Adobe Analytics FAQ

Adobe Analytics의 리마케팅 트리거는 마케터가 중요한 소비자 행동을 파악 및 정의하고 지속적으로 모니터링하도록 지원합니다. 소비자 행동이 감지되면 시스템은 개인화된 이메일 같은 솔루션 간 커뮤니케이션을 시작하여 방문자의 재참여를 유도할 수 있습니다. 이 기능은 수동적인 데이터 관찰을 능동적인 재참여 기회로 전환하여 역동적인 반응형 마케팅 전략의 필수적인 부분을 담당합니다. 근본적으로는 관찰된 디지털 보디랭귀지를 시의적절하고 관련성 있는 상호 작용으로 전환하는 것이 핵심입니다.

고객이 장바구니를 포기할 때가 기본 트리거를 활용하는 전형적인 경우이긴 하지만, 진정한 데이터 기반 비즈니스에서 리마케팅 트리거의 활용 시나리오는 이보다 훨씬 다양합니다. Adobe Analytics를 사용하면 개별 이벤트뿐만 아니라 실시간으로 사용 가능한 모든 데이터를 활용하는 리마케팅 트리거를 구성할 수 있습니다. 이러한 포괄적인 데이터 활용은 Adobe Analytics의 핵심적인 차별화 요소입니다. 이처럼 기본 트리거의 활용은 리마케팅 트리거로 할 수 있는 일 중 극히 일부에 불과하며, Adobe Analytics는 리마케팅에 대한 보다 거시적이고 세심하며 궁극적으로 더 강력한 접근 방식을 지향합니다. 많은 이메일 또는 캠페인 관리 솔루션이 기본 트리거를 제공하지만, 크로스채널 리마케팅 프로그램의 효과를 극대화하려면 보다 광범위한 접근 방식이 필요합니다.

Adobe Analytics의 유연한 기능으로 다양한 소비자 행동에 따라 리마케팅 트리거를 구성할 수 있습니다. 여기에는 장바구니에서 제품을 삭제하는 등 장바구니 포기를 비롯한 일반적인 e커머스 시나리오가 포함됩니다. e커머스 외에도 뉴스레터 가입, 이메일 구독, 신용카드 신청, 충성도 프로그램 신청, 기타 사용자 정의 행동에 따라 트리거를 실행할 수 있습니다. Adobe Analytics의 뛰어난 적응성을 보여주는 이러한 다양한 행동 트리거를 활용해 고객 여정 전반에 걸쳐 다양한 전환 목표와 특정 접점에 따라 리마케팅 활동을 조정할 수 있으며, 단순한 거래 회복을 넘어 여러 목적에 트리거를 광범위하게 사용할 수 있습니다.

Adobe Analytics는 Adobe Campaign과의 효율적인 통합 기능을 제공합니다. 이러한 통합은 신속하게 이루어져 마케터가 리마케팅 전략을 빠르게 구현할 수 있습니다. 통합된 두 시스템은 서로 연동되어 트리거 이벤트가 발생하면 마케터가 거의 즉시 조치를 취할 수 있어 최적의 순간에 리마케팅 메시지를 발송할 수 있습니다. 이러한 긴밀한 통합은 인사이트를 행동으로 옮기는 데 핵심적인 역할을 합니다.

광범위한 주요 소비자 행동을 모니터링하고 솔루션 간 커뮤니케이션, 특히 Adobe Campaign을 통해 실시간으로 커뮤니케이션을 실시할 수 있는 기능은 엄청난 변화를 의미합니다. 이를 통해 기업은 마케팅을 사후 대응적이고 일괄적인 리마케팅 전략에서 사전 예방적이고 개인화된 고도의 상황별 대규모 참여 모델로 전환합니다 이는 기업이 다양한 고객 신호에 의해 트리거되는 고객 육성 흐름을 자동화하여 보다 의미 있는 고객과의 상호 작용을 유도할 수 있습니다.

Adobe Analytics와 AEM Sites는 기본 통합을 바탕으로 지속적인 양방향 인사이트 흐름을 구축합니다. 고객 행동 및 콘텐츠 성과에 관한 분석 데이터는 AEM에 공급되며, 고객에게 제공된 콘텐츠에 대한 정보는 Analytics 내에서 확인할 수 있습니다. 이러한 정보의 상호 교환은 고객 데이터와 고객이 상호 작용한 콘텐츠 모두에 대한 단일 정보 소스를 만드는 것을 목표로 합니다. 이 통합 보기는 고객 행동 이해(Analytics의 영역)와 맞춤형 콘텐츠 경험 제공(AEM의 역할) 사이에 종종 존재하는 단절을 해소하는 데 매우 중요한 역할을 합니다. 그 결과 인사이트는 콘텐츠를 이끌고, 콘텐츠의 성과는 인사이트를 개선하는 선순환 구조가 발생합니다.

Adobe Analytics와 AEM Sites를 통합하면 비즈니스에 몇 가지 이점을 얻을 수 있습니다. 그중 하나는 분석과 콘텐츠 관리 간의 운영을 간소화하는 시스템 간 워크플로우를 구축할 수 있다는 점입니다. AI(인공 지능) 자동화를 통해 고급 개인화로 고유한 대상에 맞게 자산을 거의 무제한으로 변형할 수 있습니다. 더불어 고객 액션, 행동, 요구 사항에 실시간으로 적응하는 다이내믹 콘텐츠를 쉽게 생성할 수 있습니다. 또한 헤드리스 CMS(콘텐츠 관리 시스템) 아키텍처를 통해 크로스채널 경험의 구축 및 전달이 가능합니다.

Adobe Analytics의 예외 항목 탐지는 통계 모델링 및 머신 러닝 기술을 활용하여 데이터의 예기치 않거나 통계적으로 유의미한 편차를 자동으로 식별하는 기능입니다. 광범위한 데이터 세트를 체계적으로 검색하여 비즈니스에 영향을 미치는 요인을 신속하게 찾아낼 수 있도록 설계되었습니다. 이 기능은 시간이 많이 걸리고 수작업으로 진행되는 경우가 많은 기존 프로세스를 자동화합니다. 눈에 띄지 않아 쉽게 지나칠 수 있는 중요한 변화를 사전에 표시하므로 분석가와 마케터가 가장 필요한 영역에 주의를 집중할 수 있습니다.

예외 항목 탐지는 트래픽 또는 기타 주요 지표의 예기치 않은 급등 또는 급락을 식별하여 이러한 결과를 명확한 시각적 데이터로 보여줍니다. 예외 항목의 예로는 마케팅 캠페인이 예상보다 좋은 성과를 거두는 등의 긍정적인 결과나 웹사이트 버그, 태그 오류, 기업 스파이 활동과 같은 부정적인 문제까지 여러 가지 중요한 이벤트를 의미할 수 있습니다. 예외 항목의 원인이 긍정적이든, 부정적이든 이를 신속하게 파악하는 것이 기업에 유리합니다. 예외 항목 탐지의 주요 가치는 예외 항목을 식별하는 속도, 그리고 활용해야 할 기회와 피해야 할 위협을 모두 표시하여 보다 신속하게 정보를 기반으로 대응하도록 하는 능력에 달려 있습니다.

예외 항목을 탐지했을 때 적절한 조치를 취하려면 이러한 예외 항목의 근본 원인을 파악해야 합니다. Analysis Workspace 내의 기여도 분석 기능을 예외 항목 탐지와 함께 사용하여 이 문제를 해결할 수 있습니다. 이를 통해 사용자는 예외 항목이 발생한 시점은 물론 이유도 파악할 수 있습니다. 기여도 분석은 예외 항목을 초래한 요인을 발견하는 데 도움이 됩니다. 이러한 진단 기능은 문제를 해결하거나 성공적인 이니셔티브를 확장하는 등 효과적인 대응책을 수립하는 데 필수적입니다.

예, Analysis Workspace 내의 예외 항목 탐지를 활용하면 예측 가능한 계절적 이벤트를 파악할 수 있습니다. 여기에는 블랙 프라이데이와 같은 중요한 소매 기간, 봄 방학 등 여행 관련 수요가 급증하는 시기, 기타 공휴일 등이 포함됩니다. 이 기능은 시스템이 실제 예외 항목과 예상되는 데이터 패턴의 규칙적인 변동을 구분하여 오탐 가능성을 줄이고 유의미한 경고를 제공하므로 매우 중요합니다. 분석에 대한 기존의 접근 방식은 분석가가 문제나 주목할 만한 추세를 찾기 위해 수많은 보고서를 수동으로 살펴보는 경우가 많습니다.

Adobe Analytics의 데이터 웨어하우스는 데이터 재처리 및 고급 보고 옵션과 함께 고객 데이터를 장기간 저장할 수 있는 기능을 제공하며, 대규모 데이터 세트와 복잡한 분석 쿼리를 처리하도록 설계되었습니다.

데이터 피드는 원시 데이터를 일괄 제공하는 데 중점을 둡니다. 매일 또는 매시간 예약된 시각에 미처리된 데이터의 스트림을 반복적으로 제공합니다. 데이터 웨어하우스와 데이터 피드는 Adobe Analytics에서 수집한 세부 데이터를 관리하고 액세스하는 데 있어 서로 다르지만 상호 보완적인 기능을 수행합니다. 데이터 웨어하우스는 장기 저장 및 심층 분석에 대한 필요를 충족하며, 데이터 피드는 원시 데이터를 다른 시스템에서 사용할 수 있도록 정기적으로 자동 추출합니다.

Adobe Analytics의 원시 데이터를 내보내 리마케팅 시스템에 공급하거나, 복잡한 기여도 모델링을 수행하거나, 예측 분석을 위한 성향 점수를 개발하는 데 사용할 수 있습니다. 또한 원시 데이터는 표준 보고 인터페이스 기능 외에도 보관 목적이나 장기적인 분석을 위해 내보내는 경우가 많습니다. 이는 Adobe Analytics 데이터의 가치가 기본 보고 도구를 넘어 다른 중요한 비즈니스 시스템과 고급 분석 모델에까지 확장됨을 분명히 보여줍니다.

데이터 웨어하우스는 규모와 성능에 초점을 맞춰 구축되었습니다. 이를 통해 예정된 보고서나 다운로드된 개별 보고서에 대해 하나의 요청으로 데이터를 무제한으로 처리할 수 있습니다. 이 기능은 광범위한 데이터 세트에 대한 심층 분석에 특히 유용합니다. 또한 사용자의 추가적인 노력 없이도 대량의 데이터를 내보내고 저장할 수 있습니다.

데이터 피드는 웹사이트, 모바일 애플리케이션, 기타 온라인 소스 등 다양한 디지털 자산의 원시 데이터를 조직이 선택한 데이터 레이크 또는 다른 저장 위치로 직접 스트리밍하도록 설계되었습니다. 사용자는 새 피드를 구성하고 기존 피드를 관리하며 필요에 따라 피드를 수정하는 등 다양한 피드를 폭넓게 제어할 수 있습니다. 포괄적인 작업 관리 도구를 사용해 중앙 집중식 인터페이스에서 모든 데이터 피드 작업의 상태를 모니터링하고 적절하게 전달되었는지 확인하고 필요한 경우 작업을 다시 실행할 수 있습니다. 이를 통해 Adobe Analytics에서 원시 데이터를 추출하고 다른 엔터프라이즈 데이터 시스템에 통합할 수 있는 안정적이고 관리 가능한 자동화된 메커니즘을 바탕으로 보다 광범위하고 일관된 데이터 전략을 전개할 수 있습니다.

Adobe Analytics의 지능형 경고를 통해 사용자는 데이터 예외 항목 또는 특정 지표 임계값을 기반으로 알림을 만들고 관리할 수 있습니다. 주요 기능은 여러 지표에 대한 정보를 하나의 알림으로 통합하는 스택 경고를 만들 수 있다는 것입니다. 그러면 시스템이 데이터를 적극적으로 모니터링하여 표준 패턴에서 크게 벗어나거나 미리 정의된 벤치마크에 도달하는 등 비정상적인 상황이 발생하면 사용자에게 즉시 알려줍니다. 이러한 경고는 사용자가 대시보드를 직접 지속적으로 모니터링할 필요 없이 중요한 데이터 변동 사항을 파악할 수 있도록 설계되어 데이터 감독의 효율은 높이고 노동은 줄입니다.

지능형 경고는 예외 항목 탐지 기능과 원활하게 통합되도록 설계되었습니다. 즉, 머신 러닝 알고리즘에 의해 식별된 예외 임계값을 기반으로 경고를 트리거하여 가장 필요할 때 경고가 실행되도록 할 수 있습니다. 지능형 경고는 단순히 고정된 임계값을 기반으로 하는 것이 아닙니다. 하지만 시스템에서 비정상적이거나 예상치 못한 경우로 식별한 통계적으로 유의미한 편차에 의해 활성화될 수 있으므로 경고의 관련성과 실행 가능성이 높아집니다.

사용자는 경고를 트리거하는 조건을 상당히 유연하게 구성할 수 있습니다. 예외 항목 탐지 기능에서 파생된 예외 항목 임계값, 지표의 특정 백분율 변화 또는 지표값이 미리 정의된 데이터 포인트를 초과 또는 미달하는 시점을 기준으로 경고를 설정할 수 있습니다. 이러한 적응성을 통해 사용자는 KPI(주요 성과 지표)와 고유한 비즈니스 상황에 맞는 '중요한 이벤트'를 정확하게 정의하여 우선순위에 맞게 경고 시스템을 조정할 수 있습니다.

Adobe Analytics는 효과적인 경고 관리를 위한 도구를 제공합니다. 사용자는 내역 데이터와 현재 설정을 기반으로 경고가 얼마나 자주 트리거될지 미리 볼 수 있습니다. 이렇게 하면 경고 기준을 미세 조정하여 지나치게 잦은 알림으로 인한 경고 피로를 피할 수 있습니다. 경고 조건이 충족되면 이메일 또는 SMS를 통해 메시지가 전송됩니다. 이러한 알림 메시지에는 자동 생성된 분석 링크가 포함되어 있어 직접적인 컨텍스트가 제공되며 이를 통해 경고를 트리거한 이벤트를 더 빨리 파악할 수 있습니다. 또한 표준 커뮤니케이션 채널을 통해 알림 메시지가 전달되어 상황을 적시에 인지하고 분석 링크를 통해 조사 프로세스를 신속하게 진행할 수 있습니다.

스택 경고는 사용자가 관련 KPI에 대한 수많은 개별 경고를 생성하고 관리하는 대신 하나의 통합된 경고 내에서 여러 지표를 모니터링할 수 있도록 하여 경고 관리를 간소화합니다. 또한 특정 고객 세그먼트나 디바이스별로 필터링하여 경고를 세분화할 수 있습니다. 스택 경고는 관련 정보를 그룹화하여 불필요한 알림을 줄입니다. 필터링 기능은 또 다른 세분화 계층을 추가하여 수신자 또는 모니터링 중인 특정 비즈니스 영역과 관련성이 높은 경고를 표시합니다.

특히 예외 항목 탐지 기능과 통합된 지능형 경고의 도입으로 사용자가 데이터와 상호 작용하는 방식이 변화했습니다. 사용자가 크고 복잡한 데이터 세트 내에서 인사이트나 문제를 사전에 수동으로 검색할 필요 없이 시스템이 지속적으로 모니터링합니다. '자동 생성된 분석 링크가 포함된 이메일 또는 SMS'와 같은 채널을 통해 중요한 이벤트와 편차를 사전에 알려줍니다. 이를 통해 데이터 기반 신호에 보다 즉각적이고 고객의 참여를 높이는 반응형 접근 방식으로 대응할 수 있습니다.

Adobe Analytics의 라이브 스트림은 가공되지 않은 히트 수준의 데이터를 실시간으로 계속해서 제공하는 기능입니다. 이 데이터는 디지털 자산에서 수집한 지 몇 초(일반적으로 30~90초) 내로 사용할 수 있습니다. 즉각적인 조치가 필요하거나 다른 실시간 시스템에 데이터를 공급해야 하는 경우 세분화된 원시 데이터에 거의 즉시 액세스할 수 있어야 합니다. '가공되지 않은'이라는 용어는 데이터가 가장 세부적인 형태임을 의미합니다. 아직 표준 보고 프로세스에 의해 집계되거나 변경되지 않은 상태이므로 매우 구체적이거나 시간에 민감한 분석에 이상적입니다.

실시간 데이터의 라이브 스트림은 다양한 가치 있는 사례에 사용할 수 있습니다. 활용 사례에는 실시간 트래픽 대시보드를 강화하여 즉각적인 운영 상황 파악, 추천 엔진 및 개인화 알고리즘에 데이터를 공급하여 역동적인 리타겟팅 또는 리마케팅 활동 지원, 마케팅 캠페인 성과를 실시간으로 모니터링, 고객이 상호 작용하는 정확한 순간에 개인화된 제안과 콘텐츠 제공하기 등이 있습니다. 이처럼 라이브 스트림은 높은 수준의 운영 모니터링에서 즉각적이고 개별화된 고객 상호 작용에 이르기까지 다양하게 활용됩니다.

예, 라이브 스트림의 데이터는 다른 Adobe Experience Cloud 제품과 호환 및 통합되도록 설계되었습니다. 스트림에는 Adobe Target(개인화 및 A/B 테스트용) 또는 Adobe Advertising Cloud(광고 관리용) 등 Adobe 에코시스템 내의 다른 솔루션에서 발생한 히트 수준의 이벤트가 포함됩니다. 통합을 통해 Adobe Experience Cloud에서 관리하는 다양한 접점에서 얻은 인사이트와 상호 작용 데이터로 실시간 데이터 스트림을 강화하여 고객 활동을 보다 거시적인 관점에서 실시간으로 파악하고 이를 즉각적인 활성화 및 다양한 솔루션 간의 워크플로우에 활용할 수 있습니다.

Adobe Analytics의 비디오 분석은 비디오 지속 시간, 중지 및 시작 인스턴스와 같은 지표를 포함하여 거의 실시간으로 비디오 소비의 세부 정보를 제공합니다. 다양한 비디오 지표를 평가하고 조합하여 시청자 습관에 대한 인사이트를 도출할 수 있습니다. 이러한 인사이트를 바탕으로 고도로 개인화된 추천을 제공함으로써 참여도를 높일 수 있습니다. 주요 강점은 여러 미디어 플랫폼에서 비디오 성능을 측정하고, 오프라인 비디오 콘텐츠 소비 추적까지 할 수 있다는 점입니다. 비디오 분석은 비디오 콘텐츠가 소비되는 방식을 깊이 있게 이해할 수 있도록 설계되었으며, 커뮤니케이션, 마케팅 또는 수익 창출에 비디오를 중점적으로 활용하는 모든 비즈니스에 매우 유용합니다.

비디오 분석 기능은 다양한 최신 시청 플랫폼에서 활용 가능합니다. 여기에는 휴대폰, 태블릿, OTT 디바이스(스마트 TV 및 스트리밍 박스 등), 기존 셋톱박스, 게임 콘솔 등이 포함됩니다. 아울러 오프라인 콘텐츠의 측정도 지원합니다. 이러한 포괄적인 플랫폼 지원을 통해 기업은 오늘날 시청자가 다양한 방식으로 콘텐츠에 액세스하면서 비디오를 어떻게 소비하는지 거시적으로 파악할 수 있습니다.

기본적인 조회 수 외에도 비디오 분석을 통해 참여도 및 성과에 대한 심층적인 인사이트를 제공하는 다양한 주요 지표를 수집할 수 있습니다. 이러한 지표는 다음과 같습니다.

• 분 단위 동시 시청자 수: 라이브 비디오 이벤트 전반에 걸쳐 시청자 참여를 평가하는 데 특히 유용합니다.
• 경험 품질 지표: 버퍼링이나 오류 같은 측면을 추적하여 시청자에게 원활하고 방해받지 않는 비디오 전송 환경을 보장합니다.
• 다운로드한 오프라인 콘텐츠 추적: 오프라인 시청용으로 다운로드한 비디오 콘텐츠의 참여도를 파악합니다.
• 실시간 인기 비디오: 시청자들 사이에서 가장 인기 있는 비디오 콘텐츠를 파악합니다.
• 비디오 광고 분석: 게재한 광고가 시청자에게 미치는 영향을 파악해 올바른 맞춤형 광고 메시지를 전달하는 데 유용합니다. 이러한 지표를 통해 비디오 콘텐츠의 도달 범위, 참여 품질, 기술적 성능, 수익 창출 효과를 상세하게 파악할 수 있습니다.

예, 비디오 분석은 다운로드한 오프라인 콘텐츠 추적과 비디오 광고 분석을 지원합니다. 오프라인 추적 기능을 통해 기업은 콘텐츠가 실시간으로 스트리밍되지 않을 때도 콘텐츠에 대한 사용자 참여를 파악할 수 있습니다. 비디오 광고 분석 기능은 광고가 시청자에게 미치는 영향을 평가하고 광고 게재를 최적화하여 개인화되고 효과적인 메시지를 전달하는 데 유용합니다. 이러한 기능은 모바일 기기를 통한 영상 소비와 비디오 기반 광고의 성과라는 현대 비디오 전략의 중요한 측면을 해결합니다.

페더레이션 분석은 비디오 분석과 관련된 기능으로, 영상 콘텐츠 배포자의 비디오 분석 데이터를 공유하고 수신할 수 있습니다. 목표는 비디오 소비에 대한 보다 거시적인 관점을 확보해 다양한 디바이스에 다양한 배포 파트너가 제공한 비디오의 총시청자 도달 범위를 더 정확하게 이해하는 것입니다. 이 기능이 여러 제3자 플랫폼이나 서비스를 통해 비디오 콘텐츠를 배포하는 콘텐츠 제작자와 미디어 기업에 특히 중요한 이유는 시청자 데이터를 통합하여 고객을 종합적으로 파악할 수 있기 때문입니다.

페더레이션 분석은 시청 습관에 대한 상세한 인사이트를 제공하고, 실시간으로 인기 비디오를 파악하며, 비디오 광고 분석을 지원하는 기능을 통해 미디어 기업, 콘텐츠 제작자, 마케터가 콘텐츠 제작 전략, 프로그램 편성 일정, 비디오 광고 접근 방식에 대해 더 풍부한 정보와 데이터를 기반으로 의사 결정을 내리도록 지원합니다. 예를 들어, 게재한 광고가 시청자 경험에 미치는 영향을 이해하고 이를 바탕으로 광고 메시지를 맞춤화하면 수익 창출 성과를 개선하고 시청자 유지율을 높일 수 있습니다.

기업은 Adobe Analytics를 통해 음성 상호 작용 데이터를 체계적으로 수집하고 분석하여 음성 기반 인터페이스를 통해 더 개인화되고 매력적인 고객 경험을 제공할 수 있습니다. 이 기능은 모든 주요 음성 어시스턴트 플랫폼에서 지원됩니다. 음성 분석에서 얻은 인사이트를 바탕으로 음성 애플리케이션 개발을 최적화하고 앱 사용자의 참여를 높이며 전반적인 고객 경험의 광범위한 맥락에서 음성 상호 작용의 영향과 역할을 보다 명확하게 이해할 수 있습니다. 음성 상호 작용이 보편화됨에 따라 음성 전용 분석은 기업이 사용자 행동을 이해하고 문제점을 파악해 음성 전략을 개선하는 데 필수적입니다.

Adobe Analytics를 활용하면 음성 매체와 관련성이 높은 주요 데이터 포인트를 수집하여 음성 상호 작용을 상세하게 파악할 수 있습니다. 이러한 지표는 다음과 같습니다.

• 사용 빈도: 사용자가 음성 애플리케이션과 상호 작용하는 빈도
• 의도: 사용자가 음성 명령을 통해 달성하려는 목적
• 사용자 인증: 음성 세션 중 사용자 인증 여부 및 방법
• 슬롯: 의도를 이행하는 데 필요한 특정 정보(예: 날씨를 확인할 도시 이름)
• 매개변수: 요청과 관련하여 사용자가 제공한 추가 세부 정보
• 세션 길이: 음성 상호 작용 세션의 기간. 이러한 전문화된 지표는 음성 상호 작용의 고유한 특성에 맞게 조정되어 기업이 사용자 행동, 쿼리 성공률, 마찰 지점, 음성 지원 애플리케이션의 전반적인 참여 수준을 파악하는 데 도움이 됩니다.

음성 어시스턴트 애플리케이션의 데이터를 다른 모든 채널(예: 웹, 모바일 애플리케이션, 이메일)의 데이터와 함께 확인하여 고객이 전체 여정에서 브랜드와 한 상호 작용을 통합되고 거시적인 관점으로 파악할 수 있습니다. 또한 예외 항목 탐지, 무제한 실시간 세분화 등 강력한 분석 기능을 다른 채널의 데이터와 마찬가지로 통합 음성 데이터에도 적용할 수 있습니다. 이러한 통합은 음성 상호 작용이 어떻게 다른 접점을 보완하거나 다른 접점에 영향을 미치는지 이해해 전체 고객 경험 환경에서 일관된 분석 방법론을 적용하는 데 팔수적입니다.

음성 분석은 단순한 사용 횟수나 명령 로그 외에도 의도, 사용자 인증, 슬롯, 매개변수, 세션 길이와 같은 세부 지표를 수집해 다양한 기능을 수행할 수 있습니다. 이러한 수준의 세분화를 통해 사용자가 음성 명령으로 달성하려는 목표, 음성 애플리케이션에서의 대화 흐름, 사용자가 어려움을 겪거나 작업을 포기하는 부분을 훨씬 더 심층적으로 파악할 수 있습니다. 이렇게 세부적인 인사이트는 대화 설계를 최적화하고 음성 기반 서비스의 관련성과 정확성을 향상하여 궁극적으로 사용자 만족도를 높이는 데 필수적입니다.

코호트 분석은 Adobe Analytics의 Analysis Workspace 내에서 지원되는 기능으로서 공통된 특성이나 경험을 공유하는 사용자 그룹(일명 코호트)이 장기간에 걸쳐 어떻게 행동하는지 파악할 수 있는 분석 방법입니다. 분석에는 일반적으로 코호트에 포함되는 사용자 기준(예: 특정 달에 앱을 설치한 사용자)을 정의하는 '포함 지표'와 이후 기간 동안 해당 코호트의 특정 행동 또는 결과(예: 월간 세션 수 또는 구매율)를 추적하는 '복귀 지표'가 필요합니다. 이 기술은 사용자 행동에 대한 정적인 스냅샷 보기를 넘어 라이프사이클에 따른 사용자 유지, 참여, 전환의 동적 패턴을 파악합니다.

코호트 분석은 다양한 비즈니스 문제의 해답을 얻는 데 사용할 수 있는 도구입니다. 일상적인 사용 사례는 다음과 같습니다.

• 앱 참여도: 모바일 애플리케이션을 설치한 사용자가 앱을 활용하는 방식을 장기간 분석하여 초기 도입, 사용량 감소 또는 지속적인 장기 참여와 같은 패턴을 파악합니다.
• 구독 전환: 무료 구독 또는 체험판 버전 사용자가 최초 가입하고 난 몇 달 후 유료 버전으로 업그레이드하는 비율을 추적합니다.
• 복잡한 코호트 세그먼트: 포함 및 복귀 기준에 여러 지표와 세그먼트를 사용하여 특정 코호트 그룹을 정의합니다. 이를 통해 성과가 저조한 고객 세그먼트를 식별하여 맞춤형 프로모션이나 활동으로 타겟팅하여 성과를 개선할 수 있습니다.
• 앱 버전 도입: 다양한 모바일 애플리케이션 버전에서 사용자 참여도, 유지율, 이탈률을 비교하여 도입 패턴을 이해하고 특정 버전이 사용자 이탈을 유발하는지 또는 업그레이드를 유도하는지 파악합니다.
• 캠페인 고착도: 사용자 정의 차원 코호트 기능으로 캠페인 코호트를 비교하여 일정 기간 동안의 사용자 확보 및 유지에 있어 다양한 마케팅 캠페인의 효과를 평가합니다.
• 제품 출시 영향: 지연 테이블 설정은 신제품 출시가 특정 고객 세그먼트의 행동 및 매출에 미치는 영향을 출시 전 및 출시 후 활동을 분석하여 평가하는 데 사용됩니다.
• 가장 충성도 높은 사용자 식별(개인 고착도): 롤링 계산 설정을 사용하여 월별 반복 구매자를 정확히 찾아내고, 반대로 이탈했거나 반복 구매 행동을 보이지 않는 고객을 식별합니다. 이러한 다양한 사용 사례는 사용자 라이프사이클 관리, 제품 성능 평가, 마케팅 효과 평가와 관련된 중요한 비즈니스 문제를 해결하는 데 있어 코호트 분석의 유연성을 보여줍니다.

Adobe Analytics를 활용해 GDPR을 준수할 수 있습니다. 하지만 규정을 꾸준히 준수하는 것은 모두의 공동 책임입니다. Adobe는 GDPR 규정 준수를 지원하는 도구와 기능을 제공하지만, Adobe Analytics를 사용하는 조직(데이터 컨트롤러)은 플랫폼을 구성하고 특정 사용 사례가 규정 준수 수준을 충족하도록 적절한 데이터 거버넌스 관행을 구현하기 위해 적극적인 조치를 취해야 합니다. 즉, 플랫폼 자체는 규정 준수를 위한 기능을 제공하지만 이를 올바르게 구현하고 관리할 책임은 사용자에게 있습니다.

Adobe Analytics 사용 시 GDPR 준수를 보장하려면 사용자 조직에서 몇 가지 적극적인 조치를 취해야 합니다. 아래의 Adobe 공식 자료에서 해당 주제에 대한 커뮤니티 어드바이저의 상세한 안내 사항을 확인할 수 있습니다.

• https://experienceleague.adobe.com/ko/docs/experience-platform/privacy/regulations/overview
• https://business.adobe.com/kr/products/analytics/general-data-protection-regulation.html
• https://business.adobe.com/kr/privacy/general-data-protection-regulation.html

이러한 리소스에는 일반적으로 데이터 거버넌스 정책 구현, Analytics 내의 올바른 개인정보 보호 설정, 사용자 동의의 효과적인 관리, GDPR에서 요구하는 DSAR(데이터 주체 액세스 요청) 처리 프로세스 수립과 같은 필수 단계가 자세히 설명되어 있습니다. 플랫폼의 데이터 거버넌스 기능을 활용하여 GDPR 원칙을 철저하게 구성하고 지속적으로 지켜야만 규정을 꾸준히 준수할 수 있습니다.

Analysis Workspace 및 해당 기능에 대한 액세스 권한은 표준 Adobe Analytics 사용자 권한에 따라 다릅니다. 권한에 따라 특정 보고서 세트 및 해당 구성 요소(예: 세그먼트, 지표 및 차원)에 액세스할 수 있고, 분석 프로젝트의 큐레이팅, 생성, 공유, 일정 수립도 관리할 수 있습니다. 자세한 내용은 관리 요구 사항 문서를 참조하세요. 이처럼 권한 제어를 통해 조직은 데이터 보안을 유지하고, 다양한 데이터 세트 및 분석 프로젝트에 액세스하고 상호 작용하는 사용자를 관리할 수 있습니다.

아니요, Analysis Workspace를 사용해도 데이터 수집에는 어떤 영향도 미치지 않습니다. 이미 수집된 데이터를 기반으로 작동하는 보고 및 시각화 도구이기 때문입니다. 사용자는 다양한 구성 요소(차원, 지표, 세그먼트, 시각화)를 프로젝트에 자유롭게 끌어다 놓아 기초 데이터나 데이터 수집 프로세스에 영향을 주지 않고 다양한 분석 보기를 사용해 볼 수 있습니다. 사용자가 프로젝트 내에서 의도하지 않은 변경을 한 경우 실행 취소 기능을 사용하여 마지막 작업을 되돌릴 수 있습니다.

Analysis Workspace 프로젝트가 읽기 전용 모드로 사용자에게 공유되면 해당 수신자는 프로젝트 내의 모든 편집과 기능을 완전히 사용할 수 없게 됩니다. 읽기 전용 사용자는 일반적으로 미리 정의된 요소(예: 프로젝트 생성자가 만든 드롭다운 메뉴 내 몇 가지 변경 옵션 등)만 사용할 수 있습니다. 이렇게 하면 프로젝트의 구조나 구성 요소를 아무나 무단으로 변경하는 일 없이 공유 보고서를 제한된 방식으로 열람하고 활용하게 할 수 있습니다.