← 블로그 돌아가기

마케팅 데이터 분석에 시각화를 빼놓을 수 없는 이유

시각화를 활용하면 여러 데이터 포인트 간의 연결점을 쉽게 찾을 수 있습니다. 다양한 유형의 시각화를 살펴보세요.
아티클 공유하기
이 아티클이 유익했다면, SNS에 공유해 보세요!

마케팅 데이터 분석에 시각화를 빼놓을 수 없는 이유

시각화를 활용하면 여러 데이터 포인트 간의 연결점을 쉽게 찾을 수 있습니다. 다양한 유형의 시각화를 살펴보세요.

"그림 하나가 천 개의 단어보다 값지다"

위 명언은 문맥에 따라 다소 오해의 소지를 불러일으킬 수 있습니다.

생각해 보세요. 인간의 뇌는 텍스트보다 이미지를 60,000배 더 빠르게 받아들이도록 설계되어 있으며, 우리가 매일 처리하는 정보의 90%가 시각적 정보입니다. 이러한 수치는 한 장의 사진이 천 마디 말보다 더 큰 가치로 인정받아야 하는 이유를 설득력 있게 제시합니다. 하지만 저희는 통계적 결점을 지적하기 위해 100년 된 속담을 파헤친 것이 아닙니다. 대신, 이 속담이 담고있는 뜻이 하루가 멀다 하고 쏟아지는 복잡한 데이터의 바다에서 살아남아야 하는 마케터들에게 그 어느 때보다 적절한 조언이 될 수 있다는 점을 강조하고 싶습니다.

A. 시각화로 미가공 데이터 정제하기

Clive Humby는 2006년 미국광고주협회(ANA) 마케팅 마스터 서밋에서 동료 경영진들에게 데이터가 곧 다음 세대의 석유나 마찬가지라고 이야기했을 때, 그는 이미 무언가를 간파하고 있었습니다. 10년 반이 지난 지금, 그의 예측은 현실이 되었습니다. 데이터는 마케팅 성공의 핵심 요소가 되었고, 성찰과 추측을 완전히 대체하였습니다.

그러나 그의 선견지명이 정말 인상적이었던 점은 단지 데이터가 광고의 핵심으로 부상했기 때문은 아닙니다. 데이터는 원유와 마찬가지로 가장 원시적인 형태로는 거의 쓸모가 없다는 사실에 더 큰 의미가 있습니다. 좀 더 자세히 설명하자면, 원유는 정제 과정을 거친 후 펌프를 통해 정제됩니다. 미가공 데이터도 마찬가지입니다. 데이터를 맥락에 맞게 조정해야하며, 우선적으로 좀 더 구조화되었으며 궁극적으로 실행 가능한 데이터를 분류해야 합니다.

이때 시각화가 필요합니다. 데이터 세트가 정리되고 표준화되면, 정제 프로세스의 마지막 중요한 단계로 시각화가 진행되고, 이로써 새롭고 실행 가능한 인사이트를 담고있는 이해하기 쉬운 그래픽로 리모델링 됩니다.

B. 시각화의 힘

산점도와 Excel 스프레드시트를 대비해보세요. 수학이나 데이터 과학의 달인이 아닌 이상 그 차이는 극명하게 드러날 것입니다. 일반인의 눈에는 위쪽의 표는 아무 의미 없는 숫자가 무작위로 나열되어 있는 듯 보일 수 있습니다. 반면에 산점도는 처음부터 변수를 하나로 묶는 양의 상관관계를 명확하게 보여줍니다.

이것이 바로 시각화의 힘입니다. 시각화를 활용하면 여러 데이터 포인트 간의 연결점을 쉽게 찾을 수 있습니다. 어떤 유입 경로가 전환으로 이어지는지, 하루 중 어느 시간대에 잠재고객이 가장 활동적인지 등 수많은 질문을 반복적으로 해야 하는 마케터에게는 다양한 유형의 시각화가 이러한 질문에 대한 답을 얻는 데 방해가 되는 미가공 데이터를 잘라내는 데 도움이 될 수 있습니다.

그리고 가장 좋은 점은 따로 있습니다. 시각화에는 경계가 없다는 것입니다. 팀원, 이사진, 외부 이해관계자 등 누구에게나 그래픽을 통해 데이터를 제시하면 아무리 지루한 데이터 집합이라도 쉽게 데이터를 처리하고 활용할 수 있습니다.

C. 적합한 시각화 활용하기

시각화 작업 그 자체는 훌륭하지만, 특정 데이터 집합을 가장 잘 표현할 수 있는 시각화 방법을 알아내는 것은 까다로운 일일 수 있습니다. 가장 적합한 방법을 사용하지 않게 되면 혼란이나 오해의 소지가 있을 수 있기 때문에 어떤 방법을 택할지에 있어 선택의 여지가 거의 없는 것과 다름 없습니다.

감사하게도 Andrew Abela 박사가 다양한 유형의 데이터에 적합한 차트를 고르는 방법에 대한 전반적인 지침표를 작성하였습니다. 이에 따르면 시각화 자료를 선택하는 기본적인 기준은 다음 네 가지로 정리할 수 있습니다:

  • 비교. 특정 기간 동안의 데이터 집합을 비교하여 최고점과 최저점을 찾아내기.  예 : 소스별 웹사이트 트래픽 분석.
  • 관계. 상관관계를 설정하여 주어진 변수가 서로에게 정적(+) 영향을 미치는지 부적(-) 영향을 미치는지 확인하기.  예: 매출 성장에 대한 지역별 영향력.
  • 분포. 데이터 집합의 범위를 측정하여 변수가 상호 작용하는 방식을 더 잘 파악하면서, 이상값(outlier)을 확인하기. 예: 회계 연도별 월 평균 리드 전환율의 변동.
  • 구성. 주어진 데이터 집합 내에서 개별 부분이 전체를 어떻게 구성하는지 차트로 표시하여 계층 나누기. 예: 전략적 우선순위에 따른 마케팅 지출 분석

이러한 기준을 염두에 두고 다음의 개요들을 추가적인 가이드라인으로 삼아 가장 적합한 시각화 방법를 골라보세요:

a. 칼럼(막대형) 차트

칼럼 차트(a.k.a 막대형 차트)는 차트를 가로지르는 세로 막대(각 막대의 높이는 나타내고자 하는 수치에 비례함)가 있는 그래픽 표현법을 말합니다. 10개 이하의 항목을 나란히 비교하려는 경우 대체로 칼럼 차트가 적합합니다.

b. 선형 차트

10개 이상의 데이터 집합을 서로 비교해야 하는 경우 어떻게 해야 할까요? 가장 좋은 방법은 선형 차트입니다. 꺾은선형 차트는 칼럼 차트와 달리 일련의 점으로 이루어진 선형 그래프입니다. 선형 차트는 다양한 데이터 포인트의 상승과 하락을 잘 표현하는 것으로 흔히 알려져 있지만, 선을 여러 개 그려서 여러 수치 간의 추세를 차트 한 개에서 효과적으로 비교할 수 있습니다.  

c. 분산형 차트

분산형 차트는 두 데이터 세트 사이의 상관관계를 매핑하는 것입니다. 인과 관계 다이어그램이라고도 하는 분산형 차트는 설정된 변수가 다른 변수에 영향을 미치는지 여부와 만약 미친다면 그 상관관계가 어떤 방향(+ 또는 -)으로 흐르는지 확인할 수 있도록 도와줍니다.

d. 면적 차트

막대형 차트와 꺾은선형 차트가 하나로 합쳐진다고 상상해 보세요. 면적 차트가 바로 합쳐진 결과입니다. 면적 차트에는 딱히 모호한 부분이 없습니다. 그냥 아래에 음영이 있는 선형 차트일 뿐입니다. 하지만 이 그래프가 활용될 수 있는 분야는 그보다 훨씬 더 엄청납니다. 일정 기간 동안 각 구성 요소가 어떻게 합쳐져 총합값이 되었는지 확인하려면 면적 차트만큼 좋은 것이 없습니다.

Area Chart of Buyer Age for Electronics
면적 차트 | Tibco 제공

e. 단계구분도 (Choropleth Map)

때로는 숫자 대신 지역으로 이야기 해야되는 경우도 있습니다. 바로 이때 단계구분도가 필요합니다. 데이터에 지리적 요소를 부여할 수 있습니다. 하지만 변수나 측정값이 두 개 이상이라면 재고해 보세요. 어떤 데이터 집합 내에서 지역적 패턴을 설명하는 데는 유용하지만, 특히 기준점이 없는 값의 경우 여러 값 간의 상관관계를 밝히는 데는 크게 도움되지 않습니다.

단계구분도 | Tableau 제공

f. 간트 차트 (Gantt Chart)

간트 차트로 프로젝트 관리가 한결 쉬워집니다. 간트 차트는 Y축에 시계열을 표시하고 다양한 작업을 통해 특정 레이블이 지정된 막대를 쌓아 올려 프로젝트를 한눈에 볼 수 있게 해줍니다. 요약, 작업 우선순위, 중요한 단계 등 무엇이든 나타낼 수 있습니다. 프로젝트 범위와 관련하여 필요하거나 알고 싶은 모든 정보를 간트로 나타낼 수 있습니다.

간트 차트의 가장 좋은 점은 머신 러닝 모델에 기반한 시각화 도구가 실시간으로 차트를 업데이트해준다는 점입니다. 즉, 여러 담당자들로부터 상태 업데이트를 받기 위해 좌우로 뛰어다닐 필요 없이 프로젝트 진행 상황을 실시간으로 추적할 수 있습니다.

간트 | Dataviz 제공

g. 히트 맵

데이터 분석가나 데이터 과학자가 히트 맵에서 가장 먼저 떠올려야 할 것은 밀도입니다. 데이터 집합 내의 변수의 양과 압축도를 시각화할 때 이만한 방법이 없기 때문입니다. 하지만 히트 맵의 의미는 여기에 국한되지 않습니다. 종종 간과되는 것은 히트 탭이 데이터 값을 전달하는 기능이 뛰어나다는 점입니다. 히트 맵을 구성하는 색상과 다양한 음영은 직관성을 한층 더 높여주어 핵심 인사이트를 한눈에 볼 수 있게 해줍니다.

Microsoft Power BI의 히트맵 | SQLShack 제공

h. 히스토그램

보이는 것에 속지 마세요. 언뜻 보기에 히스토그램은 막대 그래프를 좁은 공간에 압축해넣은 것처럼 보입니다. 하지만 사실 이 둘은 완전히 다릅니다. 우선 히스토그램의 목적은 비교가 아닙니다. 히스토그램은 연속형 변수의 기본 분포를 측정하기 위한 표현법입니다. 히스토그램의 이상값은 캠페인 성과를 저해하는 경우가 많기 때문에 문제점을 파악해야 하는 마케터에게는 매우 중요합니다.

Histogram showing the distribution of increased purchases by category due to promotion
히스토그램 | IBM 제공 

i. 원형 차트

원형 차트는 범주형 변수를 처리하여 총합이 어떻게 분할되는지 확인하는 데 사용됩니다. 원형차트는 방문자를 웹사이트로 유도하는 데 가장 효과적인 채널과 가장 효과적이지 않은 채널을 찾고자 할 때 유용한, ‘부분-전체’ 관계에 대한 일반적인 의미를 제공합니다.

j. 트리맵

트리맵은 자바스크립트의 클래식이죠. 이름 그대로 입니다. 트리맵은 기본적으로 중첩된 직사각형으로 구성된 데이터 트리입니다. 사각형의 크기는 데이터 값에 비례하므로 각 데이터 카테고리가 얼마나 기여하고 있는지 쉽게 확인할 수 있습니다. 숫자가 양수인지 음수인지를 나타내기 위해 다른 색상을 사용하기도 합니다.

데이터 집합 내에서 서로 다른 카테고리의 계층 구조를 파악하는 데 트리맵만큼 좋은 것은 없습니다. 각 채널이나 터치포인트가 전환에 미치는 영향을 측정하고 싶다면 트리맵을 고려해 볼 가치가 있습니다.  

A hierarchy showing four levels of the S&P 500
트리맵 | Niesen Norman Group 제공

k. 워드 클라우드

데이터 시각화 도구에 가장 최근에 추가된 워드 클라우드는 다양한 색상과 크기로 표시되는 단어 클러스터입니다. 워드 클라우드는 타겟고객이 특정 주제에 대해 어떻게 생각하는지 시각화하고 트래픽 생성에 기여도가 가장 높은 키워드와 가장 낮은 키워드를 나타낼 수 있는 대화형 데이터 시각화 도구입니다.

결론적으로, 시각화는 데이터 분석과 데이터 기반 의사 결정의 현재이자 미래입니다. 좋은 소식은 지금까지 보고 읽은 내용을 통해 시각화 기술을 최대한 활용할 수 있다는 점입니다. 본 포스팅에서 가장 중요한 핵심은 이미지가 말보다 훨씬 더 큰 힘을 발휘한다는 것입니다. 더 이상 고민하지 마시고 아드리엘 대시보드의 다양한 그래프와 대화형 기능으로 시각화의 마법을 직접 확인해 보세요. 

아티클 공유하기
이 아티클이 유익했다면, SNS에 공유해 보세요!