기획팀 정기회의 시간…

“모두들 알고 있겠지만, 요즘 경기가 어려워져서 회사가 많은 어려움을 겪고 있습니다. 그래서, 위기를 극복하기 위한 타개책을 세워야 하는데… 좋은 생각들 있으면 얘기해 보세요.”

여러 의견들이 오고가고, 서로 열띤 토론을 벌이고 있는 가운데 1차적으로 여러 기획상품을 선정하여 신규 이벤트를 진행하기로 결정되었다.

“그럼… 금번 이벤트는 어떤 방식으로 진행하는게 좋을까?”

이때, 노대리의 머리속에 좋은 아이디어가 떠올랐다… ㅋㅋㅋ~ 역시 우리의 노대리!!

잠시 침묵을 지키고 있던 이팀장은 서서히 입을 열었다…

“뭐 그것도 하나의 좋은 방법이 될 수 있겠지. 그럼, 이번 이벤트는 임시로 2팀으로 나누어 최과장을 중심으로 한 1팀은 이과장이 제안한 방안으로 이벤트를 진행하고, 노대리를 중심으로 한 2팀은 노대리가 제안한 방안으로 이벤트를 진행하는 것으로 합시다. 일정이 그리 여유있는 편이 아니니 각 팀은 최대한 빨리 준비해서 진행할 수 있도록 해주세요.”

임시로 편성된 2팀의 수장을 맞게 된 노대리… 회사 분위기가 많이 무거운 만큼 신중하게 이벤트 진행방안에 대해 고민을 했다.

‘아! 그렇지… 로거!!! 일전에 로거 리포트를 보다가 회원을 추출하는 기능이 있었던 것 같은데, 한번 확인해보도록 하자!!’

‘행여나 여행사’를 입사한 이후 노대리의 많은 업무에 도움을 주었던 로거… 노대리는 로거의 리포트를 자세히 살펴보았다.

‘오! 여기 있구나… [주문 회원 ID분석] 리포트라… 한번 볼까?’

주문 회원 ID 분석

주문했던 회원들의 ID와 ID별 회원특성(성별 등), 방문수, 방문시각, 주문시각 등 ID별 상세 데이터를 알아볼 수 있으며, 유사리포트로 캠페인/상품별 회원 ID 분석, 전환/이탈 회원 ID 분석, 중요페이지 경유 회원 ID 분석 리포트가 있다.

회원ID상세 화면에서 '방문별 서핑패턴', '방문별 주문내역'을 확인할 수 있다.

 

‘꽤 자세히 나와있네… 좋은 데이터들이 많구나… 그런데, 여기서는 상품별 구매 회원 ID는 알아낼 수가 없겠네… 다른 리포트는 없나???’

 

다시 천천히 여러 리포트를 보던 노대리의 눈에 노대리가 찾던 리포트가 보였다.

 

회원상세 기능 - 주문 및 매출관련 리포트에서 회원 ID 상세 데이터를 확인 할 수 있다.

(캠페인별 방문/주문/매출액, 상품별 주문/매출액, 전환 시나리오, 사용자정의 전환 시나리오)

 

자신이 원하는 리포트를 발견한 노대리는 올해 유사상품에 대한 주문이 많았던 회원들을 추출하여 정리하기 시작했고, 그렇게 정리하다 보니 얼추 1,000 명에 가까운 고객들의 리스트를 확보할 수 있었다.

 

‘좋아! 그럼 이 고객들을 대상으로 마케팅 활동을 한번 진행해보도록 하자!’

 

노대리는 정리된 고객을 대상으로 자신의 팀원들과 함께 열심히 판촉 활동을 진행했다. 과연 어떤 결과가 나올지는 누구도 장담할 수 없었지만, 노대리는 자신과 자신의 팀원들을 믿고 꼭 해낼 수 있다는 자신감으로 업무를 추진해 나갔다.

 

얼마 후…

 

“노대리!! 이벤트 진행은 잘 되가나?”

“아! 팀장님 오셨군요. 이벤트 진행은 열심히 하고는 있는데, 결과는 아직 잘 모르겠습니다.”

“뭐 노대리야 늘 잘 해왔으니, 이번에도 잘 할거라고 믿고 있네.”

“감사합니다! ^^”

“참!! 오전에 잠깐 얘기를 들었는데, 노대리가 진행하고 있는 이벤트가 꽤 좋은 반응을 보이고 있다고 하더군… 주문도 꽤 늘어가고 있다고 하고… ㅎㅎ… 이번에도 고생 많았어!! 하지만, 아직 끝난건 아니니 끝까지 최선을 다해주게!! 나중에 정리되면 술 한잔 하세~!^^”

 

 

이야… 노대리 역시 대단하네요… 이팀장 말처럼 아직 끝난건 아니지만… 좋은 반응을 얻고 있다고 하니~! 아마 좋은 결과가 있지 않을까 생각되네요! 이봐~~ 노대리~~!! 자네 로거를 못만났으면 어쩔뻔 했어~ㅋㅋㅋ. 하기야 로거도 로거지만 노대리가 워낙 열심히 잘 하니까요~!! 여러분도 그렇게 생각하시죠?^^ 나만 그런가? ^^;;

어쨌든 앞으로도 노대리 쭈욱 파이팅입니다~!! 노!기!차! 노!기!차! ㅎㅎ… 다음에 또 뵈요~^^

 

이올린에 북마크하기(0) 이올린에 추천하기(0)

'로거™ 이야기 > 로거™ 활용하기' 카테고리의 다른 글

[로거] 로거 웹분석 실무활용 두번째, 배너광고 효과 측정하기  (0)	2009/08/17
임대형쇼핑몰을 위한 웹분석 설정가이드  (0)	2009/04/06
노대리의 로거활용하기 - 4화 '이벤트 대상은 누구??'  (0)	2008/10/31
노대리의 로거활용하기 - 3화 '웹페이지 리뉴얼에 필요한 그것'  (4)	2008/09/03
웹분석의 대상과 측정지표  (0)	2008/06/24
웹분석에서의 다양한 분석방법과 이론  (0)	2008/05/28

로거 2008년 4분기 설문조사에 참여해 주셔서 감사합니다.

2008년 4분기 설문조사를 실시했습니다. 그동안 소극적으로 진행해왔던 설문조사를 업그레이드 된 로거의 고객만족도 조사를 위해 좀더 적극적으로 진행하였습니다.
참여 고객 모든 분들께 USB(2G)증정!!! 예상외로 뜨거운 참여도로 USB 100개를 추가 주문하였고 배송관련 포장도 직원들이 모여 열심히 포장했습니다. 참여해주신 모든 고객님께 감사 드립니다.
USB 발송과 함께 말씀 드렸던 비즈델리 컨퍼런스 티켓은 컨퍼런스일정이 연기되는 바람에 증정해 드리지 못했습니다. 연기된 컨퍼런스가 다시 개시될 때 꼭 제공해 드리겠습니다. (추첨 5분께… ^^;;)

설문조사 결과에 대해 간단하게 요약!!

전반적으로 마케팅기획을 담당자분들의 사용이 높았습니다.

사용자 업무별 구분할 수 있는 '리포트맵'을 준비중에 있습니다. CEO가 관심있는 리포트 메뉴는? 마케터들이 선호하는 메뉴등을 구분하여 업무별 리포트 활용도를 높이겠습니다. (프로그래머나 시스템운영자 분들도 높은 사용빈도를 보였습니다. 개발자분들을 위한 공간도 필요해 보였습니다. 다음 기타요청사항에 많은 많은 의견 주시면 개발자분들의 위한 교육도 좋은 방법일 것 같습니다.)

업그레이드된 로거의 신규 리포트에 대한 만족도 조사에서는 많은 고객분들이 만족하고 계셨습니다.

기타의견으로 들어온 내용들은 모두 취합하여 각팀별 나누어 고객님께 직접 통화하여 불편사항들을 해결했으며, 캠페인별 리포트(캠페인별 방문/주문/매출액)에서 캠페인별 주문상품이 함께 보였으면 하는 의견은.. 리포트 테이블에서 상품의 상세내역이 동시에 나오기는 어렵기 때문에,,,, 주문상품으로 바로 이동할수 있는 ICON을 추가하는 작업을 진행중에 있습니다. 고객님의 어떤 의견이라도 최대한 참고하고 적용하도록 노력하겠습니다. 더더더 많은 의견 주세요.

유선상 고객응대에 불편을 느꼈다는 의견도 접수가 되었습니다. 고개 숙여 사과드립니다. 불편을 드린점 대단히 죄송합니다. CS팀에 인원충원이 있을것이며 영업팀과 연계하여 업무프로세스를 확립하고 있습니다. 불편을 최대한 줄일 수 있도록!!! 노력!!! 또 노력!!!

또 많은 분들이 로거의 활용에 대한 가이드문서, 동영상강의, white pages를 요청하셨습니다. 로거 카페(café.logger.co.kr)가 오픈된건 알고 계시죠? 이곳을 통해 웹분석에 대한 커뮤니티를 활성화시키려고 열심히 준비하고 있습니다. 캠코더도 구입!!! 저희 회사 신입! 기획팀의 혜진씨가 열심히 활용방법에 대해 가이드 문서를 열심히 작성하고 계십니다. 고객님들의 활용성을 높이기 위해 많은 준비하고 있으니 지켜봐주세요.

11월 둘째주에는 로거의 멋진 개발자 옥군이 3개월의 출산휴가를 끝내시고 컴백을 하십니다. 그날을 기다리며 신규 개발건에 대해서 열심히 리스트업하고 있담니다. 설문조사를 통해 고객님의 의견 하나도 안버리고 다 사용할꺼에요!! 다음에도 많은 의견 부탁드립니다.

설문조사를 통해 저희가 드릴 말은… 노력! 노력! 또 노력하겠습니다!!

설문조사에 참여해 주셔서 대단히 감사합니다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

지난 2일 배포된 구글의 새로운 웹브라우저인 ‘크롬(Chrome)’이 빠른 속도와 매우 심플한 인터페이스로 네티즌들에 좋은 반응을 얻고 있다.

웹로그분석 서비스 로거™(www.logger.co.kr)는 이러한 웹분석 환경변화에 맞추어 ‘구글 크롬’의 이용자가 자신의 웹사이트에 얼마나 방문하는지를 즉각적으로 분석할 수 있다고 9월 4일 밝혔다.

최근 많은 웹사이트가 사용자에게 풍부한 경험을 제공하기 위해 액티브X, RIA(Rich Internet Application)등의 기술을 사용하는데, 다양한 브라우저에서 원활한 지원을 하지 못한다면 웹사이트의 사용자에게 좋지 않은 인상을 줄 수 있기에 새로운 환경에 대한 방문자 조사는 필수적이다.

지금 웹로그분석을 하고 있지 않다면, 최근 많은 웹로그분석 업체들이 무료체험서비스를 제공하므로, 간단히 적용하여 내 웹사이트의 방문자의 환경은 어떠한지 살펴보는 것도 좋겠다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

여름 막바지.. 마지막 더위가 기승을 부리고 있는 이때, ‘행여나 여행사’ 노대리의 회사생활은 오늘도 ~ing다.

“노대리~!! 팀장님께서 부르시는데?”

“그래? 알았어~ 지금 가볼께~!”

팀장님의 호출!!

“어~ 노대리~ 왔구만. 다름이 아니라 이번에 웹사이트 컨텐츠 강화와 메인페이지 고객관심도 향상을 위해 웹사이트 리뉴얼을 진행하려고 하는데, 노대리도 들어온지 꽤 됐고 하니 이번 리뉴얼 기획을 진행해보는게 어떻겠나?.”

“웹사이트 리뉴얼이요? 네. 알겠습니다. 처음 해보지만 최선을 다해보겠습니다.”

웹사이트 리뉴얼 기획을 처음으로 해보는 노대리는 팀장님께 일단 자신있게 대답했지만 조금 막막했다. 그래서, 그동안 로거의 로그분석 데이터를 잘 활용해서 여러 업무를 처리해왔던 경험으로 이번에도 로거 데이터를 참고하기로 했다.

굳은 결심과 함께 로거의 여러 리포트를 보던 노대리의 눈에 순간 ‘ClickZone™ 클릭 분석’ 리포트가 보였다.

‘오~ ClickZone!! 이거 괜찮은데? 이 리포트를 활용하면 괜찮은 기획이 나올 수 있겠다.’

이번에 노대리는 ‘ClickZone™ 클릭 분석’ 리포트를 활용하기로 결정했다. 하지만, 현재 리포트 설정이 안되어 있어서 노대리는 우선 주요컨텐츠 및 상품들에 영역 설정을 시작했다.

잠시 [ClickZone™ 클릭 분석] 리포트를 알아보자~!!

ClickZone™ 클릭 분석
로그분석된 웹페이지의 각 영역의 순위/클릭/클릭율 등을 실제
웹페이지 화면을 통해 비쥬얼하게 나타낸 리포트로 사용자가
직관적으로 페이지내의 영역의 선호도를 알아볼 수 있다.

(위 화면에 설정된 영역은 사용자가 직접 등록하게 되며, 영역 위에 마우스를 올리게 되면 조회기간에 대한 추세그래프를 볼 수 있다.)

시간을 흘러 1주일 후….

노대리는 그 동안에 쌓인 ClickZone™ 데이터를 조회해 보았다.

 

‘현재 우리 웹사이트는 상단의 추천상품 영역보다 하단의 기획상품 영역이 고객들의 클릭율이 높구나. 상단 메뉴컨텐츠 클릭율도 예상했던 거와는 조금 다르네… 그렇다면, 이 데이터를 바탕으로 고객관심도가 높은 컨텐츠를 눈에 잘 띄는 영역에 적극적으로 배치해 봐야겠다…’

 

[ClickZone™ 클릭 분석] 리포트를 확인한 노대리는 데이터를 인용하여 기획서를 작성했다. 그리고, 금번 리뉴얼뿐만 아니라 향후에도 지속적으로 ClickZone™ 데이터를 이용하여 클릭율이 높은 컨텐츠와 상품을 주기적으로 교체하는 방안에 대해서도 제안했다.

 

“팀장님! 말씀하신 기획서 다 작성했습니다.”

“그래? 음… 고생 많았네…  내용이 꽤 좋구만… 그럼, 이대로 진행하도록 하고, 노대리가 기획한대로 앞으로 데이터를 활용하여 주기적으로 컨텐츠와 상품을 교체해보고 그 효과를 측정해보도록 하게.”

“네! 알겠습니다! 그럼, 진행하도록 하겠습니다.”

 

 

오호!! 이번에도 꽤 괜찮았어~! 노대리~!^^ 아직은 로그분석에 대해서 초보인 노대리! 하지만, 저렇게 적극적이고 열심히 하니 앞으로 꼭 로그분석 전문가가 될 수 있지 않을까요? 노대리~!! 언제나 파이팅이라고…!!

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석 환경에서 원인제공의 요소들

원인제공 요소

원인제공요소라고 정리한 부분은 방문자의 웹사이트 방문이 일어날 때 연관되어지는 특성들이다. 어떤 경로로 방문하였는지, 어떤 검색어를 통해 방문하였는지, 어떤 페이지로 웹사이트에 진입하였는지 등이다.

웹분석에서 세분화(Segmentation)가 용이하며, 상대적으로 관심도 높은 분석결과를 도출하기 쉽기에 기본적으로 가장 많이 사용되는 Dimension이다.

레퍼러 (Referrer, 참조링크)

레퍼러(Referrer)의 정의

레퍼러(Referer 또는 Referrer)는 방문자가 분석대상 웹사이트로 방문할 수 있도록 링크를 제공한 웹 페이지의 URL을 뜻한다. 흔히 '참조링크'로 번역되어지지만, '참조링크'라는 단어는 자칫 오해의 소지가 있으므로 참조링크페이지, 참조링크URL등으로 번역되어 지기도 한다.

이때, 분석대상 웹사이트에 방문하기 직전의 웹사이트 또는 웹페이지를 의미하지 않음에 유의해야한다.

* 여러 번역된 단어로 인해 오해가 있을 수 있으므로, 이후부터는 레퍼러(Referrer)로 사용하기로 한다.

웹분석에서는 레퍼러 값이 존재하지 않는 경우, 즉 웹브라우저의 즐겨찾기(Bookmark) 또는 주소의 직접입력(Direct URL Input)으로 접근하는 경우도 레퍼러가 없는 값으로 처리하여 레퍼러를 이용한 분석 범위에 포함시켜 분석을 한다.

레퍼러의 기술적 이해

레퍼러는 웹브라우저에서 웹서버에 URL을 요청할 때 HTTP 헤더에 포함되어 웹서버에 전송되는 문자열 정보이다. 이 문자열은 HTTP통신규약에 따라 정해진 포맷을 갖추어 전송되게끔 되는데, 웹서버에서는 레퍼러 정보를 웹서버 로그파일에 함께 남길 수 있다.

페이지태깅 방식을 이용할 경우에는 현재 페이지에서 JavaScript를 이용하여 이전 참조페이지( 레퍼러 페이지 URL )을 수집하여 측정한다. 이때 페이지태깅된 페이지가 Frameset 내부에 있다면, 올바른 외부레퍼러를 수집하기 위해서는 최상위 Frameset의 레퍼러를 수집해야 할 것이다.

패킷스니핑 방식의 경우에는 네트워크를 통해 전송되는 웹브라우저가 요청한 HTTP헤더를 통해 레퍼러 정보를 수집한다.

Frame(Iframe포함)구조에서 Frame내에 위치한 웹페이지의 레퍼러는 프레임을 표현하고 있는 바깥 페이지가 된다. Form의 Submit시에도 역시 레퍼러가 전달된다.

HTTP 포로토콜 헤더를 이용한 웹서버측의 Redirect 명령에 의해 웹브라우저가 다른 페이지로 이동해갈 때 레퍼러 정보를 유지한 채로 다음 페이지를 요청하여 접근하게 된다.

(다음에 계속... )

2002-2008 © Nativic & BizSpring, Inc.

이올린에 북마크하기(0) 이올린에 추천하기(0)

네이버 소폭 감소, 다음 상승 추세

최근 웹로그분석 전문업체인 비즈스프링의 웹분석툴 로거™에 의하면 2008년 상반기 국내 양대 포탈서비스인 네이버와 다음의 검색엔진 유입률에 유의미한 변화가 있었던 것으로 조사됐다.

통계자료에 의하면 2008년 들어 꾸준히 70%대를 기록했던 네이버의 검색엔진 유입률이 6월달에 2008년도 최저치를 기록하며 소폭 감소하였고 다음의 경우 지속적으로 하락하던 추세에서 상승 추세로 유입률이 증가하고 있다.

6월달의 네이버와 다음의 이러한 검색엔진 유입률 추세변화에 대하여 관련업계에서는 사회적으로 이슈가 되었던 미국산 쇠고기 수입으로 인한 촛불집회가 영향을 미친 것으로 분석하였다.

사회적으로 크게 이슈가 되며 치열한 공방이 이루어지고 있는 이 민감한 사항에 대하여 국내 양대 포탈인 네이버와 다음의 대응방안이 달랐는데 그에 의하여 일부 네티즌들이 의식적으로 주로 이용하던 포탈서비스를 변경하기 위한 움직임을 보인 것이 영향을 미쳤다는 분석이다.

그러한 분석을 뒷받침하듯 네이버의 6월 검색엔진 유입률은 줄곧 하향세를 그리며 25일자로 2008년 최저치인 63.42%를 기록하였다. 반면 다음의 경우는 6월들어 상승 곡선을 보이며 25일자로 2008년 최고치인 23.15%를 기록하며 네이버와의 격차를 좁혔다.

하지만 다음의 추격은 오래가지 못하고 다음날인 26일부터 다시 네이버의 검색엔진 유입률이 증가하기 시작하여 평균 66.99%의 점유율을 기록하였고 다음은 다시 소폭 하락하였지만 평균 18.34%의 점유율을 기록하며 4,5월 대비 상승세를 기록하였다. 또한 야후코리아의 검색엔진 유입률은 네이버와 다음의 변화에도 아랑곳하지 않고 꾸준히 지속적으로 증가하며 호조를 보이고 있다.

도표의 검색엔진 유입률은 비즈스프링의 웹분석 서비스인 로거™의 전체 데이터 중 일부 샘플링 데이터를 통계 처리한 인터넷트렌드 자료이다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석의 대상과 측정지표

인터넷 환경에서 웹분석을 위한 측정

앞서 설명에서 Metric은 측정항목 및 측정기준(측정법)으로 정의하였고, 측정지표는 Metric중에서 지표(指標, Index로서 값의 방향과 수준을 나타낼 수 있는 항목)로 표현될 수 있는 것이 있음을 설명 하였다.

앞으로는 편의를 위해 Metric과 Index의 특별한 구분이 필요 없을 때에는 통칭하여 '측정지표'로 표기하기로 한다.

측정지표(Metric)의 세부적인 이해에 앞서서 측정지표를 '측정법'이라는 관점에서 볼 때, 관련된 환경에 따라 '측정법'이 어떻게 정의될 수 있는지 결정된다.

따라서, 먼저 웹분석을 위한 측정지표에 영향을 미치는 주변 환경과 구성요소들에 대해 알아볼 필요가 있다.

웹분석의 대상과 측정

웹분석은 인터넷상에서 운영되는 웹사이트를 중심으로, 연관된 항목들에 대한 측정지표에서 시작된다.

크게 분석대상 객체, 행위주체, 원인제공요소, 성과로 나누어 볼 수 있다.

• 행위 주체 방문자
  • 방문자
    • 방문자의 인구통계학적 특성 : 방문자 국가, 지역, 언어, 성별, 연령 등
    • 방문자 환경 : OS, 브라우저, 화면해상도, 브라우저 크기, 색상, 자바스크립트 여부 등
    • 방문자의 행동특성 : 재방문 횟수, 체류시간, 서핑패턴, 방문시각 등
  • 검색엔진 로봇
    • 로봇방문여부,, 검색엔진 로봇의 종류 등
• 원인제공 요소
  • 레퍼러 : 방문 검색엔진, 검색어, 도메인, 레퍼러 페이지 등
  • 캠페인 : 마케팅캠페인 별 방문자 구분, 외부캠페인/내부캠페인 등
  • 광고 : 온라인 광고 제공자별, 광고키워드, 광고매체, 광고타입, 광고메시지 등
    
• 분석대상 객체
  • 웹사이트 & RIA(Rich Internet Application)
    • 컨텐츠 : 페이지, 동적 컨텐츠, 상품 등
    • 구조 : 물리적/논리적 메뉴구조, 이동 Path별 성과 등
    • 사용 : 네비게이션, 페이지내 클릭항목, UI사용성 등
  • 에러 : 에러페이지 항목, 에러항목별 비율 등
• 성과
  • 트래픽 : 웹사이트 힛트수, 페이지뷰수, 방문수, 순방문자수, 방문회원수 등
  • 이용율 : 웹사이트 제공 컨텐츠의 사용정도, 입소문을 위해 퍼트린 정도 등
  • 사업목표 : 회원가입수, 주문수, 매출액 등
  • 전환율 : 회원가입율, 주문율, 이벤트 참여율 등
  • 충성도/관심도 : 재방문자비율, 체류시간, 사회연관도, 댓글/UCC 게시횟수 등

위 항목을 각 분류별이 아닌, 구성요소별 직접적/순차적 연관관계에 따라 도식화 하면 다음과 같다.

위와 같은 분류에서 '성과'에 해당되는 측정지표가 흔히 '기본 측정지표'라 불려진다.

분석 및 분석리포트 생성시에는 각 요소가 하나의 차원(Dimension)이 되어 기본적 분석지표를 세분화(Segmentation)하여 원하는 분석결과를 얻게 된다.

예를 들면, '행위주체'의 '인구통계학적 요소 중 성별'을 분석의 범주(세분화항목)으로 정하고, 성과/분석지표로 '사업목표'의 '매출액'을 정하게 되면, '성별 매출액' 리포트가 생성된다.

측정지표(Metric)의 정의대상

이미 '측정지표(Metric)'는 '측정항목' 또는 '측정기준(측정법)'으로 정의한 바 있다.

일반적 측정지표 성과값의 경우 측정지표의 속성값(Count, Ratio, KPI 등)과 측정방법을 정하는 것으로 측정지표를 정의할 수 있다.

하지만, 측정지표의 '측정기준(측정법)'을 올바르게 정의하기 위해서는 주변 환경으로 볼 수 있는 행위주체, 원인제공요소, 분석대상 객체를 먼저 정의해야만 측정하고자 하는 성과에 대한 측정지표를 올바르게 정의할 수 있을 것이다.

즉, 각 구성요소의 용어정의가 완성된 후에 측정지표의 정의가 올바르게 될 수 있다.

2002-2008 © Nativic & BizSpring, Inc.

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석 측정지표와 단위

Website Measurement Index, Metric and Unit

Website Measurement Index, Metric, Unit은 각각 번역하자면 웹사이트 측정지표(지수), 측정기준(측정항목) 그리고 측정단위로 표현될 수 있다.

웹분석에서도 분석을 위해 먼저 측정이 이루어져야 하며, 측정은 여러 측정 단위(Unit)로 값이 표현되는 측정기준(Metric)에 의해 표현되는 측정지표(Index/Indicator)를 통해 이루어진다.

측정단위 - Unit

Measurement Unit – 측정단위
측정기준(측정항목)을 구성하는 측정의 단위. 측정의 최초기준이 되는 시작점이다.

예를 들어 대표적인 측정 기준으로 '미터법(Metric)'을 중심으로 알아보자.

미터법에서 길이를 측정하는 기본 측정단위(Unit)로 Meter를 사용한다. 이것에서 확장된 단위로는 Milimeter, Centimeter, Kilometer 등이 있다. 이때 Meter, Centimeter, Kilometer 등이 측정단위인 Unit 이다.

또한, 측정단위는 측정하고자 하는 측정항목 및 측정기준에 따라 나뉘어진다.

측정항목에 따라 길이에서는 m를, 면적에서는 m² 을 사용하게 되며, 같은 면적에 대한 측정항목이라고 하더라도 측정기준이 달라짐에 따라 '평' 또는 '에이커'과 같은 다른 단위를 쓰게 된다.

측정항목(측정기준)인 Metric에 대해서는 다음 단계에서 설명하기로 하고, 우선 측정항목이 갖는 값에 대해서 살펴보자. 이와 같은 측정단위는 측정결과로서 값을 갖게 되는데, 웹분석에서의 측정단위는 표현되는 값의 속성에 따라 3가지로 나누어 질 수 있다.

• 수(Count)
  • 기본적 단위로서 간단한 숫자로 표현된다.
  • 예: 방문수 = 370 , 페이지뷰 = 800 등
• 비율(Ratio)
  • 수(Count)로 표현되는 값들의 연산에 의해 발생하는 경우가 많다.
  • 각 측정지표값의 연산에 의해 생성되는 경우가 대부분이므로, '~당' 라는 표현의 측정지표(Metric)에서 자주 보여진다.
  • 예: 방문당 페이지뷰 = 1.8 , 사이트 반송율 = 0.45 등
• 논리값(Boolean)
  • 특정 상태의 Yes/No 등을 표현하는 값(Boolean) 형태도 사용될 수 있다.2
  • 예 : 특정회원그룹의 전환여부 = Yes or No

측정항목 또는 측정기준 - Metric

Web Metrics - 웹분석 측정항목(또는 측정기준)
웹사이트(온라인)상에서 발생하는 여러 현상을 측정하기 위한 항목 분류로서 각각 구분되는 측정기준(방법)을 가지고 있다.

예를 들어 미터법(Metric, 미터법의 이름 자체가 Metric이다)의 Meter로 측정될 수 있는 길이, 면적, 부피 등에서 '길이', '부피'등과 같은 것이 측정항목이며, 측정방법을 정의한 것 구성을 통해 측정기준(측정법)이 이루어진 것을 Metric 이라고 한다.

하지만, 웹분석에 있어서 각각 측정항목인 방문자수, 페이지뷰수, 순방문자수 등은 각각 구별되는 측정항목임과 동시에 측정방법을 가지고 있다.

따라서, 웹분석에서의 Metric은 측정항목임과 동시에 측정기준인 경우가 많다.

또한, 기본적인 웹분석 측정항목 및 기준의 경우, 기본적인 측정단위(Unit)과도 동일한 경우가 많이 있다.

* 측정에 있어서 측정되는 대상의 측정값을 중심으로 볼 때 '측정항목' 이라는 단어가 적합하고, 측정되는 방법(기준 잣대)를 중심으로 볼 때 '측정기준'이라는 단어가 적합하다. 영어로 표현할때에는 Metric 또는 복수형인 Metrics를 사용하면 모든 의미를 포괄할 수 있겠다

측정항목에 의한 측정결과 값은 앞서 설명한 측정단위의 값 속성의 분류와 같이 구분될 수 있다.

값의 속성분류 외 Metric의 특성으로 구분하는 경우가 가능한데, WAA(Web Analytics Association, 2007년8월)의 정의에 따르자면 Metrics가 갖는 값의 특성을 크게 4가지로 나누고 있다.

WAA가 정의한 Metric이 갖는 특성은 아래와 같다.

• 기본적 Metric에 의한 측정값을 갖는 경우 – Basic Metrics
  • 숫자(Count)로 직접적으로 표현 가능하다.
  • 방문자수, 페이지뷰수와 같이 단순 측정된 값으로서 정수(Integer)의 경우가 많다.
  • 매출액의 경우 $43.50 과 같이 표기될 수 있다.
• 연산에 의해 파생된 Metric의 경우 – Derived Metrics
  • 방문당 페이지뷰수와 같이 특정 Metric의 산술연산에 의해 파생된 값으로서 비율값으로서 소수(Float)의 경우가 많다.
  • Metric간의 결합/산술식에 따라 값의 범위가 무한하거나, 유한적으로 제한된다.
• 주요성과지표 - KPI (Key Performance Indicator)
  • 성과관리 지표라는 입장에서 Metrics가 정의된다라는 점에서 별도 분리되었다.
  • 수, 비율, 논리값등 다양한 값을 가질 수 있느 특성이 있다.
  • KPIs (KPI셋트구성)과는 구별되어야 한다.
• 세분화(Segementation)을 위한 Dimension (차원)
  • 각 Metric들의 값을 특성별, 분류별, 개인방문자별 세분화(Segmentation)하는데 사용된다.
  • 항목의 분류범위를 갖는 속성이라고 볼 수 있다.
  • 특정 값을 갖지는 않지만, 다른 Metric의 값에 함께 작용하여, Metric이 표현하는 값의 범위를 한정하고, 각 Metric간의 관계를 연결시켜 분석할 수 있도록 도와준다.
  • 예: 측정값을 일으키는 주체, 원인등 다양한것으로 세분화 할 때, 세분화 시켜주는 요소. 레퍼러(Referer/Referrer), 랜딩페이지(Landing Page), 회원특성, 방문자지역 등

Metric에 의한 값은 Dimension의 적용여부와 범위에 따라 아래 3가지 영역으로 나누어 볼 수 있다.

• 전체영역(Aggregate)
  • 기본적인 Metric에 의한 측정값이 대부분이다.
  • 예: 정의된 조회기간 내 사이트 전체 방문자수
• Segmented(부분영역)
  • 특정 Dimension에 의해 Segement된 Metric
  • Dimension이 보통 1차원 적용되는 경우가 대부분이다.
  • 2개 이상의 Dimension이 적용될 경우 Multi-Dimensional Segmentation 이라고 부른다.
  • 예: 정의된 조회기간 내 사이트에 방문자 중 캠페인 방문자수.
• Individual(개별영역)
  • 일종의 Segmentation이라고 볼 수도 있으나, Metric의 특성에 의한 Dimension이 아니라 데이터를 생성하는 행위주체의 개별 데이터라는 것에서 구분된다.
  • 예: 정의된 조회기간 내 사이트의 특정 방문자의 재방문수.

웹 측정지표 – Web Measurement Index

Web (Site) Measurement Index - 웹(사이트) 측정지표
웹분석을 위한 Metric으로서 특정 현상 및 결과에 대해 대표적으로 표현될 수 있는 중요 지표(지수). 방향성과 수준을 나타내는 성격이 짙다.

결과적으로 보면, 모든 Index는 Metric의 한 종류라고 할 수도 있으나, 그 차이를 구별할 수 있는 요소로는 '경제지표, 위험율 지표' 와 같이 특성의 대표적인 값, 목표수준, 위험수준을 잘 표현할 수 있는 것에 있다..

이러한 이유로 Index라는 단어로 구별하고는 있으나, 웹분석 '측정지표' 라는 용어로 Metric과 Index를 모두 포괄하여 사용하기도 한다.

Web Measurement Index 중 사업의 목표달성에 영향을 미치는 주요성과 지표는 KPI(Key Performance Indicator)라고 불려진다.

이후 용어의 사용에 있어서는, 국내에서 위 모든 것을 '측정지표'라고 불려지는 만큼, 명확한 구분이 필요한 경우가 아니고서는 통칭하여 '측정지표'로 언급하기로 한다.

웹분석의 측정지표의 요건과 분류

측정지표의 요건과 가정

웹분석의 측정지표를 통해 수집되는 데이터는 여러가지 방법에 의해 생성될 수 있다. 예를 들어 Visit Session의 경우 실제 방문자가 브라우저를 이용해 발생할 수 도 있지만, 검색엔진 로봇에 의해 발생할 수 도 있다.

웹분석에서는 분석의 목적이 실 마케팅이 고객을 대상으로 하는 만큼, 실제 방문자에 의한 행동을 통해 생성되는 데이터를 분석 및 측정대상의 데이터로 가정하기로 한다.

만약, 기술적으로 실제 방문자에 의한 것과 그렇지 않은 것을 구별할 수 없을 경우, 측정된 데이터를 실제 방문자에 의해 생성된 데이터로 가정하기로 한다.

측정지표의 분류

측정지표는 1차적으로 수집된 데이터를 바탕으로 하는 기본적 측정지표와 측정지표를 이용하여 생성되는 파생측정지표, 그리고 엄밀히 측정지표는 아니지만 측정지표의 범위와 환경적 요건을 제한하는 특성분류로 구성된다.

몇 가지 주요 측정지표들을 위와 같은 관점으로 분류 해 보면 다음과 같다.

측정지표는 웹사이트와 e-Business를 구성하고 있는 요소와 성과에 따른 분류( 예: 페이지, 컨텐츠, 방문자, 주문, 매출액 등 ) 뿐만 아니라 e-Business의 일반적 프로세스에 따른 단계별 분류( 예: 계획, 도달/마케팅, 획득, 전환, 충성도유지 )

사실상 기본 측정지표 항목(Metric)과 지표의 특성분류(Dimension), 그리고 기타 특성요건들(회원특성 등)을 조합할 경우 신규 생성할 수 있는 측정지표의 종류는 무한대에 가깝다고 보여진다.

특히, 새로운 기본 측정지표가 개발될 경우 기존 측정지표와의 조합을 통해 활용할 수 있는 측정지표의 경우를 본다면, 웹사이트 환경에서 새로운 구성요소 또는 기술의 파급효과는 매우 크다고 볼 수 있다.

따라서, 개선된 웹분석 도구는 파생되는 측정지표를 사용자가 정의할 수 있고, 리포트에서 Segmentation 요소를 선택할 수 있도록 하여 리포트를 직접적으로 구성하게끔 하는 것이 중요할 것이다.

2002-2008 © BizSpring, Inc. & Nativic

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석 및 eCRM에서의 다양한 분석방법과 이론

통계분석 방법

eCRM 및 e-Business를 위한 Marketing Automation 솔루션에서 응용되는 사항들을 중심으로 설명하였다.

OLAP툴의 기능

OLAP툴의 주요 기능은 다음과 같다.

• Pivoting : 2차원 데이터 조회 결과에서 행/열/페이지 차원을 바꾸어 가면서 보고서를 생성하는 방법
• Filtering : 데이터를 특정 조건(항목명, 값의 범위, 계층구조 등)에 의해 만족되는 항목으로 한정하여 보고서를 생성하는 방법
• Drill Down : 요약된 상위개념의 데이터에서 상세한 하위개념의 데이터로 접근하는 방법. 계층구조이거나 연관된 데이터로 연결되어 조회되거나 하여도 무방하다.
• Drill Up : Drill Down과 반대방향으로 데이터 조회.
• Drill Across : 다른 데이터영역의 데이터에 접근하는 것.
• Drill Through : OLAP시스템에서 DW또는 다른 시스템의 상세데이터에 접근하는, 즉 구체적인 Raw데이터 영역에 접근하는 것.

Taguchi Method

다양한 경우의 수를 모두 조합하여 각 경우별 실험을 진행하여, 그 중 결과가 가장 좋은 케이스를 선택하는 방법. 온라인상에서 IT기술에 의해 Testing과 실험이 진행될 경우 경우별 조합과 진행이 어렵지 않으므로 Multi-Variate Testing 방법으로 자주 활용된다.

Google Optimizer, Omniture의 Multivariate Testing 기능이 본 방법을 이용하고 있다.

Multivariate Testing

온라인 마케팅 최적화(Optimization) 툴에서 Taguchi Method 를 이용하여 다수의 변수를 선정하고, 변수를 조합하여 생성되는 경우에 맞추어 방문자를 대상으로 랜덤(Random)하게 경우의 수를 구현하고, 각 경우 별 성과를 측정하여 가장 좋은 경우를 선정하는 방법.

일반적으로 온라인 마케팅 최적화 솔루션에서는 최종 전환페이지에 대한 전환율이 어떤 경우일 때 높이 나타나는지를 실험한 후 최적의 방법을 선택하는 방법으로 최적화를 진행한다.

아래 그림은 랜딩페이지(Landing Page)의 시안을 메뉴배치방법 2종류와 색상 3종류를 조합하여 6가지의 경우의 수를 만들고, 방문자에게 6가지 경우 중 한가지를 적용하게끔 프로그램에 의해 무작위로 제시한 후 최종 Goal 목적 페이지에 대한 전환율이 가장 높은 메뉴레이아웃과 색상의 조합을 찾아내는 경우를 도식화 한 것이다.

Personalization

개인화는 수집 및 분석된 데이터를 바탕으로, 고객 및 방문자에게 최적의 컨텐츠 또는 서비스를 제공하는 맞춤형 접근 방법이다. 1:1 (One to One) 마케팅이라고도 불려진다.

개인화의 정도에 따라 개인사생활 침해여부와 과잉접근에 대한 거부감 등의 논란이 있다.

개인화를 eCRM에서 시스템적으로 구현하는 알고리즘은 아래 방법이 가장 많이 사용된다.

• Collaborative Filtering (협업필터링)
  • 예: 대상고객과 유사한 성향/속성을 갖는 고객이 선택하는 상품들을 분석하여, 해당 고객도 유사한 상품을 선호할 것이라는 가정을 갖고 개인화된 상품을 제시. 직접적으로 친구의 Wish List를 보고 주문하는 기능을 제시하기도 하였다. (Amazon)
• Rule Based (사전정의된 규칙에 의해)
  • 예: 상품추천 마법사와 같은 기능으로서, 준비된 RULE에 맞추어진 설문을 차례대로 진행할 경우 적합한 상품을 제시하는 방법
  • 사전에 정의된 고객속성, 조건, 구매이력등의 규칙에 따라 사전정의된 규칙은 실험을 위한 테스트로서의 접근도 있겠지만, 데이터마이닝등을 통해 분석된 고객군에 대해 접근하는 것이 유용할 것이다.
  • 고객군에 대한 프로파일링(Profiling)과 함께 이루어진다.
• Case Based Reasoning (사례기반 추론)
  • 예: 기존 유사사례를 통해 현재의 개인화/추천 항목을 결정하여 제시.
• Learning Agent ( 지능적으로 고객의 의도를 파악하여 )
  • 예: 고객이 노트북 상품 카테고리를 자주 살펴보고 체류하는 시간이 길어질 때 노트북 컴퓨터의 구매를 고려하고 있다고 판단하고 노트북에 대한 상품제안을 제시한다.
  • 사용행태, 페이지인쇄, 체류시간등 다양한 사항을 기준으로 선호도와 관심분야를 알아내고 제공하는 방법
• Association Rule (연관규칙)
  • 특정 행위와 함께(근 시간내에)에 발생할 수 있는, 연관된 행위/컨텐츠등을 제시하는 방법
• Sequential Pattern (순차패턴)
  • 특정 행위 다음에 발생하게 되어 있는 행위/필요사항들을 제시하는 방법

Data Mining의 통계분석에서 (본 항목은 위버라인 CRM전문가 과정에서 발췌)

Classification / Clustering / Association 을 위해

• Neural Network
  • 생물학적 모형에서 비롯된 계산모형의 일종, 비선형에서 유리.
  • 일반화 능력 및 안정성이 타 방법에 비해 뛰어남
  • 학습방법
    • 교사 학습 (Supervised Learning) : 예- NN With BP
    • 비교사 학습 (Unsupervised Learning) : 예- SOM
• Genetic Algorithm
  • 생물학적 진화과정을 모방한 알고리즘
  • 문제를 유전자 형태로 정의
  • 진화( Selection, Crossover, Mutation)의 과정을 통해 답을 탐색
• Decision Tree
  • Instance를 root에서 Leaf 까지 내려오면서 Sorting
  • CART(classification and Regression Trees)
  • CHAID(Chi-Square Interaction Detection Analysis)
• Case Based Reasoning (CBR)
  • 기존의 사례 데이터베이스를 이용하여 새로운 사례를 예측
  • K-NN 을 이용하여 유사한 사례 추출
  • 추출된 유사 사례들에 근거하여 새로운 사례에 대한 출력 산출
• Discriminant Analysis: 통계적인 분류기법
• Regression : 통계적인 추정기법
• Association : link analysis(graph theory에 기반)
• K-Means, FCM : 클러스터링 방법

마케팅 이론 & 측정지표

80/20 법칙 (파레토 법칙)

'전체 결과의 80%는 전체 원인 중 20%에서 비롯된다.'라는 파레토가 세운 이 법칙은 다양한 부분에서 입증되면서 높은 설득력을 보이고 있다. 예를 들어 '상위고객 20%가 전체 매출의 80%를 일으킨다'거나 하는 것들이 이에 해당된다.

고객 Scoring을 통해 VIP고객과 일반고객을 구분하는 기준선을 정할 때, 타겟 고객층을 설정할 때 등 다양한 곳에서 응용되고 있다.

Long-Tail 이론

긴 꼬리이론 이라고도 불려지는 본 이론은 Amazon의 사업모델을 이용해 많은 예를 들기도 한다. 즉, 인터넷 상점과 같이 상품진열의 한계가 없는 공간에서, 1권씩 밖에 팔리지 않는 책이더라도 상당히 많은 책의 종류를 판매하게 될 경우 상위 10~20%가 일으키는 매출보다 하위 제품들의 합계 매출이 훨씬 클 수 있다는 이론이다.

WEB 2.0 시대에 크게 대중화 되어 관심을 받고 있는 이론이다.

Customer Experience Gap

고객이 기대한 가치와 실제 서비스/제품을 경험하고 얻은 가치의 차이. 이 차이가 적을수록 제품 및 서비스에 대해 만족하게 되며, 차이가 클수록 불만족 하게 된다는 것.

예를 들어 '싼데 이 정도면 됐지' 라는 표현과 같이 저렴한 제품에서는 큰 기대를 하지 않기 때문에 적정수준의 품질만 넘으면 만족하게 되는 경우와 같다.

Loyalty

고객의 충성도를 의미한다.

어느정도 기업의 상품/서비스/브랜드에 호감을 갖고 지속적으로 관계를 맺고 유지해왔는지를 나타낸다.

고객세분화(Customer Segmentation), Customer Scoring 등에서 충성도 지표는 잠재된 LTV를 높이기 위한(또는 높이는) 중요 요소로 인식된다.

LTV (Life Time Value)

고객의 생애가치 또는 평생가치로 해석된다. 일반적으로 1명의 고객에 대해 해당 고객이 과거 및 미래에 일으킬 매출액을 합산하여 결정하는 경우가 많다.

미래에 대한 LTV산정이 어려울 경우, 현재시점 기준으로 과거의 LTV를 합산하여 이용하기도 한다.

쉽게 말해 LTV가 높을수록 우수 고객인 셈 이다.

Customer Segmentation

고객 세분화를 의미하며, 고객을 다양한 속성 및 기준에 따라 세분화 하는 것을 말한다.

Data Mining에 의해 Cluster분석을 통해 기준을 세워 나누어질 수도 있으며, 사전 정의된 Rule에 맞추어 고객층을 세분화 할 수도 있다.

Customer Scoring

고객을 등급화 하고 세분화 하기 위해 고객에게 객관적 지표로서 점수를 부여하는 행위.

예를 들어 최근 1주일이내 구매시 1점, 10만원 이상 구매시 매 10만원마다 1점씩 추가 등의 방법이 이용될 수 있다. 기업의 사업에 맞춘 최고의 고객은 어떤 고객인가? 라는 정의가 된 후에 원활한 고객등급 부여 항목과 기준이 정해질 수 있다.

RFM 또는 RFD

고객세분화 및 등급결정을 위한 방법으로 이용되는 점수부여의 기준이다.

RFM 은 Recency, Frequency, Monetary 의 약어로서, 고객의 가치평가 또는 충성도 평가를 얼마나 '최근에', '자주' 방문하였거나 '얼마나' 구매하였는지를 척도로 삼아 평가 점수를 부여하는 방법이다.

RFD (Recency, Frequency, Duration)모델은 주문금액이 존재하지 않는 서비스 및 운영모델에서는 Monetary 대신에 체류시간인 Duration을 이용한 방법이다. Duration 을 Time으로 표현하기도 한다.

2002-2008 © Nativic & BizSpring, Inc.

이올린에 북마크하기(0) 이올린에 추천하기(0)

내 블로그/카페 게시물은 어디에 얼마나 노출되고 있을까?
- 바이럴 마케팅 분석

리포트 화면

작성자 : 게시물을 작성한 사람
게재 사이트 수 : 게시물이 보여지고 있는 사이트 및 블로그 수
노출수 : 게시물이 노출된 수
일순수 노출수 : IP를 기준으로 중복 노출을 제거한 수
                        (한개의 IP에서 여러번 노출되어도 1 카운트 됨)


*'게제 사이트 수' 옆의 돋보기 아이콘을 클릭하면 아래와 같이 노출되고 있는 사이트(블로그, 카페, RSS 등등)의 URL을 파악할 수 있다.

설정방법

1. 게시물 추적태그(분석스크립트) 생성하기

[서비스관리 > 분석스크립트 > 게시물 노출 및 스크래핑 분석 스크립트 > 신규 게시물 추적태그 추가]

① *웹사이트 선택 : 하나 이상의 서비스를 받고 계신 경우 분석할 웹사이트를 선택합니다.
② 카테고리코드 : 분석대상 게시물의 카테고리를 선택합니다.
( '게시물 카테고리 추가/수정' 버튼을 클릭하여 카테고리 추가/수정을 할 수 있습니다. )
③ *글 제목 : 분석대상 게시물의 제목을 입력합니다.
(예: 'Viral Marketing의 의미')
④ 글쓴이 : 분석대상 게시물의 작성자를 입력합니다.
⑤ 포스트URL : 분석대상 게시물의 URL을 입력합니다.
(예: http://blog.bizspring.co.kr/81)
⑥ '게시물 추적태그 추가' 버튼을 클릭하여 생성을 완료합니다.

주의 사항
- *표는 필수항목이므로 필히 입력하셔야 합니다.


2. 게시물 추적태그(분석스크립트) 받기

[서비스관리 > 분석스크립트 > 게시물 노출 및 스크래핑 분석 스크립트 > 게시물 이름 클릭]

2.1. 게시물 추적태그(분석스크립트) 받기

[서비스관리 > 분석스크립트 > 게시물 노출 및 스크래핑 분석 스크립트 > 게시물 분석 스크립트 받기]

3. 분석대상 게시물에 추적태그(분석스크립트) 삽입하기

마지막으로 분석스크립트를 복사 하신 후 분석받으실 게시물 소스안에 삽입한다
- 대부분의 블로그나 카페에서 게시물 등록시, HTML 모드 에디터를 지원합니다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

“노대리. 얘기 들었어?”

“응? 무슨 얘기?”

“이번달 해외여행 기획상품 주문이 저조해서 우리 팀장님 무지하게 깨졌데…”

“정말?? 휴… 당분간 몸 사려야겠네!!”

‘기획상품이라… 뭐가 문제였던 거지?’

월요일 주간 회의 시간.

“다들 아실지 모르겠지만 저희팀에서 기획한 이번달 해외여행 기획상품 주문전환이 예전에 비해 상당히 저조해서 이사님 기분이 상당히 안 좋습니다. 그래서, 다음달 해외여행 기획상품에 대한 기대가 상당히 크실 것 같은데, 개인별로 다음달 해외여행 기획상품 기획안 금주 내로 제출하도록 하세요!”

‘저렇게까지 말씀하시는 것 보면 팀장님께서 기분이 정말 안 좋으신가 보구나… 기획상품이라… 좋아! 이번에도 로거의 로그분석 데이터를 활용해서 준비해보도록 하자!!’

자신에 찬 노대리. 하지만, 막상 준비하려고 보니 어떤 데이터를 먼저 확인해야 하는지 어떤 데이터를 활용해야 하는지 도대체 감이 오지를 않는다.

지난 업무 때도 과장님께 도움을 받은 적이 있던 노대리는 이번에도 과장님께 도움을 요청하기로 결정했다.

“과장님~ 질문이 있는데요~”

“갑자기 살갑게 왜 이래~ㅎㅎ. 뭔데? 얘기해봐.”

“기획상품 기획안 작성하면서 이번에도 과장님이 알려주셨던 로거를 활용하려고 하는데 어떻게  활용하는게 좋을까요?”

“음… 우선은 이번 기획상품이 왜 고객에게 인기가 없었는지 원인분석을 해보고 그 다음에 현재 우리 사이트에서 어떤 상품이 실제로 인기가 높은지 파악해 보도록 해봐. 어떤 데이터를 확인해야 할지는 노대리가 판단해보도록 하고… 이번에도 잘해보라고~^^ ㅎㅎㅎ”

“감사합니다~!!”

‘원인분석을 먼저 해봐야겠군.. 지난달 기획상품이 ‘놀러가 여행 패키지’ 였으니까 기획상품 전후로 고객이 얼마나 구매했는지 파악해 봐야겠다.’

먼저 노대리는 지난달 기획상품의 3월과 4월 내부 구매 데이터를 확인해 보았다.

‘하루 평균 3건 정도 구매되던 상품이 기획상품으로 웹사이트 전면 노출되었는데도 구매량이 늘어나지 않았구나. 평균 구매는 유지될만한 상품이지만 고객의 눈에 많이 띄게 하더라도 매출로 전환될만큼 매력적인 상품은 아니였단 얘기군…’

그날 노대리가 집중해서 본 데이터는 [컨텐츠/상품 상세 조회수]와 [상품 매출 순위] 리포트였다.

여기서 잠깐!!! [컨텐츠/상품 상세 조회수]와 [상품 매출 순위] 리포트에 대해 잠시 알아보자.

l  컨텐츠/상품 상세 조회수 : 조회기간 동안 웹사이트내의 상품별 상세보기 페이지의
                         노출(페이지뷰)수를 분석한 리포트.

l  상품 매출 순위 : 조회기간 동안 주문(매출)액 기준으로 상품의 주문수량 및 매출액을
                순서대로 각 비율과 함께 나타낸 리포트

노대리가 두 가지의 리포트를 이번 달로 조회하여 리포트를 확인한 결과, 다음과 같은 데이터를 얻을 수 있었다.

‘이 얘기는 해외여행 패키지 중 실제 방문자들에게 구매 욕구를 일으키는 패키지는 ‘갈까나 여행 패키지’가 아니라 ‘가고파 여행 패키지’라고 예상할 수 있겠군…’

필요한 로그분석 데이터를 확인한 노대리는 위 데이터를 바탕으로 기획서를 작성하기 시작했다. 노대리의 손가락은 신들린듯 빠른 속도로 키보드를 누볐다…

우리의 노대리~!! 이번에도 화끈하게 한건 해낼 수 있을까???

팀원들의 기획안 제출이 모두 마무리 되고, 팀장님의 기획안 검토 결과 지난 번에 좋은 결과를 냈던 노대리의 기획안을 채택되었고, 5월 해외여행 기획상품으로 ‘가고파 여행 패키지’가 웹사이트 전면에 노출되게 되었다.

시간은 흘러흘러…. 5월의 어느날…

“노대리~!!! 노대리~!!! 자네 여기있었구만... 허허허~~!!”

“네. 팀장님. 무슨 일 있으세요?”

“자네가 기획한 기획상품이 현재 예상 주문량을 훨씬 상회해서 이사님 입이
^ㅡㅡㅡㅡㅡㅡㅡㅡ^ 이렇게 찢어지셨네~ 허허허~!! 이번에도 자네가 수고가 많았네~!! 이따 저녁에 삽겹살에 소주한잔 하자고~^^”

“아~ 정말입니까? 잘 됐네요~^^ 그럼, 이따 저녁에 뵙겠습니다.”

‘하하하!!! 좋아~!! 앞으로도 잘해보자~!! 파이팅~!!”

시원하게 한건 해낸 노기차 대리~!! 이번에도 로거의 로그분석 데이터를 멋지게 활용했네요~!! 그런데 저거저거~ 너무 들뜬거 아닌지 몰라. ㅎㅎㅎ. 뭐 앞으로도 지금과 같은 기세로 잘해낼지…  쭈욱 기대해 봅시다… 어쨌거나~ 노기차 대리~!! 파이팅~!!

[로거 활용하기 - 추가 Tip]

- 상품조회수 대비 구매율이 높은 상품을 전면에(방문자가 많이 보는 페이지) 배치하여 노출수를 높여 전체적 매출액을 높인다.
- 상품조회수 대비 구매율이 낮은 상품은 이벤트/가격할인 등을 이용하여 구매율 향상을 시도해보거나, 구매율이 높은 상품과 묶음상품으로 구성해본다.

[ 지난호 ] 노대리의 로거활용하기 - 1화 '이벤트 개시일을 잡아라!'

이올린에 북마크하기(0) 이올린에 추천하기(0)

안녕하세요 비즈스프링 로거™입니다.

오늘 함께 공부해볼 웹분석 용어는 이미 주위 여러분야에서 많이 사용하고 있는 용어중에 하나인 전환율(Conversion Rate)입니다.

우선 전환율의 정의를 살펴볼까요?

전환율이라는 용어는 여러 분야에서 사용되고 있지만 그중에서도 인터넷마케팅 분야에 있어서 웹사이트를 방문한 사람 중 특정하게 유도된 행위를 한 방문자의 비율을 말합니다. 유도된 행위란 웹사이트를 방문하여 제품을 구매하는 경우, 회원 가입을 한 경우, 이벤트에 참여하는 경우 등 웹사이트에서 목표로 하는 액션을 말합니다.

즉 간략하게 정리하면

전환율 = 웹사이트의 방문자가 웹사이트에서 목표로 하는 액션을 완료한 비율

이라고 얘기할 수 있습니다.

(물론 전환율의 분모 부분은 '방문자'뿐만이 아니라 다양한 것이 될 수 있습니다. 본문 마지막 부분에서 설명하고 있는 시나리오 분석 같은 경우 각 단계의 전환율은 방문자에 대한 전환율만이 아니라 행동전환수를 분모로 단계별 전환율 분석이 가능하기 때문입니다.)

전환율은 웹사이트 성과지표의 한 분류이며 주문수, 회원가입수, 이벤트 참여수 등의 기본지표와 측정지표를 이용하여 생성되는 방문당 주문율, 평균 구매금액 등의 파생지표, 그리고 캠페인 레퍼러, 회원특성 등의 특성분류로 구성됩니다. 이 3가지의 기본지표, 파생지표, 특성분류를 조합하면 특정 캠페인을 통하여 유입된 방문자의 방문수와 주문수를 파악하여 방문당 주문율에 대한 성과값(전환율)이 나올 수가 있게 되는 것입니다.

 

그렇다면 전환율을 분석하는 목적은 무엇일까요?

그렇습니다. 전환율의 분석 목적은 잠재고객의 미래 행동을 파악하여 최종목적을 완료시켜 웹사이트의 목표인 수익 창출에 도달하는 것입니다.

쇼핑몰에서는 사이트를 방문하는 고객들이 관심있어 하는 상품을 최종 구매완료하도록 유도하는 것이며, 커뮤니티 사이트에서는 다양한 컨텐츠로 방문자가 회원가입을 완료할 수 있도록 유도하는 것입니다.

 

그럼 로거™ 리포트 중에서 전환율을 분석할 수 있는 대표적인 리포트를 알아보도록 하겠습니다. 기본적으로 로거™에서는 스탠다드 버전이상에서만 전환율에 대한 분석리포트를 제공하고 있습니다.

 

1. 광고효과 – CPC 프로그램별 주문/매출 리포트

CPC프로그램별 키워드를 통한 방문수 및 회원등록수의 분석이 가능하며 키워드별 회원등록 전환율을 파악할 수 있는 리포트입니다. 또한 주문수에 대한 전환율이 방문당주문율로 리포팅되므로 웹사이트의 목적에 따라 회원등록 또는 주문에 대한 최적의 키워드광고를 진행하는데 효과적인 활용이 가능합니다.

*

2. 마케팅캠페인 – 캠페인별 회원등록/등록률 리포트

캠페인별 방문수와 회원등록수를 분석하여 회원등록완료에 대한 전환율을 파악할 수 있는 리포트입니다. 어떤 캠페인이 방문자의 회원등록이 가장 많이 되었는지에 대한 전환율을 한눈에 볼 수 있으며 캠페인 및 회원특성에 대한 필터링이 가능하므로 다음 캠페인 진행시에 어떠한 형태의 캠페인이 효율적인지 참고하시면 회원등록 전환율 상승에 도움을 받으실 수 있습니다.

3. 시나리오 – 시나리오 분석 리포트

본 리포트에서는 사전에 정의된 단계별 전환율에 대한 분석 데이터를 제공합니다. 정의된 단계중 어떤 단계에서의 이탈률이 높은지에 대한 분석이 가능하여 해당 단계의 페이지 재구성을 통하여 전환율을 상승시킬 수 있습니다. 역시 캠페인 및 회원특성에 대한 필터링을 제공하여 특정한 조건을 가진 단계별 전환율 분석이 가능합니다.

지금까지 전환율이 가지는 의미와 로거™ 리포트에서 전환율을 볼 수 있는 리포트를 알아보았습니다. 앞으로 해당 부분 리포트를 확인하실 때 참고하시어 웹사이트 목표달성에 도움이 되시기를 바랍니다. 물론 로거™를 활용하실 때에는 한가지의 리포트만 참조하지 마시고 관련된 여러 개의 데이터를 종합적으로 분석하시면 더욱 유용한 데이터를 얻을 수 있습니다.

다음 번에는 더욱 알찬 내용으로 찾아뵐 수 있도록 하겠습니다.

감사합니다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

eCRM의 도구와 용어

eCRM에서의 소프트웨어/시스템/방법/용어

eCRM을 위한, 넓게는 Business Intelligence를 위한 다양한 소프트웨어와 방법론 및 이론들이 존재한다.

eCRM에서 언급되는 소프트웨어/시스템/방법/용어들 중에서 자주 사용되는 항목들에 대해 정리하였다.

Data Warehouse (DW)

경영 전반적 관리와 의사결정을 위해 전사적으로 다양한 데이터를 수집하여 저장하여 놓은 데이터베이스의 집합을 의미한다..

조직의 운영시스템에서 속도저하 없이 원하는 데이터를 조회할 수 있도록 구성하는 것이 특징으로서,

Data Warehouse는 다음과 같은 특징이 있다고 한다. (Bill Inmon이 정의)

• Subject-oriented : 주제별 조직화된 데이터 - 업무 및 기능중심이 아니라 데이터 중심으로 디자인되어 조직화된 데이터베이스이다. 모든 데이터는 서로 연계되고 참조될 수 있도록 구성한다.
• Time Variance : 추세 데이터 보관 - 시간흐름에 따른 변화를 추적할 수 있도록, 현재상태의 데이터 뿐만 아니라 과거의 데이터에 대해서도 기존 값을 모두 보관한다.
• Integrated : 통합, 기업의 모든 데이터가 통합 - 데이터 항목들의 명명규칙, 단위, 코드등이 일관되게 구성되어 저장되어 있으며, 항상성을 유지한다.
• Non-volatile : 비휘발성 - 데이터는 초기 데이터 적재와 이후 접근 및 사용만 이루어지며, 읽기전용으로 데이터가 유지된다.

ETL( Extract, Transform, Load)

Data warehouse에 데이터가 최종 적재되기까지의 단계를 표현한 단어이다. 외부데이터 소스로부터 데이터를 추출/분리해내고(Extract), 비즈니스목적에 맞게끔 데이터를 연계/가공하거나 불필요한 데이터를 제거하여 데이터 품질을 맞추고(Transform), 최종 Database에 데이터를 적재(Load)하는 단계를 나타낸다.

Data Mart (DM)

Data Warehouse가 전사적 데이터의 통합적, 정적 보관 및 데이터 제공이라면, Data Mart는 동일한 현업을 수행하거나 목적이 동일한 단위 조직에서 자주 사용되는 데이터들을 별도 분리 및 취합하여 구성하는 전문적이고 가벼운 Data warehouse라고 보면 되겠다.

Data warehouse 한곳에서 전사조직 구성원이 접근할 때 발생하는 부하를 분산하기 위해 시작되었지만, 최근에는 Data warehouse보다 우선적으로 Data mart가 구성되는 경우도 많다고 한다.

Data mart는 Data warehouse보다 비용 및 규모면에서 단순하므로 빠르고 간단하게 구축 및 운영이 가능하다.

Entity Relationship Modeling / Multi Dimensional Modeling

DW또는 DM을 구성하기 위해서는 현실 세계에서 얻어진 데이터가 Database화 되어야 한다. 이를 위해 Database내에 각 구성요소 결정하고 연관관계를 구성하는 설계행위이다.

객체관계형 모델링과 다차원모델링 등이 있다.

OLAP (On-Line Analytical Processing)

DW/DM등에 저장된 데이터에 대화식으로 질의(Query)를 보내고 그 결과를 얻는 행위를 말한다. OLAP은 최종 데이터 사용자가 다차원으로 여러 조건을 부여하여 데이터를 다각도로 살펴보고 결과를 얻으며, 정보를 분석하는 과정이라고 볼 수 있다.

가정한 결과를 다양한 실험을 통해 입증해 나가는 방법에 가까우며, 데이터 속에서 미지의 지식을 발견하는 데이터마이닝과는 반대되는 접근방식이다.

OLAP은 아래의 장점과 단점을 갖고 있다.

• 장점
  • 대화식분석을 통해 원하는 분석결과로 쉽게 접근할 수 있다. (SQL은 단방향)
  • 다차원적인 조회를 통해, 실질적으로 현업에서 유용한 데이터에 접근할 수 있다.
  • 별도 애플리케이션 구현에 필요한 자원을 절감할 수 있다.
  • 필요에 따라 원하는 리포트를 구현할 수 있다.
• 단점
  • OLAP툴이 상당히 고가이다.
  • 현업의 일부 복잡한 장표형식 등의 지원은 불가능하다

OLAP은 MOLAP(Multidimensional), ROLAP(Relational), HOLAP(Hybrid), WOLAP(Web-based), DOLAP(Desktop), RTOLAP(Real-Time) 등으로 분류된다.

OLTP (On-Line Transaction Processing)

온라인을 통해 금융결제 업무를 중앙 집중형으로 처리하여 지원하는 방법. 은행, 항공, 슈퍼마켓, 인터넷뱅킹, 전자상거래등 많은 곳에서 이용되며, 다양한 거래데이터의 원시정보가 생성되고 기록되는 시스템으로 볼 수 있다.

OLTP에 의해 대규모의 상거래 및 고객데이터의 생산이 가능해 졌고, 많은 데이터의 보관을 위해 Data warehouse가 대두되게끔 하는 배경이 되었다.

SQL (Structured Query Language)

Database의 데이터를 정의/생성/변경/조회 하기 위해 사용되는 컴퓨터 언어.

Data Mining

방대한 데이터 속에서 사전에 인지하지 못하였던, 미지의 지식을 발견해나가는 프로세스이다.

다양한 분석기법 및 기술 - Classification, Clustering, Decision Tree, Neural Network - 등을 이용하여 의미있는 상관관계, 패턴, 동향, 추세등을 찾아내는 과정으로서 B2C분야에서 가장 많이 활용된다.

OLAP과는 반대의 분석접근 방식이다.

Personalization (개인화)

개인화는 각종 Data분석을 통해 고객에게 개인화된 컨텐츠(상품/마케팅메시지 등) 및 서비스를 제공하는 방법이다. 개인화된 컨텐츠의 선정은 Rule-based, Case-based, Collaborative filtering, Neural network 등의 방법을 이용하여 접근한다. 온라인광고, 상품추천, 상품진열, 지역/개인선호에 따른 DM발송등 다양한 분야에서 응용가능하다.

특히, eCRM에서 웹사이트 컨텐츠의 개인화 부분은 실시간으로 적용하는 것이 가능해짐에 따라 Marketing Automation의 도구로서 개인화가 관심을 끌고 있다.

MIS(Marketing Information System)

다양한 기업 내 정보를 취합하고 분석하여, 마케팅 의사결정을 위해 다양한 자료를 제공하는 시스템이다. 경영정보시스템 또는 마케팅정보시스템이라고 불려지는 MIS는 eCRM에 개념 속에서 크게 확장되었다. MIS에서 자주 사용되는 표현방법으로는 Dashboard, KPI, Alarm 등이 있으며 상태모니터링을 위한 방법으로 이용되고 있다.

Database Marketing

eCRM의 이전단계 개념으로서 생각할 수 있다. 고객 Database를 바탕으로 다양한 마케팅활동을 위한 근거자료를 수집/분석하여 과학적인 마케팅을 하기 위해 발전해왔다. Data warehouse 또는 Data mart를 근간으로 타겟마케팅, 1:1(one to one)마케팅, 개인화(Personalization), 고객 등급관리(Customer Scoring/Segmentation), LTV(고객생애가치, Life Time Value) 관리 등을 수행하는 것이 이에 해당한다.

One to One Marketing / Target Marketing 도 유사한 접근방법이다.

웹분석 (Web Analytics)

온라인상에서 발생하는 다양한 마케팅활동과 방문자의 활동(컨텐츠조회/주문 등)과 그로 인해 발생하는 결과(매출/회원가입 등) 데이터를 수집하고 리포팅하는 역할을 수행한다.

수집된 데이터는 DW(Data Warehouse)등에 적재되어 분석CRM에서 활용하게 된다.

메일발송 솔루션

타겟고객층을 대상으로 대량의 메일 또는 SMS메시지를 신속히 발송하기 위해 이용되는 시스템이다. 운영자에 의해 발송되기도 하지만, 사전에 정의된 Rule에 따라 요건이 충족되는 고객에게 자동발송 되도록 하여 운영되기도 한다.

일반적으로 온라인 쇼핑몰에서 주문 시 받는 메일들과 이벤트 안내메일 등이 본 시스템에 의해 발송된 것이다.

CTI (Computer-Telephony Intergration)

컴퓨터와 전화통화를 통합한 것으로서, 단어의미 자체는 외부에서 걸려온 전화를 전산화된 교환서비스를 통해 운영하는 것이지만, 현재의 CTI는 고객의 전화를 가장 적절하게 배분하고, 녹취하고, 고객지원의 품질을 평가하고, Back-Office 데이터를 실시간으로 제공하여 고객지원의 업무효율성을 높이는 등에 주로 활용하고 있다.

IVR (Interactive Voice Response)

음성전화를 통해 음성/번호입력등을 통해 서비스를 제공하는 시스템과 상호대화형으로 응답을 제공하는 솔루션이다. 일반적으로 IVR은 데이터베이스 및 운영시스템등과 연계되어 은행계좌이체, 여론조사, 콜센터와의 연계, 전화 자동주문 등에 사용된다.

Churn Management (이탈고객 관리)

분석을 통해 이탈예상 고객을 예측하고 적합한 마케팅 메시지를 전달하는 등 이탈고객을 줄이고, 신규고객을 확보한 후 충성도를 높이기 위한 전반적인 행위.

통신사업자를 자주 바꾸는 소비자가 많은 통신시장에서 유래된 단어이다.

Marketing Dashboard

Marketing Dashboard는 현재 운영상황을 직관적으로 파악하기 위해 사용된 Reporting 방법중의 하나이지만, 지금의 Dashboard는 다양한 분야에서 응용되어 활용되고 있다. KPI항목들이 주로 Marketing Dashboard에 사용되어 진다.

KPI (Key Performance Indicator)

'핵심성과지표'이며 기업에서 성과를 평가하기 위해 이용되는 다양한 측정지표들 중 핵심적인 항목들을 뜻 함. 일종의 사업상황모니터(Business Activity Monitoring)로서 주요 KPI관리를 통해서 사업의 흐름을 쉽고 빠르게 파악할 수 있다.

KPI의 측정지표는 'SMART'의 속성을 가져야 한다고 한다.

• Specific (특정 상태를 표현할 수 있어야 한다)
• Measurable (측정 가능해야 한다)
• Achievable (달성 가능해야 한다)
• Result-oriented / Relevant (해당항목과 관련된 중요 결과값이어야 한다)
• Time-bound (기간내 측정된 결과값)

KPI의 지표들은 값의 속성에 따라 나뉘어 질 수 있다.

• 숫자로 표현될 수 있는 값 (Quantitative Indicators)
• 실제(실용)적인 값 (Practical Indicators)
• 방향성 있는 지표 (Directional Indicators) : 좋아지고 있는지 나빠지고 있는지와 같은 진행방향
• 실행 방안을 세울 수 있는 지표 (Actionable Indicators)

CSF (Critical Success Factor)

주요 성공요인으로 풀이할 수 있다. 사업목표를 달성하기 위해 거쳐야할 단계 중 성공에 크게 영향을 미치는 단계 행동을 의미한다. 예를 들면 제품개발 후 '제품발표'와 같은 경우가 해당된다.

CSF와 KPI, 그리고 목표수준 값(Target)이 결합되어 목표(Objective)가 이루어질 수 있다는 설명도 있다.

2002-2008 © BizSpring, Inc.

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석 시장의 흐름

웹분석 제품의 역사

주요 웹분석솔루션 및 웹분석 서비스의 공급업체를 중심으로 흐름을 정리하였다.

• 제공하는 웹분석도구가 사용하는 데이터 수집방법에 따라 Logfile 방식은 (L), Page Tagging 방식은 (T), Packet Sniffing 방식은 (P), Hybrid방식은 (H)로 표기하였다.
• 웹분석 도구의 경우 상용 제품만 하더라도 그 수가 매우 많기에 주요 제품/업체라고 생각되는 내용을 중심으로 정리하였다.
• 회사명으로 정리하였으나, 가능하면 웹분석도구를 처음 출시한 연도로 표기하였다.
• 현재 웹분석에 시장에서 주요 위치를 차지하고 있다고 생각되는 업체는 Bold체로 표기하였다.

주요 웹분석 업체/제품의 역사 (2008/01 기준)

연도	국내 제품	해외 제품(주로 미국)	비고
1993		GetSites(WWWStats) (L)	최초로 정리된 웹분석기
1994		I-PRO (L)	최초의 상용 웹분석기
1995		Analog (L) Webtrends (L) WebTraffIQ (T)	Analog는 무료로 배포되고 있으며 지금도 널리 사용되고 있다. WebTrends는 현재 Tagging방식의 제품도 제공하고 있다. WebTraffIQ는 최초의 Tagging방식의 웹분석 제품이다.
1996		Urchin (L) WebSideStory(T) DeepMetrix (T/L/H) RTMetrics(P) Neilsen Netratings (T?)	Urchin은 후에 Tagging방식도 제공하게 된다. Urchin은 현재 Google에 인수되어 Google Analytics로 무상 제공되고 있다. WebSideStory는 HitBox 및 HBX가 주력 제품임. 2006년 2월 VisualSciences와 합병한 후 2007년10월 Omniture에 인수되었다 DeepMetrix는 2006년 Microsoft에 인수되어 Gatineau로 명칭변경 Microsoft검색광고의 부분 서비스로 Beta서비스 중이다.. Neilsen Netratings(전 RedSheriff)은 다양한 분석통계 서비스 제공
1997		SuperStats (T)	SuperStats는 JP Interactive(1996설립)의 웹분석 서비스(1998 회사명을 SuperStats로 , 1999 MyComputer.com 으로 변경된 후 2002년 Omniture로 변경.)이며 현 Omniture의 SiteCatalyst가 주력 제품이 되면서 발전하게 되면서, SuperStats와 MyComputer.com 브랜드는 NetworkSolutions에 양도하게 된다.
1998	Weblog (L)	IBM SurfAid (T/L/H) Webalizer (L)	Weblog는 한국최초의 상용 웹로그분석 제품. 2004년3월 ASP서비스 추가 제공함. 회사명과 제품명 동일. SurfAid는 2006년 CoreMetrics에 인수된다. Webalizer는 로그파일분석 방식 중 현재 가장 선호되는 무료 웹분석 툴이다.
1999		Coremetrics (T/L/H) Fireclick.com (T)	Coremetrics는 웹분석외 다양한 Marketing Automation / Consulting 분야로 진출한 상태임. 2006년 IBM SurfAid를 인수 FireClick은 2001년 최초의 Site Overlay 기능을 제공함
2000	Countboy.com (T)	Instadia.net (T/L )	2000년8월 퍼슨앤퍼슨의 Countboy는 국내최초 상용서비스 수준의 웹분석ASP서비스를 오픈 Instadia는 내부네트워크의 로그파일을 원격서버로 전송하여 ASP형식으로 분석가능. 2007년 Omniture에 인수됨.
2001	Somansa ClickMind (P) Nethru Wiselog (L) Amazingsoft Acecounter (T) MyLog (T)	Manticore (T?) VisualSciences (T/L/H)	Somansa는 국내최초 Packet Sniffing 방식 웹분석 솔루션 ClickMind출시. Somansa는 정보유출방지/보안관련 제품군이 주력. Nethru는 와이즈로그 제품군을 통해 국내시장에서 외산 WebTrends를 급격히 대체해 나감. Amazingsoft의Acecounter가 2001년8월 카운터서비스에서 웹분석 ASP서비스로 확장되어 오픈. 본격적인 상용서비스는 2002년에 이루어짐. MyLog는 2001년 12월 Acecounter의 분석서비스를 OEM하여 운영. 국내 상용 웹분석ASP서비스 시장을 대상으로 최초로 마케팅활동 펼침. Manticore는 웹분석과 타겟 이메일마케팅을 최초로 결합한 업체. 현재는 다양한 Marketing Automation 솔루션을 제공함. VisualSciences는 뛰어난 분석능력과 리포트 표현방법으로 시장에서 주목받음. 2006년 2월 WebSideStory에 인수됨.
2002	BizSpring Logger (T) Innerbus HitAnalyzer (L) CCMedia WebNibbler 2.0 (T) Amazingsoft LogINSIDE (T)	Omniture SiteCatalyst (T/L?) ClickTracks (T/L)	BizSpring은 기업용 상용 웹분석 ASP서비스로서Logger 오픈. Innerbus의 HitAnalyzer는 차후 Java기반 웹로그분석 솔루션인 WebQuest 제품으로 발전함. Innerbus는 원시로그관리/보안침입탐지 분야에 주력함. CCMEDIA는 eCRM제품군 eBrother중 웹분석솔루션부분을 WebNibbler로 출시. 웹서버 Plug-in 방식 사용. Amazingsoft는 접속통계ASP 무상 서비스 사업부분 폐쇄. Tagging방식의 웹분석솔루션 LogINSIDE출시. SiteCatalyst / Discover / Genesis 등을 통해 Marketing Automation 업체로 발전하게 됨. ClickTracks는 SiteOverlay방식등 새로운 분석방법등을 제시하면 급격히 성장.
2003	BizSpring LogLog (T) BizSpring Logger Ent. (T)	Visionalist 4.0 (T/L/P) – 일본	BizSpring은 일반 접속통계 유료ASP서비스 LogLog 오픈. Java기반 Enterprise 웹분석 솔루션 Logger Enterprise 출시. 일본DigitalForrest는 2003년 3월 Visionalist를 4.0 버전 출시하며 Packet Sniffing 및 Page Tag 방식을 추가함.
2004	Weblog ASP (L) Nethru WiseSniffer (P)		Weblog는 로그파일 원격수집 방식을 통해 ASP서비스를 제공. Nethru는 패킷스니핑 방식의 웹분석 솔루션 WiseSniffer출시
2005	F24 (T) WSOS (T)	Google Analytics (T) SiteClarity (T?) CCMedia WebNibbler (T)	2003년~2004년 웹분석ASP분야에서 Amazingsoft와 BizSpring이 상당한 성장과 시장을 점유하자, 국내에서 다수의 신규 웹분석 ASP서비스가 등장한다. 그 중 F24, WSOS, SKYLOG, logmap 은 적절한 전략과 상품구성으로 시장진입에 성공한다. 2005년8월 CCMEDIA는 대만의 인스파이어IT사와 합병(인스파이어IT 지분10%와 ccmedia지분 100%, 사명은 ccmedia로 변경). 글로벌 서비스로서 WebNibbler 준비. Google은 2005년 3월 Urchin을 $30M에 인수하여 2005년 11월에 Google Analytics를 오픈 WebSideStory는 Atomz라는 웹사이트 마케팅/최적화 컨설팅 업체를 인수 WebTrends는 NetIQ에서 Francisco Partners로 인수됨. CheetahMail(메일발송솔루션업체)에서 SiteClarity 오픈(2005년으로 추정)
2006	Daum Webinside (T) SKYLOG (T) Logmap (T)	Microsoft Gatineau (T) Google Optimizer (T)	Daum은 2006년 10월 개인사용자를 위한 무료 웹분석서비스인 Webinside 공개... 2006년 2월 Websidestory는 VisualSciences를 $57M에 인수하고 회사명을 VisualSciences로 변경. 2006년 4월 CoreMetrics는 IBM SurfAid를 인수. 2006년5월 Microsoft는 DeepMetrix를 인수하여 Gatineau를 beta오픈함. 2006년 10월 Google은 Multivariate Testing 도구인 Google Optimizer를 오픈.
2007	BizSpring bizSmart (T) Nethru SmartOffer (?)		BizSpring은 2007년10월 타겟이메일발송 솔루션과 웹분석이 결합된 bizSmart ASP서비스를 오픈. Nethru는 2007년 11월 개인화/추천엔진 제품인 SmartOffer 출시 Omniture는 2007년 1월 웹분석 업체 Instadia 인수., 2월 Behavioral Targeting 업체인 Touch Clarity 를 $51.5M에 인수, 9월에 개인화/최적화 업체인 Offermatica $65M에 인수, 10월에 VisualSciences를 $394M에 인수함. 2007년 1월 Microsoft Gatineau 가 부분적으로 공개됨

해외시장은 크게 아래 단계와 같이 시기를 나누어 볼 수 있다.

• 기술의 탄생(1993~1995)
  웹분석 기술이 상용화되어 제품화 되기 시작
• 시장의 탄생과 성장(1996~2000)
  다양한 웹분석 업체와 제품이 등장하고 시장이 성장.
• 급격한 시장성장과 기술발전에 의한 무한 제품경쟁(2001~2004)
  업체들의 경쟁으로 웹분석 기술과 시장이 급격히 발전하며, 다양한 기술과 서비스를 선보임.
• 웹분석의 대중화와 시장의 재편(2005~2007)
  시장 점유율에서 상위그룹과 하위그룹으로 양분화가 이루어진 후 각 그룹 내에서 업체가 정리되거나 인수합병으로 통합됨.
  웹분석의 대중화와 광고시장의 폭발로 인해 검색/포탈업체에서 웹분석을 기존 업체 인수를 통해 서비스 항목으로 추가하며 무료웹분석에 의한 대중화된 시장이 급 팽창함.

국내시장은 크게 아래 단계와 같이 시기를 나누어 볼 수 있다.

• 기술의 탄생(1998~2001)
  웹분석 기술이 상용화되기 시작하고 국내제품이 출시됨.
  분석리포트의 구성은 해외제품의 영향을 많이 받음.
• 시장의 탄생(2002~2003)
  Tagging방식의 웹분석이 상용서비스 수준으로 높아지면서, 국산 웹분석 ASP서비스가 급격히 증가하며 시장의 확대를 이끔.
  국산 웹로그파일 분석 솔루션이 해외제품을 적극적으로 대체해 나가기 시작함.
• 시장의 성장과 기술 및 제품경쟁(2004~2005)
  국내 환경에 맞는 웹분석 리포트 구성과 독자적 기술발전에 의한 제품경쟁이 치열해짐.
  얼마나 많은 수의 리포트를 새로운 기술로 제공하는지가 관건이었던 시기.
• 웹분석의 대중화와 시장의 양분화(2006~2007)
  다양한 후발 제품이 등장과 포탈업체에 의한 무료 웹분석 서비스가 등장하며 웹분석의 대중화가 이루어졌고, 제품/기술경쟁에서 영업 및 마케팅경쟁 구도로 변화하기 시작.
  이에 따라 시장을 선점한 선발업체와 후발업체의 폭이 좁아지지 못하고 시장의 양분화가 시작됨.
  일반 웹분석 시장은 성장이 둔화되고 고급 웹분석 시장이 성장함.

웹분석 시장의 미래

'웹서버 로그파일 분석'에서 시작한 '웹분석'은 지금은 확연히 '웹분석' 이라는 단어에 어울리게끔, 다양한 온라인상의 데이터의 수집과 측정, 연관된 측정지표와의 결합과 현업에서 요구되는 뛰어난 리포팅 방법을 제공하고 있다.

또한, 웹분석에 대한 필요성의 이해와 대중화로 인해서 제품선택의 폭이 매우 넓어졌으며, 손쉽게 기업의 필요에 맞는 분석을 수행할 수 있게 되었다.
2000년 당시 필자가 상용 웹분석솔루션 도입을 추진하였으나 수 많은 벽에 부딪혀 결국 활용하지 못하고 주먹구구식으로 e-Business운영을 하게 된 과거 상황에 비교 한다면 매우 큰 변화라고 할 수 있다.

앞으로는 웹분석도구가 지금처럼 독립적인 제품으로서가 아니라, 부가적/필수적 기능으로서 어느 곳에나 존재하게 될 것으로 생각된다. 마치 온라인 광고서비스에, 쇼핑몰 시스템에, 컨텐츠 관리 시스템에, 블로그에 따라오는 웹분석기능처럼 어느 곳에서나 웹분석을 볼 수 있을 것이다.

이미 웹분석을 위한 기본적인 측정 및 리포팅은 특별한 기술이 아니라 기본적인 기능이 되어 가고 있다.

2002-2008 © BizSpring, Inc. & nativic.

이올린에 북마크하기(0) 이올린에 추천하기(0)