왜 대시보드만으로는 부족한 순간이 온다

MMP 대시보드는 설치수, 이벤트수, 매체별 비용처럼 미리 정의된 형태로 데이터를 요약해 보여줍니다. 이 요약 리포트는 일상적인 성과 모니터링에는 충분하지만, "특정 지역+특정 연령대+특정 소재 조합의 사용자만 따로 뽑아 리텐션을 보고 싶다"처럼 대시보드가 미리 준비해두지 않은 조합을 분석하려면 한계에 부딪힙니다. 이런 커스텀 분석을 하려면 대시보드가 집계하기 전 단계의 원본 데이터, 즉 로우 데이터(Raw Data)를 직접 내려받아 다뤄야 합니다.

로우 데이터는 사용자 단위·이벤트 단위로 기록된 원본 로그로, 어느 사용자가 언제 어느 매체를 통해 설치했고 이후 어떤 이벤트를 언제 발생시켰는지가 행 단위로 담겨 있습니다. 조회(View-through) 기반으로 어트리뷰션된 사용자의 로우 데이터도 클릭 기반 사용자와 동일하게 제공되므로, 어트리뷰션 유형과 무관하게 전체 사용자 흐름을 하나의 데이터셋에서 분석할 수 있습니다.

로우 데이터로 할 수 있는 분석의 예

로우 데이터를 확보하면 11강에서 다룬 코호트 분석을 대시보드의 사전 정의된 구간(7일, 30일)이 아니라 원하는 임의의 기간·조건으로 직접 계산할 수 있습니다. 예를 들어 "설치 후 3일 이내 첫 결제를 한 사용자만" 같은 매우 구체적인 조건의 세그먼트를 만들어 그 그룹만의 특성을 분석하는 것이 가능해집니다.

또한 로우 데이터는 MMP가 수집한 마케팅 유입 정보와, 회사가 자체적으로 보유한 CRM 데이터(회원 등급, 과거 구매 이력)나 매출 데이터를 사용자 ID 기준으로 결합할 때도 필요합니다. 이런 결합 분석은 MMP 대시보드 안에서는 할 수 없고, 데이터를 외부로 꺼내 다른 시스템과 연결해야만 가능합니다.

대형 브랜드사는 이 데이터를 어떻게 다루나

사용자 규모가 크고 여러 데이터 소스(마케팅, CRM, 결제, 고객센터 등)를 함께 분석해야 하는 대형 브랜드사는, MMP의 로우 데이터를 정기적으로(일별 배치 등) 자체 데이터 웨어하우스로 내려받아 SQL 기반으로 통합 관리하는 구조를 흔히 씁니다. 이렇게 하면 마케팅 팀뿐 아니라 데이터 분석팀, 재무팀도 하나의 통합된 데이터베이스에서 필요한 지표를 각자의 방식으로 조회할 수 있습니다.

이 연동은 대개 MMP가 제공하는 API나 정기 데이터 전송(파일 익스포트, 클라우드 스토리지 연동 등) 기능을 통해 자동화되며, 매일 또는 매주 일정한 주기로 최신 데이터가 웨어하우스에 쌓이도록 설정합니다. 초기에 이 파이프라인을 구축하는 작업은 데이터 엔지니어링 리소스가 필요한 다소 무거운 작업이지만, 한 번 구축해두면 이후의 반복적인 수동 다운로드·업로드 작업을 크게 줄여줍니다.

로우 데이터를 다룰 때 주의해야 할 개인정보 이슈

로우 데이터에는 기기 식별자, IP 주소 같은 개인 식별 가능 정보(또는 그와 결합해 개인을 특정할 수 있는 정보)가 포함될 수 있습니다. 이 데이터를 다운로드하거나 외부 시스템으로 옮기기 전에는, 조직의 개인정보 보호 정책과 관련 법규(국내라면 개인정보보호법 등)에서 정한 수집·보관·이용 범위를 벗어나지 않는지 먼저 점검해야 합니다.

특히 데이터 웨어하우스에 로우 데이터를 적재한 뒤 접근 권한을 누구에게까지 부여할지, 얼마나 오래 보관할지 같은 세부 정책은 마케팅팀 혼자 결정할 사안이 아니라 법무·개인정보 보호 담당 부서와 함께 정해야 하는 부분입니다. 구체적인 법적 요건은 조직과 서비스 형태에 따라 달라질 수 있어(정확한 조항별 적용 범위는 이번 조사에서 확인하지 못했다), 실제 연동을 설계하기 전 사내 법무 검토를 거치는 절차를 반드시 포함해야 합니다.

처음 로우 데이터를 다루기 시작하는 실무자를 위한 순서

데이터 웨어하우스까지 구축하는 것이 부담스러운 초기 단계라면, 우선 MMP 대시보드에서 필요한 기간·조건의 로우 데이터를 CSV 형태로 수동 다운로드해 스프레드시트나 간단한 분석 툴로 다뤄보는 것부터 시작하는 것이 현실적입니다. 이 과정에서 실제로 어떤 분석이 반복적으로 필요한지 파악한 뒤, 그 반복 작업을 자동화할 필요가 생기는 시점에 API 연동이나 데이터 웨어하우스 구축을 검토하는 단계적 접근이 리소스를 낭비하지 않는 방법입니다.

파일 형식과 전달 주기는 어떻게 정하나

로우 데이터를 정기적으로 받아볼 때는 CSV, JSON 등 파일 형식과 함께, 클라우드 스토리지(예: 사내에서 이미 쓰고 있는 저장소)로 자동 전송할지 아니면 필요할 때마다 수동으로 대시보드에서 내려받을지를 정해야 합니다. 데이터 양이 많고 분석 주기가 잦은 조직이라면 자동 전송이 효율적이지만, 초기 단계에서 자동화부터 무리하게 구축하면 실제 활용도가 낮은 파이프라인에 리소스를 낭비할 수 있습니다.

전달 주기 역시 마케팅 리포트 주기와 맞추는 것이 실무상 자연스럽습니다. 주간 성과 리뷰를 한다면 최소 주 단위로, 일별 대시보드를 운영한다면 일 단위로 로우 데이터가 웨어하우스에 쌓이도록 맞추는 식입니다. 이 주기를 마케팅팀과 데이터 엔지니어링팀이 사전에 합의해두면, 나중에 "왜 이 데이터가 아직 안 들어왔냐"는 식의 불필요한 커뮤니케이션 비용을 줄일 수 있습니다.