오늘날의 환경에서 훌륭한 마케팅 캠페인을 구축하기 위해서는 데이터를 단순히 성공 여부 평가에만 사용하는 것이 아니라 전략적 방향을 설정하는 데 활용해야 합니다. 이러한 데이터를 분석하고 처리하는 도구를 구현함으로써 데이터를 유용한 정보, 더 스마트한 전략, 더 나은 결과로 전환하는 데 있어 개발자가 핵심적인 역할을 합니다.
이 세 가지 개발자 친화적인 MarTech 솔루션으로 마케팅 데이터의 힘을 활용하세요. 비교불가한 투명성과 제어 능력을 기반으로 하는 데이터 수집부터 원시 데이터를 구조화된 유용한 정보로 변환하거나 최적의 성능을 위해 자동 A/B 테스트를 사용하는 것까지, 개발자가 마케팅 데이터로 수행할 수 있는 작업을 어떻게 혁신하는지 소개하겠습니다.
클릭한 버튼부터 스크롤한 페이지까지, 사람들이 웹사이트나 앱과 어떤 식으로 상호작용하는지 파악하는 것은 성능 최적화에 매우 중요합니다. sGTM(서버 측 Google 태그 관리자)은 트래픽을 측정하고 데이터 흐름을 관리하여 이 과정을 더 쉽게 만드는 동시에 개인정보 보호, 성능, 제어, 생산성 향상의 문을 열어줍니다.
sGTM Pantheon은 sGTM의 기존 기능을 다음과 같이 다양한 방식으로 보완하며 배포하기도 쉬운 솔루션으로 구성된 도구 상자입니다.
개발자는 유연하게 솔루션을 조합하여 Google 플랫폼 및 타사 플랫폼과 모두 통합 가능한 단일 파이프라인을 만들 수 있습니다. sGTM Pantheon은 서버 환경을 사용하므로 솔루션은 비공개 자사 클라우드 보안 환경에서 운영됩니다.
sGTM Pantheon은 마치 생물처럼 끊임없이 진화하고 성장하는 솔루션입니다. 더 많은 도구를 보고 싶으세요? GitHub에서 전체 sGTM Pantheon을 살펴보세요.
Google 애널리틱스 4(GA4) 마케팅 데이터에는 알려지지 않은 이야기, 강력한 인사이트, 잠재고객과 소통할 수 있는 새로운 방법이 담겨 있지만, 이를 해석하는 일이 항상 쉽지는 않습니다.
GA4 Dataform은 원시 BigQuery 데이터를 이벤트, 항목, 세션, 트랜잭션 등의 명확한 모듈식 테이블로 구성하는 데이터 변환 도구입니다. 모든 기술 수준의 사용자가 데이터를 분석하고 데이터 기반 캠페인을 운영할 수 있도록 돕습니다. 깊이와 단순성을 모두 제공하는 GA4 Dataform은 기본 설정을 넘어 자신만의 데이터 모델을 구축하고 고객과 소통하는 새로운 방법을 찾을 수 있도록 지원합니다.
GA4 Dataform은 원시 GA4 BigQuery 내보내기를 변환하기 위한 SQL 데이터 모델을 제공하는 Google Cloud Dataform 프로젝트입니다. 본질적으로 이 코드는 GA4 원시 데이터 내보내기를 기반으로 모델을 구축하여 데이터 기반 마케팅 인사이트를 얻을 수 있도록 돕는 스타터 팩입니다.
현재 제공되는 기능은 다음과 같습니다.
1: 고유한 user_key 및 ga_session_key 작성.
2: 이해하고 활용하기 쉬운 세션 테이블, user_transaction_daily 테이블, 이벤트 테이블 등을 출력으로 제공.
3: GA4 GCLID를 Google Ads Data Transfer 클릭 뷰 GCLID에 매핑하여 Gclid 확대(선택적 설정)
4: 이벤트 수준의 마지막 클릭 어트리뷰션.
시작할 준비가 되셨나요? 간단히 배포할 수 있습니다. GitHub에서 GA4 Dataform을 탐색하여 배포 방법을 알아보세요.
Google Ads 쇼핑 캠페인에서 막연한 추측과 수동 테스트를 없앨 수 있다면 어떨까요? FeedX는 광고주가 쇼핑 피드 수정에 대한 A/B 테스트를 실행할 수 있도록 지원하는 오픈소스 실험 프레임워크입니다. 이를 통해 광고주는 특정 조정이 성과 변화에 어떤 영향을 미치는지 확인할 수 있습니다.
인벤토리 전반으로 최적화를 확장하려는 온라인 광고주는 자신의 전략이 성과에 긍정적인 영향을 미칠 것인지 알아야 합니다. 그러나 명확한 피드백 신호가 없으면 창의적인 변화를 통해 결과가 개선될지 악화될지 파악하기 어렵습니다.
FeedX는 광고주가 신뢰할 수 있는 Python A/B 테스트 프레임워크를 사용하여 모든 변경 사항을 테스트할 수 있게 함으로써 이 문제를 해결합니다. FeedX는 모든 로직과 메커니즘을 포함한 Python 패키지이고, 이 패키지를 사용하여 실험을 설계하고 분석하는 방법을 보여주는 Colab 노트북 세트도 함께 제공됩니다.
FeedX는 업계 권장사항을 적용해 실험이 최대한 견고하고 민감하게 이루어질 수 있도록 합니다. 크로스오버 설계를 통해 사전 실험 성과를 CUPED(Controlled-experiment Using Pre-Experiment Data) 방식으로 조정하고, 필요한 경우 이상값 항목을 제거합니다. 전체 흐름의 개요는 다음과 같습니다.
1: 광고주는 테스트하려는 항목(예: 제목 또는 설명 최적화)부터 시작합니다. 신뢰할 수 있는 결과를 얻기 위해서는 테스트에 최소 1,000개 이상의 항목을 포함해야 하며, 샘플 크기가 너무 작을 경우 FeedX 디자인 노트북이 경고를 보냅니다.
2: 피드 항목은 대조군과 실험군의 두 그룹으로 무작위로 나뉩니다.
3: 광고주는 실험 항목에 대한 최적화만 포함하는 보충 피드를 만들고 이 보충 피드를 판매자 센터에 업로드하여 실험을 시작합니다.
4: 선택적으로, 실험군이 대조군이 되도록 광고주가 이러한 그룹을 서로 바꾸는 경우 크로스오버 실험을 실행할 수 있습니다.
5: 실험이 종료되면 대조군과 실험군 간 모든 항목의 성능을 분석하고 비교합니다. 그 결과, 신뢰 구간과 통계적 유의성으로 뒷받침되는 신뢰할 수 있는 측정항목 보고서가 생성됩니다.
더 이상 어림짐작하지 마세요. 데이터로 쇼핑 광고에 혁신을 일으킬 준비가 되셨나요? GitHub에서 FeedX의 작동 방식을 자세히 알아보세요.
이번 게시물은 마케팅과 개발 간의 격차를 해소하기 위한 2부작 시리즈의 두 번째 글입니다. 생성형 AI MarTech 솔루션을 살펴보려면 생성형 AI를 마케팅에 적용하는 세 가지 MarTech 솔루션을 확인해 보세요.
Google for Developers 블로그에서 더 많은 업데이트를 계속 확인하거나 MarTech 솔루션 가이드를 살펴보고 지금 바로 구현할 수 있는 훨씬 더 혁신적인 도구를 찾아보세요.
