lightnsolt 님의 블로그

해커톤# _ 비즈니스 모델정의 + 문제를 정의하고 해결하는 과정

lightnsolt — Thu, 9 Jul 2026 20:46:15 +0900

비즈니스 모델 공부 필요성

해커톤을 진행하며 서비스의 구조와 수익구조 논리가 탄탄해야 함을 계속 들으면서 이것에 대한 공부방법이 뭐가 있을까? 하다가 비즈니스 모델을 공부해야 함을 알게 되었다.

브런치 은종성 강사님의 글을 클로드가 추천해줘서 지금부터 공부해보겠다.
https://brunch.co.kr/@eunjongseong/92

비즈니스 모델의 정의

정의 : 돈을 버는 방법 / 제품, 서비스를 소비자에게 제공해 어떻게 돈을 벌 것인가 하는 계획 또는 사업 아이디어

비즈니스 모델의 종류

경쟁관점의 비즈니스 모델
- 시장에서 경쟁할지(원가 우위), 틈새시장에서 살아남을지(차별화)선택하고 집중하며 수정해 나가는 모델
비경쟁 관점의 비즈니스 모델
- 제거 / 증가 / 감소 / 창조를 하며 원가우위와 차별화를 만드는 것/
내부 관점의 비즈니스 모델
- 기획, 설계, 공정별 상세설계 등 모든 단계의 원가를 낮추는 도요타
고객 관점의 비즈니스 모델
- 고객경험
5BM - Innovatinonwa
- 위 모든 관점을 고려해서 바라보는 것

어떤 문제를 해결할 것인가?

제품 위험

MVP Minimal Vaible Product 최소한의 핵심 기능을 탑재한 상품, 서비스
정의 : 제대로 된 제품과 서비스를 만드는 것 (본질)

고객 위험

제품을 이용할 고객이 존재해야한다.
pain point를 가지고있는 페르소나 설정

시장 위험

지속가능한 서비스인지
경쟁자는 어떤 수준인지
투입되는 시간, 돈과 사람 확보방법 + 그에대한 보상이 가능한지

외부환경에 대한 분석

정치적 요인 > 시장의 규칙 정립

패권 전쟁으로 인한 유류비, 식자재 원료 상승 >> 공급망 변화 (내수 경제 활성화 방향)

경제적 요인 > 가치사슬의 변화

가치사슬을 변화 시킨다.
가치사슬 : "제품이 원재료에서 최종 고객에게 가기까지 거치는 일련의 활동들"을 말해요.
각 단계(구매→생산→마케팅→판매→서비스)를 지날 때마다 가치가 하나씩 더해진다고 보는 것
예시 : 코로나로 인해서 온라인 몰에 사람들이 모임(온라인 마켓의 가치가 높아졌다? 고 이해해도 되나?)

사회적 요인 > 수요를 변화

1인가구 증가 >> 상품의 소형화 / 파편화 / 대형마트보다 편의점 수요가 증가 >> 패키지의 변화

기술적 요인 > 경쟁의 단계를 변화

Chat GPT의 등장

지그재그_클로드 분석

lightnsolt — Mon, 6 Jul 2026 10:27:39 +0900

지그재그 매출 증대 전략 — 문제점 진단 및 마케팅 실행 전략 초안

1. 조사 개요

목적: 지그재그(ZIGZAG) 이용자의 실제 불만·문제점을 데이터로 확인하고, 그중 마케터가 실행 가능한 영역을 중심으로 매출 증대 전략을 도출한다.

데이터 소스 및 수집 규모

채널	건수	특징
구글 플레이스토어 리뷰	5,000건 (2021.01~2026.07)	별점+원문, 가장 직접적인 불만 채널
애플 앱스토어 리뷰	500건 (최근순, RSS 최대 제공량)	별점+원문
네이버 블로그 (조합 키워드 5종)	4,429건 → 필터링 후 3,971건	최근 1~2주 위주(고빈도 키워드 특성상 API 1000건 cap)
네이버 카페	4,541건 → 필터링 후 3,810건	날짜 메타데이터 미제공
네이버 뉴스	3,398건 → 필터링 후 2,962건	업계/사업 맥락 파악에 유용
(비교용) 에이블리·29CM 앱스토어 리뷰	각 500/400건	업계 공통 문제 vs 지그재그 고유 문제 판별

중요한 데이터 품질 이슈 (사람이 직접 읽고 확인한 내용)

기존 배포된 경쟁사 데이터 폴더의 4910(지그재그 추정) 키워드는 완전히 무관한 노이즈였고, 자체 재수집이 필요했음. "지그재그" 단독 키워드도 무늬를 뜻하는 일반명사와 겹쳐 그대로 쓸 수 없어 지그재그 후기/배송/환불/어플/불편 조합 키워드로 수집.
네이버 카페는 실제로 열어보니 대부분 "중고나라"류 중고거래·리셀 게시글(지그재그에서 산 옷을 되파는 글)이었고, 플랫폼 이용 경험에 대한 목소리는 거의 없었음 → 문제 진단 근거로는 신뢰도가 낮음.
네이버 블로그는 협찬/제휴 마케팅 글(원고료 받고 쓴 후기, 쿠폰 홍보 글)이 상당수 섞여 있어, 자발적 불만보다는 현재 마케팅 메시지 현황 파악에 더 유용함.
네이버 뉴스는 개인 불만보다 정산/보안사고/제휴 등 사업 구조적 이슈 파악에 유용함.
결론적으로 앱스토어 리뷰(구글플레이/애플)가 압도적으로 신뢰도 높은 1차 근거이며, 아래 진단은 앱 리뷰를 축으로 하고 블로그/뉴스는 보조 근거로 사용함.

2. 정량 스냅샷

구글플레이 평점 분포(5,000건 표본): 5점 46%, 1점 26%, 4점 12%, 3점 9%, 2점 7% → 양극화 뚜렷 (좋아하는 사람은 매우 만족, 불만인 사람은 최하점)
최근 14개월 월별 1~~2점 비율: 24~~53% 사이에서 변동, 2025년 10월(48%)·2026년 5월(53%) 등 특정 시점에 저평점 비율이 튀는 구간 존재 → 특정 업데이트/이벤트 시점과 연동 가능성 (표본이 월 15~35건으로 크지 않아 추가 검증 필요)

3. 지그재그 고유 문제 vs 업계 공통 문제 (앱스토어 저평점 리뷰 테마 비교)

문제 테마	지그재그	에이블리	29CM	해석
광고/알림 피로	10.3%	5.6%	5.3%	지그재그 고유 문제 — 경쟁사 대비 약 2배
배송/물류 지연	16.2%	15.6%	8.5%	마켓플레이스 모델 공통 문제 (직매입형 29CM은 낮음)
환불/취소	11.9%	12.8%	4.9%	마켓플레이스 모델 공통 문제
정산/셀러 이슈	2.9%	3.4%	0.8%	마켓플레이스 모델 공통 문제
앱 오류/버그	24.4%	15.1%	25.9%	업계 전반 이슈 (지그재그만의 문제 아님)
쿠폰/할인 불만	11.8%	9.5%	17.8%	업계 공통, 오히려 29CM이 더 높음

핵심 시사점: 배송/환불/정산은 "마켓플레이스 모델"이라는 사업 구조에서 오는 공통 리스크이므로 지그재그만 탓할 문제는 아니지만, 광고·알림 피로도는 명확히 지그재그가 경쟁사보다 심한, 그리고 마케터가 직접 통제 가능한 영역이라는 점이 이번 조사의 가장 중요한 발견임.

4. 정성 리딩으로 확인한 구체적 문제 (원문 인용 기반)

4-1. 광고/이벤트 피로 및 신뢰 훼손 (★ 지그재그 고유, 마케팅 최우선 개선 영역)

과도한 푸시/카카오톡 알림: *"래플 알림 껐는데 그만좀보내라", *"카톡 친추해도 다시 광고 뜨고 짜증"
선정적/부적절한 광고 소재로 인한 브랜드 이미지 훼손: 여성 속옷 노출 광고에 대한 불쾌감 후기 다수
"X 버튼을 눌러도 광고가 계속 뜨는" 다크패턴형 강제 노출 불만
과도하게 복잡한 이벤트 기믹(타임어택, 팀모으기 등)으로 인한 "인지 피로" 및 안내 불충분("혜택 받으려면 알림설정까지 다 하라고 나중에 알려줌")
사소한 할인(천원 인하)까지 알림을 보내 "할인 알림 자체의 신뢰도"가 낮아짐

4-2. 재고/품절 정확도 (구매 직전 이탈 유발)

"재고 있는 것처럼 보여주고 결제 시점에 품절" 패턴이 반복 언급됨(저평점 리뷰 중 약 2.8%가 품절 관련)
교환 신청 후 셀러가 임의로 품절 처리하며 "직권취소" 되는 사례 — 구매 확정 이후 신뢰가 깨지는 지점

4-3. 결제 전환 단계의 인증/기술 마찰

본인인증(PASS 등)은 완료됐는데 결제가 막히는 사례, 신규 회원가입 시 전화번호 인증이 반복 실패하는 사례 → 첫 구매 전환 자체를 막는 손실
장바구니/찜(하트) 데이터가 업데이트 후 초기화되는 버그 → 재방문 유저의 구매 의도 소실

4-4. CS 응대 경험

문의 답변을 확인하려면 다시 앱을 설치해야 하는 등 번거로운 흐름, 응답 지연(4일 이상 무응답 사례) 반복 언급

5. 고객 여정 단계별 문제 매핑

단계	주요 문제	근거
앱 재방문/알림 수신	과도한 푸시·카톡 광고, 부적절한 소재	§4-1
탐색/큐레이션	취향과 무관한 상품 노출 불만(개인화 품질)	표본 리뷰 中 스타일 큐레이션 불만 다수
첫 구매 전환	본인인증/회원가입 실패로 이탈	§4-3
장바구니→결제	로딩 지연, 버튼 먹통, 데이터 초기화	§4-3, 정량 "앱 오류/버그" 24.4%
결제 후~배송	품절 임의취소, 배송 지연	§4-2, 정량 "배송/물류" 16.2%
반품/환불	판매자별 응대 편차, 환불 지연	§4-4, 정량 "환불/취소" 11.9%
CS	응답 지연, 번거로운 확인 절차	§4-4

6. 마케터 실행 전략 제안 (우선순위순)

Quick Win (즉시 실행 가능, 비용 대비 효과 높음)

알림/푸시 정책 재설계: 빈도 상한(예: 1일 1~2회), 할인 규모에 따른 알림 발송 기준(예: 10% 미만 할인은 알림 제외), 카카오 친구추가 유도 UX를 옵트인 방식으로 명확화. 경쟁사 대비 2배 높은 유일한 고유 문제이므로 개선 시 리뷰 평점·재방문율에 가장 빠르게 반영될 가능성이 높음.
광고 소재 가이드라인 정비: 선정성 관련 컴플레인이 반복되는 소재 유형을 표준 심의 체크리스트로 관리해 브랜드 이미지 리스크 차단.
이벤트 기믹 설계 단순화 및 사전 고지: 참여 조건(알림설정 필요 등)을 이벤트 진입 즉시 안내해 "낚였다"는 불만 최소화.

중기 과제 (마케팅 + 상품/CS 협업 필요)

재고 정확도 신뢰 회복 캠페인: "품절 임박" 배지 노출 강화 + 품절 취소 시 보상(쿠폰 등) 자동 지급으로 이탈 고객의 재구매 유도. 이미 존재하는 "직진배송"(자체 풀필먼트) 셀러 비중을 늘리고 이를 마케팅 메시지로 부각하면(배송 신뢰도가 높은 셀러 우선 노출 등) 배송 불만을 마케팅 자산으로 전환 가능.
CS 퍼널 개선 커뮤니케이션: 문의 답변 확인을 위해 앱 재설치를 유도하는 흐름 개선을 상품팀에 전달하고, 개선 전까지는 CS 안내 메시지에 예상 응답 시간을 명시해 불신을 낮춤.

장기/구조 과제 (참고, 마케팅 단독 해결 어려움 — 경영/상품 조직과 공유)

앱 안정성(오류/버그)은 업계 공통 이슈이나 지그재그도 29CM 수준으로 높은 편(24.4%) — 마케팅 캠페인 집행 시점과 서버 부하가 겹치지 않도록 사전 조율 필요.
마켓플레이스 구조상 배송/환불 편차는 셀러 품질 관리(정산/SLA)와 직결 — 우수 셀러 등급제·노출 가중치 강화를 마케팅 관점에서 제안.

7. 데이터 재현/추가 분석용 파일 위치

모두 지그재그 데이터(뉴스, 블로그, 카페, 앱리뷰)/ 폴더에 위치:

crawl_app_reviews.py, googleplay_reviews.csv, appstore_reviews.csv — 지그재그 앱 리뷰 수집/원본
crawl_competitor_appstore.py, appstore_reviews_에이블리.csv, appstore_reviews_29CM.csv — 경쟁사 비교용
crawl_naver.py, naver_blog_지그재그.csv, naver_cafearticle_지그재그.csv, naver_news_지그재그.csv — 원본 수집분
filter_relevance.py, naver_*_지그재그_filtered.csv — 관련도 필터링 결과(high/medium 라벨 포함)
analyze_themes.py — 테마별 빈도/트렌드 집계 스크립트 (재실행 가능)

8. 한계 및 다음 단계 제안

네이버 채널은 API 특성상 최신 데이터 위주로 수집되어 다년간 월별 트렌드 비교에는 제약이 있음 (경쟁사 배포 데이터와 달리 날짜범위 스크래핑을 하지 않음).
이번 분석은 텍스트 기반 규칙(키워드 매칭)으로 1차 분류한 뒤 사람이 표본을 직접 읽어 검증하는 방식으로 진행함 — 전수 정성 코딩은 아니므로, 실제 실행 전 담당자가 각 테마별 원문을 한 번 더 샘플링해 확인할 것을 권장.
다음 단계로는 (1) 위 Quick Win 항목의 A/B 테스트 설계, (2) 자사 CRM/구매 데이터와 교차해 "저빈도 알림에도 이탈한 고객군" 등 세그먼트 식별을 제안함.

프로젝트#02_고객 세분화 분석 보고서

lightnsolt — Thu, 2 Jul 2026 22:47:34 +0900

지난 시간에 우리가 정한 <무신사 스탠다드>에 대한 고객 세분화 분석 보고서를 작성하는 날이다.

보고서의 제일 상단에는

1. 비즈니스배경

2. 문제인식

3. 분석목적

순으로 우리는 기입을 해야했고 여기서 논거를 확실히 세워두어야 다음 데이터와 자료들이 채워질 수 있어서 오늘 하루의 시간을 다 쏟아부었다.

나는 무탠다드의 경쟁사를 분석했다

무탠다드는 SPA 카테고리이다. 그래서 위와 같은 매출 규모의 경쟁사를 확인했다.

다음으로 유니클로 스파오 탑텐 에잇세컨즈 메인 페이지를 들어가보았다.

전부 처음으로 노출되는 카테고리는 "여성"이었다.

무탠다드는 남성이 메인이 되는 플랫폼이기 때문에 당연히 남성 먼저 노출된다.

무신사는 여성을 신경쓰지 않는건가? 하는 정도로 무탠다드 - 여성 카테고리의 첫 노출 아이템은 심심했다.

데이터 랩에서 여성이 1년동안 브랜드 검색량을 확인해보았다.

유니클로가 이상치 정도로 튀는 부분이 있었지만 무신사도 얼추 검색량을 따라가고 있었다.

그리고 이번 무진장 세일의 여성 / 남성 top1 매출 브랜드는 둘 다 무탠다드였다.

금액으로 환산할 수 없지만 굳이 비율을 따져본다면 10:5

52억의 상품 판매액은 전혀 적은게 아니다. 실제로 여성들은 무탠다드를 많이 구매하고 있었다.

나의 고정관념 여자는 무탠다드보다는 유니클로, 자라, 탑텐을 더 선호할거야 라고 생각했다.

무탠다드가 여성을 방치하는 느낌을 받았지만 그런 느낌과는 다르게 매출량이 있었다

그럼 무탠다드가 남성위주의 타겟을 지금처럼 유지하며 여성고객의 유입을 늘릴 수 있다면

패션 카테고리 검색 키워드의 주를 이루는 여성 아이템 수요를 무탠다드에서 채울 수 있다면 매출은 자연스럽게 따라오지 않을까? 하는 생각이 들었다.

우신사 처럼 여성 전용으로 하자는게 아니다. 지금과 같은 남성 중심의 타겟을 따르되 여성에게도 친화적이고 지금도 여성들은 많이 이용하고 있다는 프레임을 설정해주고 주변에서많이 이용하고 있다는 브랜딩을 해주면

여자도 무신사랑하고 남자도 무신사랑해로

남자와 여자가 창조된 ㅋㅋ 이유 협력하고 사랑하는 그림이 그려지지 않은가 생각해 보았다.

그래서 보고서에 나는 계속해서 위의 소구점을 가져갈 것이다.

패션에서 여성시장은 압도적이다.

다른 매장에 빼앗기고 있는 그들의 마음을 가져올 수 있다면 무신사는 매출을 더 많이 증대할 수 있을 것이다.

데이터로 이를 확인하기 위해서

여성이 다른 매장에 쓰는 비용을 알 수 있으면 좋겠다. 한 번 탐색해 봐야겠다.

해커톤#01_주제선정

lightnsolt — Thu, 2 Jul 2026 22:29:16 +0900

일을 너무 많이 벌리나...

멋쟁이 사자처럼에서 이런 공지글이 올라왔다.

https://www.ksqa.or.kr/kdthackathon/info/info1.do

K-디지털 트레이닝 해커톤

K-디지털 트레이닝 훈련생 대상 해커톤을 개최하여, 훈련생의 첨단･디지털 분야 실무 역량 제고 및 공익적 아이디어 발휘의 장 마련

www.ksqa.or.kr

후우.... 관심이 생긴다 그런데 나는 지금 프로젝트 진행중인데... 이제 막 시작해서 정신없는데?

일정을 보니 부캠 종료날짜인 8월21일부터 제대로 시작하는것으로 확인된다.

함 저질러봐?

ㅋㅋㅋ

하고 지금 이렇게 되었다.

나에겐 든든한 조원이 배정되었다.

백앤드 + 프론트앤드 개발자

마케터인 내가 어떤 영역에서 도울 수 있을지 애매했지만 일단 신청했다.

우리가 선정한 주제는 장애인을 도울 수 있는 AI 활용 서비스를 제작하는 것이었다.

나는 데이터와 정보를 다루는 마케터이니

다음과 같은 흐름을 생각했다.

1. 장애인 관련 사이트를 크롤링하기

장애인 전문 매체인 에이블뉴스, 비마이너의 기사를 긁어모았다. (클로드의 도움을 받아)

2. 크롤링한 데이터의 키워드 분석 후 등장 횟수 파악

3. 많이 등장한 단어로 현재 트랜드 확인

결과는 다음과 같았다.

기사의 모수가 작아서 유의미한 인사이트는 얻기가 어려웠다.

실제 장애인들의 어려움이 적힌 자료가 있으면 좋겠다는 생각이 지금 이 글을 적으면서 든다.

한번 확인해봐야겠다.

통계청의 장애인 관련 데이터를 모아서 보고 다음과 같은 정리를 할 수 있었다.

-> 65세 이상 장애인 비율이 높으니 젊은 이들이 접근할 수준으로 서비스를 제작하면 현실과 동떨어진 서비스가 될 수 있다.

내가 팀원들에게 최종 제안한 내용은 다음과 같다

경쟁 적을 것 같은 서비스

이지리드 -https://www.ablenews.co.kr/news/articleView.html?idxno=218443
→ 타겟 : 발달 장애인
→ 사용방법 :
핸드폰으로 사진을 찍어 쉬운말로 설명 or 쉬운 이미지 등장
핸드폰 녹음 버튼을 눌러서 말로하는 설명을 녹음 → 사전 셋팅해둥 해당 타겟의 수준에 맞춘 용어로 재설명
**시각·청각·인지용 접근성 지도
→ 타겟 : 접근성 서비스가 필요한 장애인
→ 참고 - (**휠체어 지도는 레드오션) 나와 있는 것들이 전부 이동약자(휠체어) 중심
→ 지도에서 확인 가능한 내용 :
"이 식당 메뉴 키오스크 음성지원 되나 / 이 영화관 자막 상영 있나 / 이 카페 저자극·조용한 좌석 있나" 같은 시각·청각·인지 접근성 정보 모음집

개발 문제점 → 데이터를 어떻게 효과적으로 수집할것이며 해당 업체의 변경내용의 업데이트가 어렵다.
ex)점자 서비스가 있는줄 알고 갔는데 없음

이미 be by eye와 같은 시각데이터 음성 출력

소보로 와 같은 실시간 자막 번역

서비스가 있어서 위의 두 서비스를 제안했는데 결국 개발자들이 개발 가능한지 여부를 검토해야 하기 때문에

자료를 건네고 나는 기다려보겠다.

예선을 합격해야 본선으로 가기때문에 한번 지켜보면 재미있을 것 같다.

프로젝트1_#01_주제선정

lightnsolt — Wed, 1 Jul 2026 21:39:33 +0900

2주간의 부트캠프 교육이 끝남과 동시에 부캠의 꽃 프로젝트가 시작되었다.

새롭게 만난 팀원들과 인사를 하는데 한 팀원분이 이전 마케터 경력이 있으신 분이어서 든든했다.
그분을 팀장으로 우리 5조는 프로젝트를 시작해나간다.

모든 학생은 다음과 같은 목표를 받았다.

무신사 매출 증대

아쉽게도 무신사 내부 데이터가 아닌 네이버에서 무신사와 경쟁사 검색결과 블로그/기사 크롤링 1달치 데이터를 공유받았다.
우리가 직접 데이터를 확보해야 하는 상황이다.

역할분담

멋쟁이 사자처럼에서 프로젝트 역할을 5가지 가이드로 나눠서 알려주었다.

데이터 수집 · 전처리 담당
트렌드 분석 담당
고객 세분화 · 타겟팅 담당
대시보드 · 시각화 담당
전략 기획 · 광고 세팅/시안 담당

-> 우리팀은 1~3은 쭉이어지는 흐름이니 다같이 붙어서 퀘스트 깨는 느낌으로 진행하기로 했다.

중요한 것은 무신사의 어떤 포인트를 주제로 잡고 매출증대를 이루느냐!

우리는 각자 자료조사를 한 뒤 토의하기로 했다.

자료조사1

나는 mobile인덱스의 모바일 앱 시각화 자료를 참고했다.
https://insight-report.mobileindex.com/
26년 2~6월의 업종별 어플 신규설치 순위에 무신사가 높은 순위로 자리하고 있었다.

내 눈길을 끈 건 5월의 퀸잇이라는 어플이었다. 찾아보니 4050여성 타겟의 쇼핑 플랫폼이었다.
https://blog.rapportlabs.kr/171663

그리고 또 자료를 찾다보니 포스티라는 서비스도 확인했다. 카카오에서 제공하는 4050 남성 타겟의 쇼핑 플랫폼이 있었다.
www.koreafashionnews.com

생각의 흐름이 무신사의 현재 사용층이 20~40일텐데 그들이 나이를 먹으면 나중에 퀸잇과 포스티로 넘어가나? 아니면 무신사에 계속 머무르나? 생각이 들었다.

무신사 서비스에서 장년 타겟으로한 <엄마, 아빠, 아저씨, 아줌마, 장년, 중년, 4050>을 검색했을 때 상품으로 볼 만한게 없었다.
무신사는 장년과 시니어층을 전혀 고려하지 않고 있었다.

장년 4050 여성을 대상으로 한 카테고리나 상품 서비스가 있으면 어떨까? 하는 생각으로 팀원들에게 자료를 공유했다.

1차 자료조사 결과

팀원들이 찾아온 자료들이 더 매력적인 소재였다.
문제1. 우리는 프로젝트를 하면서 데이터를 수집해야 하는데 무신사 채널에서 장년을 대상으로 한 상품 데이터를 수집하기가 어렵다.
문제2. 장년보다 더 중요하고 장년보다 더 눈에 보이는 성과가 있는 영역들이 존재한다.(뷰티, 무탠다드, 스포츠 등)

문제3. 무신사는 힙한 서비스와 이미지로 젊고 생명력 넘치는 역동적인 브랜드이다. 내가 찾은 소재는 현재 시점에서 적합하지 않다.

팀원들은 훨씬 좋은 소재를 가져왔다.

오프라인 매장의 강화
지그재그, 에이블리와 같은 플랫폼과 차별화된 무신사의 강점인 오프라인 매장의 존재여부
자사 PB브랜드 무탠다드
타사는 없는 자사 PB 브랜드를 무신사는 소유하고 있다.
여성 타겟의 상품
무탠다드도 그렇고 남성을 타겟으로 하고 있지 여성 상품이 부족하다.

소거법

팀장님이 정하기 어려울 땐 아닌걸 지우는 방법이 좋다고 해서
우리는 흥미없고 자료도 찾기 어려울 것 같은 소재를 지우기 시작했다.

유즈드(중고)
외국인 타겟
뷰티(올영과 다이소라는 강력하고 탄탄한 경쟁자)

우리는 보조강사님의 조언을 들었다. 자료 수집이 용이한 것이 중요하는 것을 듣고 한 번 더 자료조사를 진행한다.

2차 자료조사

2번째 자료조사에서는 첫번째 한 팀원이 무탠다스 여성 상품의 강화에 대한 언급이 있어서
zigzag와 ably와 musinsa를 비료해보고 싶어졌다.

똑같이 여성 - 티셔츠 - 반소매디셔츠로 들어가서 각각 첫 화면에서 노출하는 화면을 가져와봤다.

왼쪽 ZIGZAG / 오른쪽 ABLY / 아래 MUSINSA

같은 타겟을 대상으로 하는 카테고리인데 무신사는 어이없을 정도로 여성에게 노출되는 상품이 무채색에 단조로웠다.

이정도면 여성을 아예 신경 안쓰는거 아닌가 하는 생각도 들었다.

네이버 데이터 랩에서 남 / 여 로 나눈 뒤 1년동안의 무신사-지그재그-에이블리의 검색량 추이를 보았다.

왼쪽 여자의 경우 남자보다 유의미하게 지그재그 에이블리의 검색량결과가 높은 것을 알 수 있다.

그리고 여성의 무신사 검색량은 압도적이다.

무신사는 여성을 신경써야한다는 결론이 나왔고

발표때 해당 내용을 말했다.

자료발표 2차

내가 발표한 자료는 우리가 정해야할 무신사의 특정 카테고리는 아니어서 또 묻혔다 (미안해요..)

나는 계속 잡아야 할 핵심을 놓치고 있는 기분이었다.

보완 방향

가설을 세워보자. 그 가설에서 시작해서 가지를 넓히자 틀려도 괜찮다. 내가 적극적으로 검증하고 찾아보고 싶어하는 마음이면 된다.

최종 결론

우리의 최종 결론은 뷰티 vs 무탠다드 였다.

우리의 결론은 무신사의 강력한 무기 "무탠다드"로 선정했다.

내일부터는 무탠다드의 문제점을 찾고 경쟁사와 비교를 한 뒤 해당 문제를 해결하기 위한 근거와 스토리를 계획해야한다.

논리를 정립하고 데이터로 검증하는 과정이 쉽지않다.

내가 논리적인 사람이 아니고 근거를 가져와서 말하는 연습이 없다보니 회의내용에도 유익한 말을 조원들에게 해주지 못하는 것 같아서 미안하다.

1차 프로젝트 나의 목표는 현업에서 하는 의사결정과정을 경험하고 그와 비슷한 방식으로 말해보는 연습을 하는 것이다.

앞으로 3주동안 어떻게 진행될지 궁금하다!

검색광고마케터1급 독학 #04

lightnsolt — Sun, 21 Jun 2026 20:36:09 +0900

핵심지표공식

CVR - 전환률 : 전환수 / 클릭수 *100
CPA - 전환당 비용 : 광고비 / 전환 수

CTR-CVR 4분면

CTR 높음	(전환 단계에서 이탈)랜딩페이지 개선	(최적 컨디션)광고 최적화가 잘되어 있으므로 연관 키워드 발굴 및 확장
CTR 낮음	(키워드 소재 적합 불일치)광고 타겟, 소재, 채널 재분석	(소재 매력도 떨어짐)광고 소재 수정 및 최적화
	CVR 낮음	CVR 높음

로그분석

정의 : 웹사이트사용자 데이터를 수집 분석하는데 도움을 주는 도구
종류 : GA4/ 에이스카운터, 비즈스프링
매체별 설정
- 네이버 : 프리미엄 로그 분석 설치
- 카카오 : CTS(전환추적)설정
- 구글 : GA4
유의사항 : 광고 게시전 미리 태그 설정을 해두어야 유저 데이터가 쌓임. 광고 후에 설정하면 그 설정 전 데이터 추적 어려움

전환

네이버	(광고 클릭 후) 30분이내	30분전환추적 기간내(720일)
카카오	(광고 클릭 후) 30분이내	30분 ~ 45일
	직접전환	간접전환

반송률

이탈률과 같은 말
공식 : 방문 대비 반송 비율

랜딩페이지 구성요소 8가지

키워드
특정 타겟, 시즈널 상세페이직 구성
특별 구매 혜택 제시
상품,서비스 증거 제시(후기)
상품, 서비스 상세 설명 제시
즉시구매, 예약 서비스
다양한 디바이스 환경 고려
타겟에 따른 디자인

네이버 검색광고 그룹 상태별 조치

비즈채널 검토중 : 비즈 머니 충전 및 확인
비즈 채널 노출 제한 : 수정 후 재검토 요철
광고그룹 예산 도달 : 하루 예산 증액
캠페인 예산 도달 : 캠페인 예산 수정
캠페인 기간 외 : 캠페인 기간 수정
일부 노출 가능 : 비즈채널 노출 제한 가이드 따라 수정 후 재검토

광고 소재 작성 원칙 6

사용자의 요구, 혜택에 초점을 맞춘 메세지
다양한 확장 소재 a/b테스트
구체적 클릭 유도 문구(CTA) / 일반적 표현 말고
사용자가 찾는 정보가 있음을 강조
뻔한 질문 말고 답을 제시
금지 : 최상급표현, 비속어, 증명할 수 없는 말, 과한 특수문자,

검색광고마케터1급 독학#03

lightnsolt — Sat, 20 Jun 2026 07:54:58 +0900

https://www.youtube.com/watch?v=5uZmH01Aq58&list=PLsvL7yuPKtGQBBU7fIp8sYBI2_FOkLqAm&index=2

자료출처: 마케팅학교 유튜브

검색광고의 정의

구글,네이버,카카오 사이트에서 상품을 검색했을 때 상품이나 서비스가 최상단에 노출되어 광고하는 형태 - 과금필요

>> 검색엔진을 통해 기업 웹사이트를 노출시기는 광고 기법

>> SEM(search engine marketing) / SA(search ad) / paid search / 키워드 광고 (같은말)

>> 능동적 검색활동에 기반해 노출 -> 정확한 타겟팅

>> 양질의 검색 결과를 위해 사이트 자체적 검수 과정을 거침

검색광고의 특징(장점)5가지

1. 유동적으로 광고 설정 가능(예산, 시간대, 소재) (지면, 입찰가, 예산 탄력적 운영)

2. 클릭당 비용이 발생해서 노출되기 좋음(종량제광고cpc - 클릭될 때만 과금)

3. 대시보드에서 광고 효과 즉시 확인

4. 노출 순위 = 품질지수 + 입찰가

5. 정확한 타겟팅(성별,연령대,시간대,노출지면)

검색광고 단점 4가지

1. 부정 활동 차단 어려움

2. 초기 브랜드 진입장벽 있음

3. 경쟁심화->광고비 증가

4. 운영 관리 리소스 필요

기본과금지표약자

KPI - Key Performance Indicator - 핵심성과지표 (분야마다 다르게 설정)

CPM - Cost Per Mille - 1000 조회수 당 비용

CPC - Cost Per Click - 1클릭당 비용

키워드의 종류

대표 - 앰플, 썬크림과 같은 상품을 대표하는 키워드 / 입찰가 높음 / 업종의 대표 키워드

세부 - 세부적인 검색단어를 추가해 구매의도가 높이 담긴 키워드 / 대표의 하위,수식어 추가

시즈널 - 특정 기간에 검색량이 늘었다가 기간이 지나면 훅 줄어드는 키워드

광고 소재 & 확장 소재(T&D)

광고소재 = 제목 + 설명문구(T&D) + URL + 확장소재(최대13종)

제목과 설명 (Title and Description) - 검색결과에 노출되는 제목과 설명

확장 소재 - 검색광고 제목과 설명에 덧붙이는 요소 - 이미지, 랜딩페이지링크, 가격, 예약버튼

방문 분석 지표

UV -

~~User visit~~

Unique Visitors - 순 방문자 수

PV - Page view - 둘러본 페이지 수

DT - Duration Time - 체류시간

성과측정 지표

cpc - 광고비용 / 클릭 수

cpm - 광고비용 / 1000노출

ctr - 클릭수 / 노출수 *100

roas - 매출 / 광고비 * 100

roi - 순이익 / 광고비(투자비) * 100

~~cpa - 전환수 / 클릭수 *100~~

CVR - 전환수 / 클릭수 * 100 = 전환률

CPA - 광고비 / 전환수 = 전환당 비용

cpa 세부 3종

CPS - COST PER SALE : 제품 판매당 비용

CPL COST PER LEAD : 리드 획득(팔로우,좋아요)당 비용

CPI - COST PER INSTALL : 설치당 비용

머신러닝 개요

lightnsolt — Wed, 17 Jun 2026 17:51:53 +0900

머신러닝

정의 : 데이터를 학습해 패턴이나 규칙을 찾고 미래를 예측하는 기술 / 새로운 데이터(미래의 일)가 들어왔을 때 결과를 예측한다.

데이터

학습(train) 데이터
평가(test) 데이터

보통 7:3 비율로 나눠서 학습7 / 평가3으로 데이터 할당한다.

머신러닝 학습 방법

지도학습 (예측 / 분류)

문제와 정답을 같이주고 학습시킨다.
분류 : 이 고객이 구매할까 (Yes / No)
- 미리 정의된 여러 정답(Label, Class)중 하나를 예측
- 시험결과 (합/불)예측, 비만도(정상/저체중/비만)예측
- 정답 2개 = binary (이진분류)/ 정답 3개 이상 = multiclass(다중분류)
- 평가지표
  1. 정확도
  2. 정밀도
  3. 재현율
  4. F1 Score

회귀 : 이 고객이 얼마나 구매할까? (32,000원)

연속적인 숫자를 예측하는 것
집의 위치 주변시설
선형회귀 분석과 같이 예측 공식을 찾아 그 값을 반환하는 것
평가지표
1. MAE (평균절대오차)
2. MSE (평균제곱오차)
3. R² (결정계수)

	분류 (Classification)	회귀 (Regression)
출력값	카테고리	연속적인 숫자
예시	비만/정상/저체중	몸무게가 몇 kg?
알고리즘	KNN, Decision Tree	선형회귀, Ridge, Lasso
평가지표	정확도, F1	MAE, MSE, R²

비지도 학습 (연관 규칙 / 군집)
- 문제만 주고 학습시킨다.
- 답이 없는 상태에서 학습 방법
- 비슷한 특성으로 묶는 군집
강화학습 (보상)
- 지도학습과 유사하지만 완전한 답을 제공하지 않음
- 미리 셋팅된 상황에서 더 많은 보상을 얻을 수 있는 방향으로 학습
- 게임모델이나 로봇을 학습시키는데 많이 사용
- 데이터가 부족한 상황에서 좋은 학습 방법

머신러닝 활용 분야

지도 학습
- 카톡 스팸메세지 자동 차단
- 아이폰 faceID 얼굴인식 잠금해제
- 신용카드 부정사용 실시간 탐지
- 엑스레이 영상 폐렴 진단
비지도 학습
- 쿠팡 '비슷한 상품 추천'
- 네이버 비슷한 기사 묶기
- 공장센서 이상신호 자동 감지
강화 학습
- 유튜브 틱톡 알고리즘 추천
- 구글 데이터센터 40%냉각비 절감
- chat GPT 품질 개선머신러닝 마케팅 활용 분야
지도학습 (직접적인 수치와 글)
- 고객 이탈 예측 / 해지 가능성 점수화
- 광고 클릭률 예측 / 노출 최적화
- CLV예측 / VIP식별
- 리뷰 감성 분석 - 긍정.부정 분류
비지도학습 (패턴과 군집화)
- 고객 세그멘테이션 페르소나 도출
- 장바구니 연관상품 발견
- 고객 여정 패턴 발굴. 행동 군집화
- sns 토픽 모델링. 브랜드 언급 주제 분석
강화학습 (실시간 추적 대응)
- 실시간 광고 입찰 최적화
- 개인화 추천 알고리즘 보상 학습
- 동적 가격 책적 / 쿠폰 발급 타이밍 예측
- a/b 테스트 자동화

머신러닝 학습과정 7단계

문제정의 / 요구사항 분석
- 해결해야할 이슈
- 얻고자 하는게 뭐야?
- 학습 종류 선정(지도 vs 비지도 vs 강화)
데이터 수집
- 크롤링
- 내부 데이터
- IoT 센서 데이터 수집
- 설문조사
데이터 전처리
- 이상치 / 결측치 처리
- 특성공학 (원본 데이터를 모델이 더 잘 학습할 수 있는 형태고 가공.변환.생성 하는 작업)
  1. 수치형 변환
    - 스케일링 : 단위가 다른 변수들 맞추기
      로그변환 / Z-Score표준화 / Min-Max정규화
    - 구간화 : 연속 수치를 구간으로 나누기
      소 / 중 / 대
  2. 범주형 인코딩
    - 원-핫 인코딩 : 모델은 문자를 못읽어서 변환
      네이버 -> 1 / 구글 -> 2
    - 레이블 인코딩 : 순서가 있는 경우 변환
      소 -> 0 / 중 -> 1 / 대 -> 2
탐색적 데이터 분석 (EDA - Explotary Data Analysis)
- 정의 : 모델 만들기 전에 데이터를 눈으로 먼저 파악하는 과정(요리 재료 손질 전 냉장고 뭐가 있나 확인하는 것)
1. 기본정보확인
```
import pandas as pd
```

df = pd.read\_csv('data.csv')

````
2. 수치요약
```df.describe()   # 수치형 컬럼 통계 한번에
# 결측값 개수
df.isnull().sum()

# 결측값 비율
df.isnull().sum() / len(df) * 100
````

3.  시각화
    히스토그램(분포) / 박스플롯(이상치) / 히트맵(상관관계) / 막대그래프(정규성) 
4.  인사이트 도출  
    ✅ 데이터가 몇 개야? → shape  
    ✅ 결측값 있어? → isnull  
    ✅ 이상치 있어? → boxplot  
    ✅ 어떤 특성이 타겟과 관련 있어? → 상관관계  
    ✅ 클래스 불균형 있어? → value\_counts  
    ✅ 특성공학 뭐 해야 해? → 분포 보고 결정

df.shape # (행 수, 열 수)
df.head() # 상위 5개 행
df.tail() # 하위 5개 행
df.info() # 컬럼명, 타입, 결측값 한눈에
df.dtypes # 각 컬럼 데이터 타입
모델 선택
데이터 적고 해석 중요 → Decision Tree
데이터 많고 안정성 중요 → Random Forest
성능 극한으로 뽑기 → Boosting (XGBoost)
숫자 예측 + 특성 많음 → Ridge / Lasso
정답 없이 그룹화 → Clustering
하이퍼 파라미터 k값과 간은 사람이 직접 설정하는 튜닝 값
모델 학습
- model.fit(quiz / answer)
모델 평가
- model.predict(test)
- metrics.accuracy_score(y_test, pred)
1. 정확도 : 올바르게 예측한 수 / 전체 예측 수
  Confusion Matirx
2. 정밀도 : positive라고 예측한 것 중 실제로 맞은 비율
  모델이 positive로 예측한 값들 중 실제 정답이 positive인 비율
3. 재현율 : 실제 positive중 맞게 잡은 비율
  실제 정답이 positive인 것 중에서 모델이 positive로 예측한 비율
4. F1 score : 정밀도와 재현율의 조화평균

99%정확도는 높은가?

if 국정원의 보안율이 99%라면 100번 중 1번꼴로 뚤린다면? 낮은것이다.
BMI 수치 예측에서 99% 는? 높은 것이다!

정확도는 상대적으로 평가 가능

머신러닝(KNN / Decision Tree)

lightnsolt — Wed, 17 Jun 2026 14:31:15 +0900

머신러닝

정의 : 데이터를 학습해 패턴이나 규칙을 찾고 미래를 예측하는 기술 / 새로운 데이터(미래의 일)가 들어왔을 때 결과를 예측한다.

데이터

학습(train) 데이터
평가(test) 데이터

보통 7:3 비율로

머신러닝 학습 방법

지도학습

문제와 정답을 같이주고 학습시킨다.
분류 : 이 고객이 구매할까 (Yes / No)
- 미리 정의된 여러 정답(Label, Class)중 하나를 예측
- 시험결과 (합/불)예측, 비만도(정상/저체중/비만)예측
- 정답 2개 = binary (이진분류)/ 정답 3개 이상 = multiclass(다중분류)
- 평가지표
  1. 정확도
  2. 정밀도
  3. 재현율
  4. F1 Score

회귀 : 이 고객이 얼마나 구매할까? (32,000원)

연속적인 숫자를 예측하는 것
집의 위치 주변시설
선형회귀 분석과 같이 예측 공식을 찾아 그 값을 반환하는 것
평가지표
1. MAE (평균절대오차)
2. MSE (평균제곱오차)
3. R² (결정계수)

	분류 (Classification)	회귀 (Regression)
출력값	카테고리	연속적인 숫자
예시	비만/정상/저체중	몸무게가 몇 kg?
알고리즘	KNN, Decision Tree	선형회귀, Ridge, Lasso
평가지표	정확도, F1	MAE, MSE, R²

비지도 학습
- 문제만 주고 학습시킨다.
- 답이 없는 상태에서 학습 방법
- 비슷한 특성으로 묶는 군집
강화학습
- 마주면 상점 틀리면 벌점으로 더 나은 모델로

머신러닝 학습과정 7단계

문제정의 / 요구사항 분석
- 해결해야할 이슈
- 얻고자 하는게 뭐야?
- 학습 종류 선정(지도 vs 비지도 vs 강화)
데이터 수집
- 크롤링
- 내부 데이터
- IoT 센서 데이터 수집
- 설문조사
데이터 전처리
- 이상치 / 결측치 처리
- 특성공학

KNN모델을 사용해서 머신러닝 공부 시작

K-Nearest neighbors model

정확도 accuracy : 맞은갯수 / 전체 예측 갯수
재현율 recall : positive로 맞춘 갯수 / 정답이 positive인 것
정밀도 precision : 실제 정답이 positive / 모델이 positive로 예측한 갯수
-> 정밀도 재현율은 서로 반대있는 개념(트레이드 오프)이라서 반대 그래프가 그려짐 <-

k값 (n_neighbors=)

정의 : 주변 k갯수 만큼을 비교해보고 값을 찾아나간다.
보통 훈련 데이터 갯수의 제곱근 만큼으로 산정한다.

99%정확도는 높은가?

if 국정원의 보안율이 99%라면 100번 중 1번꼴로 뚤린다면? 낮은것이다.
BMI 수치 예측에서 99% 는? 높은 것이다!

정확도는 상대적으로 평가 가능

통계복습3

lightnsolt — Mon, 15 Jun 2026 16:48:45 +0900

lightnsolt 님의 블로그

해커톤# _ 비즈니스 모델정의 + 문제를 정의하고 해결하는 과정

비즈니스 모델 공부 필요성

비즈니스 모델의 정의

비즈니스 모델의 종류

어떤 문제를 해결할 것인가?

제품 위험

고객 위험

시장 위험

외부환경에 대한 분석

정치적 요인 > 시장의 규칙 정립

경제적 요인 > 가치사슬의 변화

사회적 요인 > 수요를 변화

기술적 요인 > 경쟁의 단계를 변화

지그재그_클로드 분석

지그재그 매출 증대 전략 — 문제점 진단 및 마케팅 실행 전략 초안

1. 조사 개요

2. 정량 스냅샷

3. 지그재그 고유 문제 vs 업계 공통 문제 (앱스토어 저평점 리뷰 테마 비교)

4. 정성 리딩으로 확인한 구체적 문제 (원문 인용 기반)

4-1. 광고/이벤트 피로 및 신뢰 훼손 (★ 지그재그 고유, 마케팅 최우선 개선 영역)

4-2. 재고/품절 정확도 (구매 직전 이탈 유발)

4-3. 결제 전환 단계의 인증/기술 마찰

4-4. CS 응대 경험

5. 고객 여정 단계별 문제 매핑

6. 마케터 실행 전략 제안 (우선순위순)

Quick Win (즉시 실행 가능, 비용 대비 효과 높음)

중기 과제 (마케팅 + 상품/CS 협업 필요)

장기/구조 과제 (참고, 마케팅 단독 해결 어려움 — 경영/상품 조직과 공유)

7. 데이터 재현/추가 분석용 파일 위치

8. 한계 및 다음 단계 제안

프로젝트#02_고객 세분화 분석 보고서

해커톤#01_주제선정

경쟁 적을 것 같은 서비스

프로젝트1_#01_주제선정

무신사 매출 증대

역할분담

중요한 것은 무신사의 어떤 포인트를 주제로 잡고 매출증대를 이루느냐!

자료조사1

1차 자료조사 결과

소거법

2차 자료조사

자료발표 2차

최종 결론

검색광고마케터1급 독학 #04

핵심지표공식

CTR-CVR 4분면

로그분석

전환

반송률

랜딩페이지 구성요소 8가지

네이버 검색광고 그룹 상태별 조치

검색광고마케터1급 독학#03

검색광고의 정의

검색광고의 특징(장점)5가지

검색광고 단점 4가지

기본과금지표약자

키워드의 종류

광고 소재 & 확장 소재(T&D)

방문 분석 지표

성과측정 지표

cpa 세부 3종

머신러닝 개요

머신러닝

데이터

머신러닝 학습 방법

머신러닝 활용 분야

머신러닝 학습과정 7단계

머신러닝(KNN / Decision Tree)

머신러닝

데이터

머신러닝 학습 방법

머신러닝 학습과정 7단계

K-Nearest neighbors model

k값 (n_neighbors=)

통계복습3

목차

1. T-test

정의

2. ANOVA 검정