일으킨 고객들은 다음 번에 무엇을 구매했을까요? 뷰티건강식품을 판매하는 고객사는 광고 소재 상품을 처음 산 고객들이 두 번째 구매까지는 같은 상품을 사지만 세 번째 구매부터 다른 상품을 산다는 것을 Makedashy로 발견했어요. 이런 Item Journey를 처음부터 고객에게 추천하면 얼마나 더 오래 고객을 잔존시키길 수 있을까요? 자세한 내용을 아래 글에서 확인해 보시죠 https://www.makedashy.com/kor/company/blog/contents/u2 궁금하신게 있으시다면 답글 달아주세요! 감사합니다.

저는 데이터 분석가라는 꿈을 가지고 ㅈ소에 입시해서 이리구르고 저리구르다보니 3년차가된 데이터 분석가입니다. ㅈ소에서 일을 하더보니 백앤드 개발,DBA업무, ETL설계 및 구축, 데이터 분석, 데이터 사이언스 등등 온 갖 일을 다 해보면서 모든 일을 체험해보았습니다. 일을 하다보니 데이터 분석도 재미있지만 ETL이나 데이터 아키텍팅도 관심이 가서 재미있더군요... IT 자체 최적화, 코딩, 파이프라인 만들기, 데이터 분석, 지표만들기 등등 다 적성에 맞는듯합니다. 기획도 재미있고 사람 관리도 좋은... 걍 다 배울수록 재미있더군요...모델링 제외하고 하지만, 제가 ㅈ소에있다보니 시야가 좁아 어느 분야로 이직을 하면 더 좋을지 혹시 각 분야의 선배님들이 있으시면 해당 직군에 대해 어떠한일을 하고 있고 실무자로써 어떠한 비전을 볼 수 있는지 이런 조언을 구하고 싶습니다.

안녕하세요 고객잔존을 극대화 시키는 BI tool, MakeDashy 장진혁입니다. 이번에는 고객생애가치라고 부르는 Life Time Value에 대해서 다뤄보도록 하겠습니다. LTV는 우리의 고객 한 명이 비즈니스에 머무는 동안 우리에게 가져다준 총 가치입니다. 한사람을 유입시키는데 드는 비용을 계산하고, 우리고객이 얼마나 머물면서 얼마의 가치를 가져다 주는가를 계산할 수 있는 중요한 지표 입니다. 그렇다면 어떻게 계산하고 어떻게 잘 활용할 수 있을까요? 궁금하시다면 아래 링크를 확인해 주세요. https://www.makedashy.com/kor/company/blog/contents/i4 추가 문의 사항이 있으시면 댓글 부탁드립니다. 감사합니다!

데이터 분석가/사이언티스트로 일한지 3년차입니다. 회사가 소규모다 보니 SI해보고 내부 R&D개발도 해봤지만 짧게 둘다 맛보기만 해봐서 나중에 커리어를 어느쪽으로 잡으면 좋을지 모르겠어요 혹시 데이터 직군 선배님들 데이터 컨설턴트의 장단은 무엇이고 임배디드 개발의 장단에 대해서 설명해 주실 수 있나요? 연차가 쌓였을때 어떤일을 하게되는지 그런 것들도 같이 설명해주시면 감사하겠습니다

안녕하세요 오랜만에 인사드립니다. 고객잔존 극대화를 위한 BI tool, MakeDashy의 고객 잔존 증대에 관한 아티클 4번째 이야기 입니다. 구슬이 서말이어도 꿰어야 보배죠, 우리 고객의 잔존에 대한 지표를 활용하여 분석을 했다면, 고객들에게 추천 메세지를 보내 action을 하게 할 수 있어야 합니다. 이번 아티클은 실제 MakeDash의 추천 시스템을 활용한 사례에 대한 이야기입니다. 궁금하신 부분을 댓글로 남겨주시면 감사하겠습니다! https://www.makedashy.com/kor/company/blog/contents/u1

안녕하세요 선배님들 갑작스럽게 CRM 데이터 분석이라는 미션을 받았는데 해본적이 없어 어떻게 접근해야하는지 모르겠네요 저는 이커머스 웹트래픽을 주로 분석했는데 제너럴한 분석으로 이슈를 진단한 후 해당 결과를 가지고 문제가 있는 부분을 찾아 좀 더 디테일한 분석을 진행하는걸 주로 했었는데요 CRM분석도 이와 같이 비슷한 프로세스가 있을까요? 분석결과 기반으로 커뮤니케이션 전략을 도출하려면 어떤식으로 분석에 접근해야하는지 조언부탁드립니다 참고로 저는 sql, 파이썬 기반의 프로그래밍 및 분석이 가능합니다

안녕하세요 고객 잔존을 극대화 시키는 BI tool MakeDashy의 장진혁입니다. 이번에는 리텐션의 모든것 세번째 시간입니다. 지난 두 컨텐츠를 통해서 리텐션을 확인하는 방법을 알아봤다면, 이번에는 어떻게 리텐션 지표를 개선 할 수 있을까요? 아래 링크에서 확인해 보시죠. https://www.makedashy.com/kor/company/blog/contents/i3 댓글과 문의는 환영입니다. :)

안녕하세요 고객 잔존 분석을 극대화 시키는 BI tool MakeDashy 를 서비스하고 있는 Fridays Lab 장진혁입니다. 이번에는 리텐션의 모든것 두번째 시간입니다. 지난번에는 잔존과 기존 고객을 타겟팅하는 것의 중요성에 대해서 얘기해 보았는데요, 그렇다면 고객잔존을 어떤 기준으로 어떻게 확인할 수 있을까에 대해서 준비해 봤습니다. https://www.makedashy.com/kor/company/blog/contents/i2 재미있게 보시고 궁금하신 사항 있으시다면 댓글 부탁드립니다 :)

안녕하세요. 선배님들 대학원 전공선택 관련해서 고민이 많아 선배님들의 조언좀 여쭙고싶어 글을 올리게 되었습니다. 저는 현재 대기업유통 빅데이터팀에서 일하고있는 29살 남자입니다. 현재 저희팀이 체계가 크게 잡혀있지않은 상태라... 하는일은 데이터분석, 데이터엔지니어(?), AI모델링 여러가지 하고있고요 제가 전공이 스포츠산업쪽이고, 부전공이 컴퓨터공학이라 비전공자에 가까운 상태여서 현재 야간대학원을 고려하고 있습니다. 고민되는것은 야간대학원의 전공인데요, 원래는 AI든 데이터전공이든 뿌리나 기초가 중요하다고 생각되어, 통계학과나 컴퓨터공학처럼 조금 더 근본있는(?) 과에 가려고했습니다. 그런데 찾아보니깐 야간대학원에 통계학과나 컴퓨터공학이 대부분 없고 또 없어지는 추세더라고요, 그나마 찾아본 전공과는 고려대학교 정보통신대학원에 빅데이터학과, 연세대에 인공지능융합학과나 소프트웨어융합학과 였습니다. 사실 현재도 순수 DS 데이터분석쪽으로 갈지, AI나 MLops 엔지니어나 개발쪽으로갈지 커리어적으로 고민을 하고 있는상황이라, 과 선택도 굉장히 고민이 많이됩니다. 소프트웨어융합학과를 가서 조금더 범위를 넓히는게 좋을지, 인고지능 융합학과에가서 AI적으로 좀더 특색(?)을 뚜렷이해야할지. 고민됩니다. 혹시 야간대학원 관련되서 아무거나 좋으니 조언주시면 정말 감사드리겠습니다. 감사합니다.

데이터 분석으로 계속 나아가고 싶은데 조언 해주실 선배님 계신가여 ㅠ 나이는 29에 통계학과 졸업하고 첫 직장을 정부사업을 위주로 하는 회사에 1년반정도 근무하다가 퇴사를 했는데요.. 퇴사한 이유가 시니어부재, 쳇바퀴 업무, 발전가능성 없음 등.. 이었습니다. 주로 했던 업무로는 데이터를 크롤링해서 데이터 수집 후 전처리 해서 시각화해서 그에 맞는 분석 결과를 리포트로 제공하는?? 그런 일들이 대부분이었습니다. 모델링 관련해서도 몇가지 진행은 했었는데 솔직히 누구한테 설명할 정도의 수준은 아니라고 생각되고 이에 대해서도 이걸 이렇게 해도 되는건가 싶은 생각도 들더라고요.. ㅎㅎ 막상 퇴사를 하고 보니 점점 늪으로 빠지네요 ㅋㅋ 이제까지 뭘 했던건지도 잘모르겠고.. 공부를 어떤 방향으로 나아갈지도 고민이고,, 특정 데이터에 대한 분석을 계속 한 것도 아닌 이것저것 한 상황이라서 깊이가 있지도 않습니다.

안녕하세요 고객 잔존을 극대화 시키는 BI tool 인 MakeDashy 를 만들고 서비스하고 있는 Fridays Lab의 장진혁 입니다. 리멤버 데이터 커뮤니티에 글만 읽다가 많은 분들께 도움이 되고싶어 앞으로 여러가지 고객 재구매/잔존에 대한 데이터 분석 이야기를 써보고자 합니다. 많은 관심 부탁드리며 궁금하신 내용은 댓글이나 연락 주시면 감사하겠습니다. :) 오늘은 여러 비즈니스에서 왜 리텐션 - 잔존이 중요한지 다루고자 합니다. 리텐션의 모든 것(All about Retention): 왜 리텐션이 중요할까요? 힘들게 유치한 고객이 남아 있지 않아 걱정이신가요? 리텐션(고객 잔존)은 모든 비즈니스의 최우선 과제예요. 왜 리텐션이 중요할까요? 비용 효율과 서비스의 지속 성장, 이 두 가지 관점에서 답을 찾을 수 있어요. 1. 25배 효율적인 기존 고객 타겟팅 "... Acquiring a new customer is anywhere from five to 25 times more expensive than retaining an existing one." 하버드 비즈니스 리뷰에 따르면 기존 고객의 재구매를 유도하는 것이 신규 고객을 유치하는 것보다 5배에서 25배가량 더 효율적이라고 해요. 이유는 간단해요. 기존 고객이 신규 고객보다 구매까지 도달하는 퍼널이 짧기 때문이에요. *AARRR 이란? 미국의 스타트업 엑셀러레이터 500 STARTUPS의 Dave McClure가 개발한 프레임워크로 Awareness (인지) , Acquisition (획득), Revenue (매출), Retention (잔존, 리텐션), Referral (추천)의 5단계로 구성됩니다. 새로운 고객을 유치하려면 AARRR의 첫 퍼널부터 통과시켜야 해요. 다양한 채널에 광고를 집행하는 등 큰 비용이 들게 되는 일이에요. 하지만 기존 고객들은 이미 우리 서비스에 대해 알고 있기 때문에 이들의 재구매를 유도하는 것은 비교적 비용이 적게 들어요. 게다가 Retention은 AARRR의 첫 단계에도 영향을 줘요. 잔존하는 고객이 많을수록 고객 획득에 투입한 비용을 빠르게 회수할 수 있고 또 다른 고객 획득에 투자할 수 있어요. 더 좋은 광고를 만들고 더 높은 광고 입찰가를 투자해 경쟁에서 우위를 차지할 수 있게 되는 거죠! 높은 잔존율이 더 많은 투자를 가능하게 하고, 그렇게 유입된 고객들의 다수가 잔존하는 선순환이 만들어져요. 2. 서비스 성장을 저해하는 낮은 재구매율 서비스의 성장에는 Retention이 어떤 영향을 줄까요? 간단한 예시가 있어요. A사는 매월 200만 명의 신규 고객을 획득하고 B사는 300만 명씩 획득해요. A사의 리텐션율은 월 85%, B사는 월 70%예요. 그렇다면 2년 뒤에는 둘 중 어느 회사가 더 많은 고객을 가지고 있을까요? 월 신규 고객은 B가 1.5배 많은 반면 6개월 뒤 고객 수 차이는 비교적 작게 나타나요. 게다가 2년 뒤에는 A의 고객 수가 더 많은 것으로 나타나게 돼요. 이 차이는 15%p라는 월 잔존율로 인해 발생해요. 이 사례는 TOSS의 PO Session으로 유명해진 Carrying Capacity 개념에 부합해요. Retention이 개선되지 않으면 아무리 많은 광고와 마케팅으로 고객을 유입시켜도 서비스의 본질적인 고객 수용 능력은 성장하지 않는다는 것이 Carrying Capacity의 핵심이에요. 다시 말하면 Retention을 높이는 것이 서비스 성장의 Key!라는 뜻이죠. “리텐션은 그로스에서 가장 중요한 단 한가지 요소다 (Retention is the single most important thing for growth).” - Alex Schultzs(페이스북 CMO) 3. 재구매율을 높이는 방법 그렇다면 기존 고객의 재구매를 높이려면 무엇을 해야 할까요? 그들이 이탈하지 않고 재구매한 이유를 찾아야 해요. 그 답은 기존 고객이 남긴 무수히 많은 데이터에 있어요. 그 데이터들을 얼마나 과학적인 방법으로 분석해서 정확한 인사이트를 얻는지가 중요해요. 또 한 가지 중요한 것은 분석한 결과를 바탕으로 한 빠른 실행이에요. 방대한 고객 데이터를 분석하여 수많은 전략이 나올 수 있지만, 우리 고객의 구매 주기는 이미 골든 타임에 도달했어요. 그들이 이탈하기 전에 빠르게 커뮤니케이션할 수 있는 도구가 필요해요. Dashy의 인공지능 Recommendation 같은 기능이 하나의 답이 될 수 있어요. 기존 고객의 모든 구매 데이터를 분석해서 최적의 상품을 빠르게 추천해 주니까요! 다음 포스트에서는 기존 고객의 데이터를 어떻게 분석해야 ‘그들이 이탈하지 않은 이유’를 찾을 수 있는지 준비해 보도록 하겠습니다. 짧게 쓰려고 하는데 길어지는 것 같네요 ㅎ 다 읽어 주셔서 감사합니다. 댓글과 좋아요는 힘이 됩니다. :)

제목 그대로 병원/임상 통계 쪽으로 업직종 전환 준비하려고 하는데, 학부 때 SAS, R, SPSS 다뤄본 게 전부라, 어디서부터 준비해야할 지 잘 모르겠습니다. 주변에선 R이나 파이썬, sql 공부하면서 이직 준비하라고 하는데, 회사 일과 병행하면서 통계 관련 대학원을 진학할 지 아니면 자격증 공부부터 하면 될 지 고민입니다. 백지의 상태에서 준비하려하니 쉽지가 않습니다....

여러분, 안녕하세요! 🤗 이번에 대시보드 구성, 인사이트 도출과 관련된 무료 웨비나가 있어서 공유드립니다~ - 일시: 2022년 10월 26일 수요일 14:00 - 14:50 - 장소: Zoom (신청자에 한해 링크 공유) <미리보기 😎> 모두가 현업들이 스스로 데이터를 활용하는 Self-Serve BI/Analytics을 이야기 합니다. 많은 Self-Serve BI/Analytics 도구들이 존재하지만, 여전히 그 도구를 사용해 의미있는 결과를 도출하는 실무자는 소수입니다. 본 웨비나에서는 Self-serve 도구인 HEARTCOUNT ABI를 이용해 현업이 주도적으로 대시보드를 구성하고, 나아가 대시보드를 구성한 주요 지표에 대한 인사이트를 즉시 찾아내는 과정을 알려드릴 예정입니다. 이 과정에서 데이터에 쉽게 접근하여 주표 지표와 관련된 질문에 빠르게 정량적 답변을 찾는 일(Time-to-Insight)이 어떻게 가능한지 보여드릴게요. 자세한 정보 확인과 웨비나 참여 신청은 아래의 페이지에서 가능합니다 🙂 https://abi.heartcount.io/event/undefined

데이터분석 관련해서 석사학위 취득을 위해 대학원을 다니려 하는데.. 졸업 후 연봉상승 등 기회비용대비 효과가 있을까요? 현재 대기업 공장에서 데이터 관련 업무 중이며, 전공은 화공계열입니다. 고견 부탁 드립니다 ㅠ

안녕하세요 함께 일하고, 성장하고, 성취하는 곳! HOWW입니다. HOWW에서 크라우드 펀딩에 도전할 참가자를 모집합니다. 현재 약 150명의 참가자들이 각각 팀을이뤄 펀딩을 준비하고 있습니다! 그동안 HOWW가 쌓아온 경험들과 다양한 지원사항을 바탕으로 페이스메이커 역할을 해드리니 처음 도전하시는 분들도 부담없이 지원해주세요! 🔷이런분을 모집합니다🔷 - 브랜드 런칭 경험을 가지고 싶은 사람 - 특별한 스토리가 있는 포트폴리오를 원하는 사람 - 나와다른 분야의 사람과 협업을 경험해보고 싶은 사람 - 상상을 현실로 만들 동기부여를 원하는 사람 - 퇴근 후 사이드 프로젝트를 진행해보고 싶은 사람 - 내 시간을 돈으로 만들고 싶은 사람 - 디지털 노마드가 되고 싶은 사람 - 현재 크라우드 펀딩 준비중인데 너무 막막한 사람/팀 🔷혜택🔷 - 팀원 매칭 - 상품 적재 공간 제공 - 프로젝트 페이스메이커 매칭 - 펀딩 A-Z공략 페이지 제공 - 회의 공간 제공 - 펀딩 성공 후 브랜드 후속지원(투자사 자문) 🔷HOWW는 그동안🔷 - 누적 펀딩 매출 약 35,000,000원 - 참여회원 펀딩 평균 달성률 900% - 누적 참여 회원 150명 이상 - 2022년 사회적기업가 육성사업 최종선정 - 서강대학교 캠퍼스타운 창업경진대회 대상 - 경기도 사회적경제센터 창업 오디션 최종선정 - 도심제조 리부트 소셜벤처 육성사업 최우수상 - 1인창조기업 지원센터 청년창업 경진대회 우수상 - 와디즈 넥스트 메이커 선정 - 와디즈 그린 메이커 선정 - 한국관광공사 X 와디즈 크라우드 펀딩 기획전 선정기업 - 의류 브랜드 운영 - 빈티지 쇼핑몰 운영 🔷일정🔷 - 신청확인 후 평균 10일 안으로 프로젝트가 시작됩니다 - 주 1회 대면회의 진행합니다.(서울) 🔷활동비용🔷 - 1주 9900원(총 10주) 🔷팀당인원🔷 - 3~5명 📍HOWW와 함께 하고있는 팀들의 아이템이 궁금하다면? https://url.kr/ustcw2 📍참가 신청서 https://forms.gle/SVgKBR5iy1mCTH3J9 📍문의 https://open.kakao.com/o/s6fvF7jd 📍인스타그램 @howw_official - 프로젝트 진행하면서 나온 아이템의 저작권은 참가자에게 있습니다. - 수익금은 모두 공평하게 분배합니다. - 크라우드 펀딩을 준비중인데 막막한 팀들도 편하게 문의주세요. 긴 글 읽어주셔서 감사합니다 좋은하루 보내세요:)