긴 이야기의 시작은, 우선 앞으로 두고 두고 이야기를 할 “그”가 무엇인가에 대한 이야기로 하는 것이 좋겠다.
Wikipedia 의 정의를 찾아보면, Digital analytics 는 Data를 정의, 생성, 수집, 검증 또는 변환하여 리포팅, 분석, 추천, 최적화 및 예측을 하는 비즈니스적 기술적 활동을 아우르는 활동이다. (Digital analytics is a set of business and technical activities that define, create, collect, verify or transform digital data into reporting, research, analyses, recommendations, optimizations, predictions, and automations.) 이것을 조금 다른 식으로 풀어본다면, Digital Analytics 는 Web Site 혹은 Mobile Site, App 자체를 최적화 하고 또한 기업의 Digital Marketing 활동을 최적화하기 위해서 사용하는 툴이다.
당연히 그 과정에서 어떻게 방문자들이 기업의 Site 로 어떻게 유입이 되어서 Web/Mobile/App 에서 제공하는 수많은 컨텐츠, 상품 혹은 서비스들과 어떻게 interaction하는 지를 이해하는것은 매우 중요하고, 나아가 일련의 동일한 속성을 가진 방문자들의 행동 양식을 일종의 패턴으로 정의할 수만 있다면, 향후 비즈니스의 전략 혹은 중요한 의사 결정을 위한 예측의 정보로 활용이 될 수 있을 것은 너무 당연하다.
많은 Vendor들이 각각의 솔루션 브랜드와 나름의 관점으로 Digital Analytics 를 세대 혹은 수준에 따라 여러 방법으로 분류하는데, 일반적으로 많이 언급되는 세가지 분석 방법을 정리하면,
기초적인 수준의 Descriptive Analytics (서술적 분석) , 이 방법은 일반적으로 “과거에 어떤 일이 있었나”를 설명해주는 분석으로, 예를 들면 Dashboard 로 지난 해 상품별 지난 해 실적을 보는 리포트의 분석으로 사실 이 방법 만으로는 그 사건이 왜 일어났고 뭘 더 하면 개선이 되는가에 대한 부분은 알기가 어렵다. 그 대신 Predictive Analytics(예측적 분석) 가 그 대안이 될 수 있는데, 통계적 모델과 기법을 활용하여 “미래에 어떤 일이 일어날까”를 예측하는 분석 방법으로, 현존하는 많은 Analytics tool들이 실은 이런 접근 방법을 가지고 있다. 여기서 한 걸음 더 나간 것이 Prescriptive Analytics(처방적 분석)인데 이것은 “무엇을 해야할까” 에 대한 조언을 주는 분석 방법으로, A/B test 등의 여러가지 Testing tool을 활용하여 최적화에 관심을 갖는 분석인데 , 최근에는 machine learning 알고리즘을 가진 최적화 tool들이 이런 방법론을 지원한다.
이 쯤되면 요즘에 어디서나 회자되는 Big Data 의 이야기를 안 할 수 없게 된다. Big Data는 다음에도 언급할 기회가 있겠지만, 요약하자면 Web/mobile/App에서 수집이 된 online data와 기존의 기간계 시스템에서 수집이 된 offline data를 모두 지칭하다. 이 Big data는 앞에서 언급한 여러 분석툴을 위한 자양분이며 중요한 input 으로 활용된다. 어떻게 보면 Big data는 가공되지 않은 원석이고, 유능한 보석세공사(Analytics tool을 매우 잘 활용하는 Analyst 혹은 그런 인력들이 있는 조직) 를 만나야 비로소 다이아몬드로 태어난다. 이것이 기업들이 얻고 싶어 안달이 난 그 Insight 다. 그러니 둘 중 하나를 빼고 Digital Marketing을 논하는 것은 별로 의미가 없다.
그런데 아이러니하게도 아무리 좋은 Analytics solution이 있더라도, 쌓여있는 것이 원석이 아니라 쓰레기더미라면? 아무리 많은 인력이 노력을 하고 밤을 세워 고민을 해도, 쓰레기더미에서 Insight를 얻기는 왠지 어려울 것 같다.