50

1. 그로스 해킹과 그로스 마케팅📍 그로스 해킹 vs 그로스 마케팅구분그로스 해킹그로스 마케팅전략 성격단기적·폭발적 성장, 빠른 실험과 반복, 저비용 고효율을 추구장기적·지속적 성장, 체계적 데이터 분석, 전사적 협업과 전략 중심역사2010년 션 앨리스에 의해 스타트업 신제품 초기 성장 전략으로 개념화됨그로스해킹에서 파생되어, 조직 전체의 지속적 성장 전략으로 확장됨핵심 초점제품 자체의 성장(기능 개선, 사용자 활성화, 리텐션 등)에 강하게 집중전체 고객 여정(유입, 활성화, 유지, 수익화, 추천) 및 장기적 비즈니스 성장에 집중적용 범위제품 개발, UX, 기술, 마케팅 등 경계 없이 실험과 개선이 이루어짐주로 마케팅 영역(채널, 메시지, 퍼널, 고객 데이터 등)에서 실험과 최적화가 이루어짐대표 사례드..

그로스 마케팅 in Wegrowth데이터와 실험을 기반으로 고객 여정 전반을 설계하고 각 단계별로 최적의 성과를 만들어내는 마케팅 전략B2C/B2B 업종에 따른 그로스 퍼널의 단계별 액션을 최적화하여 지속가능한 성장을 설계 1. 그로스 마케터가 되기 위해서📍 그로스 마케터 Skill Set데이터 분석 능력데이터 추출, 가공, 통계분석 및 A/B 테스트, KPI/OMTM 설정, 시각화비즈니스 목표에 맞는 핵심 성과지표 설정 + 모니터링 + 개선점 도출, 대시보드 통해 인사이트 도출 환경 구축비즈니스 이해비즈니스 모델, 시장/고객 분석, 도메인 이해, 전략/기획LTV, CAC 등 시장 및 고객, 산업을 비즈니스 모델의 핵심 지표 기반으로 이해 및 활용(수익모델, 가치창출 전략 등)RO기반 예산 배분 최적..

그룹(A/B)간 성과지표(CTR, CR, CPA, RPV, Bounce Rate)의 차이가 유의미한지 판단하기 위한 A/B test import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport statsmodels.api as smimport statsmodels.formula.api as smf# A/B 테스트 데이터 하드코딩 (Group 데이터를 직접 입력)data = { "Group": ["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"], "Visitors": [1000, 1200, 1100, 1150, 1300, 1050, 1250, 1400, 1350, 1280], "..

루커스튜디오는 로컬 DB에 접근할 수 없습니다. 따라서 GCP를 이용한 CloudDB를 연결해 대시보드를 제작합니다. (루커스튜디오는 Google의 서버에서 작동하기때문에, 네트워크를 통해 접근 가능한 공개/인증된 외부 데이터 소스만 접근 가능) 1. GCP에서 인스턴스 생성 [GCP] SFTP 연결을 위한 VM 만들기 및 세팅하기 (SSH키 생성, PuTTY, SFTP 오픈소스, 방화벽 설정)GCP 가입이 되었다는 전제하에 VM을 세팅하고 FTP를 연결하는 과정입니다. 1. Google Cloud Platform 가입가입 시 신용카드 정보가 필요합니다. 무료로 3개월 사용이 가능합니다. 2. 좌측 Compute Engine - VM 인fiftyline.tistory.com 2. DB 구축Mari..

1. T-test, wilcoxonfrom scipy import stats # ===== 단일 표본 ===== ## 정규성 검정stats.shapiro(df['무게'])# 기각(p 0.05), t-testt_stat, p_value = stats.ttest_1samp(scores, 75, alternative='greater') # scores-mu > 0 단측# ===== 독립 표본(두 평균 비교) ===== ## 정규성 검정stats.shapiro(A) stats.shapiro(B)# 기각(p 0 단측# ===== 대응 표본 ===== ## 정규성 검정stats.shapiro(df['before'] - df['after'])# 기각(p 0.05), t-testt_stat, p_value = ..

1. 데이터 세팅import pandas as pd# X,y 세팅: case 1X_train = pd.read_csv("X_train.csv")y_train = pd.read_csv("y_train.csv")X_test = pd.read_csv("X_test.csv")# X,y 세팅: case 2train = pd.read_csv("train.csv")test = pd.read_csv("test.csv")X_train = train.drop(['target'], axis = 1).copy()y_train = train['target'].copy()X_test = test.copy()# X 병합n_train = X_train.shape[0]X_full = pd.concat([X_train, X_test])..

pd.read_csv(DataUrl,encoding='euc-kr') # 인코딩df.info()df.describe()df['col'].quantile(0.75) # 분위수df['숫자타입컬럼'].skew() # 왜도df['숫자타입컬럼'].kurt() # 첨도df.select_dtypes(exclude=object).columns # 수치형 컬럼 출력df.select_dtypes(include=object).columns # 문자형 컬럼 출력 df.iloc[0] == df.iloc[0,:] # 행선택 w/인덱스df.loc['col'] == df.loc[:,'col'] # 열선택df.sort_values(['col1','col2'], ascending=[False, True]) # ..

1. Python, Flask 설치sudo apt-get updatesudo apt-get install python3-pippip install Flask 2. 파일(.py) 생성 및 저장create.py더보기더보기from pymongo import MongoClient # PyMongo에서 MongoDB 클라이언트 불러오기# MongoDB 서버에 연결 (기본 포트: 27017, 로컬호스트 기준)client = MongoClient("mongodb://localhost:27017/")# 사용할 데이터베이스 선택 (없으면 자동으로 생성됨)db = client["mydatabase"]# 사용할 컬렉션 선택 (테이블과 유사한 개념, 없으면 자동 생성됨)collection = db["users"]# 삽입할..

리눅스 환경에서 MariaDB를 사용하기위한 기본 명령어 MariaDB 설치sudo apt update && sudo apt upgradesudo apt-get install mariadb-server 실행상태 확인systemctl status mariadb root계정 확인sudo mysql –u root –p초기 패스워드 없음 DB, 계정, 테이블 생성# DB 생성CREATE DATABASE DB명; --default CHARACTER SET UTF8;# DB 삭제DROP DATABASE DB명;# DB 목록 확인show databases;# DB 선택use DB명;# 사용자 계정 생성CREATE USER '유저명'@'localhost' IDENTIFIED BY '패스워드';# 모든 권한 부여..

리눅스 기본 중의 기본 명령어 # 현 디렉터리 파일 listls# 자세히ls -l # 홈 디렉터리로 이동cd# 상위 디렉터리로 이동cd ..# 하위 디렉터리로 이동cd 디렉터리명# 해당 경로로 이동cd /etc/sysconfigcd ../datalist/data# 현재 디렉터리 경로 출력pwd # 사용자 소유의 폴더 생성mkdir 폴더명# 관리자 권한으로 폴더 생성sudo mkdir 폴더명# 해당 디렉터리 삭제rmdir 폴더명rm -r 폴더명# 해당 파일 삭제rm 파일명.txt sudo chmod -R 777 폴더명# sudo: 관리자권한으로# chmod: 파일/디렉터리 권한 변경# -R: 지정폴더와 하위 모든 폴더/파일에 대해# 777: 모든 사용자에게 read,write,execute 권한 부여