DDDM 기반 디지털 광고 최적화

📅 2026.08.13 (목) · 내배캠 79일차

DDDM 기반 디지털 광고 최적화

#TIL #내배캠 79일차 #DDDM #디지털광고

📌 목차

1. 오늘 배운 내용
2. 인상 깊었던 점
3. 연결된 점
4. 느낀점

1️⃣ 오늘 배운 내용

데이터 기반 의사결정(DDDM, Data-Driven Decision Making)을 활용해 디지털 광고 성과를 개선하는 방법을 배웠다. 기존에는 경험이나 감에 의존해 광고를 운영하는 경우가 많았지만, 고객 행동과 광고 채널이 복잡해진 지금은 직관만으로 정확한 원인을 찾기 어렵다. 그래서 데이터를 수집하고 지표를 분석한 뒤 가설을 세우고, A/B 테스트로 검증하는 과정이 중요하다는 것을 배웠다.

DDDM 프로세스
데이터 수집 → 지표 분석 → 문제 발견 → 가설 설정 → A/B 테스트 → 결과 분석 → 개선

예를 들어 클릭률은 높은데 구매 전환율이 낮다면 "광고가 별로다"라고 단정하는 게 아니라 "랜딩페이지나 구매 과정에 문제가 있는 건 아닐까?"라는 가설을 세우고 테스트하는 식이다. 여기에 AI를 결합하면 데이터 분석·패턴 탐지·가설 생성 속도가 빨라져서, 실험 → 검증 → 개선의 반복 주기 자체를 단축시킬 수 있다는 점도 인상적이었다.

2️⃣ 인상 깊었던 점

넷플릭스는 시청 패턴·선호 장르·이탈 구간 데이터로 추천 알고리즘을 발전시켰고, 스타벅스는 유동인구·시간대별 수요·경쟁 매장 데이터로 매장 입지를 결정한다. 두 사례 모두 감이 아니라 데이터로 판단의 정확도를 높인 경우인데, 특히 두 회사 모두 "데이터 수집 → 가설 → 검증"이라는 오늘 배운 DDDM 프로세스를 이미 조직 차원에서 체화하고 있다는 점이 인상 깊었다.

3️⃣ 연결된 점

그동안 Funnel 분석, CTR·CVR·ROAS 진단, A/B 테스트 통계 검증(z값·p값) 등을 각각 배웠는데, 오늘 배운 DDDM은 이 개별 개념들을 하나로 묶는 상위 프레임워크라는 걸 깨달았다. 즉 퍼널은 "어디서 문제가 생기는지"를 보여주는 도구고, A/B 테스트는 "가설을 검증하는" 도구이며, DDDM은 이 둘을 "수집 → 분석 → 가설 → 검증 → 개선"이라는 순환 구조로 엮는 상위 개념이었다.

4️⃣ 느낀점

데이터 기반 마케팅은 데이터를 많이 보는 게 아니라 데이터로 "다음에 무엇을 할지" 결정하는 것이라는 점이 가장 인상 깊었다. 예전엔 CTR·CPC·CVR 숫자의 높고 낮음에만 집중했다면, 이제는 "왜 이런 결과가 나왔는가 → 어떤 가설을 세울 수 있는가 → 다음엔 무엇을 테스트해야 하는가"까지 연결해서 생각해야겠다고 느꼈다. AI는 마케터의 판단을 대신하는 게 아니라, 방대한 데이터를 빠르게 분석하고 새 가설을 만드는 걸 도와 실험·개선 속도를 높여주는 도구라는 점도 배웠다.

💡 한 줄 회고
"좋은 마케터는 데이터를 보는 사람이 아니라, 데이터를 근거로 다음 행동을 결정하고 실험하는 사람이다."

※ 본 글은 학습을 목적으로 작성된 게시물로, 특정 브랜드·제품·서비스명이 언급될 수 있습니다. 이는 순수한 예시일 뿐이며, 상업적 목적은 전혀 없음을 밝힙니다.