(230601) 퍼포먼스 마케팅 공부

<DATA Literacy>

1. 소셜 데이터 분석 (빅데이터 수집, 텍스트 마이닝, 소셜 빅데이터 분석 > 시각화)

* 소셜 데이터 : 소셜 웹 상에서 사람들이 실시간으로 생산해내는 대규모 데이터 (실시간으로 발생하는 공개글). 유의미한 정보 추출 및 인사이트 획득.

* 소셜 분석의 역할

 1) 사회 : 대중의 솔직한 생각 및 반응 파악, 특정 분야의 흐름 및 트렌드 예상, 사회 동향 및 트렌드 파악

 2) 비즈니스 : 특정 제품과 서비스에 대한 사람들의 반응 및 요구사항 확인, 특정 주제에 대한 사람들의 생각 파악, 특정 집단의 생각과 의견 파악

2. 연관어와 감성어

3. 기업 활용 사례

소셜분석

 

 

<데이터 정제할 때 기억해야 할 것>

1. 필요 없는 것 과감히 삭제

2. 하나의 셀에는 하나의 값

3. 빠진 값 처리

 

 

<현업 CEO 밋업 특강>

*인도네시아 시장

- 우리나라 인구 수보다 인도네시아 MZ세대 여성 인구 수가 더 많음

- COD (Cash on Delivery)를 하던 국가 > 매우 빠르게 성장중

- 인도네시아 10대 스타트업 : 그랩, 고젝, 쇼피, 토코페디아, 주마토, 라자다, 제이디아이디, 오보, 부까라팍, 트레블로카

 

 

<통계>

‘현상’을 나타내고 있는 Data로부터 유용한 정보를 도출하여 적절한 의사결정을 하게 해주는 것

 

*검정 통계학 : 표본으로 전체를 설명하는 것

*가설 검정(모집단의 모수에 대한 잠정적 주장)

 1. 귀무 가설 : 기존의 사실과 차이가 없다, 같다

 2. 대립 가설 : 귀무 가설의 반대 (주장하고 싶은 것)

ex) 무죄추정의 원칙 : 처음에는 ‘범죄자는 범인이 아니다’라는 귀무가설을 세우고 그 귀무가설을 기각할 수 있는 ‘범죄자는 범인이다’를 입증할 수 있는 자료를 모으는 것

 

* P-Value < 0.05 (오차한계 5%) : 귀무 가설 기각, 대립가설 채택

** P value는 1종 오류를 범할 확률

 

*1종오류 vs 2종 오류

 1. 1종 오류 : 귀무가설이 참인데 기각하는 경우 (ex. 무고한 사람을 감옥에 보내는 경우)

 2. 2종 오류 : 귀무가설이 거짓인데 기각하지 않은 경우

 

 

<요약 정리>

1.  모집단, 전수 조사

2.  표본, 표본 조사

3.  유의수준(오차한계) : 5%

4.  신뢰수준 : 95%

5.  가설(귀무가설, 대립가설)

6.  P-Value < 0.05, 대립가설 채택

 

 

 

<기술통계의 이해>

*산술평균(mean) : 총합을 변수 n개로 나눈 값

*중앙값(median) : 변수들을 크기순으로 배열했을 때 중앙에 있는 수

*최빈값(mode) : 가장 많이 등장한 수

*편차 : 하나의 데이터 값이 평균에서 얼마나 떨어져 있는지에 대한 값

*분산 : ‘편차’의 제곱의 합을 계산한 값

*표준편차 : 분산에서 제곱근(루트)를 씌워준 값 (절대값)

*왜도 : 데이터가 대칭을 이룰수록 왜도 값은 0, 데이터가 한쪽으로 치우칠수록 양수 또는 음수

*첨도 : 완전히 정규 분포를 따르는 데이터의 첨도값은 0, 데이터 꼬리의 모습에 따라 양수 또는 음수

*변동계수 = 표준편차 / 평균

 

 

<상관분석 Correlation Analysis>

*상관관계는 인과관계가 아니다.

https://tylervigen.com/spurious-correlations

 

 

상관관계분석_건강