비즈스프링에서는 데이터를 통해 유의미한 인사이트를 발견하고 가치를 창출 할 수 있도록 도와드립니다. 데이터를 통한 인사이트를 발견하며, 비즈스프링에서 데이터 활용 및 가치제안에 중심을 둔 기대효과를 설명합니다.

1. Copyright 2002-2016 BizSpring Inc. All Rights Reserved.
데이터 분석 동향과
비즈스프링이 제공하는 데이터
Copyright 2002-2019 BizSpring Inc. All Rights Reserved.
®BizSpring

2. 목차
01. 데이터의 이해
/ 데이터의 이해
/ 데이터 분석 도구
/ 데이터 분석의 중요성
02. BizSpring 데이터 활용 방안
/ 데이터 활용 방안
/ 보유 데이터
/ 기술 지원

3. 01. 데이터의 이해

4. 데이터의 이해 데이터를 바라보는 관점의 변화
기존의 데이터 분석은 주로 표 형태의 데이터를 다루는 반면, 데이터 사이언스에서는 다양한 형태의 데이터를 다룰 수 있습니다.
데이터를 다루는 방법 역시 다룰 수 있는 데이터의 종류에 따라 달라지는데, 데이터 사이언스의 관점에서는 그 활용 영역이 점차 확장되고 있습니다.
데이터 분석 데이터 사이언스
어떻게 유의미한 데이터를
잘 쌓고 정리할 것인가?
어떻게 복잡한 구조의
데이터에 대해 이해할 것인가?
BEYOND

5. 데이터의 이해 데이터 분석과 데이터 사이언스
데이터 분석
[데이터 형태의 변화]
[데이터를 다루는 방법의 변화]
데이터 사이언스
▪ 표 형태의 데이터
▪ 스프레드시트 (A spreadsheet)
▪ Tabular data
▪ 정형(Structured data)
▪ 반정형(Semi-structured data)
▪ 비정형(Unstructured data)
▪ SQL query를 이용한 데이터 추출
▪ 데이터 집계 (Data aggregation)
▪ 간단한 통계 분석 (평균, 중앙값, 4분위, 분산, 표준
편차 등)
▪ 예) Oracle이나 MySQL과 같은 RDB에서 했던 데
이터 추출 작업
▪ 통계 분석(Statistical Learning)
▪ 머신 러닝(Machine Learning)
▪ 딥러닝(Deep Learning)
▪ 텍스트/음성 분석 및 이해
▪ 이미지/동영상 분석
▪ 소셜 미디어 분석
▪ 인공지능(AI)
▪ 예) 마케팅 자동화를 위한 고객 군집 추출, 상
품 추천
BEYOND

6. 데이터의 이해 데이터 사이언스의 대표적인 분석 방법
통계 분석 (Statistical Learning) 머신 러닝 (Machine Learning) 인공지능 (Artificial Intelligence)
머신러닝은 경험적 데이터를 기반으로 학습하고 예측을 수행하여 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술입니다.
다양한 데이터들의 관계, 패턴 등을 예측하여 새로운 규칙, 지식표현, 판단기준 등을 스스로 학습하여 추출합니다.
▪ 통계 기법을 이용한 데이터 이해
▪ 회귀 분석이 대표적
▪ 주로 예측 모델을 만들거나
▪ 결과값을 추정할 때 사용
▪ 다른 방법들에 비해 상대적으로
적은 양의 데이터를 다룸
▪ 기계를 이용하여, 데이터 내 존
재하는 패턴 또는 알고리즘을 찾
아 잠재되어 있는 관계를 발견
▪ 많은 양의 데이터를 다룸
▪ 머신 러닝 기법 내에는 수학적,
통계적 과학 지식이 내재
▪ 인공지능의 아버지 John
McCarthy는 인공지능이란 특
별히 지능적인 컴퓨터 프로그램
을 지닌 기계를 만드는 과학 및
공학이라고 정의
▪ 지능적 인간의 사고를 흉내내는
방식으로, 컴퓨터 또는 그것이
조종하는 로봇을 만들거나 지능
적으로 사고하는 소프트웨어를
만드는 것

7. 데이터의 이해 데이터 사이언스의 대표적인 학습 방법
지저분한
데이터
데이터 정제
정제된 데이터
데이터 시각화
데이터
보정
모델링
예측 모델 정제된 모델
모델 정제
모델
보정
모델 시각화
현실 세계 그래프
데이터 측정 및 수집
잡음 제거 지표 선택 교차 검증
Bootstrap
모델 그래프
▪ 입력 값과 출력 값의 쌍이 정해져서 정해진 결과를 도출하도록 학습
지도학습 (Supervised Learning)
▪ 입력 값과 출력 값의 쌍이 정해지지 않아도 임의로 둘의 관계를 찾도록 학습
비지도학습 (Unsupervised Learning)
▪ 지도학습이나 비지도학습을 통해 얻은 결과를 보정 및 강화하여 다시 모델링하는 학습
강화학습 (Reinforcement Learning)

8. 데이터 분석 도구 R
▪ 통계 분석 도구이자 계산기
▪ 프로그래밍 언어 (programming language)
▪ 그래픽 인터페이스 (graphical interface) 제공
▪ 무료로 제공되는 오픈 소스 언어 (open source language)
▪ 매우 이해하기 쉬운 언어
▪ 방대한 이용자 커뮤니티 형성
▪ 그래프로 표현되는 뛰어난 시각화 도구들
▪ 다른 프로그래밍 언어들과 조화
▪ Extensions을 지원
▪ 그로쓰 플랫폼(Growth platform)에 활용

9. 데이터 분석 도구 Python
▪ 스크립트 방식의 프로그래밍 언어
▪ 풍부한 라이브러리를 통해 분석 환경을 제공 (sklearn이라고 불리는
Scikit-learn과 Scipy family, Pandas, matplotlib 등을 주로 이용)
▪ 오픈 소스이자 무료
▪ Python 3로 버전이 업그레이드 되면서 C/C++과 JAVA의 영역에서
수행되는 작업을 하기 위해 만들어짐
▪ 즉 Python 하나면 모든 것이 다 되도록 만들고 있는 중
▪ 덕분에 Python2를 쓰고 있는 그룹들을 위해 Python 2.7 버전과 호
환될 수 있도록 대부 분의 라이브러리 및 응용 도구들이 개발되고 있
는 중

10. 데이터 분석 도구 다양한 분석 도구
SPSS
▪ 데이터 사이언스는 R과 Python만 이용해야 하는 것처럼 보이지만,
상대적으로 두 언어가 다른 언어들에 비해 관련 라이브러리를 풍부
하게 보유하고 개발이 활발히 진행되고 있을 뿐
▪ 다른 프로그래밍 언어들을 통해서도 다양한 데이터 사이언스 도구들
이 만들어지고, 또 활용되고 있음

11. 데이터
전문 지식 인사이트(Insight)
▪ 통계학(Advanced/Applied Statistics)
▪ 수학(Advanced/Applied Mathematics)
▪ 관련 분야에 대한 전문 지식
▪ 개발자(Software engineers/developers)
데이터 분석의 중요성 데이터 사이언스에서 중요한 것
데이터 사이언스를 시작하기 위해서는 관련 분야에 대한 지식과 수학 및 통계 관련 지식을 갖추고 있어야 합니다.
프로젝트를 수행할 프로그래밍 언어와 도구들을 익숙하게 익히는 것도 중요하지만, 도출된 결과를 어떻게 해석하느냐가 더욱 더 중요하기 때문입니다.

12. 02. BizSpring 데이터 활용 방안

13. Goal
타깃 오디언스 분석
오디언스 분석 과정
Insight
BizSpring Solution
Target Audience Analytics
Data
인사이트 발견
데이터 분석을 토대로 인사이트 발견
데이터 수집 및 적재
데이터 수집 및 적재 과정
비즈스프링 솔루션 활용
-LOGGER: 웹로그 분석 솔루션
-People DB: 오디언스 데이터 추출
-BOOST: 액션마케팅 솔루션
최종 목표 도달
데이터 활용 방안 BizSpring 제안점
Plan
목표 수립

14. 데이터 활용 방안 데이터 수집 및 적재
BizSpring
속성/행동 데이터
▪ 연령/성별
▪ 웹서핑 패턴 / 구매 패턴
▪ 방문 사이트 카테고리
▪ 방문 이전 키워드/ 사이트
고객데이터
▪ 이름
▪ 회원 ID
▪ 생년월일
▪ 전화번호
▪ 상담내역
▪ 구매이력
▪ 결제내역
▪ 웹 이용 패턴
▪ 방문 전 페이지 정보
▪ 타 사이트 이용 정보
▪ 유입 전 검색어 정보
▪ 관심 상품 정보
▪ 활동 지역 정보
▪ 사용 기기 정보
웹 수집 데이터
(PC/Mobile)
오디언스 속성 및 관심사 도출하기 위한 데이터 구축 환경을 마련
매체 데이터
(캠페인)
▪ 매체 통합 수집 데이터
▪ 매체 별 전환 데이터
▪ 오디언스 별 매체 전환
▪ 매체 별 전환 데이터
▪ 통합 키워드
통합 데이터 수집

15. 1st Party Data – 고객사 행동 데이터
3rd Party Data – Bizspring People DB
1st Party Data 와 3rd Party Data 매칭
고객의 접속 정보(IP와 접속 시간, 요일, 사이트 수, 빈도)를 통한 고
객의 라이프스타일 파악
고객이 방문한 사이트의 회원 정보를 통한
고객의 연령, 성별 파악
고객이 장바구니에 담거나 구매한 제품 정보
(상품명, 구매가격, 구매빈도)를 통한 고객의 구매 성향 파악
고객이 방문한 사이트의 카테고리, 방문 전 검색어, 방문 후 사이트
내 검색어를 통한 고객의 관심사 파악Search
고객의 관심사의 변화와 접속 정보 등의 변화를 통해 고객 상태의 변경을 유추
데이터 활용 방안 타깃 오디언스 분석

16. Data Personal Action
People DBLOGGER BOOST
▪ 온라인 상의 고객 행동 패턴을 수집
▪ 웹로그 데이터 수집
▪ 캠페인 매체 데이터 수집
▪ 성과측정을 위한 전환 데이터 수집
▪ 성별, 연령, 회원ID 등 회원 특성 파악
▪ 위치, 기기, 시간 등의 환경을 분석
▪ 오디언스 별 일종의 패턴 분석
▪ 커스터머저니를 통한 전환자 분석
▪ 분석된 오디언스 특성 별 액션
▪ 랜딩 페이지 최적화를 위한 학습
▪ 이메일, 배너, SMS 등 마케팅 활용
TM TM TM
데이터 활용 방안 솔루션 활용

17. insight
데이터 분석을 통한 인사이트
페르소나 제시
유의미한 데이터 재해석
데이터 활용 방안 향후 방향성
타깃 오디언스

18. 데이터 활용 방안 기대효과
BizSpring
데이터
활용 기대효과
타깃팅 및 고객 획득 활동의 성과 향상
실제 환경에서 발생하는 다양하며 복잡한 고객의 전체 여정을 파악할 수
있어, 고객 경험상 취약하거나 우수한 접점을 구분해내고, 가장 수익성이
높은 고객과 이탈 가능성이 높은 고객을 개별 세그먼트로 생성하여 추출
하고 대응합니다.
개인화된 고객 경험으로 고객 평생 가치 상승
단순 상품 추천 엔진이나 1차원 행동 기반의 마케팅을 넘어, 고객의 행동
과 취향, 반응을 입체적으로 분석하여 상품 제안이나 고객 접점을 최적화
할 수 있습니다.
AdTech+MarTech의 고객 데이터 플랫폼 구축
목적에 최적화하여 빠르게 구축된 고객 데이터 플랫폼(CDP, Customer
Data Platform)은 전체 고객 여정과 '사람' 개별 대응을 가능하게 하여 고
객 경험과 브랜드 경험을 함께 높입니다.
광고 마케팅 활용
빅데이터 플랫폼에서 3rd Party 데이터를 함께 결합하여 파악하므로 보다
정교해진 리타깃팅/리마케팅에 활용할 수 있습니다.
BizSpring
데이터
활용가치
개인화된 맞춤 메시지
구매이력, 관심사와 성향, 행동 패턴 등의 다양한 고객 데이터를 기
반으로 개인화된 맞춤 메시지를 적절한 시점에 제안합니다.
Target Audience 및 캠페인 계획 수립
데이터에 근거하여 캠페인 계획을 효율적으로 수립할 수 있으며
타깃 Audience 및 고객 구매 여정을 함께 추적합니다.
카테고리 지표 제공
비즈스프링 내 고객을 산업 군 별로 카테고리화 하여 세그먼트 지표
의 데이터로 활용하며 산업 군 별 특징을 발견하여 마케팅 실행 방
안으로 제시합니다.
분석 세그먼트
유저의 행동 패턴을 기반으로 지표를 선정하여 세그먼트화 할 수 있
으며 그러한 데이터를 기반으로 분석된 세그먼트화 된 데이터를 이
용할 수 있습니다.

19. 5,500만
2,600만
8,100만
0 5,000 10,000
MAU
월 사용자 수(MAU) PC웹 모바일웹
BizSpring 모수 정보
(2018년 9월 기준, 6천여개 서비스)
전체 MAU
PC웹
모바일웹
BizSpring 수집 데이터
사용자 정보 웹/모바일웹 정보 제품 정보 사이트 외부 사이트 내부
Unique id Browser Product Name 레퍼러 페이지 신규방문
Session id 해상도 Manufacture name 레퍼러 도메인 Langauge
방문시간 OS Order Amount 레퍼러 페이지경로 Contents Path
아이피 Cookie Order Product 레퍼러 파라미터 Page Identify
방문횟수 Java Enabled Order EA 레퍼러 키워드 사이트 카테고리 코드
레퍼러 호스팅 정보 Order Count Javascript Enabled Campaign Code
Member Gender 휴대폰 기종 Product Name Display Viral Code
Member Age 제조사 Document path Color depth
일첫방문여부
Document Query
string
Timezone
주첫방문여부 Document Title Inner Search Keyword
월첫방문여부 Insert timedate
RK Insert day
보유 데이터 데이터 구성 및 모수

20. • 국내 로컬기업으로서 제공되는 웹로그분석에 관련한 기술지원 및 약 6천여개의
로그분석 사이트 운영
• 스크립트 기반 : 15년간 웹기반의 로그분석 데이터와 온라인마케팅의 성과측정
집행부분 솔루션 및 서비스를 제공하면서 별도의 구축과정을 거치지 않더라도 쿠키로
쉽게 매핑 가능
• 커스터마이징 데이터 제공 : 웹분석 전문 기업으로서 전문지식과 분석노하우를
보유하며 커스터마이징 데이터를 제공함으로써 데이터 활용 가치를 높임
• 자체 개발 인력을 통한 기술 지원과 정보보안 준수 여부 : 가능
• 장애 발생 시 대응책 : 모니터링을 통한 데이터 전송 이상 대응, 데이터 이상 시
재전송
기술지원

21. 비즈스프링은 e-Business최적화 솔루션 업체로서 웹 분석 솔루션인 Logger™를 시작으로 통합 분석 시스템을 보유하고 있으며
현재는 애드테크와 마테크의 융합으로 교차점에 있는 DMP영역을 만들어 가고 있습니다.
프로그래매틱바잉과 키워드 기반의 리타겟팅 플랫폼
채널/매체/소재 레벨의 성과기여모델 분석을 제공합니다.
ADMONSTER™
LOGGER™ with ATTRIBUTION
온라인 마케팅 성과 분석과 잠재고객 행동유형 기반의
마케팅 캠페인 자동화 솔루션을 제공합니다.
BizSpring INSIGHT™
BOOST™
BizSpring TAME™
사업 영역 Business Outline

22. CONTACT US : VISIT US :
THANKS FOR WATCHING!Smart & Intelligent Business
서울특별시 성동구 광나루로 130 서울숲아이티캐슬 14층 1410호
02-6919-5514
ad@bizspring.co.kr facebook.com/bizspring
Blog.bizspring.co.kr
bizspring.co.kr