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)

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.

2008 © nativic

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)

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.

© nativic.

이올린에 북마크하기(0) 이올린에 추천하기(0)

웹분석과 ASP/SaaS

몇 해전 '웹분석이야말로 ASP(Application Service Provider)사업모델에 가장 적합한 사업분야이다' 라는 글을 어느 해외 웹사이트에서 읽었던 기억이 있다. 이는 Page Tagging(Script Embedding)방식의 웹분석이 점차 선호되면서 ASP모델을 통해 웹분석사업이 크게 확장되던 2002년 이후에 언급되었던 내용이다.

지금은 ASP보다 SaaS(Software as a service)라는 용어를 통해 좀더 확장된 개념으로서의 ASP서비스가 관심을 받고 있는 상황이고, 이 중에서 eCRM분야의 성장율이 가장 높은 상황이다.

웹분석이 eCRM에서 분석CRM영역으로서 한 부분을 차지하고 있는 상황에서, 웹분석과 ASP/SaaS 시장의 흐름을 살펴보는 것이 의미가 있겠다.

ASP와 SaaS

ASP(Application Service Provider)는 '소프트웨어 임대 서비스 공급자' 또는 이와 같은 소프트웨어 제공방법을 의미한다. 하지만 ISP(Internet Service Provider, 인터넷 서비스 공급자, KT메가패스/하나로텔레콤 하나포스 등)와 같은 용어처럼, 과거에는 소프트웨어의 제공방법보다 소프트웨어를 임대형태로 공급하는 회사라는 의미가 좀더 강한 용어였다.

지금은 ASP형태의 서비스가 상당히 다양화되고 발전한 까닭에, 소프트웨어를 제공하는 방법에서도 좀더 세분화가 필요하게 되었고, SaaS(Software As A Service)라는 용어가 대두되게 되었다.

SaaS는 ASP의 용어에서 느껴지는 '공급자' 라는 부분이 배제되고, 의미의 중심이 '소프트웨어'에 집중되어 표현된 용어이다. 하지만 두 용어의 명확한 선을 구분하는 것이 ASP용어의 의미확장으로 인해 어려운 상황이며, ASP와 SaaS 모두 '온라인을 통한 소프트웨어/애플리케이션 제공'이라는 의미로 사용되고 있다.

한국정보사회진흥원(NIA)의 '2007 ASP/SaaS 백서'에서 ASP와 SaaS를 구별하여 설명한 표를 살펴보면 다음과 같다.

( 출처 : 한국정보사회진흥원 2007 ASP/SaaS 백서 P174 )

ASP의 서비스방식은 위에 언급된 사항은 물론, 소프트웨어를 고객사에 설치하고 제공하는 '임대'형식의 서비스도 있으나, 최근의 ASP는 모두 온라인을 통해 제공되는 추세에 따라 '공통점' 항목으로 묶은 것으로 보인다.

'ASP'라는 용어를 두고 'SaaS' 라는 용어가 등장한 배경에는 'Software' 라는 것에 중점을 두었다는 것도 있겠지만, OpenAPI, RIA를 위한 기술(AJAX/FLEX 등), REST(Representational State Transfer)들이 적극적으로 도입되어 '플랫폼'화가 가능한 환경을 갖추었느냐가 가장 큰 차이 요소로 생각된다.

쉽게 생각하면 "SaaS가 ASP보다 WEB 2.0스럽다." 라고 해도 무리가 없을 듯 하다.

ASP/SaaS의 기술적 흐름

On-Demand Software 라고도 불려지는 ASP/SaaS 시장에서, 효과적으로 1대 다(多)서비스를 안정적으로 제공하고, 플랫폼으로서의 인터넷을 이용하여 각 서비스가 마치 하나의 소프트웨어 API처럼 작동하기 위해서 여러 기술들이 활용되고 있다.

ASP/SaaS의 가장 큰 기술적 특징은 OS(운영체제)에 대해 독립적인 점이라 하겠다. 인터넷상의 소프트웨어 서비스가 컴퓨터의 역할을 수행하고, 웹브라우저가 이에 접속하여 애플리케이션을 이용하는 터미널 역할을 한다고 보면 되겠다.

또한 각각 소프트웨어를 하나의 프로그래밍 라이브러리로 보고, 각 서비스의 제공기능을 한곳에 합쳐 새로운 서비스를 구현하기도 한다. 이는 Mash Up이라고 불려지는데 WEB 2.0 시대에서 보여지는 새로운 소프트웨어 개발방법이라고 볼 수도 있겠다. 이를 위해 Open API, REST 등이 활용되고 있다.

데이터처리 능력은 ASP/SaaS에 의해 제공되고, 일반적으로 웹브라우저에 의해 '서비스로서의 소프트웨어'를 사용하기 위해 풍부한 사용자인터페이스(UI)와 빠른 응답처리를 구현해야 할 필요성이 나타났다.

초기에는 Active-X 또는 Java Applet 등이 사용되었으나, 현재에는 좀더 가볍고 OS/브라우저 종속성을 탈피하기 위하여 자바스크립트를 이용한 AJAX와 ADOBE의 FLEX등을 많이 이용하는 추세이다.

과거의 소프트웨어 개발방법과 ASP/SaaS를 비교한다면 다음과 같이 비교해 볼 수 있을것이다.

SLA( Service Level Agreement )

온라인을 통한 소프트웨어 제공에서는 소프트웨어의 불법적인 복제와 유통을 예방하기 위한 라이선스 계약보다는 전체 제공하는 소프트웨어의 범위와 수준에 대한 계약이 더욱 중요하게 되었다.

ASP/SaaS에서 SLA(Serivce Level Agreement)는 다음과 같은 항목들이 포함되는 것이 일반적이다.

• 비밀유지 : 고객정보 및 Application 사용에 의해 생성된 데이터에 대한 비밀유지
• 보안유지 : 서비스를 제공하는 시스템에 대한 내부/외부 침입에 대한 보안수준 유지
• 사고복구 : 시스템장애등에 의해 서비스의 장애가 발생하거나, 데이터의 손실이 있을 경우 복구수준과 보상정책
• 소유권 : 서비스를 제공하는 소프트웨어의 소유권과 생성된 데이터에 대한 소유권
• 책임 : 각종 사고 및 ID등의 유출상황별 책임

eCRM(웹분석)과 ASP/SaaS

eCRM 및 웹분석은 IT를 기반으로 하고, 온라인상의 e-Business를 위한 Tool/Application이 주를 이룬다는 점에서, ASP/SaaS 형태로 제공되기에 적합한 분야라 할 수 있다.

2005년 전 세계 SaaS시장은 50억 달러를 이뤘고, 2010년 155억 달러로 예상되는 시장에서 CRM분야가 가장 큰 점유율을 차지하고 있다. Operational CRM의 주요 분야라고 할 수 있는 Sales Automation 에서는 ASP/SaaS를 주력보델로 하고 있는 Salesforce.com 이 5년연속 60% 이상의 매출성장세를 이어가고 있다고 한다.

주요 분야별 CRM 애플리케이션 매출 추세는 아래와 같다.

단위: 100만달러 , 출처: IDC 2007.6

주요 업체들의 점유율은 다음과 같다.

단위: 100만달러 , 출처: IDC 2007.6

이중 ASP/SaaS를 주요 사업모델로 하는 Saleforce.com 의 성장이 두드러지며, 웹분석을 기반으로 eCRM에 진입하는 Omniture의 성장이 돋보인다.

Omniture는 웹분석 ASP서비스를 주요 사업모델로 하여 성장해 왔으며, 2007년 Behavioral Targeting 솔루션 업체인 Touch Clarity, 개인화추천 Offermatica 및 웹분석경쟁사인 Visual Sciences 와 WebsideStory를 인수하여 사업규모와 범위가 크게 확장되었다.

현재는 Marketing Automation 업체로 IDC는 분류하고 있다.

앞으로는 웹분석이 분석CRM의 기본을형성하기 위한 Data Source로서의 역할이 커지고 있는 만큼, Platform화를 통해 웹분석에서 eCRM으로의 확장이 더욱 커질것으로 예상된다.

이때 ASP/SaaS의 발전과 더불어 웹분석의 방향을 가늠해 볼 수 있겠다.

이올린에 북마크하기(0) 이올린에 추천하기(0)