2025/03 16

그로스마케팅 수업 35일차

* API의 개념1. API는 서버와 데이터베이스에 대한 출입구 역할을 한다.- 허용된 사람들에게만 접근성을 부여해준다. 2. API는 애플리케이션과 기기가 원활하게 통신할 수 있도록 한다.- 여기서 애플리케이션이란 우리가 흔히 알고 있는 스마트폰 어플이나 프로그램을 말하는 것.3. API는 모든 접속을 표준화한다.- API는 모든 접속을 표준화하기 때문에 기계/운영체제 등과 상관없이 누구나 동일한 엑세스를 얻을 수 있다. 쉽게 말해, API는 범용 플러그처럼 작동한다고 볼 수 있다.  * API의 종류1) Private API- 내부 API로, 회사 개발자가 자체 제품과 서비스를 개선하기 위해 내부적으로 발행하기 때문에 제 3자에게 노출되지 않는다.2) Public API- 개방형API로 모두에게 공개..

그로스마케팅 수업 34일차

# 이메일 마케팅 고려영역- 컨텐츠 - What, Who → 세일즈 캠페인을 위하여 / 브랜드 인지도를 높이기 위하여- 테크닉 - How When, → 도달률을 높게 하여 / 자동화된 7개의 이메일을 매 10일마다- 마케팅 - Why → 이메일을 전달한다. / 컨텐츠를 전달한다.* 이메일 수신자가 있을때 쓰는 컨텐츠 - Broadcasting : 시의성이 있는 뉴스, 이벤트, 캠페인향 직접적이고 빠른  * 이메일 수신자를 기다리고 있는 컨텐츠 -  Automation(시퀀스) :  브랜딩 목적, 소통향, 롱텀 위주의 접근   ※ Front page popup, contact, blog 중 가장 높은 구독률을 보이는 것은 'blog'  # popup의 종류 - Overlay(modal), Slide, St..

그로스마케팅 수업 33일차

# Home Bias자신이 자라온 환경 또는 현재 살고 있는 곳과 가까울수록 편안함, 친밀감을 느끼는 것을 말한다. 친숙한 회사에 투자하는 것" 코카콜라 주식 16%를 소유하고 있는 사람들은 코카콜라 본거지가 있는 아틀란타 주민이다.  # 실제 현업에서의 CRM* Broadcasting - 지금 작성하여 지금 발송 또는 예약 발송- 시의성이 있는 캠페인, 뉴스 등 * Sequence- 미리 써놓은 메세지 (이메일, SMS, 카카오, 앱푸쉬 등)가 특정 액션에 따라 발송* Engagement - 브랜드 및 서비스와 고객과의 친밀도 형성* Trigger based - 고객 행동 패턴에 따른 메시지   # Hero Contents 만들기Attention Grabber → 소비자 학습구간 → 유지구간 → 리텐션..

그로스 마케팅 수업 32일차 (수정보완예정)

# 빅데이터 활용의 진화인터넷에서 첫번째로 판 물건은 소비재(CPG) - 1세대두번째로 판 물건은 Digital Goods (PDF, Apple, Music, Netflix) - 2세대그렇다면 현재 우리가 알고 있는 세계적인 회사(Google, Meta 등)들이 돈을 벌고 있는 아이템은?바로 '데이터'→ 데이터를 활용해서 광고 타겟을 더 정교하게 나누고, 개인 맞춤형 광고를 제공. 성인 산업은 온라인 결제 기술 발전에 큰 영향.1990년대 초, 성인 콘텐츠 사이트가 온라인 유료 결제를 선도하며 신용카드 결제가 활성화됐다. 이후 빠르고 익명성이 보장되는 결제 수단에 대한 수요로 '원클릭 결제, 자동 결제(구독 모델)'이 먼저 도입되었고, 다른 업계로 확산됐다.→ 이와 함께 사용자 데이터를 분석하는 추천 알..

그로스마케팅 수업 31일차 (6가지 인지편향, AARRR)

사람들이 광고를 클릭하는 이유 - 혜택(Benefit), 호기심(Curiosity) 때문. Category heuristic (카테고리 휴리스틱)사람들이 의사결정을 할 때 정보를 단순하게 범주로 묶어 판단하는 경향.복잡한 정보를 단순하게 정리하면 더 쉽게 받아들임."이 브랜드는 고급 제품이야" → 브랜드 자체가 품질이 좋다고 믿고 구매 결정."베스트셀러 TOP 3" → 가장 좋은 제품 3개만 보여주면 소비자가 쉽게 결정 가능."초보자는 이 3가지만 알면 돼!" → 정보를 3가지로 묶어주면 이해하기 쉬워짐.Social proof (사회적 증거)다른 사람들이 하는 행동을 따라 하려는 심리.FOMO (Fear of Missing Out)" → 다른 사람들이 하고 있으면 나도 놓치지 않으려는 심리."이 레스토랑..

LSTM 이해와 마케팅 데이터를 활용한 실습, LSTM 모델 성능평가

LSTM(Long Short-Term Memory)의 개념LSTM은 RNN(Recurrent Neural Network)의 한 종류로, 장기 의존성(Long-term dependency) 문제를 해결하기 위해 개발된 모델이다.기본 RNN은 시간이 지남에 따라 기울기 소실(Vanishing Gradient) 문제가 발생하는데, LSTM은 셀 상태(Cell State)와 게이트 구조(Gates)를 활용하여 이를 해결한다. (w가 지워지지 않도록) LSTM의 주요 구성 요소셀 상태(Cell State): 네트워크의 장기 기억을 유지하는 경로입력 게이트(Input Gate): 새로운 정보를 셀 상태에 추가할지 여부 결정망각 게이트(Forget Gate): 불필요한 정보를 제거출력 게이트(Output Gate):..

계절성을 고려한 회귀분석 / 인공신경망의 기본 구조 & 역전파와 딥러닝 모델 학습 설명

계절성을 고려한 회귀 분석 (Seasonal Regression Analysis) 기본 개념회귀 분석은 종속 변수와 독립 변수 간의 관계를 분석하는 통계 기법이다. 그러나 많은 데이터는 시간에 따라 반복되는 계절적 패턴을 가지고 있다. 계절성을 고려하지 않으면 모델이 데이터의 패턴을 제대로 학습하지 못할 수 있다. (증감 영역을 잘 모르기 때문에)( 예 : 아이스크림 판매량은 여름에 많고 겨울에 적음 / 난방기 판매량은 겨울에 많고 여름에 적음 / 월별 실업률, 주식 가격 등도 특정 시기에 따라 변할 수 있음 (경기 순환 등) )계절성을 고려한 회귀 분석은 시간 요소(예: 월, 분기, 연도 등)를 독립 변수로 추가하여 계절적 변동을 반영하는 방법이다. 일반적으로 다음과 같은 방법을 사용한다. 1. 더미 ..

차원축소, 계층적 군집 분석, 시계열데이터 예측 (회귀분석, 이동평균(MA), 지수 가중 이동 평균 (EMA)) / 마케팅 보고서 작성 연습

※ 데이터에서의 '차원' 표현데이터에서의 차원은 데이터를 표현하거나 구조화하는 방식과 관련이 있다. 스칼라(0D): 하나의 숫자 값(단일 데이터 포인트)으로 차원이 없다. (예 : 3)1차원(1D): 값들이 한 줄로 나열된 형태 (예 : [3, 4, 5])2차원(2D): 값들이 행과 열 형태로 정렬된 구조. (예 : 행렬(Matrix), 표(Table, DataFrame), 흑백이미지) 이때, 변수의 개수에 따라 차원이 결정됨. 행과 열이 있는 데이터 구조는 2차원으로 이해하고, 이때 열(변수)의 개수에 따라 차원이 달라진다. - 데이터 분석 관점에서 볼 때 배열로 표현하면 : 3차원(3D): 여러 개의 2D 행렬이 쌓인 형태로, 더 높은 차원 데이터 구조를 형성. (예 : 컬러 이미지 데이터)  4차원..

인공신경망(ANN), 다층신경망(MLP), 심층신경망(DNN) / ( 결정트리, 랜덤포레스트, K-평균군집화 복습 )

인공신경망(ANN)├── 단층신경망(SLP) (은닉층 없음)├── 다층신경망(MLP) (은닉층 1개 이상)│ ├── 심층신경망(DNN) (은닉층 3개 이상) 인공신경망(ANN)은 다층신경망(MLP)과 심층신경망(DNN)을 모두 포함하는 상위 개념ANN ⊃ MLP ⊃ DNN  ANN(Artificial Neural Network)인공신경망(Artificial Neural Network, ANN)은 인간의 뇌 구조를 모방한 기계 학습 모델로, 주로 패턴 인식, 분류, 예측 등의 문제 해결에 사용된다. 생물학적 뉴런인공 뉴런수상돌기(Dendrite) → 다른 뉴런으로부터 신호(입력)를 받음입력(Inputs, x₀, x₁, ...) → 데이터를 입력받음세포체(Cell Body) → 신호를 처리가중치(Weight..

k-NN 알고리즘, 서포트 벡터 머신(SVM), flask 웹실습

k-NN 알고리즘k-NN은 새로운 데이터가 들어왔을 때, 그 주변에 있는 가까운 데이터(k개)를 참고하여 값을 예측하는 방법.'비슷한 데이터는 서로 가까이 모여 있다'는 개념을 이용하는 알고리즘. 작동 방식1. 거리 측정새로운 데이터가 들어오면, 기존에 있던 모든 데이터와의 거리를 계산.보통 유클리드 거리(Euclidean Distance) 를 많이 쓰는데, 쉽게 말하면 '두 점 사이의 직선 거리'이다. 맨해튼 거리(Manhattan Distance) 같은 다른 방식도 사용가능.(맨해튼 거리는 '직선이 아닌 격자형 길을 따라 이동하는 거리'라고 생각하면 됨.)2. 이웃 선택모든 데이터와의 거리를 구한 뒤, 가장 가까운 k개의 데이터를 선택.여기서 k는 미리 정한 숫자. (예: k=3이면, 가장 가까운 3..