[내배캠 D+66] 데이터 분석 개인 과제 1일차

 

내배캠 66일차! 오늘은 데이터 분석 개인 과제를 시작하면서, 현재까지 진행한 부분에 대해 말해보려 한다.

---

데이터 분석 과제: 광고 지표, GA4, 개선안

※ 본 글은 학습을 목적으로 작성된 게시물로, 특정 브랜드·제품·서비스명이 언급될 수 있습니다. 이는 순수한 예시일 뿐이며, 상업적 목적은 전혀 없음을 밝힙니다.

 

데이터 분석 과제는 필수 파트 3개, 도전 파트 2개로 구성되어 있는데, 오늘은 필수 파트 3개까지 진행했다. 다만 내일 다시 한 번 체크한 뒤, 도전으로 넘어갈 예정이다. 

 

우선 필수 1은 광고 지표 계산과 캠페인 개선안 제시였다. 광고 지표 계산은 강의 노트를 복습하며 계산 공식을 적용했고, 데이터 간 차이가 비교적 명확해 개선이 필요한 지점을 파악하는 데 큰 어려움은 없었다.

광고 지표 계산 예시

 

본격적으로 어렵다고 느끼기 시작한 건 필수 2와 필수 3였다.

 

필수 2는 GA4를 활용한 분석이었다. GA4에서 데이터를 추출하고, 이를 기반으로 인사이트를 도출하는 과정 자체는 어렵지 않았지만, 내가 제시한 액션 플랜이 과연 현실적인지에 대한 고민이 생겼다. 인사이트 도출의 핵심은 결국 액션 플랜인데, 내가 작성한 내용이 실제 실무에서도 적용 가능한 솔루션일지 계속해서 고민하게 됐다.

GA4로 추출한 데이터

 

필수 3은 주어진 데이터를 기반으로 문제 정의, 목표, 액션, 기대 효과를 작성하는 파트였다.

 

데이터는 월별 채널 성과, 광고 소재, 고객 세그먼트로 구성되어 있었고, 전반적인 트렌드는 전환율 하락이 명확하게 드러났다. 이를 문제로 정의하고, 전환율이 높은 광고 소재와 고객 세그먼트 중심으로 최적화가 필요하다고 정리했다. 액션 파트에서는 해당 내용을 좀 더 구체화해서 작성했고, 목표와 기대 효과에는 가능한 한 정확한 수치를 포함해 구체적으로 쓰려고 노력했다.

데이터 예시

 

과제를 진행하면서 전체적으로 느낀 점은, 강의에서 배운 PSI 프레임워크가 자연스럽게 적용되었다는 것이다.

 

PSI(Problem–Solution–Impact) 순서로 데이터 분석을 통해 문제를 정의하고 인사이트를 도출한 뒤, 솔루션에 해당하는 액션 플랜을 제시하고 마지막으로 기대 효과를 정리하는 흐름이 과제를 진행하는 데 꽤 도움이 되었다. 또한 GA4로 실제 데이터를 직접 추출해보면서, GA4에 더 익숙해지는 계기가 된 것 같다.

 

---

💭 오늘의 회고

오늘은 데이터 분석 개인 과제 1일차를 이렇게 마무리했다. 고민을 많이 하면서 필수 3파트까지 과제를 진행했는데, 내일 다시 한 번 점검하고 수정한 뒤 도전 과제로 넘어갈 예정이다. 내일은 다양한 인사이트 도출 사례와 액션 플랜 예시를 찾아보면서, 내가 작성한 액션 플랜이 현실적으로 가능한지 한 번 더 고민해봐야 할 것 같다.

 

오늘의 TIL 끝.