Data Marketer’s Note

이번 세미나의 핵심 키워드는 #AI #브랜드 #글로벌 #CRM #퍼포먼스 총 5가지이다.2개 트랙으로 나누어져 있으며, 트랙별로 층이 분리되어 있어 트랙 변경 시 이동이 불편한 점이 있었다...! 총 10개의 세션을 들었고, 그 중 인상깊었던 세션 중 하나인 쿠팡의 내용을 기록했다. *세션 내용 중 내 생각은 파란색으로 표기했다. 몇 개는 브랜드에 대한 설명과 기능을 중점으로 소개하는 세션도 있어 아쉬웠다.지난번 the maxonomy처럼 툴을 사용한 사례를 중점으로 녹여냈다면 더 설득력이 있었을 것 같다. 변화하는 Shopping journey, 브랜딩 캠페인과 퍼포먼스 마케팅에 대한 새로운 관점 : 쿠팡_조세원 상무1. 온라인 쇼핑 채널은 단순 구매 수단을 넘어, 제품 및 브랜드에 대한 필요성 자체..

2024년 the maxonomy에 처음으로 참석했던 것이 좋은 기억으로 남아 올해도 다녀왔다.작년과 달리 올해는 전반적으로 "데이터"와 "AI"가 핵심으로 다뤄졌다. 현재 직무에서 AI보다는 데이터에 초점이 맞춰져 있어 관련 세션을 중심으로 들었다. 트랙은 총 3개로 데이터 여정 설계 / 마케팅 자동화 / CX로 나눠져 있으며,같은 층에서 파티션으로 구분되어 있어 원하는 세션마다 이동이 가능했다. 다만 모든 강연이 동일한 시간에 끝나지 않고 딜레이 되는 부분이 있어 다른 트랙으로 이동 시 강연의 일부만 듣게 되어 아쉬운 부분이 있었다. 아래에서 각 세션별 영상도 볼 수 있도록 업데이트 되어있었다. 나는 연차까지 쓰고 다녀왔어서 회사에서 보내주지 않으면 유튜브로 볼 듯 하다 ㅠㅠ(아니면 온라인으로 특정 ..

2025 the maxonomy 강연을 듣고 데이터 마케팅에 사용되는 툴들을 정리하면 좋겠다는 생각으로 gpt와 함께 작성했다!🔹 역할Snowflake데이터 웨어하우스모든 원천 데이터를 통합·저장하고 분석 가능하도록 처리Amplitude제품 분석(Product Analytics)고객 행동을 이벤트 기반으로 분석하여 퍼널, 리텐션, 전환율 등을 측정BrazeCRM 마케팅 플랫폼분석된 데이터를 활용해 이메일/푸시/인앱 메시지 등 개인화 마케팅 자동화 수행💡 "고객 행동 데이터 → 분석 → 세그먼트화 → 메시지 발송"1단계: 데이터 저장 및 통합 (Snowflake)웹/앱/서버/마케팅 채널 등 다양한 소스의 고객 데이터를 수집ETL 또는 ELT 방식으로 Snowflake에 저장데이터는 Row-level로 ..

1. 프롬프트숏츠를 보다가, gpt에게 나의 성향을 분석하는 프롬프트를 발견했다!내가 너와 상호 작용한 모든 내용을 바탕으로 내 사고 패턴과 의사결정 반식, 무의식적인 편향 반복적으로 드러나는 '약점'이나 맹점을 상세히 분석해줘 최근 2달간 정말 gpt를 많이 사용했고, 나의 말투나 생각을 여과없이 전달하면서 나에 대해 잘 학습했을 것이라고 생각했다. 주로 하는 질문의 카테고리를 나누면 아래와 같았다. 1. 취업용(이력서와 포트폴리오 첨삭, 기업별 자소서 작성 등)2. 직무고민(나의 성향, 직무에 대해 내가 느끼는 장단점 등을 기반으로 적합한 직무 질문)3. 단순질문(정보 검색, 00은 왜 그런거야? 같은 형태) 특히 2번에서 내가 잘하는 것과 못하는 것 등의 정보를 많이 전달해서 더 정확하게 나올 것으..

출처: [프로그래머스] : 가격대별 상품 개수 구하기문제:  가격을 만원 대로 구분하여, 가격대별 상품의 수 구하기1. FLOOR 사용하기1) 상품 가격을 10,000으로 나눈 뒤, FLOOR 함수를 사용해 소수점을 버리고 다시 10,000을 곱하여 만원 단위의 가격 구간을 생성2) 생성된 가격 구간을 기준으로 GROUP BY를 수행하고, 각 구간별 상품 개수를 COUNT 함수로 집계SELECT FLOOR((PRICE / 10000)) * 10000 AS PRICE_GROUP, COUNT(*) AS PRODUCTSFROM PRODUCTGROUP BY FLOOR((PRICE / 10000)) * 10000ORDER BY PRICE_GROUP;

1. header 옵션이란?CSV 파일에서 어떤 행을 열 이름(헤더)으로 사용할지 지정하는 역할을 합니다. 기본값은 header=0으로, 첫 번째 행을 헤더로 사용합니다. 데이터 구조에 따라 내가 원하는 header(컬럼명)을 가져오지 못할 때가 있는데요.header옵션을 활용하면 pd.read_csv로 불러올 때 부터 원하는 헤더를 지정할 수 있습니다.2. header  == None: 헤더가 없는 파일 처리 열 이름을 0부터 시작하는 정수로 설정 되므로, 이후 컬럼명 직접 지정# 헤더가 없는 CSV 파일 읽기data = pd.read_csv('your_file.csv', header=None)# 열 이름을 직접 지정data.columns = ['column_name1', 'column_name2', ..