Idea To Business Process Part 8
How To do Marketability Analysis
시장성 분석하는 방법을 이해한다
시장성 분석의 필요성
시장성 분석 절차
시장 분석의 범위와 내용
전체 시장의 동향 분석
시장 성장성 분석
유통 채널 분석
제품성 및 경쟁 관계 분석
목표 산업의 특성과 구조 분석
제품의 수요 분석
제품의 상품 가격 분석
시장, 제품, 환경 분석
BMO test : 사업 매력도 검토
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [마페터 팀] : 고객 페르소나를 활용한 마케팅 전략 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 마페터 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터 시각화 프로젝트를 진행한 Marpeter 팀에서는 마케팅 대시보드를 제작하였습니다.
저희의 대시보드는 고객 생애 주기, 광고 성과 분석, 페르소나 도출 페이지로 구성되어 있습니다.
먼저 고객 생애 주기 페이지는 AARRR 퍼널을 통해 고객 생애 주기를 분석할 수 있습니다. 사전에 군집화가 이루어진 고객 그룹별로, 유입부터 재구매에 이르기까지 고객의 생애 주기를 분석하여 각 생애 주기 단계별 주요 지표들을 통해 각 단계의 전환율을 높일 수 있는 마케팅 전략을 수립할 수 있습니다.
광고 성과 분석 페이지에서는 고객들이 홈페이지에 남긴 흔적 데이터를 종합적으로 분석하여 비용 대비 최고의 성과를 내는 채널 별 최적의 마케팅 프로세스를 찾습니다. 원하는 채널을 클릭하면 퍼포먼스 마케팅의 KPI를 파악하고 ‘cost’와 ‘action’을 기준으로 광고 성과를 분석할 수 있습니다. 또한 해당 채널에 접근한 고객의 특성과 추천 페르소나를 확인할 수 있습니다.
마지막으로 페르소나 도출 페이지에서는 타깃 시장에 속한 사람들 간의 공통점을 가지고 실존하는 인물처럼 구체적인 정보를 가진 페르소나를 제시하여 더욱 생산적인 구매자 참여를 유도하는 마케팅 전략 정보를 제공합니다. 구체화된 페르소나의 이름을 클릭하면 나이, 직업, 가족 정보 등의 인구통계학적 정보뿐만 아니라 특징, 소비습관, 취향 등을 확인할 수 있습니다. 이를 통해 이상적인 타깃과 부정적인 타깃을 파악하고 페르소나 별 마케팅 전략을 기획할 수 있습니다.
17기 변강준 동국대학교 산업시스템공학과
17기 윤성원 이화여자대학교 통계학과 석사
17기 이소정 숙명여자대학교 통계학과
17기 이승권 건국대학교 응용통계학과
17기 이현지 이화여자대학교 통계학과 석사
17기 조세연 연세대학교 의류환경학과
Idea To Business Process Part 8
How To do Marketability Analysis
시장성 분석하는 방법을 이해한다
시장성 분석의 필요성
시장성 분석 절차
시장 분석의 범위와 내용
전체 시장의 동향 분석
시장 성장성 분석
유통 채널 분석
제품성 및 경쟁 관계 분석
목표 산업의 특성과 구조 분석
제품의 수요 분석
제품의 상품 가격 분석
시장, 제품, 환경 분석
BMO test : 사업 매력도 검토
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [마페터 팀] : 고객 페르소나를 활용한 마케팅 전략 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 마페터 팀에서는 아래와 같은 프로젝트를 진행했습니다.
데이터 시각화 프로젝트를 진행한 Marpeter 팀에서는 마케팅 대시보드를 제작하였습니다.
저희의 대시보드는 고객 생애 주기, 광고 성과 분석, 페르소나 도출 페이지로 구성되어 있습니다.
먼저 고객 생애 주기 페이지는 AARRR 퍼널을 통해 고객 생애 주기를 분석할 수 있습니다. 사전에 군집화가 이루어진 고객 그룹별로, 유입부터 재구매에 이르기까지 고객의 생애 주기를 분석하여 각 생애 주기 단계별 주요 지표들을 통해 각 단계의 전환율을 높일 수 있는 마케팅 전략을 수립할 수 있습니다.
광고 성과 분석 페이지에서는 고객들이 홈페이지에 남긴 흔적 데이터를 종합적으로 분석하여 비용 대비 최고의 성과를 내는 채널 별 최적의 마케팅 프로세스를 찾습니다. 원하는 채널을 클릭하면 퍼포먼스 마케팅의 KPI를 파악하고 ‘cost’와 ‘action’을 기준으로 광고 성과를 분석할 수 있습니다. 또한 해당 채널에 접근한 고객의 특성과 추천 페르소나를 확인할 수 있습니다.
마지막으로 페르소나 도출 페이지에서는 타깃 시장에 속한 사람들 간의 공통점을 가지고 실존하는 인물처럼 구체적인 정보를 가진 페르소나를 제시하여 더욱 생산적인 구매자 참여를 유도하는 마케팅 전략 정보를 제공합니다. 구체화된 페르소나의 이름을 클릭하면 나이, 직업, 가족 정보 등의 인구통계학적 정보뿐만 아니라 특징, 소비습관, 취향 등을 확인할 수 있습니다. 이를 통해 이상적인 타깃과 부정적인 타깃을 파악하고 페르소나 별 마케팅 전략을 기획할 수 있습니다.
17기 변강준 동국대학교 산업시스템공학과
17기 윤성원 이화여자대학교 통계학과 석사
17기 이소정 숙명여자대학교 통계학과
17기 이승권 건국대학교 응용통계학과
17기 이현지 이화여자대학교 통계학과 석사
17기 조세연 연세대학교 의류환경학과
[비즈스프링]BizSpring Attribution™ (비즈스프링 어트리뷰션) 소개서BizSpring Inc.
비즈스프링 어트리뷰션 소개서입니다.
마케팅 성과기여 모델에 의한 온라인 마케팅/광고의 퍼포먼스 분석과 시뮬레이션을 이용한 마케팅 계획, 미디어믹스/플래닝을 위해 준비된 솔루션입니다.
대행사(marketing agency) 및 클라이언트(in-house)의 마케팅 집행 및 보고책임자와 광고집행 실무자에게 적합합니다.
더욱 자세한 내용은 bizspring.co.kr 에서 확인하세요.
디지털마케팅의 효율적인 실행과 운영 그리고 분석을 통해 기업의 마케팅 생산성을 높이고 영업과 마케팅의 연계를 통해 비지니스 가치를 극대화하는 마케팅자동화솔루션인 Marketo(마케토) 를 소개합니다. 마케토는 디지털 마케팅을 통해 비지니스 가치를 높이고자 하는 기업들을 위한 솔루션입니다.
Idea To Business Process Part 5
How to build Business Model - II
Revenue streams, Channel, Customer Relationships
수익 흐름 (Revenue Streams)
유통 (Channels)
고객 관리 (Customer Relationships)
No.1 Data Partner for Data-Driven Growth
비즈스프링은 온라인 고객 행동 및 마케팅 데이터에 특화된 데이터 전문 기업입니다.
비즈스프링은 2002년부터 온라인 고객행동과 마케팅에 특화된 빅데이터의 직접적 수집/적재/리포팅 기술을 기반으로 MarTech 및 AdTech 분야의 다양한 솔루션과 데이터를 제공하며,
데이터 엔지니어링 업무와 함께 머신러닝/인공지능을 응용한 플랫폼 구축을 수행해 왔습니다.
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
The document discusses improving engineering efficiency through the use of analytics. It describes how JMP software helps individuals, teams, and organizations increase engineering efficiency by enabling faster problem solving, proactive process improvement, and more productive use of time. Examples are given of companies that saw improvements such as reducing design time by over 75% and reducing data preparation work from one week to 15 minutes through the use of JMP analytics.
실험 설계의 강화 - 단순함에서 정교함으로 (Empowering Experimental Designs: From Simplicity to Sophistication)
Ryan Lekivetz (JMP), Elizabeth Claassen (JMP)
Discovery Summit Korea 2023
[비즈스프링]BizSpring Attribution™ (비즈스프링 어트리뷰션) 소개서BizSpring Inc.
비즈스프링 어트리뷰션 소개서입니다.
마케팅 성과기여 모델에 의한 온라인 마케팅/광고의 퍼포먼스 분석과 시뮬레이션을 이용한 마케팅 계획, 미디어믹스/플래닝을 위해 준비된 솔루션입니다.
대행사(marketing agency) 및 클라이언트(in-house)의 마케팅 집행 및 보고책임자와 광고집행 실무자에게 적합합니다.
더욱 자세한 내용은 bizspring.co.kr 에서 확인하세요.
디지털마케팅의 효율적인 실행과 운영 그리고 분석을 통해 기업의 마케팅 생산성을 높이고 영업과 마케팅의 연계를 통해 비지니스 가치를 극대화하는 마케팅자동화솔루션인 Marketo(마케토) 를 소개합니다. 마케토는 디지털 마케팅을 통해 비지니스 가치를 높이고자 하는 기업들을 위한 솔루션입니다.
Idea To Business Process Part 5
How to build Business Model - II
Revenue streams, Channel, Customer Relationships
수익 흐름 (Revenue Streams)
유통 (Channels)
고객 관리 (Customer Relationships)
No.1 Data Partner for Data-Driven Growth
비즈스프링은 온라인 고객 행동 및 마케팅 데이터에 특화된 데이터 전문 기업입니다.
비즈스프링은 2002년부터 온라인 고객행동과 마케팅에 특화된 빅데이터의 직접적 수집/적재/리포팅 기술을 기반으로 MarTech 및 AdTech 분야의 다양한 솔루션과 데이터를 제공하며,
데이터 엔지니어링 업무와 함께 머신러닝/인공지능을 응용한 플랫폼 구축을 수행해 왔습니다.
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
The document discusses improving engineering efficiency through the use of analytics. It describes how JMP software helps individuals, teams, and organizations increase engineering efficiency by enabling faster problem solving, proactive process improvement, and more productive use of time. Examples are given of companies that saw improvements such as reducing design time by over 75% and reducing data preparation work from one week to 15 minutes through the use of JMP analytics.
실험 설계의 강화 - 단순함에서 정교함으로 (Empowering Experimental Designs: From Simplicity to Sophistication)
Ryan Lekivetz (JMP), Elizabeth Claassen (JMP)
Discovery Summit Korea 2023
The document discusses JMP and Python for statistical analysis and data science. It provides a SWOT analysis comparing the strengths, weaknesses, opportunities, and threats of each. While JMP has strengths in its user-friendly GUI and built-in statistical tools, Python has advantages in its open source nature, scalability, and versatility. The document argues that both JMP and Python are needed - JMP for common statistical analyses and visualization, and Python for tasks like data preprocessing, machine learning, and automation. It proposes training to help users integrate the two platforms.
Hi-JMP is a platform developed by SK hynix to improve data analysis efficiency and enable sharing of analysis content. It provides an app store, development console, and home interface to allow users to search, deploy, customize, and run JMP applications without installation. The platform uses dynamic UI, no-installation deployment, and a backend API to integrate various data sources and automate repetitive analysis tasks. A demo showed the app store, development console, and home features in action.
The document discusses using negative space in figure drawing to help draw the figure more easily. It then discusses using negative design space exploration in early stage naval ship design rather than positive design. This allows removing constraints to identify uncertainties and define feasible design ranges earlier to support decision making. Dynamic visualization tools are proposed to allow quicker exploration of design space, generation of more design alternatives, and obtaining insights from sensitivity analysis earlier in the design process.
8. I. CCR(고객핵심요구사항) 분석을 통한 영업전략 수립
⚫ 각 고객들의 CCR을 통합적으로 분석하는 경우에는 PCA분석의 Biplot 분석을
활용함
9. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 프로모션 요인과 경기지표를 고려하여 매출(프로모션 효과) 예측
10. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 유통 채널 별 매출, 프로모션 유형/비용/기간, 경기지표 데이터를 수집 통합함
11. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 각 데이터에 대한 탐색적 분석을 실시하여, 이상치, 기본 패턴, 등 데이터
신뢰성을 검토함
12. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 각 프로모션 및 경기지표 요인과 프로모션 매출의 상관관계를 분석하여
중요변수를 파악함
13. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 변수 군집화(Cluster Variables) 분석을 통한 차원축소(중요변수 선별)을
실시하여 총 10개의 경기요인 변수를 4개 변수로 축소함
14. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 다중회귀분석을 통하여 매출 예측 모델을 구축한 결과, R^2 = 75%의 예측
함수식을 얻을 수 있었음
15. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 각 채널 별 효과가 검증된 프로모션 방법을 분석하고, 대응분석을 실시하여, 각
채널 별 효과적인 프로모션 방법을 선별함
16. II. 생활용품 채널 별 프로모션 효과 분석
⚫ 각 채널 별 효과가 검증된 프로모션 방법을 제시함
17. III. Summary
⚫ 영업/마케팅 분야의 다양한 시장 및 고객 정보를 분석하여
활용하기 위하여 JMP는 아주 편리한 분석/시각화 도구 임
⚫ Tables / Tabulate / Graph Builder / Data Filter / Column
Switcher 등 쉽고 편리한 기능들은 영업/마케팅 데이터 분석에
아주 유용함
⚫ Multivariate(PCA, 군집분석) / Modeling / Screening 기능도
유용함
⚫ 감성 품질이나 소비자 조사 측면에서 Choice / MaxDiff 기능은
아주 강력한 분석 도구임