데이터로 광고 관리자를 더 잘 써보자: 마이리얼트립 양승화그로스리드인터뷰

최기영(픗픗아카데미 대표, 이하 최): 소개를 부탁드립니다.
양승화(마이리얼트립 그로스 실장): 마이리얼트립이라는 여행 스타트업에서 그로스실을 맡은 양승화라고 합니다.

최: 그로스실은 그로스 해킹 그룹인가요?

양승화: 그렇다기보다는 마케터와 데이터 분석가가 함께 일하는 조직이지요, 제가 입사할 당시에는 데이터를 전문적으로 보는 팀이 없었는데, 그동안 회사에 쌓인 데이터도 많고 앞으로 나갈 길을 보니 데이터를 잘 써야 할 거 같아 데이터 분석 전문 조직을 만들자고 했지요.

분석가는 마케팅을, 마케터는 SQL을 배우는 조직

최: 데이터 팀으로 시작하셨군요?

양승화: 그로스 팀이 만들어지고 회사에 어떤 데이터를 쌓고 어떤 식으로 분석할지를 고민하며 데이터 문화를 전파하는 걸 먼저 진행했어요. 이후 마케팅 조직까지 합쳐지며, 지금의 그로스실이 되었지요. 데이터분석가와 마케터가 같이 있는 조직인데요. 분석가들이 마케팅 데이터 외에 다른 전사데이터를 다 보긴 하지만, 마케터들이 바로 옆에 있으니까, 마케팅을 할 때 필요한 데이터들을 뽑거나 마케터와 분석가가 논의하고 협업하기가 훨씬 쉬워졌습니다.

최: 그렇게 합친 이유가 있나요?

양승화: 보통 마케팅에서는 분석팀에 “이거 좀 봐주세요”라고 분석을 의뢰했었죠. 그런데 분석가들이 마케팅 지식이 없는 상태에서는 분석도 피상적일 수밖에 없더라고요. 또 데이터 분석을 통해 큰 개선을 가져올 수 있는 부분이 마케팅인데, 마케팅 관점에서 데이터가 어떻게 수집되고, 어떤 걸 목표로 잡고, 어떤 부분을 분석해서 개선해야 하는가를 고민하다 보니 마케터와 분석가가 함께 일하며 서로의 영역을 공부하고 업무에 적용하면 더 좋겠다 싶어 조직을 합쳤습니다.

최: 그럼 마리트의 마케터는 데이터를 공부하고, 분석가는 마케팅을 배운다?

양승화: 맞아요. 마케터는 SQL을 배워야 하고요. 분석가도 페북 마케팅 수업을 듣곤 합니다.

최: 마케팅에 데이터를 활용하자는 얘기는 많은데 실질적으로 활용하는 곳은 잘 보이지 않더라고요.

양승화: 사실 마케터분들이 데이터를 많이 보세요. 그런데 페이스북, 네이버 광고 관리자 쪽이죠. 광고 관리자 데이터 물론 중요합니다. 그런데 광고 관리자에 집중한다는 건 숲보다 나무를 본다는 느낌이더라고요. 처음에는 마케팅 잘 몰라서 여기저기 여쭤보고 찾아 물어보고 다녔는데 공통적으로 해주시는 말씀은 “그냥 열심히 하면 된다”였어요. 근데 저는 구매 전환 단가가 10,000원인데, 9,500원으로 낮추겠단 목표로 이미지 계속 바꾸고 그러는 게 좀 어렵더라고요. 그래서 전체를 보고 싶어서 마케터가 보는 데이터는 어떻게 쌓이지? 이런 것부터 고민하기 시작했고, 가시화 툴로 데이터를 한 번에 보고 싶은데, 그러면 파이프라인을 어떻게 만들어야 할까? 이런 고민도 이어지고, 마케팅 어트리뷰션을 어떤 식으로 측정하는지? 그걸 하기 위해선 어떤 데이터를 수집해야 하고 이런 걸 고민하고 구현하기 시작한 거죠.

최: 마케팅과 데이터 조직이 달랐을 때와, 뭉쳤을 때, 차이가 있나요?

양승화: 전에도 마케팅 데이터를 분석팀에서 안 보던 건 아니었거든요? 근데 전에는 어쨌든 결과적으로 생성된 데이터만 보니까. 이 데이터가 어떻게 수집되었고, 어떤 걸 목표로 잡아야 하고, 계선하기 위해서는 뭘 해야 하는지에 대해 감이 별로 없었어요. 근데 저희가 이 데이터가 어떻게 만들어지는 과정부터 고민하기 시작하니, 다른 부분도 눈에 들어오더라고요. 광고를 여러 채널을 통해 내보내는데 각각의 채널이 겹치는 효과는 어떻게 제거할 건지? 가짜 데이터는 어떻게 걸러낼 것인지 이런 것들을 훨씬 더 깊이 있게 논의할 수 있게 된 것 같아요.

광고 효율을 높이는 건 결국 타기팅

최: 퍼포먼스 마케팅은 소재를 바꿔가며 가장 반응 좋은 소재를 찾는 것으로 시작하지 않나요?

양승화: 사실 마케터가 바꿀 수 있는 건 소재밖에 없거든요. 그래서 소재를 엄청 갈아 끼우면서 테스트를 하는데, 저희는 거기에 타기팅 실험을 해서 최근에 효과를 많이 봤어요.

최: 타기팅 실험?

양승화: 요즘은 페이스북이나 구글이 머신 러닝을 통해 광고 효율이 좋은 쪽으로 알아서 타기팅해준다 하고, 그래서 별다른 설정 안 하고 그냥 타기팅을 맡기잖아요? 그런데 어떤 기준을 가지고 맡기느냐에 따라 같은 소재라도 효과가 엄청나게 차이가 났어요. 일반적으로 타기팅은 페이스북이 제공하는 관심사 기반 타기팅을 하거나, 픽셀 이벤트 기반의 타기팅을 많이 하는데, 내부에 잘 쌓인 데이터가 있다면 페이스북 타기팅 API 등을 활용해서 굉장히 정밀한 타기팅을 할 수 있거든요. 하지만 마케터가 혼자 타기팅 API를 공부해 개발자랑 논의하기는 쉽지 않죠. 그렇다고 개발자가 마케팅을 먼저 공부해서 타기팅 API 써보자고 마케터한테 제안하기도 어렵죠. 저희는 분석가와 마케터가 같은 조직에서 일하니까 그런 것들이 가능해졌어요. 분석가들이 보니 “페이스북 마케팅에서 제공하는 API가 있는데 이거 쓰면 좋을 거 같은데 써보자!”고 그래서 같이 그걸로 뭔가 만들어보고? 결과를 봤더니 클릭률이 세 배씩 오르고, 비슷한 크고 작은 성공사례가 조금씩 쌓여가면서, “여러 직군이 협업을 잘하면 우리가 평소에 못 보던 걸 보는구나”라는 걸 사람들이 이제 아는 거 같아요.

최: 최적의 소재를 찾는 지금의 퍼포먼스 마케팅 방식에 데이터를 가지고 뭔가 더 할 수 있다는 건가요?

양승화: 예를 들면, 페이스북 픽셀은 대부분 쓰지만 픽셀을 잘 연동해서 제대로 쓰는 회사는 그렇게 많지 않거든요? 조금만 신경 쓰면 타깃을 더욱 정교하게 쓸 수 있습니다. 광고할 때 특정 이벤트를 한 사람을 대상으로 광고를 하는 것처럼 데이터 기반으로 타깃을 좁혀 광고하는 방식이 중요한데요. 그게 가능하게 하려면 픽셀 안에서 이벤트 설정을 정교하게 해놔야 합니다. 페이스북은 표준 이벤트랑 맞춤 이벤트가 있는데 각 이벤트마다 파라미터를 다 볼 수 있거든요. 그걸 얼마나 세세하게 잘 설정 했나에 따라 결과가 달라지는 거죠. 보통은 “우리 사이트에 들어온 사람 대상으로 리마케팅해줘!” 정도를 할 수 있는데, 이벤트 레벨에 따라서, “이 페이지에서 구매 버튼까지 누르고 이탈한 사람들에게만 뭘 해줘!”라든지 아니면 “이 상품과 저 상품을 같이 본 사람에게만 뭘 해줘!“라던지, 여러 가지 상황을 조합해 타깃을 만들 수 있습니다.

최: 페북 광고 관리자 자체는 쓰기 어려운 건 아닌데, 또 편하지는 않잖아요?

양승화: 마케터가 제일 많이 쓰는 기능인데 직관적이지는 않죠. 그런데 이벤트 관리자나 카탈로그 관리자에서 시간을 보내는 마케터들은 별로 못 봤어요. 사실 이 부분들이 잘 되어 있어야 광고 관리자가 힘을 발휘할 수 있는 거거든요? 카탈로그가 잘되어 있고, 이벤트가 잘 정리되어 있고, 타깃을 내가 원하는 정도로 세분화해 쓸 수 있어야 그 타깃을 가지고 특정 이벤트를 목표로 하는 광고가 성과가 나는 건데, 이것들이 설정이 잘 안 돼 있으면 광고 관리자에서 소재 테스트만 할 수밖에 없는 거죠.

최: 맞춤 타깃이나 유사 타깃을 이미 가진 내부 데이터로 좀 더 정교하게 적용해 광고 실험을 할 수 있다?

양승화: 보통 맞춤 타깃을 생성할 때, 앱이나 웹에서 이벤트 기반으로도 생성이 가능하고요. 그리고 내가 보유한 사용자 정보, 마리트에서 여행 예약을 했거나, 내부 DB를 통해 어떤 사람들이 어떤 행동을 했다! 이런 것들을 알 수 있으니 우리 서비스에서 이 프로모션 배너를 클릭한 사람에게만 광고를 보여줘! 이런 것들도 가능하거든요.

최: 가진 고객 데이터를 기반으로 새롭게 만드는 상품의 예상 고객, 구매 가능성이 높은 반응할 만한 사람들 리스트를 가지고 뭔가 해본다. 이런 건가요?

양승화: 네. 저는 맞춤 타깃과 유사 타깃만 잘 써도, 광고 성과에 꽤 많은 부분이 개선될 거라고 봐요. 그런 의미에서 그 페이스북이 제공하는 관심사 타깃을 별로 신뢰하지 않아요.

최: 모든 걸 다 구글과 페이스북에 맡겨라, 이런 얘기도 많지만. 아무리 생각해도, 한정된 광고비 안에서 무작정 광고를 돌릴 수 있을까?

양승화: 그건 상품마다 다를 수 있다고 보는데요. 관여도가 낮고, 충동적으로 살 수 있는 상품이라면, 저는 구글과 페북에 맡길 수 있을 거 같아요. 그런데 파리 여행을 구글에 맡길 순 없지요.

저도 페이스북 광고 강의를 여기저기서 들었는데, 아쉬웠던 건, 대부분의 강의가 광고 관리자만 설명해요. 근데 광고 관리자는 한 번만 세팅해 보면 그 기능은 써볼 만하거든요. 궁금했던 건 ‘이걸 잘 쓰려면 뭘 고민해야 되는가’ 이 부분이었어요. 제가 찾은 답은 ‘광고 관리자를 잘 쓰려면 타깃과 카탈로그와 이벤트관리자를 잘 세팅해야 광고를 잘 만들 수 있구나’였죠. 그렇다면 타깃과 카탈로그와 이벤트관리자는 또 어떻게 해야 잘 쓰지? 이런 질문이 이어지는데… 그건 또 서비스 도메인마다 굉장히 다른 거 같다는 결론적인 생각이 들었어요. 어떤 곳은 카탈로그가 큰 의미가 없을 수도 있고, 어떤 곳은 타깃만 잘 설정해도 되고… 저희는 여행이라는 저희 특성에 빗대서 여러 실험을 해봤고, 이벤트는, 타깃은, 카탈로그는 이렇게 쓰니까 좋더라, 이런 것들을 작년에 많이 경험했죠.

최: 그중에서 대표적인 예가?

양승화: 타기팅!

최: 어떤 타기팅에서 가장 드라마틱한 전환이 있었나요?

양승화: 실제로 여행 가는 사람을 타기팅을 할 때 저희는 항공권 예약 데이터가 있으니까, 예를 들어 마리트 고객이 언제 제주도 갈지 알 수 있잖아요? 그분에게 제주의 다른 상품 타깃을 하면 최고였어요. 너무 당연하죠?

최: 지금 마리트의 데이터는 마케팅에도 많이 쓰이겠지만 기획에서도 쓰일 거고, 또 어디에 쓰일까요?

양승화: 요즘은 상품을 추천하거나, 좋은 상품을 발견하게끔 하고, 탐색을 좀 더 편하게 하는 쪽에 관심을 둬요.

최: 신규 유저 데려오기 위해 하는 활동들은 어떤 것이 있을까요?

양승화: 친구 추천이나 이런 것이 있기는 한데, 그렇게 잘 작동하는 채널은 아니고요. 마케팅 측면에서 제일 좋은 건, 항공권을 사려는 고객을 데려오는 거! 항공권을 사면 저희는 그 정보로 다른 액티비티들을 추천할 수 있고, 여행 패턴이나, 선호도나 이런 것들을 어느 정도 알 수 있으니까요.

최: 그래서 마리트의 항공권이 싸군요, 할인 금액이 고객을 모셔오는 획득 비용!

양승화: 네. 검색하지 않으셔도 저희가 최저가일 겁니다.

데이터가 흐르는 조직을 만들려면

최: 데이터 조직이 없었을 때 입사해서 제일 먼저 한 일이나, 데이터 문화를 정착시키기 위해 했던 일이나 에피소드들이 있을까요?

양승화: 제가 사실 마리트 입사 전에 데이터 분석가로 풀타임으로 일해본 적이 없거든요? 기획자나 PM 역할이었어요. 이제 PM 말고 다른 거 해보고 싶고, 데이터에 관심은 많고, 그래서 데이터 쪽을 하고 싶었는데, 마침 관련된 직군으로 마리트에 들어올 수 있었던 거죠. 그런데 들어와 보니 데이터 쪽 인원은 저 하나밖에 없고, 할 수 있는 것도 없어 보이는데 회사 기대치는 크고, 그래서 뭘 먼저 해야 하나 고민을 굉장히 많이 했었어요.

최: 스타트업에 경력직들이 입사하면 대부분이 겪는 문제죠.

양승화: 첫 번째로 한 건 다른 부서와 동료들의 신뢰를 얻는 거였어요. 당시에는 부서별로 데이터에 대한 니즈가 뚜렷했는데, 개발자들이 바빠서 못 해주시는 것들이 많았어요. 회계 부서에서는 정산해서 파트너에게 송금하는데 매달 이틀 정도는 꼬박 매달려야 했어요. 계좌번호 복붙하고, 하나하나 체크하고. 사실 데이터를 잘 뽑아 볼 수 있으면 그런 것들을 충분히 자동화할 수 있거든요. 또 사업부서에서 재고 관리를 하고 싶은데, 재고를 손으로 세서 엑셀로 때려 넣는 작업을 하더라고요. 그 역시도 번거로운 일이었고, 그런 것을 자동화할 수 있게 도와드렸죠. 자동화를 통해 회사 데이터를 잘 모아 활용하면, 내 일이 편해진다는 성공사례를 조금씩 만들었습니다. 사례가 쌓이고 조금씩 퍼져 나가니, 제가 “데이터 중요합니다”라고 얘기하지 않아도, “저 팀이랑 같이 일을 하면 내 일이 너무 편해져”라는 게 알려지는 거죠. 그렇게 해서 공감대를 만들었고,

최: 두 번째는?

양승화: 당시 데이터를 뽑아 CSV로 전달하는 식이었는데, 이렇게 하면 업무 이력도 남지 않고 전달할 때마다 포맷도 바뀌고 똑같은 거 매번 쿼리 만들기도 번거로웠어요. 그러면 쿼리나 대시보드를 공유할 수 있는 BI 툴을 도입해 쓰면 되겠네 해서 리대쉬라는 BI 툴을 도입해서 쓰기 시작했어요. 리대쉬를 쓰니 또 모두가 쿼리랑 대시보드를 쓸 줄 알면 바로 대시보드를 만들 수 있겠더라고요. 쿼리 짤 수 있는 사람은 한정되어 있으니까, “가르쳐 드리겠다”했습니다. 그때부터 SQL 사내교육을 시작했어요. 보통 그런 사내교육은 이벤트성으로 한번 진행하고 끝내는 경우가 많은데, 저희는 처음 하고 나서 만족도도 높고, 경영진도 잘 챙겨 주셔서 지금까지 진행합니다. 수료자도 100명을 넘겼고요. 이제 전 직원의 절반 이상은 SQL 쿼리를 짤 수 있게 된 거죠.

최: 처음 합류했을 때는 어떤 상태였나요? 데이터는 좀 있었다고 하셨는데?

양승화: DB가 쌓여 있다기보다 마케터는 광고 관리자 화면 보고, 사업부서 담당자들은 마리트 관리자 페이지에서 예약 내용, 숫자 체크하고 그랬는데 그로스 조직이 생긴 후에는 여기저기 파편화되어 있던 데이터를 잘 모아 엮었어요. 예전에는 그저 우리 매출이 얼마나 변했나 이걸 봤다면 이제는 ‘이번에 구매하셨던 분들은 예전에 이런 프로모션에 관심 있던 사람들’ ‘이 상품을 구매한 사람들은 다음에 계속 구매하는데 이 상품 구매하면 다음엔 다시 구매하지 않는다’ 등의 데이터를 보지요.

최: 각 사용자가 구매했던 이력이 정리되어 있고 그것들을 통해 다양한 해석을 해서 그 기반으로 프로모션을 할 수 있다 이런 건가요?

양승화: 다양한 소스를 통해 데이터를 수집하고, 여러 기준으로 쪼개서 보면서 ‘다르게 보면 우리가 몰랐던 정보를 알 수 있구나’ 이런 배움을 쌓아 나갑니다.

최: 그런 것이 가능하려면 데이터의 태깅? 분류? 그런 기준이 잘 잡혀 있지 않으면 쉽지 않을 것 같은데

양승화: ‘어떤 데이터를 어떻게 수집할 것인가’에서부터 영향을 받는 부분이긴 한데, 대부분의 조직은 결제 기록은 잘 정리해요. 그런데 그 결제까지 오는 각 과정의 이벤트 로그는 잘 남지 않는 경우가 많거든요? ‘이 화면에서 어떤 걸 클릭했다’, ‘어디서 이탈했다’ 그런 이벤트 로그를 기록해, 결제 데이터와 결합해서 보느냐. 이게 중요한 것 같습니다. 저희도 처음에는 앱 이벤트부터 시작을 했고요. 최근에 웹 이벤트까지 확대해 이제서야 이벤트 로그를 상세하게 보고, 그 정보를 바탕으로 타기팅을 하거나, 프로모션을 기획할 때 활용해요.

최: 이벤트 로그 기반으로 타깃을 다시 잡고, 푸시를 했을 때 결과가 확 다르다?

양승화: 꼭 이벤트 로그가 아니더라도. 타기팅을 잘했을 때와 그렇지 않았을 때의 푸시 효과는 5–10배 정도 차이 나고요. 보통 전체 푸시 보낼 때는 심지어 언인스톨 비율도 높아질 정도이니 타기팅 잘하면 효과는 열 배 이상 차이 난다고 생각해요.

최: 요즘 같은 시기에 “뉴욕 1주일 여행” 이런 푸시 메시지가 오면 뭐지 이건? 할 수 있겠죠

양승화: 사실 가장 확실한 건, 여행 의도가 있는 사람을 저희가 열심히 찾는다기보다 여행이 “확실한 사람에게 확실한 정보를 전달한다”가 일차적으로 생각할 수 있는 것 같아요. 파리 가볼 생각 1도 없는 분에게 ”파리 에펠탑이 너무 이쁜데 야경 사진 좋아요”라고 보여줘 봤자 파리 여행을 예약하긴 쉽지 않거든요, 하지만, 이 사람이 마리트에서 제주도 예약했고, 가족들이 함께 가고, 주로 연말에 여행 다니고, 이런 정보를 알면 제주도에서 이 정도 규모의 가족이 즐길 만한 상품을 골라 추천 메시지를 보내는 거죠. 어떻게 보면 기본적이긴 하지만 효과가 좋은 추천이거든요.

최: 과거 세미나 중에 “데이터가 흐르는 조직”이라는 주제로 발표해 주신 적이 있는데요, 그런 조직은 어떻게 만드는 건가요?

양승화: 원하는 데이터를 쉽게 찾아서 보고 다른 멤버들과 함께 공유하고 하는 그 환경을 만드는 어떻게 보면, 결과적으로 보면 단순한 일인데.

최: 그게 제일 어려울 거 같은데

양승화: 필요한 것들이 엄청 많긴 하죠. 분석팀만 있어서 할 수 있는 것도 아니고, 저희도 데이터 엔지니어링을 전담하는 팀이 생기면서 그 속도가 빨라졌어요. 다행히 예전에는 하둡 이런 걸 공부해야 했지만 최근에는 분석환경이 클라우드로 넘어오면서 많이 좋아졌어요. 그래서 일정 금액만 내면, 편하게 분석환경 다 만들어주는 그런 서비스들 엄청 많이 있고요. 데이터 ETL이라고 해서, 데이터 처음에 이동하고 전처리하고 가공하고 하는, 그 작업도 개발자들이 고생해서 만드는 경우가 많았는데, 그것도 이제는 처리해 주는 서비스가 많이 생겨서, 조금만 관심을 두면 쉽게 할 수도 있습니다. 클라우드 분석환경, 데이터 ETL 서비스, 대시보드를 만들어 주는 BI 서비스. 이 세 개가 발전하며 예전에 비해 훨씬 더 작은 노력과 작은 리소스로 데이터 흐르는 환경을 만들 수 있었어요.

최: 대시보드는 리대시 하나로 다 커버하나요? 태블루나 구글데이터스튜디오도 있을 것 같은데

양승화: 저희는 리대시를 쓰고, 그 안에 대시보드가 몇백 개 있을 거 같아요. 팀마다 필요한 건 스스로 만들어 쓰니까요. 데이터 분석팀은 팀 간 서로 연관이 있는 큰 주제나, 전서적으로 관심 있는 주제. 이런 부분에 조금 더 많은 시간을 쓸 수 있게 됐어요.

최: 페이스북 광고 관리자도 리대시로 연결이 되나요?

양승화: 네. 저희는 광고 데이터를 크게 세 가지로 쪼개서 보는데, 첫 번째는 매체에서 노출, 클릭, 과금되는 데이터. 두 번째는 어트리뷰션, 전환된 성과가 어떤 광고를 타고 오는지 판단하는 것을 보는 데이터. 세 번째는 그렇게 해서 가입하거나 구매한 고객이 이후 저희 서비스에서 어떤 활동을 하는지, 이 사람이 더 구매하는지, 친구를 초대하는지. 이런 세 가지 형태의 데이터를 모아 통합 대시보드를 만들어 놔요. 그럼 굳이 페이스북, 네이버 광고 관리자에 들어갈 필요가 없죠. 이 캠페인은 얼마 썼고, 성과가 이렇게 나왔고, 어떤 매체가 제일 기여했고 이런 것들을 다 볼 수 있는 거죠. 쉽게 말하면 API가 제공되는 것들은 다 연결되어 있다고 보시면 돼요.

최: 근데 제일 어려운 게, 데이터 중요성 알고, 시스템 구축해서 데이터가 쌓이면 뭐라도 분석을 해야 되잖아요? 분석해서 결과를 도출하는 과정 누군가는 리터러시라고도 하고 누군가는 직관이라고도 하는데, 그 부분에 있어서 많이들 힘들어하거나 이러시진 않았어요?

양승화: 통계 지식도 좀 필요할 수 있겠지만 대부분에 회사에서 쓰는 데이터 분석은, 평균과 중앙값을 잘 구분하고, 빈도, 튀는 값, 기울기, 빈도 대비 노출에 대한 비율 데이터를 잘 비교하고 하는 수준만 돼도 어렵지 않게 할 수 있습니다. 오히려 마케팅에 대한 맥락을 잘 알고, 각 채널의 특성을 이해하는 도메인 지식이 더 필요하죠.

최: 마리트에서 제일 신경 쓰는 KPI? 혹은 광고 관련된 수치는 뭐가 있을까요?

양승화: 획득단가, ROAS, 이런 건 저희도 같습니다. 그런데 마리트 광고 ROAS 이렇게 퉁으로 보지는 않아요. 저희는 광고 채널이 여러 개고, 그걸 목표에 따라서 나눠 사용하거든요, 그래서 이 캠페인은 앱 설치를 목표로 하고, 저 캠페인은 전환을 목표로 하고, 다른 캠페인은 인지도를 목표로 하고, 이런 것에 따라 나눠 각 캠페인마다 성과를 판단합니다. 페이스북 예산, 이게 아니라 페이스북을 통해서 설치 전환 광고 예산, 이렇게 범위를 좁히는 거죠.

최: 지금 웬만한 채널을 다 쓰시겠네요? 여행 쪽이니까?

양승화: 네. 다만 시국이 시국인지라 마케팅 예산 자체가 많이 줄어든 상태이긴 합니다. 오히려 제 고민은 나중에 여행이 정상화되었을 때 우리가 마케팅 예산을 자신 있게 쓸 수 있으려면 지금 뭘 준비해야 하지? 같은 것들을 고민해요.

최: 전에는 기획자, PM을 하셨다고 하셨죠?

양승화: 첫 회사였던 네이버에서는 UX 리서처였고요. 서비스 기획자로 역할이 바뀌었다가 스타트업으로 넘어오면서 기획도 하고 서비스 운영도 하고, PM에 가까운 일을 많이 했었어요. 그 과정에서 성공하는 서비스를 만들려면 뭘 해야 하지 고민하다 보니 결국 데이터가 눈에 보여서 혼자 공부하고, 그러다 이쪽이 더 재미있어서 커리어를 더 틀었죠.

최: 전공은 어떤 걸? 저희는 승화 님 공대 나오신 줄 알았는데.

양승화: 학부 전공은 심리학, 석사 때는 인지심리를 전공했습니다. 고등학교 때 인문계였어요. 뼈문과. 수학 공부는 고등학교 때가 마지막이었어요. 그래서 나중에 데이터 분석 일을 하다 보니 수학 기초가 부족해서 고등학교 미적분부터 다시 배우고 그랬죠.

최: 데이터 공부는 어떻게 하셨나요?

양승화: 관련된 툴은 필요할 때마다 조금씩 배워서 썼고, 통계는 석사 때 공부했고, 사실 전혀 낯선 분야는 아니었죠. 하지만 분석가로 일하는 것도 완전 다른 일이니까. 지금은 통계학과 졸업한 저희 팀원분께 많이 배웁니다.

최: 요즘 데이터 분석가, 데이터 기반 마케터를 꿈꾸는 분들도 많은데 추천하고 싶은 준비사항이나 과제가 있을까요?

양승화: 최근 데이터분석 강의나 커리큘럼에 많은 부분이 머신러닝에 맞춰져 있는데, 머신러닝, 모델링, 그게 필요한 분도 있겠지만, 사실 일반적인 마케터라면 대부분 필요가 없습니다. 일반적인 데이터분석가에게도 그렇게 많이 필요하지는 않아요. 굳이 그런 알고리즘이나 모델링을 목표로 공부할 필요는 없어요. 하지만 R이나 파이썬으로 배우는 건 데이터를 가공하는 작업이거든요? 분석은 내가 원하는 형태로 재조합하고 쪼개 보고 거기서 인사이트를 찾아야 하는데, 그 과정의 기초로 데이터를 가공하는 도구인 R과 파이썬은 배워 두면 도움이 되고요.

애초에 원하는 데이터를 DB에서 끌고 와야 되니까 SQL은 알아야 하고, 마케터라면? 당연히 마케팅 전문지식이 있어야 하고, 결국 중요한 건 도메인지식에 기술적인 부분을 적용하는 거지요. 이 결합이 실무에서 내가 써먹을 수 있는 방향인 것 같아요.

최: 강의 때는 어떤 말씀을?

양승화: 마케터는 데이터를 어떻게 활용해야 할지, 퍼포먼스 마케터 및 그로스 마케터가 해야 하는 일은 뭔지, 어떻게 잘 협력하고 조직의 목표를 위해 일할 수 있을지 제 경험과 다른 사례를 곁들여 말씀드리고자 합니다. 코로나 이후 잘 살아남은 저희가 어떻게 일하는지 간접적으로나마 경험해보시길 바랄게요.