로그인

앰플리튜드

✦퍼스트 파티(First-party) 데이터✦ 왜 중요하며, 어떻게 수집해야 할까👀

Team MAXONOMY ・ 2023.02.21

✦퍼스트 파티(First-party) 데이터✦ 왜 중요하며, 어떻게 수집해야 할까👀

퍼스트 파티 데이터(First-party data)란, 기업의 웹 사이트 또는 모바일 앱과 같이 기업에서 소유하고 있는 채널을 통해 수집하는 고객의 정보입니다. 이메일 주소를 양식에 입력하는 것처럼, 고객이 직접 공유하는 데이터와 사이트 내 또는 인앱에서의 행동 데이터가 포함됩니다.


본 게시글에서는 퍼스트 파티 데이터를 수집하여 개인화된 고객 경험을 만들고 리텐션을 개선하는 방법을 알아보겠습니다.






🔎 주요 내용

  • 퍼스트 파티 데이터는 사람들이 제품 및 서비스와 상호 작용할 때 수집되는 정보입니다.
  • 고객으로부터 직접 수집한 데이터는, 세컨드 파티 또는 써드 파티 데이터 보다 제품 개선에 유용합니다.
  • 고객이 플랫폼에서 양식을 작성하거나 다른 프로세스를 완료할 때 등 고객과의 다양한 접점에서 퍼스트 파티 데이터를 수집하십시오.
  • 퍼스트 파티 데이터를 활용하여 고객 여정을 개선하고, 고객 경험을 개인화하며, 디지털 마케팅을 효율적으로 진행할 수 있습니다.







퍼스트 파티 데이터란 무엇인가요?


퍼스트 파티 데이터는 고객이 핵심 제품과 상호작용하는 이유에 대한 정보를 수집하는 것입니다. 반면에, 세컨드 파티 및 써드 파티 데이터는 오디언스(audience)와 외부 플랫폼 간의 상호작용으로부터 얻을 수 있습니다.


퍼스트 파티 데이터에는 크게 두 가지 종류가 있습니다.


  • 엔티티(entity) 데이터: 사용자의 신원(나이, 위치, 성별 등) 및 취향(즐겨 보는 영화 장르 등)에 대한 정보
  • 이벤트 데이터(또는 행동 데이터): 사용자가 플랫폼에서 수행하는 행동(클릭, 마우스 오버, 장바구니에 담기 등)에 대한 정보


개개인에 대한 퍼스트 파티 데이터를 수집하고, 그들을 그룹(또는 코호트)로 정렬하여 분석할 수 있습니다. 예를 들어, 플랫폼을 사용하는 동일한 조직의 사용자 그룹이 있을 수 있습니다. 그렇다면 코호트 분석을 통해 그들을 하나의 그룹으로 분석할 수 있죠. 혹은 '첫 주에 알림을 활성화했거나 친구와 플레이리스트를 공유한 사용자'와 같이 사용자 행동을 기반으로 코호트를 만들 수도 있습니다.


퍼스트 파티 데이터의 중요한 특징은 이 데이터가 조직에 속해 있다는 점입니다. 여러분은 이를 직접 수집하고, 저장하고, 관리하게 됩니다. 즉, 데이터를 수집하는 방법을 직접 결정함으로써, 데이터의 정확성과 합법성을 보장할 수 있습니다. 이는 세컨드 파티 및 써드 파티 데이터와의 차이점입니다.








퍼스트 파티 데이터 vs 제로 파티 데이터


고객이 적극적으로 공유하는 정보(설문조사, 고객 피드백 응답 등)를, 사람들은 제로 파티 데이터라고 부르기 시작했습니다. 제로 파티 데이터는 유용한 인사이트를 주지만, 고객이 직접 제출한 정보이기 때문에 부정확할 수 있습니다.


예를 들어 누군가는 공포 영화 장르를 좋아한다고 응답했지만, 사실은 대부분의 시간을 로맨틱 코미디 장르를 보면서 보낼 수도 있습니다. 마찬가지로 대부분의 사용자가 '이 플랫폼을 친구나 동료에게 추천할 의향이 있나요?'라는 항목에 '매우 그렇다'라고 응답하더라도, 실제로 '친구 추천 프로그램(refer-a-friend)'을 사용하는 사람은 극히 일부에 불과합니다.


이 글에서는 제로 파티 데이터를 퍼스트 파티 데이터의 한 유형으로 다룹니다. 이는 제품을 기반으로 하는 고객과의 직접적인 관계에서 비롯되며, 귀사는 이 데이터를 직접 소유하게 됩니다.







퍼스트 파티 데이터 vs 세컨드 파티 데이터


세컨드 파티 데이터는 소셜 미디어나 광고사 같은, 신뢰할 수 있는 파트너로부터 얻은 데이터입니다. 이 데이터는 기본적으로 다른 조직의 퍼스트 파티 데이터이고, 이것이 공유되면 여러분에게는 세컨드 파티 데이터가 되는 것이죠. 세컨드 파티 데이터를 수집했을 때의 이점은 그동안 수집한 데이터를 보완하여 더욱 큰 규모의 데이터로 만들어낼 수 있다는 것입니다.


가장 흔한 시나리오는 파트너 조직이 여러분의 플랫폼 사용자일 수도 있고, 아닐 수도 있는 사용자의 데이터를 수집하여, 여러분이 해당 데이터를 활용하여 조치를 취할 수 있도록 귀사와 공유하는 것입니다. 예를 들면, 퍼블리셔는 자사의 웹사이트에 광고를 게재하고 싶은 광고주와 자사의 오디언스에 관한 퍼스트 파티 데이터를 공유할 수 있습니다.







퍼스트 파티 데이터 vs 써드 파티 데이터


써드 파티 데이터는 데이터 집계기(aggregator)로부터 수집하는 데이터입니다. 써드 파티 데이터 공급자들은 세컨드 파티 데이터를 그룹화 하고 정리합니다.


써드 파티 데이터 셋(Data Sets)은 인구 통계학 정보, 특정 산업 종사자 등 일반적인 그룹에 대한 정보를 제공할 수 있습니다. 그러나 데이터의 수집 시기 또는 방법과 같은 데이터 원본 소스에 대한 세부 정보는 알 수 없습니다.


써드 파티 데이터는 일반적으로 스노우플레이크(SnowFlake) 마켓 플레이스와 같은 온라인 플랫폼을 통해 구매할 수 있습니다. 써드 파티 데이터 공급자는 데이터 사이언티스트와 분석가가 더 많은 실시간 데이터 셋과 즉시 쿼리를 할 수 있도록 준비된 데이터 셋에 액세스할 수 있도록 데이터 교환 기능을 제공합니다. 그러나 문제는, 여러분이 구매할 수 있는 데이터라면, 경쟁사에서도 구매할 수 있겠죠. 그러니 이 데이터 셋이 귀사에 큰 경쟁 우위를 제공하지는 않습니다.


써드 파티 데이터는 써드 파티 쿠키를 통해서도 얻을 수 있습니다. 데이터 집계자는 다른 조직에 일정 비용을 지불하고 쿠키를 통해 사이트 방문자를 트래킹합니다. 하지만 구글이 써드 파티 쿠키 지원을 중단할 것이라 밝히면서, 이러한 관행은 곧 종료될 예정입니다.


최근 몇 년 동안 유럽 연합과 미국의 여러 주들도 데이터 수집, 데이터 개인 정보 보호, 데이터 공유에 관해 GDPR(일반 개인정보 보호법), CCPA(캘리포니아 소비자 개인정보 보호법)와 같은 더욱 엄격한 법률을 통과시켰습니다. 이러한 법적인 영향으로 인해 조직에서 데이터를 수집하고 공유하는 것이 점점 더 어려워지고 있는 실정입니다.

(참고: AI 시대 속 개인정보 보호 - 1단계 인식변화)





[🔖요약] 퍼스트파티 데이터 vs 세컨드 파티 데이터 vs 써드 파티 데이터


  • 퍼스트 파티(First-party) 데이터: 고객들로부터 얻을 수 있는 정보로, 귀사에서 직접 수집한 데이터와 고객들이 직접 공유하는 정보를 포함합니다.
  • 세컨드 파티(Second-party) 데이터: 데이터 파트너 또는 데이터 공급자로부터 제공되는 정보입니다.
  • 써드 파티(Third-party) 데이터: 세컨드 파티 데이터들을 그룹화하는 데이터 집계기로부터 얻을 수 있는 정보입니다.






퍼스트 파티 데이터의 종류


제품 내에서 수집하는 데이터는 모두 퍼스트 파티이기 때문에, 퍼스트 파티 데이터에도 다양한 유형이 있습니다. 다음은 퍼스트 파티 데이터의 주요 유형의 예시입니다.


사용자 속성

사용자 속성에는 사용자의 이름, 나이, 위치를 비롯하여 주소, 전화번호와 같은 개인정보 등이 포함됩니다. 사용자가 귀사의 제품에 등록하거나 양식을 작성할 때 또는 웹 분석을 통해 사용자의 속성 정보를 수집할 수 있습니다.


사용자의 선호도 및 관심사

퍼스트 파티 데이터 수집의 또 다른 이점은 다양한 데이터 포인트를 통해 고객의 선호도 및 관심사에 대한 정보를 파악할 수 있다는 점입니다. 예를 들어, 귀사의 플랫폼에서 하루에 3시간 이상 뷰티 튜토리얼을 시청하는 사용자는 아마도 헤어, 메이크업 제품에 관심이 있을 것이라고 파악할 수 있습니다.

또는 일주일에 여러 번 청구서 템플릿을 사용하는 그룹을 발견했을 수도 있습니다. 그렇다면 그들은 청구서 템플릿이 유용하다고 생각하며, 유사한 템플릿에 관심이 있을 것이라고 가정할 수 있습니다.


고객의 행동

사용자의 행동 또한 퍼스트 파티 데이터입니다. 다양한 이벤트를 트래킹하고 분석함으로써, 사람들이 플랫폼과 상호작용하는 방식을 이해할 수 있습니다. 예를 들면 다음과 같습니다.


  • 사용자가 사이트의 여러 페이지에서 보내는 시간
  • 사용자가 여러 기능을 사용하는 빈도
  • 사용자가 클릭한 버튼이나 링크
  • 사용자가 완료한 프로세스(등록 또는 회원가입, 구독 업그레이드 등)


코호트 분석을 사용하여 사용자를 행동에 따라(행동 코호트) 다른 그룹으로 분류할 수 있습니다. 위에서 언급했던 청구서 템플릿 예시로 살펴보면, 이러한 템플릿을 이용하는 사용자가 그렇지 않은 사용자보다 고객 생애 가치(CLV: Customer Lifetime Value)가 더 높다는 가설을 세울 수 있습니다.






위의 Amplitude(앰플리튜드) 매출 LTV 차트는 청구서 템플릿을 사용하는 사용자(파란색)의 CLV가 그렇지 않은 사용자(초록색)보다 높다는 가설을 확인시켜 줍니다. 그 다음으로 해야 할 작업은 고객 여정의 초기 단계에 청구서 템플릿의 표지를 바꾸는 A/B 테스트를 실시하여 CLV를 높이는 것입니다.








퍼스트 파티 데이터는 왜 중요할까요?


식사를 할 때는, 식재료가 어디에서 왔는지를 아는 것이 중요합니다. 그래야 몸에 해로운 것들을 먹지 않을 수 있죠. 데이터도 마찬가지입니다. 부정확할 수 있거나 품질이 낮은 정보는 비즈니스 의사 결정에 있어 큰 피해를 초래할 수 있기 때문에 조직에 유입되어서는 안됩니다.


퍼스트 파티 데이터 수집의 주요 이점은 조직에서 데이터를 수집하고, 분석하고, 활성화하는 방법을 처음부터 끝까지(end-to-end) 완벽하게 제어할 수 있다는 점입니다. 즉, 해당 데이터의 품질과 정확성을 확신할 수 있으며, 다른 파트너나 써드 파티 조직에 의존할 필요도 없습니다. 다만 모든 개인 정보 보호법 및 규정을 준수해야 하고, 데이터를 수집하기 전에 사용자로부터 적절한 동의를 얻었는지 확인해야 합니다.


또한 퍼스트 파티 데이터를 활용하면 유연성을 확보할 수 있습니다. 데이터를 업데이트하고, 추가하고, 다양한 오디언스 세그먼트와 코호트를 만들어낼 수도 있습니다. 이는 다른 조직에서 정보를 얻는 경우에는 불가능한 영역입니다.


마지막으로, 퍼스트 파티 데이터는 본질적으로 고객 및 제품과의 관련성이 매우 높습니다. 여러분이 수집하는 모든 인사이트는 플랫폼에 따라 다르므로, 이를 활성화하고 자사 데이터 전략을 만들어 앱과 웹 사이트를 개선할 수 있습니다.


퍼스트 파티 데이터는 다음과 같이 활성화할 수 있습니다.


  • 고객 여정에서의 마찰 지점을 찾아내고 해결함으로써 고객 경험과 리텐션을 개선합니다.
  • 다양한 오디언스 및 코호트의 선호도에 맞게 제품을 조정함으로써 개인화된 경험을 만드십시오.
  • 마케팅 예측(forecasting)을 활용하여 고가치 사용자를 식별하고, 광고를 리타겟팅하거나, 획득(acquisition) 채널에 더욱 집중함으로써 마케팅 효과를 높일 수 있습니다.








퍼스트 파티 데이터는 어떻게 수집해야 할까요?


제품에서의 클릭, 뷰, 프로세스와 같은 이벤트를 추적하고 고객이 플랫폼과 상호 작용하도록 유도하여 퍼스트 파티 데이터를 수집할 수 있습니다. 추적할 이벤트와 수집할 데이터를 결정하기 위해서는, 먼저 고객과 그들의 제품 사용에 대한 질문 리스트를 만들어야 합니다. 그 다음 질문의 답을 찾는데 도움이 되는 이벤트와 이벤트 속성을 정의합니다. 어떤 이벤트를 추적하면 좋을지 결정하는 기준에 대한 자세한 내용은 Amplitude(앰플리튜드)의 이벤트 추적 블로그 글을 참고 하십시오.


고객으로부터 유용한 데이터를 수집할 수 있는 접점은 다음과 같습니다.


  • 사용자 등록(회원가입): 사용자가 플랫폼에 등록할 때 데이터를 수집합니다. 소셜 로그인을 통해 페이스북이나 구글과 같은 기존 계정으로 로그인할 수도 있습니다. 이를 통해 사람들이 더욱 쉽게 로그인하고 프로필을 귀사와 공유할 수 있습니다.
  • 리드 생성 양식: 더 많은 정보를 수집하려면 리드 생성 양식을 사용하여 일반적인 등록 또는 온보딩 정보보다 더 많은 세부적인 정보를 공유하도록 사용자에게 요청하십시오. 예를 들어, 고객에게 유용한 백서(Whitepaper)를 다운로드 할 수 있는 권한을 부여하고, 그 대가로 어떤 업계에 종사하고 있는지, 그 회사의 규모는 어느 정도인지 공유하도록 하는 유인책을 만들 수도 있습니다.
  • 대화형 콘텐츠: 사용자가 대화형 콘텐츠를 통해 더 많은 세부 정보를 공유하도록 유도합니다. 설문 조사나 대화형 설문(챗봇 등)과 같은 사용자를 위한 재미있는 경험을 제공하여, 사용자의 관심사와 선호도에 대한 많은 정보를 수집합니다.








퍼스트 파티 데이터 관리 도구


데이터를 수집, 처리 및 분석하기 위한 여러 가지 데이터 관리 플랫폼이 있습니다. 조직의 규모와 유형, 그리고 특정 데이터 요구사항에 따라 귀사에 가장 알맞은 솔루션은 달라질 수 있습니다.


Amplitude (앰플리튜드)

Amplitude(앰플리튜드) CDP(Customer Data Platform)를 사용하여 다양한 유형의 데이터를 수집하고 구성할 수 있습니다. CDP는 Amplitude(앰플리튜드) 분석과 완벽하게 통합되어 있으므로, 데이터를 다운스트림으로 쉽게 전송하여 마케팅 또는 제품 전략에 따라 분석하고 활성화할 수 있습니다.


Amplitude(앰플리튜드)를 사용하면 데이터를 다양한 오디언스(코호트)로 세분화하여 셀프 서비스 분석을 실행하고 귀중한 인사이트를 수집할 수 있습니다. 이 플랫폼은 사용이 쉬우며, 조직이 데이터 중심으로 운영될 수 있도록 도와줍니다. 또한 데이터 사일로를 제거하고, 모든 조직의 구성원들이 데이터 인사이트에 액세스하여 업무에 활용할 수 있도록 지원합니다.


기타 데이터 관리 도구

  • Google Analytics
  • Matomo
  • SEMrush
  • SegmentSteam












콘텐츠 더 읽어보기

logo

팀맥소노미

YOUR DIGITAL MARKETING HERO

비즈니스 성장을 위한 최적의 솔루션과 무료 데모 시연, 활용 시나리오를 제안 받아보세요

관련 글 보기

Amplitude를 통해 Adobe 고객의 행동을 볼 수 있는 방법

Amplitude를 통해 Adobe 고객의 행동을 볼 수 있는 방법

Adobe와 Amplitude 함께 사용하기

마케팅 퍼널(Funnel) 의미와 분석 방법🔍

마케팅 퍼널(Funnel) 의미와 분석 방법🔍

퍼널 분석(Funnel Analysis)이란?퍼널 분석(Funnel Analysis)이란, 전환 지점에 이르기까지의 일련의 이벤트를 분석하는 방법을 말합니다. 제품, 웹사이트, 이메일 등 모든 종류의 디지털 접점에서 퍼널 분석을 할 수 있습니다. 퍼널 분석의 목적은 고객여정에서 중요한 이벤트를 정확히 파악하여, 테스트를 수행하고 사용자 경험을 개선하며 전환율을 높이는 것입니다.예를 들어, 이메일을 통해 무료 체험 이벤트를 홍보하고 무료 체험 사용자들이 최종적으로 유로 전환을 하길 원하는 캠페인이라면, 그 퍼널을 다음과 같이 구성될 것입니다.1단계: 잠재 고객이 이메일을 열고 무료 체험 제안을 발견2단계: 무료 체험을 신청하기 위해 CTA 버튼을 클릭3단계: 계정을 만들고 제품을 무료로 사용4단계: 무료 체험 기간이 종료된 후 잠재 고객이 유료 고객으로 전환퍼널 분석이 필요한 이유퍼널 분석은 왜 필요할까요? 광고에 혹해서 링크를 클릭하였는데 회원가입 절차가 복잡해서 사용을 종료한 경험, 괜찮아 보이는 앱을 설치했는데 구성이 복잡해서 금방 삭제한 경험, 한 번씩은 있을 것입니다. 고객이나 사용자가 디지털 경로를 따라가면서 원하는 결과에 도달하지 못하는 것은 굉장히 흔한 일입니다.이를 해결하기 위해 아무리 고객의 경험을 이해하려 해보아도 분명히 한계가 있습니다. 이때 퍼널 분석을 통해 각 단계를 통계적으로 들여다봄으로써 이러한 사용자의 마찰 지점을 효과적으로 개선할 수 있는 것입니다. 퍼널의 각 단계 사이에는 여러 가지 방해 요소나 장애물이 발생할 수 있으며, 무엇이 효과가 있고 무엇이 그렇지 않은지를 알려줄 수 있는 행동 패턴이 존재할 가능성이 큽니다.앞서 살펴본 예시에서 유독 3단계에서 이탈이 많다면, 그 원인이 무엇인지 행동 패턴에서 찾아볼 수 있을 것입니다. 가령 모바일 환경에서 회원가입 로딩 속도가 유독 느려 사용자가 회원가입을 쉽게 포기하기 때문일 수 있죠. 이런 경우 PC 사용자의 퍼널과 모바일 사용자의 퍼널을 비교하여 사실 여부를 쉽게 확인할 수 있을 것입니다. 이 문제를 개선하여 모바일 전환율이 PC 전환율만큼 높아진다면, 얼마나 많은 수익을 기대할 수 있을지 예상하고, 모바일 환경을 개선하는 투자 비용 대비 효과를 비교할 수 있을 것입니다. 즉, 우리가 늘 강조하는 데이터 기반의 의사결정을 수행하고 전환율을 개선할 수 있는 것입니다.정리하자면, 퍼널 분석은 다음과 같은 목적으로 사용할 수 있습니다:전환율 개선: 퍼널 분석을 통해 사용자가 최종 목적지에 도달하지 못하게 하는 요인을 파악하여, 해결책을 수립하고 전환율을 개선할 수 있습니다. 여기서 최종 목적지는 "가입" 버튼을 클릭하거나 PDF 다운로드 등 상황에 맞춰 다양하게 설정할 수 있습니다.퍼널 간소화: 웹사이트, 모바일 앱, 이메일, 대시보드 등 다양한 디지털 접점에서 퍼널을 만들 수 있을 것이고 이를 합치면 전체적인 고객 여정이 됩니다. 퍼널 분석은 이러한 각 여정이 서로 어떻게 연결되는지를 전체적인 관점에서 살펴보고 필요없거나 중복되는 부분을 찾아 간소화 할 수 있습니다.유입과 리텐션의 통합 : 보통 마케팅 팀은 신규 고객을 유입하는 데 집중하는 반면, 제품 팀은 그 고객을 유지하는 데 중점을 둡니다. 퍼널 분석은 두 팀이 데이터를 공유하고 인사이트를 교류할 수 있는 기회를 제공합니다.퍼널 분석 4가지 방법퍼널 데이터를 해석하고 활용하는 방식을 비즈니스와 산업에 따라 달라지지만, 대표적으로 다음 4가지의 방법이 있습니다.전환 분석퍼널을 분석하는 가장 기본적인 방법입니다. 각 단계에서 전환한 사용자의 수를 측정합니다. 주로 막대 그래프로 시각화하여 표현하죠. 전환 분석 방식의 핵심은 문제가 발생하였을 때 이를 빠르게 확인하고 조치를 취하는 것입니다. 퍼널의 한 단계에서 사용자 이탈이 갑자기 심해진다면, 그 부분을 빠르게 점검해야 합니다.기간에 따른 전환 분석기간에 따른 전환 분석은 특정 날짜에 퍼널에 진입한 사용자의 전환율을 확인하는 분석법입니다. 사용자가 퍼널을 완료하지 않아도 분석 대상에 계속 포함하는 것이지요. 휴일이나 특별 이벤트 동안 퍼널이 어떻게 자동하는지 이해하는 데 유용합니다. 전환 시간 분석각 사용자가 각 단계를 클릭하는 데 얼마나 시간이 걸리는지는 파악하여, 퍼널이 건강하게 작동하고 있는지 확인할 수 있습니다. 적절한 전환 시간은 비즈니스에 따라 다르기 때문에, 적절한 기준을 세우고 과거 데이터를 비교하여 설정할 필요가 있습니다. 가령, 패스트푸드 배달 앱과 세금 관련 서비스 앱의 기대되는 전환 시간은 완전히 다를 것입니다. 빈도 분석사용자가 퍼널의 다음 단계로 이동하기 전에 특정 행동을 몇 번이나 수행하는지 측정하는 분석 방법입니다. 빈도를 측정함으로써 사용자가 해당 퍼널 내에서 무엇을 얼마나 자주 하는지 파악할 수 있습니다. 가령, 장바구니 물건을 결제하기 전에 이 물건이 최저가가 맞는지 확인하기 위해 검색창에 들어가는 행동을 많이 보인다면, 장바구니 안에서 해당 물품이 최저가임을 나타내주는 메시지를 표시하여, 사용자가 더 간편하게 쇼핑 여정을 마칠 수 있도록 유도할 수 있을 것입니다.이 외에도 비즈니스나 상황에 최적화된 독특한 관점으로 접근하여 퍼널 분석을 진행할 수 있습니다. 위의 기본적인 퍼널 분석 방법에 익숙해진다면, 더 창의적인 방법으로 문제를 해결해보세요.퍼널 분석 도구퍼널 분석을 위해선 관련된 도구가 필수로 필요합니다. 대표적인 퍼널 분석 도구인 Amplitude는 단순 페이지 뷰나 세션뿐만 아니라 모든 종류의 이벤트나 사용자 행동을 측정하고 추적할 수 있습니다. 퍼널 이벤트의 순서를 지정하고 행동 코호트를 세분화하며, 특정 전환 기간을 설정할 수도 있죠.다음은 퍼널 분석 도구를 선택할 때, 필수로 체크해야하는 요소입니다고객 여정 전반에 걸쳐 사용자 행동을 시각화하고, 측정하며, 이해할 수 있어야 합니다. 이때 사용자를 코호트로 분류하여 확인할 수 있는 것이 좋습니다.퍼널 상에서 문제점이 발생했을 때, 이를 빠르게 감지하고 알림을 보낼 수 있어야 합니다.제품 개선, 개인화, 원활한 고객 여정 구축를 위한 추가적인 데이터 연계가 가능해야 합니다.콘텐츠 더 읽어보기전환율(Conversion Rate)이란?🔍(feat. 전환율 계산 및 개선법)퍼널(Funnel) 분석과 사용 사례구매 전환율을 높이는 6가지 전략

대화만으로 데이터 분석 끝? Amplitude MCP

대화만으로 데이터 분석 끝? Amplitude MCP

들어가며: 데이터 분석의 새로운 시대데이터에서 의미 있는 인사이트를 얻는 과정은 결코 간단하지 않습니다. 데이터 전문가가 며칠을 걸려서 분석 업무를 수행하거나, 복잡한 대시보드를 직접 들여다보며 시간을 보내야 했죠.하지만 더 이상 그럴 필요없습니다. Amplitude MCP(Model Context Protocol)가 등장했기 때문입니다. 이제 복잡한 도구를 탐색하는 대신, AI와 자연스러운 대화를 나누는 것만으로 Amplitude의 방대한 행동 데이터를 직접 분석하고 즉각적인 답변을 얻을 수 있습니다. Amplitude MCP가 어떻게 작동하는지, 무엇을 할 수 있는지, 어떻게 시작할 수 있는지 지금부터 알아보겠습니다.데이터 분석이 '탐색'이 아닌 '대화'가 됩니다Amplitude MCP로 데이터 분석 과정이 복잡한 도구를 사용하는 '탐색'에서 AI와 나누는 '대화'로 바뀌었습니다. 마치 동료에게 질문하듯 자연어로 분석을 시작할 수 있습니다.예를 들어 "지난달 웹 트래픽이 증가한 원인이 뭐야?"라고 물으면, AI는 스스로 Amplitude 내에서 search, query_chart와 같은 도구를 사용하여 관련 차트와 대시보드를 탐색하고 데이터에 기반한 답변을 제시합니다. 여기서 멈추지 않고 "어떤 마케팅 캠페인이 가장 큰 영향을 미쳤어?"와 같은 후속 질문을 통해 더 깊이 파고들 수 있죠. 이 모든 과정이 실시간 대화처럼 이루어집니다.분석이 끝난 후에는 대화 내용을 바탕으로 Amplitude 내에 '노트북(Notebook)'을 생성할 수도 있습니다. 분석 핵심 요약, 분석에 사용된 주요 차트, 실행 가능한 성공 전략 플레이북(playbook) 등 유용하고 다양한 정보를 생성할 수 있으며, 이를 팀원과 즉시 공유할 수도 있습니다.이제 데이터 분석을 위해 SQL 쿼리를 작성하거나 복잡한 대시보드를 설정할 필요도 없습니다. 질문을 던지기만 하면 전문가 수준의 답변을 단 몇 초 만에 얻을 수 있기 때문이죠. PM, 마케터, 기획자 등 비기술 직군도 자유롭게 데이터를 다룰 수 있게 되었습니다.이미 Amplitude MCP를 도입한 Zip의 테크PM Moss Pauly는 '조직 전체에 걸쳐 데이터를 민주화하는 진정한 단계적 변화'를 만들었다고 말합니다.[실전 가이드] Amplitude MCP 시작하기다음 중 가장 선호하는 AI 도구에 MCP를 연결하여 사용해보세요.■ 클로드(Claude)에 연결하기1. claude.ai로 이동하거나 Claude 데스크톱 앱을 엽니다.2. Settings > Connectors > Add custom connector로 이동합니다.3. 다음과 같이 설정 값을 입력하고 Amplitude 계정으로 인증합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp■ 커서(Cursor)에 연결하기1. Amplitude MCP 서버 딥 링크 설치 링크를 클릭해서 자동 설치할 수 있습니다.2. 만약 자동 설치가 되지 않는다면, 수동 설치 가이드를 참고해주세요.■ ChatGPT에 연결하기1. ChatGPT > 설정 > 연동 앱 및 커넥터 > 고급설정으로 이동하여 개발자 모드를 활성화합니다.(참고: 현재 MCP 지원은 개발자 모드에서만 가능합니다.)2. ChatGPT > 설정 > 연동 앱 및 커넥터로 이동해서 만들기를 클릭합니다.3. 다음과 같이 설정합니다.Name: AmplitudeURL: https://mcp.amplitude.com/mcp4. 안내에 따라 Amplitude OAuth 인증을 완료합니다.※ MCP 접근 권한은 기본적으로 '활성화'되어 있습니다Amplitude MCP는 조직 내 모든 사용자를 대상으로 '기본적으로 활성화(enabled by default)' 되어 있습니다. 만약 조직 정책상 이 기능에 대한 접근을 제한하거나 비활성화해야 한다면, Amplitude 관리자 설정에서 제어할 수 있습니다.Amplitude에서 Settings > Content Access > MCP 경로로 이동해당 페이지에서 조직 전체의 MCP 서버 접근을 허용하거나 차단하도록 설정을 변경이 설정은 조직 전체에 적용되는 관리자 전용 설정이며, 개별 사용자는 이 설정을 변경할 수 없습니다. 따라서 조직의 데이터 거버넌스 정책에 맞춰 관리자가 직접 관리해야 합니다.추천 질문 예시위 이미지는 Cursor에 Amplitude MCP를 연결하고, ‘MAXONOMY 홈페이지에서 참여율이 높은 기능’이 무엇인지 질문한 결과입니다. MCP 설정이 완료되면 AI에게 다음과 같은 질문을 던져보세요."지난 7일간의 일일 활성 사용자 수는?""이번 달 트래픽 소스별 가입 전환율을 보여줘""어떤 기능의 참여율이 가장 높아?""체크아웃 실험의 성과는 어때?"“새로운 온보딩 흐름의 통계적 유의성을 보여줘““현재 어떤 실험이 진행 중이지?”“사용자 리텐션과 관련된 모든 차트를 찾아줘”“결제 흐름을 테스트할만 실험 시나리오를 제안해줘”"iOS와 Android 플랫폼 간의 사용자 행동을 비교해 줘""파워 유저와 일반 사용자의 여정 차이를 분석해줘”MCP는 단순한 챗봇이 아닌 '프로토콜'입니다Amplitude MCP는 Amplitude에 내장된 챗봇이 아닙니다. MCP는 'Model Context Protocol'의 약자입니다. 다양한 외부 AI 도구들이 Amplitude의 데이터에 안전하고 표준화된 방식으로 접근할 수 있도록 하는 일종의 '약속(프로토콜)'입니다.이 프로토콜 방식 덕분에 우리는 Claude, Cursor, ChatGPT, Gemini 등 이미 익숙하게 사용하고 있는 여러 AI 환경에 Amplitude의 풍부한 행동 데이터 컨텍스트를 직접 연결할 수 있습니다. 즉, 여러분이 가장 선호하는 AI도구 안에서 Amplitude의 강력한 분석 능력을 그대로 활용할 수 있다는 의미입니다.더 나아가, 이 프로토콜은 Amplitude의 행동 데이터를 다른 외부 데이터 소스와 결합하여 완전히 새로운 워크플로우를 구축할 수 있는 무한한 가능성을 엽니다. 가령, Atlassian MCP를 통해 Jira의 개발 진행 상황 데이터와 Amplitude의 기능 사용 데이터를 함께 분석하여, 특정 기능 개발이 사용자 참여도에 미친 영향을 종합적으로 파악하는 워크플로우를 만들 수 있습니다. 혹은 Amplitude 분석 결과를 피그마나 구글 슬라이드에 프레젠테이션 형태로 변형할 수도 있죠.MCP는 단순히 AI와 연결하는 것이 아닙니다. 앞으로 등장할 어떤 AI 혁신과도 연결할 수 있는 다리 역할을 하며, 여러분의 데이터 전략이 미래로 나아갈 수 있도록 합니다.Amplitude MCP와 보안기업의 핵심 데이터를 외부 AI와 연동할 때 보안은 가장 중요한 고려사항입니다. Amplitude MCP는 이 문제를 명확하게 해결합니다.첫째, MCP 서버는 사용자의 기존 Amplitude 계정 권한과 접근 제어 설정을 그대로 따릅니다. 즉, 사용자는 원래 Amplitude 내에서 볼 수 있도록 허용된 프로젝트와 데이터에만 접근할 수 있으며, MCP를 사용한다고 해서 추가적인 권한이 부여되지 않습니다. 여러분의 데이터 접근 범위는 기존과 동일하게 유지됩니다.둘째, MCP 서버와 Amplitude 계정 간의 모든 연결은 OAuth 인증을 통해 안전하게 보호됩니다. 다만, 여러분이 사용하는 제3자 AI 서비스(예: Claude, ChatGPT 등)가 여러분의 질문과 Amplitude 데이터를 처리하게 됩니다. 따라서 Amplitude MCP를 사용하기 전에 조직의 데이터 처리 및 AI 도구 사용 관련 정책을 반드시 검토하시기 바랍니다.마치며Amplitude MCP는 단순히 새로운 분석 도구를 추가하는 것이 아닙니다. 조직이 데이터에 접근하고, 질문을 던지고, 인사이트를 얻는 방식 자체를 근본적으로 바꾸는 혁신입니다. 더 이상 데이터 분석은 소수 전문가의 전유물이 아니며, 복잡한 탐색 과정도 필요 없습니다.단, 몇 분 만에 데이터에 기반한 답을 얻을 수 있다면, 당신은 어떤 새로운 질문을 던지시겠습니까?콘텐츠 더 읽어보기프리미엄 가이드: 데이터 활용 전략 가이드북블로그: Braze MCP 서버: AI로 Braze를 빠르고 안전하게 분석하는 방법맥사이트픽: MCP: AI 사용자 경험을 확장시켜줄 핵심 연결고리

고객 Lifecycle 분석의 핵심 열쇠 "행동 코호트"

고객 Lifecycle 분석의 핵심 열쇠 "행동 코호트"

Amplitude의 행동 코호트는 충성 고객을 식별하고 유치하여 고객 라이프 사이클의 세 가지 중요한 단계 (획득, 참여, 유지)를 보다 효율적으로 만들도록 설계되었습니다.고객은 우리 사이트를 방문할 때마다 매번 동일한 목적을 가지지 않습니다. 때로는 구매를 위해서, 때로는 단순히 가격 탐색을 위해서, 혹은 콘텐츠 소비를 위해서 방문합니다. 따라서 우리는 개개인의 목적을 그룹핑하여 그들의 변화를 파악하고 사전에 대비해야 합니다. Amplitude(앰플리튜드) 내에서는 행동 집단을 만들어 이러한 행동 변화를 설명하고 계획할 수 있습니다. 이렇게 하면 이전에 설명하지 않았던 다른 숨겨진 사용자 페르소나를 파악할 수 있습니다. 고객 기반의 다양한 세그먼트를 정의하고 분석하여 라이프 사이클의 여러 부분에서 고객에게 동기를 부여하는 요소를 배우고 이해할 수 있습니다.  고객 라이프 사이클이란 무엇일까요?고객 라이프 사이클은 제품, 웹 사이트, 애플리케이션 또는 지원 시스템에 참여하기 전, 도중 및 후에 사용자가 따르는 경로입니다. 이 수명주기는 사용자가 가입하기 훨씬 전에 시작되며 고객이 행여나 흥미를 잃은 후에도 계속됩니다.고객 라이프 사이클의 주요 이정표에는 획득, 참여 및 유지가 포함됩니다. 이 세 단계에는 인식, 전환, 구매, 활성화, 갱신 및 추천이라는 점진적인 단계가 있습니다.인식은 고객 라이프 사이클의 첫 번째 단계입니다. 여기에서 잠재 고객이 제품을 발견하고 알게 됩니다.전환은 잠재 고객이 귀사의 솔루션을 경쟁 업체와 차별화하는 포인트로 탐색을 진행하는 지점입니다. 궁극적인 목표는 고객이 자신의 요구 사항을 가장 잘 충족시킬 수 있다고 느끼도록 해야 합니다.구매 단계는 제품의 선택 및 구매를 포함합니다. 제품 마케팅 전략과 코호트의 참여가 주요합니다.활성화 단계는 사용자가 첫 긍정적 인상을 유지하도록 하는 게 매우 중요합니다.리텐션은 고객이 만족도를 명확하게 나타내는 단계입니다. 그들은 그들이 당신의 플랫폼을 가치 있게 생각한다는 것을 보여줌으로써 (사용한 돈, 소요 시간, 기간 및 참여 깊이를 통해) 유지는 또한 고객 평생 가치를 높일 수 있는 가장 큰 부분입니다. 갱신 : 사용자가 비즈니스 약관을 갱신하거나 추가 제품을 구매하거나 구독을 모두 업그레이드하는 부분입니다.추천 : 사용자가 친구 및 동료에게 제품을 홍보하거나 추천 프로그램에 적극적으로 참여할 때 발생합니다.사용자는 이러한 단계 중 어느 단계에서든 자연스럽게 고객 라이프 사이클에서 벗어날 수 있습니다. Amplitude(앰플리튜드)와 같은 제품 분석을 통해 행동 코호트를 활용함으로써 제품 팀은 고객의 행동 주기를 파악하여 기존 메시징, 채널 및 경험을 식별하고 활용할 수 있습니다.그렇다면 이러한 코호트를 추출하는데 주요한 진단 질문 예제를 살펴볼게요.코호트 추출 시, 주요 진단 질문이렇게 준비된 질문 중에서,  "얼마나 많은 고객이 Appboy(=Braze) email을 통해 인해 신규 가입을 했는가?"라는 질문에 대해 가정해보고, 코호트를 추출한다면 다음과 같은 구성으로 쉽고 간단하게 Amplitude(앰플리튜드)를 통해서 코호트를 추출할 수 있습니다.고객 라이프 사이클을 정기적으로 재점검하세요.고객 라이프 사이클은 사용자의 우선순위와 선호도가 시간이 지남에 따라 진화함으로 제품 전략 또한 지속적으로 진화해야 합니다. 사용자가 주요 workflow를 계속 진행할 수 있도록 하려면 고객 라이프 사이클의 각 단계에서 대상 행동 집단을 일관되게 검토하는 것이 중요합니다. 행동 코호트를 정기적으로 검토하면 성공적이고 맞춤화 된 고객 라이프 사이클을 위해 고관여 고가치 고객을 계속 확보, 참여 및 유지할 수 있습니다.

퍼스트 파티 데이터(First-party data)란, 기업의 웹 사이트 또는 모바일 앱과 같이 기업에서 소유하고 있는 채널을 통해 수집하는 고객의 정보입니다. 이메일 주소를 양식에 입력하는 것처럼, 고객이 직접 공유하는 데이터와 사이트 내 또는 인앱에서의 행동 데이터가 포함됩니다.


본 게시글에서는 퍼스트 파티 데이터를 수집하여 개인화된 고객 경험을 만들고 리텐션을 개선하는 방법을 알아보겠습니다.






🔎 주요 내용







퍼스트 파티 데이터란 무엇인가요?


퍼스트 파티 데이터는 고객이 핵심 제품과 상호작용하는 이유에 대한 정보를 수집하는 것입니다.  반면에, 세컨드 파티 및 써드 파티 데이터는 오디언스(audience)와 외부 플랫폼 간의 상호작용으로부터 얻을 수 있습니다.


퍼스트 파티 데이터에는 크게 두 가지 종류가 있습니다.



개개인에 대한 퍼스트 파티 데이터를 수집하고, 그들을 그룹(또는 코호트)로 정렬하여 분석할 수 있습니다. 예를 들어, 플랫폼을 사용하는 동일한 조직의 사용자 그룹이 있을 수 있습니다. 그렇다면 코호트 분석을 통해 그들을 하나의 그룹으로 분석할 수 있죠. 혹은 '첫 주에 알림을 활성화했거나 친구와 플레이리스트를 공유한 사용자'와 같이 사용자 행동을 기반으로 코호트를 만들 수도 있습니다.


퍼스트 파티 데이터의 중요한 특징은 이 데이터가 조직에 속해 있다는 점입니다. 여러분은 이를 직접 수집하고, 저장하고, 관리하게 됩니다. 즉, 데이터를 수집하는 방법을 직접 결정함으로써, 데이터의 정확성과 합법성을 보장할 수 있습니다. 이는 세컨드 파티 및 써드 파티 데이터와의 차이점입니다.








퍼스트 파티 데이터 vs 제로 파티 데이터


고객이 적극적으로 공유하는 정보(설문조사, 고객 피드백 응답 등)를, 사람들은 제로 파티 데이터라고 부르기 시작했습니다. 제로 파티 데이터는 유용한 인사이트를 주지만, 고객이 직접 제출한 정보이기 때문에 부정확할 수 있습니다.


예를 들어 누군가는 공포 영화 장르를 좋아한다고 응답했지만, 사실은 대부분의 시간을 로맨틱 코미디 장르를 보면서 보낼 수도 있습니다. 마찬가지로 대부분의 사용자가 '이 플랫폼을 친구나 동료에게 추천할 의향이 있나요?'라는 항목에 '매우 그렇다'라고 응답하더라도, 실제로 '친구 추천 프로그램(refer-a-friend)'을 사용하는 사람은 극히 일부에 불과합니다.


이 글에서는 제로 파티 데이터를 퍼스트 파티 데이터의 한 유형으로 다룹니다. 이는 제품을 기반으로 하는 고객과의 직접적인 관계에서 비롯되며, 귀사는 이 데이터를 직접 소유하게 됩니다.







퍼스트 파티 데이터 vs 세컨드 파티 데이터


세컨드 파티 데이터는 소셜 미디어나 광고사 같은, 신뢰할 수 있는 파트너로부터 얻은 데이터입니다. 이 데이터는 기본적으로 다른 조직의 퍼스트 파티 데이터이고, 이것이 공유되면 여러분에게는 세컨드 파티 데이터가 되는 것이죠. 세컨드 파티 데이터를 수집했을 때의 이점은 그동안 수집한 데이터를 보완하여 더욱 큰 규모의 데이터로 만들어낼 수 있다는 것입니다.


가장 흔한 시나리오는 파트너 조직이 여러분의 플랫폼 사용자일 수도 있고, 아닐 수도 있는 사용자의 데이터를 수집하여, 여러분이 해당 데이터를 활용하여 조치를 취할 수 있도록 귀사와 공유하는 것입니다. 예를 들면, 퍼블리셔는 자사의 웹사이트에 광고를 게재하고 싶은 광고주와 자사의 오디언스에 관한 퍼스트 파티 데이터를 공유할 수 있습니다.







퍼스트 파티 데이터 vs 써드 파티 데이터


써드 파티 데이터는 데이터 집계기(aggregator)로부터 수집하는 데이터입니다. 써드 파티 데이터 공급자들은 세컨드 파티 데이터를 그룹화 하고 정리합니다.


써드 파티 데이터 셋(Data Sets)은 인구 통계학 정보, 특정 산업 종사자 등 일반적인 그룹에 대한 정보를 제공할 수 있습니다. 그러나 데이터의 수집 시기 또는 방법과 같은 데이터 원본 소스에 대한 세부 정보는 알 수 없습니다.


써드 파티 데이터는 일반적으로 스노우플레이크(SnowFlake) 마켓 플레이스와 같은 온라인 플랫폼을 통해 구매할 수 있습니다. 써드 파티 데이터 공급자는 데이터 사이언티스트와 분석가가 더 많은 실시간 데이터 셋과 즉시 쿼리를 할 수 있도록 준비된 데이터 셋에 액세스할 수 있도록 데이터 교환 기능을 제공합니다. 그러나 문제는, 여러분이 구매할 수 있는 데이터라면, 경쟁사에서도 구매할 수 있겠죠. 그러니 이 데이터 셋이 귀사에 큰 경쟁 우위를 제공하지는 않습니다.


써드 파티 데이터는 써드 파티 쿠키를 통해서도 얻을 수 있습니다. 데이터 집계자는 다른 조직에 일정 비용을 지불하고 쿠키를 통해 사이트 방문자를 트래킹합니다. 하지만 구글이 써드 파티 쿠키 지원을 중단할 것이라 밝히면서, 이러한 관행은 곧 종료될 예정입니다.


최근 몇 년 동안 유럽 연합과 미국의 여러 주들도 데이터 수집, 데이터 개인 정보 보호, 데이터 공유에 관해 GDPR(일반 개인정보 보호법), CCPA(캘리포니아 소비자 개인정보 보호법)와 같은 더욱 엄격한 법률을 통과시켰습니다. 이러한 법적인 영향으로 인해 조직에서 데이터를 수집하고 공유하는 것이 점점 더 어려워지고 있는 실정입니다.

(참고: AI 시대 속 개인정보 보호 - 1단계 인식변화)





[🔖요약]  퍼스트파티 데이터 vs 세컨드 파티 데이터 vs 써드 파티 데이터







퍼스트 파티 데이터의 종류


제품 내에서 수집하는 데이터는 모두 퍼스트 파티이기 때문에, 퍼스트 파티 데이터에도 다양한 유형이 있습니다. 다음은 퍼스트 파티 데이터의 주요 유형의 예시입니다.


사용자 속성

사용자 속성에는 사용자의 이름, 나이, 위치를 비롯하여 주소, 전화번호와 같은 개인정보 등이 포함됩니다. 사용자가 귀사의 제품에 등록하거나 양식을 작성할 때 또는 웹 분석을 통해 사용자의 속성 정보를 수집할 수 있습니다.


사용자의 선호도 및 관심사

퍼스트 파티 데이터 수집의 또 다른 이점은 다양한 데이터 포인트를 통해 고객의 선호도 및 관심사에 대한 정보를 파악할 수 있다는 점입니다. 예를 들어, 귀사의 플랫폼에서 하루에 3시간 이상 뷰티 튜토리얼을 시청하는 사용자는 아마도 헤어, 메이크업 제품에 관심이 있을 것이라고 파악할 수 있습니다.

또는 일주일에 여러 번 청구서 템플릿을 사용하는 그룹을 발견했을 수도 있습니다. 그렇다면 그들은 청구서 템플릿이 유용하다고 생각하며, 유사한 템플릿에 관심이 있을 것이라고 가정할 수 있습니다.


고객의 행동

사용자의 행동 또한 퍼스트 파티 데이터입니다. 다양한 이벤트를 트래킹하고 분석함으로써, 사람들이 플랫폼과 상호작용하는 방식을 이해할 수 있습니다. 예를 들면 다음과 같습니다.



코호트 분석을 사용하여 사용자를 행동에 따라(행동 코호트) 다른 그룹으로 분류할 수 있습니다. 위에서 언급했던 청구서 템플릿 예시로 살펴보면, 이러한 템플릿을 이용하는 사용자가 그렇지 않은 사용자보다 고객 생애 가치(CLV: Customer Lifetime Value)가 더 높다는 가설을 세울 수 있습니다.






위의 Amplitude(앰플리튜드) 매출 LTV 차트는 청구서 템플릿을 사용하는 사용자(파란색)의 CLV가 그렇지 않은 사용자(초록색)보다 높다는 가설을 확인시켜 줍니다. 그 다음으로 해야 할 작업은 고객 여정의 초기 단계에 청구서 템플릿의 표지를 바꾸는 A/B 테스트를 실시하여 CLV를 높이는 것입니다.








퍼스트 파티 데이터는 왜 중요할까요?


식사를 할 때는, 식재료가 어디에서 왔는지를 아는 것이 중요합니다. 그래야 몸에 해로운 것들을 먹지 않을 수 있죠. 데이터도 마찬가지입니다. 부정확할 수 있거나 품질이 낮은 정보는 비즈니스 의사 결정에 있어 큰 피해를 초래할 수 있기 때문에 조직에 유입되어서는 안됩니다.


퍼스트 파티 데이터 수집의 주요 이점은 조직에서 데이터를 수집하고, 분석하고, 활성화하는 방법을 처음부터 끝까지(end-to-end) 완벽하게 제어할 수 있다는 점입니다. 즉, 해당 데이터의 품질과 정확성을 확신할 수 있으며, 다른 파트너나 써드 파티 조직에 의존할 필요도 없습니다. 다만 모든 개인 정보 보호법 및 규정을 준수해야 하고, 데이터를 수집하기 전에 사용자로부터 적절한 동의를 얻었는지 확인해야 합니다.


또한 퍼스트 파티 데이터를 활용하면 유연성을 확보할 수 있습니다. 데이터를 업데이트하고, 추가하고, 다양한 오디언스 세그먼트와 코호트를 만들어낼 수도 있습니다. 이는 다른 조직에서 정보를 얻는 경우에는 불가능한 영역입니다.


마지막으로, 퍼스트 파티 데이터는 본질적으로 고객 및 제품과의 관련성이 매우 높습니다. 여러분이 수집하는 모든 인사이트는 플랫폼에 따라 다르므로, 이를 활성화하고 자사 데이터 전략을 만들어 앱과 웹 사이트를 개선할 수 있습니다.


퍼스트 파티 데이터는 다음과 같이 활성화할 수 있습니다.









퍼스트 파티 데이터는 어떻게 수집해야 할까요?


제품에서의 클릭, 뷰, 프로세스와 같은 이벤트를 추적하고 고객이 플랫폼과 상호 작용하도록 유도하여 퍼스트 파티 데이터를 수집할 수 있습니다. 추적할 이벤트와 수집할 데이터를 결정하기 위해서는, 먼저 고객과 그들의 제품 사용에 대한 질문 리스트를 만들어야 합니다. 그 다음 질문의 답을 찾는데 도움이 되는 이벤트와 이벤트 속성을 정의합니다. 어떤 이벤트를 추적하면 좋을지 결정하는 기준에 대한 자세한 내용은 Amplitude(앰플리튜드)의 이벤트 추적 블로그 글을 참고 하십시오. 


고객으로부터 유용한 데이터를 수집할 수 있는 접점은 다음과 같습니다.









퍼스트 파티 데이터 관리 도구


데이터를 수집, 처리 및 분석하기 위한 여러 가지 데이터 관리 플랫폼이 있습니다. 조직의 규모와 유형, 그리고 특정 데이터 요구사항에 따라 귀사에 가장 알맞은 솔루션은 달라질 수 있습니다.


Amplitude (앰플리튜드)

Amplitude(앰플리튜드) CDP(Customer Data Platform)를 사용하여 다양한 유형의 데이터를 수집하고 구성할 수 있습니다. CDP는 Amplitude(앰플리튜드) 분석과 완벽하게 통합되어 있으므로, 데이터를 다운스트림으로 쉽게 전송하여 마케팅 또는 제품 전략에 따라 분석하고 활성화할 수 있습니다.


Amplitude(앰플리튜드)를 사용하면 데이터를 다양한 오디언스(코호트)로 세분화하여 셀프 서비스 분석을 실행하고 귀중한 인사이트를 수집할 수 있습니다. 이 플랫폼은 사용이 쉬우며, 조직이 데이터 중심으로 운영될 수 있도록 도와줍니다. 또한 데이터 사일로를 제거하고, 모든 조직의 구성원들이 데이터 인사이트에 액세스하여 업무에 활용할 수 있도록 지원합니다.


기타 데이터 관리 도구












콘텐츠 더 읽어보기

앰플리튜드, 우아한형제들, 데이터 수집, 퍼스트 파티 데이터