웹 로그와 쿠키 분석

And I'll see you next time.

I'm going to go to the next video.

I'm going to go to the next one.

I'm going to say that.

I'm going to go ahead and get started.

Thank you.

Welcome to the video.

and a little bit more.

and the other one is the one that I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world. And I have a good idea of the people in the world.

Субтитры делал DimaTorzok

I'm going to be with me. I'm going to be with me. I'm going to be with me.

쿠키를 뭐라고 정의할 수 있느냐. 쿠키라고 해서 여러분들 컴퓨터, 노트북이나 PC에 들어가면 쿠키가 저장되어 있죠. 사이트를 방문했던 흔적들이 하드에 저장되어 있어요. 하드에 브라우즈라는 디렉토리에 가면 쿠키라는 썸드렉토리 안에 다양한 쿠키들이 저장되어 있는데 그래서 인터넷 사용자가 웹사이트를 방문할 때 사용자 컴퓨터에 자동적으로 저장되는

MC 파일들 형태의 기록 이것이 바로 파일의 기록이라고 할 수가 있어요. 그래서 쿠키에 기록되는 정보들은 뭐냐. 여러분들이 접속한 사이트에서 검색한 콘텐츠라든가 또는 어떤 상품을 구매했으면 구매한 상품 해당 쿠키에 대한 전부는

접속한 사이트에 있는 서버에서만 그 쿠키에 대한 분석이 가능하기 때문에 그 접속한 사이트에서 기록했던 그 기록들이 여러분들 하드에 저장이 되어 있다고 보면 돼요. 그래서 그 사이트에서 열람한 콘텐츠나 상품, 방문, 검색 그 사이트에서 어떤 하드 사이트를 이용했는지 그 이력들이 저장되어 있다고 보면 되죠. 이 쿠키는 어떤 역할을 하느냐. 우리가 사용자 특성 분석을 할 때

사용자 특성의 데이터 중에 이 로그 데이터를 분석할 때 웹로그 분석의 주축을 이루는 게 바로 이 쿠키 정보예요. 그래서 이 웹로그 분석의 핵심을 이루는 것이 쿠키 정보다. 사용자들이 어떤 사이트를 이용했는지에 대한 대부분의 정보들이 이 쿠키에 담겨 있고 쿠키를 수집해서 분석함으로써 사용자 분석에 대한 과정의 핵심을 이루게 된다.

쿠키를 생성하는 주체는 쿠키는 여러분들이 생성하는게 아니라 여러분들은 그냥 사이트만 방문하고 거기서 검색만 하고 돌아다니면 그 방문한 사이트의 서버가 여러분들이 방문자로 인식할 때 거기에 쿠키 정보를 담아서 여러분들의 하드에다 그것을 전송해서 씹는 그런 식으로 생성이 되기 때문에 생성 주체는 방문한 사이트의 서버가 주체가 된다고 보면 돼요

쿠키 자체에는 개인정보가 포함되지 않아요. 쿠키 자체에는 개인정보가 포함이 안되지만 쿠키에서 여러분들이 활동한 그런 내역들이 쭉 쌓이게 되면 쭉 쌓이게 되면 그 쌓인 여러분들의 쿠키를 어떤 쿠키를 수집하는 또 다른 에이전트 데이터 크롤링하는 에이전트 로봇이 쿠키 정보를 쫙 수집해서 그것을 쫙 분석을 하면 여러분 개인정보는 안 들어가지만

특정을 시킬 수가 있어요. 특정을 할 수가 있어요. 프로파일링을 할 수가 있다. 쿠키 정보를 분석하면 사용자가 프로파일링이 돼요. 와 이거는 이 PC는 20대 대학생의 PC인 것 같다. 이런 식으로 분석이 가능하다. 거기서 쿠키 정보를 분석하면 이 사람들이 이용해서 도로다니 사이트나 거기서 검색한 내용 이런 것들을 여러 다른 디바이스, 다른 PC들 데이터하고 이렇게 다 놓고서 크로스 분석을 하면 이것은 20대 대학생, 그 다음에 서울 거주하는 20대 대학생이다.

출천시의 강원권에 거주하는 20대 대학생의 후기정보인 것 같다. 이런 식으로 프로파일링은 가능하다. 그래서 개인정보를 포함하고 있지는 않지만 행태정보조합으로 프로파일링을 간접적으로 식별이 가능하다. 그 다음에 그렇기 때문에 프로파일링이 되기 때문에 마침형 광고 즉 사용자의 관심이나 흥미, 기후, 성향 이런 것들을 분석함으로써

프로파일링을 해서 맞춤형 광고를 가능하게 해주는게 바로 이 쿠키 분석의 특성이라고 할 수가 있어요. 쿠키의 작동원리에 의해서 쿠키의 작동원리는 사용자가 있죠. 사용자가 브라우저를 이용해서 어떤 특정한 사이트의 URL을 주소창에 입력함으로써 그 사이트의 웹서버에 접속을 시도하죠. 접속을 시도하면

그 랩 서버에서는 먼저 뭐냐면 이 사용자의 브라우저를 통해서 사용자의 하드를 검색해서 하드 내에 우리 사이트 우리 서버에 쿠키를 얘가 갖고 있는지를 딱 찾아봐요. 그래서 보니까 우리 사이트에서 심어놨던 쿠키가 있다 그러면 그 쿠키 정보를 바로 읽어가지고 이 사람은 언제 우리 서버에 들어왔든 우리 로그인된 회원이구나. 그러면 바로 그냥 우리 사이트를 개방해서 이 사람이 우리 사이트에 있는 모든 정보를 접속할 수 있게 해주는 거죠.

그런데 보니까 쿠키를 찾아보니까 우리 사이트에 대한 쿠키가 없어. 그 사람이 우리 사이트 처음 와서 없을 수도 있고 또 뭐에요. 우리 사이트에 대한 쿠키를 쿠키가 너무 많이 쌓이면 일정 사용자들의 경우는 쿠키를 삭제해 놓는 경우가 있어요. 삭제시키는 앱이 있어요. 또는 설정을 설정 자체를 쿠키를 저장하지 못하게 설정하는 경우도 있어요. 여러분들이 브라우저에서 인터넷 옵션을 여러분들이 선택함으로써. 어쨌거나 그래서 우리 사이트 앱 서버 우리 사이트에 쿠키가 있냐 없냐를 얘가 탐색을 해서 서버가 우리 사이트에 쿠키가 있다 그러면

쿠키 정보를 이용해서 회원으로 우리 사이트에 접속한 사람으로서 로그인된 회원이라고 하면 그냥 사이트 개방해 주면 되고 없는 경우에는 노쿠키인 경우에는 쿠키가 없는 사람한테 제공해 주는 사이트를 열어주는 거죠. 회원이 아닌 사람이 검색할 수 있는 정보만을 주는 거죠. 그리고 회원 가입하는 창도 같이 오픈해 주는 이런 식으로 해서 신규 회원으로 가입 가능하게 해주다. 웹서버의 기존 데이터를 갱신하거나 신규를 기록하는 이런 과정을 겪게 하는 거죠.

그래서 쿠키를 확인해보니까 이 사람의 아이디가 뭐고 전에 사용했던 정보 이런 것들이 기록이 있죠. 그러면 그 기록을 이용해서 그 사람이 다음 사이트에 검색활동을 할 수 있게끔 저장을 해주고 있다. 이것이 바로 쿠키가 작동하는 원인이라고 할 수가 있어요. 그리고 우리 사이트에 쿠키가 있냐 없냐를 파악하기 위해서 쿠키는 어떤 식으로 구성이 되어있냐를 보면

이렇게 쿠키의 기본 구조는 그 사이트가 제공한 이 디바이스의 이름, 그 디바이스의 이름하고 그 다음에 이름의 값, 그 외에 그 다음에 기타 속성에 대한 내용이 들어있는데 기타 속성에는 유효기간, 이 쿠키는 언제까지 이 쿠키가 내가 쓸 수가 있다. 위에 압서고 해서 조성한 유효기간이 언제까지다.

그리고 우리 사이트가 저장해놓은 쿠키의 도메인, 즉 우리는 쿠키를 어떤 사이트에서 생성시켜서 사용자의 디바이스, 사용자의 컴퓨터에다가 저장해놓은 쿠키다라는 것을 알려주게 된 도메인을 이렇게 써놓게 되어있어요. 그 다음에 그 도메인 상에서 이 사람이 특정 경로에서 쿠키를 쓸 수 있게끔 그런 권한을 설정한 그 경로에 대한 내용, 그 다음에

모안에 대한 설정, 이것이 쿠키를 이루게 되는 여러 구조라고 할 수가 있어요. 그래서 쿠키에 담기는 정보를 세부적으로 보면 쿠키를 제공한 웹사이트 이름이 바로 이 도메인에 의해서 파악이 될 수 있죠. 그리고 쿠키를 그 도메인에서 이 디바이스에 붙인 이름을 뭐라고 붙였냐. 이 디바이스는 이름이 뭐다. DP57432 이런 식으로 나가시는데 그 사이트별로 이름을

차별화 시켜서 붙였기 때문에 다른 서버에서는 자기가 심은 쿠키가 아닌 다른 쿠키를 기본적으로는 읽지 못하게 그래서 이름값도 확인이 안 되게 이렇게 생각하죠. 그 다음에 존속기간하고 그 외에 나머지 속성들을 이렇게 쿠키에 담아서 컴퓨터에 저장을 한다. 쿠키의 종류는 귀속 도메인 및 유효기간에 따라서 우리 교재 5-4표에 있어서

기속 도메인에 따라서 일자 쿠키냐 또는 삼자 쿠키냐 이렇게 볼 수 있어요. 그래서 우리가 심어놓은 쿠키는 일자 쿠키가 되는 거죠. 그리고 우리가 우리 서버와 도메인 네임이 다른 쿠키 그거는 삼자 쿠키가 되는 거죠. 다른 사람들이 심어놓은 쿠키라고 할 수가 있죠. 그 다음에 유효기간에 따라서 세션 쿠키냐 아니면 지속 시험 쿠키냐 해서 세션 쿠키라는 것은 임식 쿠키라고 할 수 있어요. 메모리 쿠키라서 임식 쿠키라고 할 수가 있고 브라우저가 종료되면 삭제가 되는 브라우저가 브라우저를 이용할 때만 그 쿠키가 역할을 하게 하는 것은 세션 쿠키라고 하고

지속형 쿠키는 그 사용자의 디렉토리에서 특정 시점, 즉 우리가 유용기관으로 정한 특정 시점까지 계속적으로 유지가 되는 그런 지속형 쿠키죠. 그렇다면 이 지속형 쿠키는 이 지속형 쿠키는 어떤 역할을 해주냐 하면 우리 서버에서 우리 서버에 접속해 오려고 할 때 우리 서버에서 그 쿠키를 찾아봤더니 사용자의 카드에서 그 쿠키를 찾아봤더니 쿠키가 찾아졌다 그러면

그리고 거기 지속형 쿠키로 유효기관이 남아있다 그러면 하루 그냥 로그인시켜줘서 그 사용자가 우리 사이트를 우리 사이트의 서비스를 이용하게끔 해주는 그런 역할하는 게 바로 이 지속형 쿠키라고 할 수가 있죠. 그리고 이 지속형 쿠키는 리타게팅 즉 그 디바이스, 그 단말기 사용자를 우리 어떤 특정한 광고 캠페인에 타겟팅에 활용할 수 있게 하는 역할을 해주는 게 바로 이 지속형 쿠키 즉 유효기관에 따른 지속형 쿠키가 하는 일이다.

그 다음에 그 기타 어떤 쿠키의 특성 중에서 이제 슈퍼쿠키냐 좀비쿠키냐 이런 종류가 나눠지는데 슈퍼쿠키라는 것은 이제 최상위 도메인 우리가 흔히 아는 뭐 ORT라든가 정부부 사이트라든가 특급 닷컴 이런 식으로 대표 해당 그 어드레스의 그 종류를 구별하는 대표 도메인이 붙어있는 경우가 있죠. 이런 사이트에서

무효한 쿠키들이 대부분 슈퍼쿠키 역할을 하게 되죠. 그래서 이 슈퍼쿠키는 기본적으로 잠재적인 어떤 보안 문제 이런 것들이죠. 보안 쿠키가 좀 힘들어지는 그런 문제들이 작동하는 것이 슈퍼쿠키고 좀비쿠키라는 것은 뭐냐면 쿠키를 삭제해도 이 좀비쿠키는 뭐냐면 쿠키를 이 서버가 브라우즈의 쿠키 디렉토리에만 쿠키를 저장해 놓은 게 아니라 얘네들이 감춰놓은 경로들을 거기다가 경로를 생성해서 거기다 감춰놔요. 자기네 쿠키를. 그렇기 때문에 일반 사용자가 어떤 통상적인 쿠키가 저장되는

하드 디렉토리의 브라우즈 디렉토리에 있는 쿠키 디렉토리에다가 가서 쿠키를 다 지워도 해당 사이트의 서버가 쿠키를 자기네만 아는 별도의 어떤 디렉토리 또는 그 디렉토리를 숨기기 기능 이런 걸로다가 해당 사용자의 컴퓨터의 숨기기 폴더 안에다가 그 쿠키를 저장해놓고 자기네가 접속해서만 그것을 찾아낼 수 있게끔 해주는

그래서 전체 쿠키 로트를 삭제해도 이게 다시 재생, 살아나는 어떤 특정 서버 사이트를 검색하게 되면 살아나는 그런 쿠키를 존비 쿠키라고 하죠 이 존비 쿠키 같은 경우는 역성 코드나 이런 것들이 활성화시키게 할 때 존비 쿠키를 많이 활용하는 그런 쿠키라고 할 수가 있어요 기타 쿠키 이용으로 보안 쿠키, HTTP, ON, 쿠키도

사이트 쿠키 뭐 이런 것들이 있을 수 있어요. 뭐 이념해서 봐야 될 것은 슈퍼 쿠키냐 아니면 좀비 쿠키냐 이런 것들을 우리는 이념해서 앞으로 쿠키를 다룰 때에 사람들이 살펴보면 될 것 같아요. 기타 나머지 쿠키들에 대한 내용은 API를 다룰 때에 구체적으로 내용을 보면서 살펴볼 수 있을 것 같아요. 3자 쿠키 아까 1자 쿠키는 우리 사이트에 접속했을 때 우리 사이트가 사용자의 디렉터리에 심어놓은 쿠키를 1자 쿠키라고 얘기하는데 1자 쿠키 외에

다른 사이트가 심어오는 부키를 3차 부키라고 할 수 있었죠. 예를 들면 우리 사이트에 의존이 네이버라는 사이트인데 사용자들이 네이버 사이트에 접속을 시도해오면 네이버 사이트에서는 그 사용자의 컴퓨터에 네이버 사이트에 접속한 부키를 심죠. 그런데 네이버 사이트에 들어와서 이 사람이 배너 광고를 클릭했다. 그 배너 광고가 어떤 광고주 사이트로 연결이 되더라. 아니면 광고주 사이트에서 또 이 사람한테 다시 또 뭐예요. 쿠키를 심어놓죠. 우리 광고주 입장에서 우리 사이트에 접속했던 사용자 컴퓨터가

그렇을 때 네이버 사이트 입장에서 보면 그 배너 광고를 클릭함으로써 산출된 광고주 사이트에 서버가 설치한 쿠키 이것은 삼자 쿠키라고 할 수가 있는 거죠. 그래서 배너 광고의 쿠키는 배너 광고 서버에 의해서 사용자의 브라우저를 통해서 사용자의 브라우저 폴더에 또 다른 배너 광고 서버 쿠키가 생성이 되기 때문에 그때는 그것이 삼자 쿠키가 되는 거다.

네이버의 경우는 1차 쿠키가 되고 어떤 광고를 틀켰을 때 심어지는 이 ad company 광고 기업의 쿠키는 3차 쿠키가 된다. 이 3차 쿠키도 나름대로 의미가 있죠. 3차 쿠키는 광고 클릭의 트래픽을 확인하게 할 수 있고 그다음에 구매 전환 여부나 이런 것들을 다 알 수가 있죠. 그래서 이 쿠키들을 분석해서 이런 트래픽이라든가 이런 것들을 이런 트래피의

데이터를 분석하는 그것이 바로 이 애널리틱스 서비스가 하는 일들이죠. 애널리틱 서비스들이 이런 것들을 찾아서 하게 됩니다. 그 다음에 쿠키 관리. 우리 사용자들은 쿠키가 우리 사용자들이 인터넷 서핑을 할 때 많은 도움을 주기도 하지만 반대로 내가 원치 않는 웹 서핑의 흔적 이런 것들을 쿠키를 심은 서버 사이트한테 알게 모르게 제공하게 되는 거잖아요.

그것이 제공돼서 개인정보가 나가는 건 아니지만 자칫 우리가 쇼핑 거래라든가 이런 거를 할 때 말하자면 그거죠. 여러분들이 노트북을 가지고 만약에 넷플릭스 광고를 넷플릭스를 한번 접속해서 들어가게 되면 여러분들이 넷플릭스에서 사용했던 콘텐츠를 사용했던 그런 흔적이나 이런 것들 또는 아마존에서 뭐를 구매했을 때 아마존에서 구매할 때 현저 이런 것들이 쿠키에서 남아 있기 때문에 여러분들 다시 접속해서 들어가면 여러분들한테 새로운 제품, 여러분들이 쇼핑했던 제품들과 유스파

이러한 제품들을 추천받고 할 수 있는 알고리즘의 근거를 이루는 게 바로 이 쿠키에 의한 정보가 될 수도 있다. 구매를 하지 않더라도 검색한 정보만 가지고도 여러분들에게 또 다른 제품이 추천이 될 수 있는 그런 기반을 이루는 게 바로 쿠키 정보다. 그렇기 때문에 이 쿠키를 내가 만약에 차단하고 싶다. 그러면 이렇게 인터넷 익스플로러를 통해서 여러분들이 브라우징을 한다. 그러면 익스플로러에서의 쿠키 차단은 이 와가 시장에서.

여러분들이 다 해봤겠지만, 도구, 버튼, 인터넷 옵션, 개인정보 탭을 설정한 다음에 고급 선택에 가서 쿠키 차단을 선택하면 해당된 링크 사이트의 쿠키들이 이렇게 차단이 되게 되죠. 그렇기 때문에 리타게팅이라든가 맞춤형 광고가 차단되는 그런 서비스를 이용할 수 있고. 반대로 붓기를 차단하게 되면

어떤 특정 사이트에 자동으로 로그인 되는 쿠키 정보를 읽어가지고 쿠키 정보가 있으면 해당 웹사이트의 서버가 자기네 고객 브랜드에서 자동으로 웹사이트를 열어준다고 했잖아. 그리고 로그인, 자동 로그인 이런 기능이 제한될 수는 있어요. 쿠키 차단을 보면. 쿠키 차단 방법. 스프러러가 아니라 크롬을 이용할 때는 이런 식으로 설정 표시를 가서 고급 설정, 개인정보 세션, 컨텐츠 설정을 클릭해서 차단 서비스를 체크하면 됩니다. 마찬가지로 쿠키 차단을 하면은

리타겟팅 맞춤형 방법 수신이 차단되고 로그인의 제한을 받게 된다. 쿠키 차단에 대한 장점과 단점 이런 것들이 제시되어 있죠. 쿠키 자체는 웹사이트의 이용 편의성을 높여주죠. 접촉한 흔적이 있기 때문에 바로바로 연결이 돼서 로딩 시간을 단축시켜주죠. 장바구니 상품을 보존시켜주죠. 전에 우리가 구입했던 정보들을 내려놓을 수가 있죠.

그 다음에 사용자의 행태 정보들을 많이 제공해주기 때문에 재방문 시 해당 사이트의 웹서버가 쿠키를 불과해서 사용자 정보를 파악함으로써 사용자의 국내 정보, 관심사, 위치 등을 자동으로 떠올려서 거기에 맞는 어떤 추천 이런 것들을 해주게 한다. 그리고 이 쿠키 정보를 이용할 때 리타게팅 이런 것에 쿠키 정보들이 활용된다. 감사합니다.

특히 리타겟팅 광고 플랫폼은 리타겟팅을 전문적으로 해주는 광고 플랫폼, Google Ads라든가 또는 페이스북 광고 이런 플랫폼에서는 쿠키 정보를 기반으로 어떤 사용자의 컴퓨터에 지속적인 광고 노출, 동일한 광고를 방문해서 노출시켜주기도 한다. 다음에는 쿠키 정보의 역할을 해주는 것이

주는 것이 바로 추적 코드, 트래킹 코드하고 웹 로그 데이터를 수집하는, 부키 정보를 활용하는 것 외에 사용자 데이터를 찾아내게 해주는 방법이 바로 추적 코드와 웹 로그 데이터를 수집하는 건데, 추적 코드를 해서 우리가 아까 했던 이용 행태를 분석해 주면 애널리틱 서비스를 제공하는 코리아 주체들,

사업자들이 바로 사업자 낳도는 플랫폼이 구글 애네틱스라는 거죠. 그래서 흔히 GA라고 부르는 구글 애네틱스예요. 구글 애네틱스가 사용하는 추적 코드가 GATC 즉 구글 애네틱스 트래킹 코드라는 이 코드를 사이트별로 심어가지고 사이트의 그 헤더 사이트의 그 HTML 코드 헤더 부분에 HTML 코드 헤더 부분에

구글 엔엑틱스에 체킹 코드를 심어 가지고 그 사이트에 접속해 오는 모든 사용자들을 다 필터링을 해 준 서비스가 바로 이 GA, 구글 엔엑틱스 서비스예요. 그리고 이 구글 엔엑틱스에서는 추적 코드를 GATC라는 명칭으로 추적 코드를 관리하는데 페이스북이나 인스타그램은 픽셀이라는 코드를 가지고

사용자들에 대한 추적 코드 명칭을 쓰고 있어요. 삽입 위치라는 것은 아까 얘기했듯이 모든 페이지에 html 코드의 헤드 부분에 코드를 삽입해서 해야 되는데 이 코드를 삽입하려면 코드 수정 권한이 있어야 html 코드 삽입을 할 수가 있어요. 많은 사이트들은 코드 수정을 가능하게끔 이렇게 옵션을 풀어놓고 있어요. 그래서 자기네 코드에 들어오는 사람들이 자기네 코드를 가지고

추적 이런 것들을 활용해서 자기네 사이트에 대한 트래픽을 준성 가능하게끔 이렇게 오픈해 놓고 있는데 그런데 이제 네이버의 블로그 같은 경우는 이런 추적 코드를 삽입하기 어려운 추적 코드 삽입이 안 되게 이렇게 옵션이 돼 있어서 사용이 불가능한 그런 상황이 있어서 네이버의 블로그 같은 경우 네이버가 자기네들만 이것을 활용하는 블로그별로 어떤 트래픽이나 이런 것들을 사용하는 이런 상태를 갖고 있죠. 추적코드 삽입 방법은

구글에르크스의 취업코드를 삽입하려면 여러분들이 1차적으로 어떤 사이트의 매니지먼트, 사이트의 관리자 입장에서 구글에르크스 계정을 하나 개설해가지고 그 개설된 관리자의 권한으로다 자기네 사이트, 관리자 사이트를 관리자 사이트에 HTML 코드를 가서 오픈되어 있는 코드에 가서 패드 부분에다가 구글에르크스에 아까 얘기한 GATC 코드 있죠. 일정 부분, 그

목붓 해서 집어넣으면 추적코드를 삽입했다고 얘기해요. 페이지를 태그하게 되는데 추적코드를 삽입하게 되면 전 세계 70% 이상이 바로 이 구글 애네틱스의 추적코드를 활용해서 그 페이지에 접속하는 트래픽을 체크하고 있다라고 알고 있으면 되고 그런 추적코드를 통해서 웹농 분석을 해나가는

웹로그 분석 서비스를 제공하는 대표적인 두 개의 서비스가 있는데 바로 구글 애널리틱스, GA라는 서비스와 어도비 애널리틱스 두 개가 바로 그 서비스를 해주고 있고 국내의 추적코드 분석을 통해서 웹로그 분석을 해주는 도구로는 네이버 애널리틱스, 그리고 에이스 카운터 이런 코드가 있어요. 이런 추적코드를 통한 웹로그 분석을 하기 위해서는 기본적으로

모든 사이트들을 다 거의 모든 사이트들이 오픈해놓고 있는데 자기네들의 그 html 코드를 오픈해놓고 있는데 그것을 오픈해놓지 않는 그런 사이트의 경우는 추적 코드를 삽입하기 어렵기 때문에 이런 경우에는 웹로그 분석이 이루어지기 어려울 수 있죠. 추적 코드 삽입을 허용해놓은 사이트의 경우에는 웹로그 분석을 통해서 어떤 것들을 찾아낼 수 있냐 그래서 방문자 특성, 리경모, 어떤 브라우징을 통해서 리경모,

위치고 어디고 검색은 뭐를 치고 들어왔는지 그 사람이 접속한 기기는 어떤 디바이스인지 그 다음에 브라우저는 뭘 썼는지 이런 것들을 사용할 수 있다. 이것이 이제 방문자 특성에 대한 정보를 취업 코드가 읽어서 찾아내는 거고 들어와서 방문자들이 어떤 행태를 보였는지 그래서 페이지비는 뭐를 했고 얼마나 체조했고 랜딩 페이지는 뭐였고 그 다음에 어느 페이지를

검색해다가 다른 사이트로 빠져나갔는지 에 대해 리탈페이지를 알 수 있고 그 다음에 어떤 구체적인 컨버전 행동을 했는지 즉 회원가입을 했는지 구독서비스에 가입했는지 아니면 장바구니를 담았는지 또는 구매를 했는지에 대한 이런 컨버전에 대한 행동과 정보들이 웹러그 분석에 의해서 증설이 된다. 웹러그 분석에 기반한 빅데이터 활용 사례로

피는 것이 고객가치를 분석한 코오롱의 사이트라고 코오롱의 고객가치 분석 사례라고 할 수가 있습니다. 이 맵로그 분석을 통해서 고객의 구매 대이사 그리고 온라인 쇼핑몰의 맵로그 이런 것을 기반으로 해서 소비자들 대상을 소비자들을 실제 구매력, 그 다음에 구매 인테리어, 그 사람들 필요로 하는 것, 할인에 대한 민감도, 구매주기, 라이프스타일 이런 요소를 가지고 고객을 세분화했죠.

세분화해서 고객의 등급을 이렇게 white 등급부터 시작해서 black 등급까지 이렇게 구분을 했고 그 다음에 그에 따라서 구매 실적 그래서 이 사람들이 구매력이 얼마나 되는지 이런 것을 분석을 해서 실제적으로 구매 분석 등급별 구매 실적 이것을 이렇게 매트릭스로 만들어서 어떤 특정한 고객들의 구매 성향 그리고

이 사람들이 어떤 구매 단계에 있을 때 어떤 프로모션을 하는 게 효과적인지 이런 것들을 선정을 해서 브랜드별 판매량도 예측을 하고 그리고 매장 단위의 어떤 매출 증가 이런 것들을 즉 어떤 매장 즉 뭐 춘천 시내에 있는 A 매장의 경우에는 매출이 어떻게 변하니까 그리고 어떤 브랜드 즉 코오롱에 있는 여러 브랜드들 코오롱 스포츠 브랜드죠 스포츠 브랜드에 몇 가지 상품 브랜드 라인이 있을 텐데 그 브랜드 라인별로 매출 증가에 대한 원인도 파악하고 판매를 효율적으로 분석해서 판매를 효율적으로 분석했다는 얘기는 그것에 맞는 제품 라인 이런 것들을 제공한다라고 볼 수가 있다. 뭐 이것은 그 어

쇼핑몰의 로그 데이터를 분석해서 랜드 라인의 어떤 매출 증감이나 판매 효율 이런 것들을 분석했다고 할 수 있는데 이것은 광고에 접목을 하게 되면 어떤 광고의 소비자들이 실질적으로 장바구니에 얼마나 담았고 어떤 광고를 통해서 어떤 사이트의 어떤 배너 광고에 어떤 반응을 보여서 컨버전이 얼마나 일어났는지 이런 것들을

효과적으로 분석을 해서 특정 사이트의 광고 성과 이런 것들을 분석하는 이런 사례로 활용을 할 수 있는 그래서 웹로그에 기반한 기업들의 로그 데이터 분석 활용 사례라고 할 수가 있죠. 웹로그 분석을 하게 되면 사이트 개선에서 웹로그 분석을 통해서 어떤 사이트의 이탈주지나 전환 이런 걸 찾아낼 수 있고 히트맵 분석이라는 것은 뭐냐 하면 사이트를 이렇게 놓고서

사이트에 사람들이 자주 찾게 되는 자주 클릭하게 되는 매너나 지역 이런 것은 붉은 빛을 띄게끔 이렇게 히트 매우다가 전체 사이트를 조망하게 하는 거죠 그리고 잘 안 찾고 소외된 그런 사이트의 지역 에이어를 파란 빛을 띄게끔 해 준다는 거예요 이런 식으로 해서 빨간색과 파란색으로다가 어떤 이 사이트에 클릭이나 터치 빈도를

이렇게 보여주는 그런 그림이 바로 히트맵 분석이 되는 건데 이 웹독 분석을 통해서 히트맵을 그려보게 할 수도 있다. A-B 테스트라는 것은 이렇게 웹독 분석이나 히트맵 분석을 통해서 아, 우리 사이트에 어떤 지역이 좀 취약하다는 그 취약한 지역을 개선한 또 다른 개선 모델을 냈을 때 개선 전과 개선 후, 그래서 두 개를 비교 실험하는 결과를 비교하는 그 방법을 우리는 A-B 테스트라고 하죠. 그래서 이 A-B 테스트를 통해서

사용자 experience, 즉 UX를 개선함으로써 최적화된 사이트 환경을 구축하게 해주는 그것이 바로 웹농 분석을 통해서 우리가 웹사이트를 개선해가는 그런 과정이라고 할 수가 있어요. 소규모 비즈니스 사이트의 경우에는 웹농 분석에다가 어떤

여러 가지 결과들, 다중결과 분석들, 왼동 분석들과 다른 기타 분석들을 합해서 소비자 의견 이런 것들을 취합함으로써 소규모 비즈니스는 자기네 최적 과정을 충분히 이룰 수 있는데 좀 약간 규모가 쓴 규모가 커지는 비즈니스의 경우에는 구체적으로 사이트 개선하기 전과 후의 효과를 구체적으로 더 세부 분석까지 해서 즉 A, B, T, S까지 해서 최적화를 좀 더 디테일하게 해나가는 게 추천이 된다. 그래서 사이트의

비즈니스 규모별 사이트의 최적화 과정을 이런 식으로 제안을 하기도 하죠. 좀 전까지 웹사이트에 대한 내용을 했다고 하면 이번에는 앱, 앱 서비스에 대한 분석을 어떤 식으로 이루어져야 하는지 보는데 앱에 대한 분석을 할 수 있게끔 하는 근거 데이터는 바로 M-LOG 데이터에 의해서 그것을 하게 되는데 M-LOG라는 것은 뭐냐 웹, 웹 로그가 웹에 대한 로그 즉 기록이라고 하면 앱은

앱을 사용하면서 남긴 기록 즉 앱 플러스 기록의 중만이라고 할 수 있죠. 그래서 애플리케이션, 즉 스마트폰의 앱 서비스를 쓰면서 얼마나 그 앱을 화면 조회했는지 그 앱에 등장하는 앱이 열렸을 때 나오는 매너들을 얼마나 클릭했는지 이런 것들을 기록한 데이터라고 할 수 있죠. 실제적으로 웹 로그보다 엠브로그 같은 경우 훨씬 더, 원룸이 더 커요. 그래서 저는 핸드폰을 수시로 열어보고

수시로 여고 보자. 컴퓨터 같은 경우는 뭐 수시로 핸드폰처럼 수시로 보지는 않잖아. 집에서나 아니면 공부할 때 또는 정지에 있을 때 정지에 있을 때에만 웹을 쓰지. 막 이동하면서 이럴 때는 웹을 쓰기가 어렵지. 앱이 더 많이 쓰이니까 수시로 앱을 더 많이 쓴다는 거예요. 그래서 거기에 따른 M-log가 훨씬 더 많은

흔적을 남기게 되겠죠. 그래서 앱 로그 같은 경우는 단말기 하나만 하더라도 상당 짧은 기간 안에 수십만 건, 수백만 건의 데이터가 쌓이게 돼요. 여러분들 앱 로그 데이터가. 앱 로그 데이터의 유형은 크게 두 가지로 서비스 로그와 행동 로그라고 할 수 있는데 서비스 로그는 특정한 앱을 다운받아 가지고 여러분들 디바이스 즉 스마트폰에 설치하면서 저장된

기록들, 그래서 연락처, 회원 라인, 결제 이런 것에 대한 결과가 서비스로그라고 할 수 있어요. 그래서 이것이 기본 앱 서비스의 필수적인 그런 흔적들, 그것이 서비스로그라고 할 수 있고 행동 로그라는 것은 설치된 앱을 여러분들이 사용하면서 그 앱에서 등장하는 페이지에 특정한

아이템들을 클릭하거나 또는 클릭한 배너들 간에 서로 왔다 갔다 하면서 이용한 그런 내용들이 기록이 되는 게 행동 로그다. 행동 로그 데이터는 실질적으로 서비스 로그 데이터보다 훨씬 많겠죠. 그리고 훨씬 많은 반면에 수집해서 활용하기가 그 양 때문에 굉장히 까다로운. 구글 애널리틱스가 제공하는 엠로그 정보 제공 내용으로는 이렇게.

사용자 수에 그 해당 앱을 사용하는 사용자 수하고 그 다음에 그 앱에서 사용됐던 세션 이용 및 세션 수 및 세션 이용 시간 그리고 그 디바이스의 OS가 뭐냐 그리고 디바이스 모델은 OS가 저 안드로이드냐 아니면 ios냐 이런 OS이요 디바이스는 뭐 F냐 아니면 뭐

이 앱 로그 정보들은 로그 데이터를 그냥 로그 데이터보다 그냥 남겨두는 것으로는 남겨두기 보다는 우리가 어떤 형태를 갖춰서 그것을 설계해서 구성을 해줘야 되는데 1단계로는 단순한 이벤트 클릭 그래서 단순하게 그 앱에서 나오는 클릭스를 집계하는 거와 그 다음에 해당 이벤트들을 속성별로 기준을 잡아서 공유하는

그래서 이 이벤트와 속성을 결합해서 집계하면 상당히 유체적인 그런 사용자 속성을 이벤트 속성과 사용자 속성을 결합해서 집계를 하면 이 엠로그의 경우 상당히 유체적인 정보를 획득 가능하게 해준다. 이런 특성을 갖고 있고 이것을 가지고 비퀄이 즉 쿼리라고 해서 어떤 요청에 응답할 수 있게끔 잘 정리된

그런 식의 데이터를 설계해서 쌓아놓은 형태를 우리는 빅쿼리이라고 하는데 이런 쿼리 형태로다 이것을 웹 앱 로그 데이터들을 설계해서 쌓아놓으면 우리가 활용도 훨씬 더 많다. 그래서 이걸 통해서 특정 사용자의 리스트를 추출하고 정교한 타겟팅을 가능하다. 이 트라이터폰 사용자의 정교한 타겟팅을 가능하게 해주는 것이 바로 이런 식의 이벤트 사용자하고

산부자 속성을 결합해서 분석해서 쌓아놓는 게 굉장히 중요하다. 이런 설정을 볼 수 있고. 그렇기 때문에 M-NOG를 분석할 때에는 어떤 모형이 있어요. M-NOG 분석을 사용하는 모형이 있는데 M-NOG 분석의 모형으로 가장 대표적으로 등장하는 것이 바로 그리고 AARR 모델이에요. AARR 모델이에요. AARR 모델인데

웹로그 분석을 하면서 다 같이 AA, Acquisition, 획득과 Activation, 활성화 이 두 가지 단계에서 두 개에서 나온 로그 데이터를 분석을 한 거죠. 그래서 Acquisition 데이터라는 것은 뭐냐면 신규 앱 설치, 그리고 신규 앱 설치를 한 사용자 수 이런 것들을 분석을 해서 분석을 하는 그

분석 데이터고 액티베이션 설치한 후 실행한 횟수 이것을 파악하는 실행한 횟수에 대한 데이터를 그 흔적을 파악하는 것이 이제 액티베이션 분석을 하는 모형이라고 액티베이션 분석을 하는 단계라고 할 수 있고 그래서 더블에이 더블에이는 액티베이션과 액티베이션에 해당하는 로그인 즉 흔적을 분석하는 거 그 다음에 트리플에이는 뭐냐 하면

리텐션, 재방문한 흔적, 그 다음에 레베니우, 실제 재방문한 뒤에 얼마나 매출이 발생했는지 매출 발생 횟수를 추적하는 것, 이것이 레베니우고, 그 다음에 리퍼럴, 이것을 새로운 사용자한테 얼마나 SMS상에 추천했는지, 또는 이것을 댓글이나 이런 데서 포지티브한 댓글을 통해서 입성문을 내는지, 이런 것들을 그런 흔적, 즉 로그를 찾아서 분석하는

그래서 이 MLOG 분석은 분석을 크게 이렇게 AARRR 관련 항목들을 찾아서 분석을 하는 것이 대표적인 MLOG 분석의 모형이라고 할 수가 있어요. 그래서 이와 같은 AARRR 모델은 데이브 맥크로라는 MLOG 분석의 권위자가 이렇게 5개 단계에 따른 MLOG 분석을 하는 것이

우리가 스마트폰을 사용한 사용자들을 기본으로 수익을 창출할 수 있는 효과적인 분석 모델 단계라고 해서 제안을 하고 많은 MLOG 분석 플랫폼들이 이 모형에 의존해 이 모형에 기반으로 한 MLOG 분석을 통해서 사용자를 특정하고 그리고 거기에 맞는 어떤 디지털 광고 기법을 적용해서 수익을 창출하는 사례라고 볼 수 있잖아요.

그리고 ARNR에 대한 구체적인 지표 활동 내용은 지표는 이런 사용자 수에 대한 것과 실행한 횟수, 재사용자 매출 발생 횟수, 사용자를 유입시킨 횟수 이런 것을 통해서 지표를 삼고 이걸 이용해서 우리가 활용하는 활용도는 여기 나와 있는 이런 사용들이라고 해서 이것은 우리 교재에 나와 있는 내용이니까 참고해서 보면 좋을 것 같아요. 그러면 ARNR 분석에 활용되는

우리 그 웹에서 사용됐던 것과 같은 웹의 쿠키 역할을 했던 식별자. 웹의 쿠키 역할을 했던 식별자가 앱에서는 뭐냐. 앱에서는 웹에서는 쿠키였다고 하면 앱에서는 ADID 즉 단말기마다 즉 사용자 디바이스마다 고유하게 붙어있는 광고 ID 코드라는 게 있어요. ADID 코드.

이것을 기반으로 앱 녹음 분석을 할 때 쿠키 대신에 사용자를 인식하게 되죠. 전 세계 모든 스마트폰과 태블릿 PC의 경우에는 Add ID라는 식별할 수 있는 일련의 숫자와 문자와 숫자로 된 코드가 들어가 있어요. 이것이 모바일 디바이스를 구별하게 되는 식별자 역할을 하게 되죠.

이 사용자의 앱 서비스, 즉 앱 사용자의 어떤 사용 행태라든가 이것은 결국 어디에 담겨있냐면 애드 아이디라는 코드에 담겨 있어서 디바이스별로 이것을 분석 가능하게 해주는 거죠. 그래서 구글 애드 아이디, 구글 애드거타이징 아이디라는 것은 구글이 구글 안드로이드 기기에서 이것을 식별 가능하게 하는 코드가 바로 애드 아이디고

그 다음에 애플 iOS 기기에서는 바로 이 디바이스를 식별해주는 역할하는 코드가 이제 이 IDFA라고 해가지고 Identify of Advertising 이라는 이 코드가 구글 OS의 경우에는 iOS의 경우, 애플의 경우에는 이것이 심어져 있어요. 그래서 이 두 개를 활용해서 광고 고유 식별자를 집안으로 한 M-log 분석을 진행을 해서 오디언스 타겟팅

그 고객 식별을 해나가게 되고 그 다음에 이 식별된 고객들의 광고 캠페인에 대한 성과 이것들을 분석을 하게 된 거죠. 애플 IOS의 경우에는 광고 식별자 수집을 하는 것을 이 코드를 비활성화시킴으로써 비활성화시킴으로써 특히 사파리를 이용하는 경우에 이것이 FFA 그것을 비활성화시켜서 식별이 되지 않게끔 수집이 되지 않게끔 하는

그런 제한을 둘 수가 있죠. 그래서 많은 경우 데이터의 광고를 수행할 때 이게 비활성화되어 있게 되면은 비킬자로서 셀렉션 바이오스를 항상 연결해 주는 그런 사례를 살펴봐야 돼서 비활성화된 사람들의 비유지되던가 또는 비활성화된 사람들이 갖는 어떤 특성 이런 것들을 늘 이것이 확성화되어 있는 사람하고 같이 묶여가지고 디지털 광고 마케팅 커뮤니케이션 기획을 수립할 때 두 개를 고려해서

광고 전략을 수집해야 최적화된 그런 광고 전략을 수입할 수가 있어요. adid 분석을 하게 되면은 광고 id 분석지, adid 분석 결과 예를 들면은 웹 설치 후 신규 실행부터 회원가입, 장바구니 담기, 구매 이르기까지 사용자들의 앱 사용에 대한 행동을 추적할 수가 있어요. adid 분석을 통해서.

그래서 매일 방문하는 사용자한테는 어떤 할인권을 준다든가 매일 방문하는 사용자한테 아니면 어떤 포인트를 쌓이게 한다든가 이런 것을 통해서 그 앱의 사용자 또는 그 앱 광고를 클릭하게 하는 그 비밀을 높일 수가 있죠. 반면에 매일 방문하지 않고 뜨므뜨믄 또는 일주일 또는 한 달 동안 방문하지 않는 사용자들한테는 어 그 사람들 이런 사람들이 관심 있어 하는 그런 상품을

제공해준다든가 그 상품에 대한 할인 행사에 대한 쿠폰이나 할인 행사 문자 이런 것들을 발송해서 매일 방문하지 않고 뜬 뜬 방문하는 사람들의 방문율을 높이는 이런 add id 분석을 통해서 할 수 있는 커뮤니케이션 활동의 어떤 기본을 이런 식으로 삼아서 진행을 해볼 수가 있죠.

기타 앱에 설치해서 애들 아이디든 이런 M로그 데이터를 분석하는 소프트웨어를 개발해서 하게 해주는 것이 이제 STK 키트라는 것이 있는데 STK 키트에서 소프트웨어 에베리먼트 키트라고 해서 어떻게 보면 앱에 내장되어 있는 STK 방식에서 우리가 아까 앞에서 웹의 경우에 웹의 경우에 구글 체킹 콜트라고 해서 GATC라는 것이 있었죠 GATC처럼 GATC가 HTML 각각의

각 웹사이트에 html 코드, 웹사이트를 구성하는 html 코드의 헤더 부분에 gtc를 삽입할 수 있다고 했는데 그런 것처럼 그와 마찬가지로 이런 웹에 대응해서 앱 로그의 경우에는 그런 데이터를 수집해서 분석할 수 있는 이 sdk 즉 소프트웨어 디베로먼트 키트를 앱에다가 내장시키는 이런 방식을 통해서

그 앱을 이용한 사람들의 정보를 바로 서버에, 즉 SDK 서버에 그것을 전송시켜서 그 사람들의 모바일 앱 이용 내용에 대한 리포팅이 가능한 그런 서비스도 있을 수 있다. 그래서 단 이것은 앱 개발자가 이런 SDK 키트를 앱에다가 직접 연동하게끔 그렇게 앱 개발 단계에서 부승을 해야지만 이것이

리포팅이 나올 수 있다는 그런 번거로움은 있지만 만약에 그것을 앱 개발자가 우리 앱의 내 앱이 마케팅 커뮤니케이션 즉 디지털 광고의 채널로서 잘 활용되게끔 하기 위해서 이런 SDK 키트를 SDK 키트를 앱에 연동시키게 되면 그 앱에 대한 앱 로그 데이터 수집이 잘 이루어질 수 있고 그 데이터를 수집해서 분석함으로써 그런 해당 앱에 대한

사용자들의 리포팅이 상당히 가능하게 될 수 있다. 이런 활용 사례로서 앱 스프라이어가 유니버셜 SDK를 사입해서 4,600개 이상의 미디어 채널하고 연동된 결과들을 잘 사용하는 사례가 있다. 이런 SDK 앱 로그 분석 방식에는 랭킹 추적하는 SDK 설치 없이도 앱 로그 분석 방식으로

분석을 하게 하는 방식으로서 앱 조사 분석 기관에 앱을 등록하게 되면 그 등록된 앱의 경우에 그 앱이 해당 에스터와에서 통계 분석에 적용이 돼서 거기에 관련된 자료들을 계속 제공해주게 되는데 이런 SK 설시 없이도 어 에스터와의 이런 서비스를 제공하게끔 하게끔 해서 통계를 분석하는 몇 가지 서비스들이 있어요. 에피큐어, 호파파

그 다음에 distimo, ml, disk 라는 이런 식으로 해서 SDK 설치 없이 앱 로그에 대한 분석을 추적해서 해줄 수 있는 서비스들이 있다는 것을 알고 나중에 앱을 이용한 디지털 광고를 할 때 이 서비스를 활용해 볼 수도 있다. 앱 로그를 분석하는 아까 앱 로그 데이터가 수집이 되면 그걸 이용해서 분석하는 도구로써

구글에너틱스와 플로리에너틱스, 파이어베이스에너틱스 이런 곳들이 앱로그 분석을 해주는 그런 플랫폼이라고 제시가 될 수 있습니다. 앱로그 데이터를 분석한 결과들, 화면을 보여주는 사례라고 할 수가 있습니다. 앱 사용자에 대한 사용빈도, 교환 그림 57에 나와있습니다. 사용 빈도와 어떤 이벤트의 앱

웹랩이 어떤 이벤트에 반응을 보여주는지 이런 것들을 시각화해서 보여주고 있죠. 그리고 모바일 광고 플랫폼에 대한 순위라든가 광고 서비스에 대한 것도 제공을 하고 있다. 최근에는 크로스 디바이스 로우 데이터라고 해서 좀 전에는 웹 로그와 앱 로그가 이렇게 따로 수집돼서 분석해서 관리한다고 했는데

그것은 크로스 디바이스 로그 데이터 그래서 앱과 웹에서 수집된 로그 데이터를 교차해서 교차해서 그 로그 데이터를 수집해서 분석하는. 그러다 보니까 어차피 디지털 광고 커뮤니케이션 하려면 뭐예요? 앱을 통해서 또는 웹을 통해서 또는 앱을 통해서 광고가 송출되겠죠. 그렇기 때문에 웹 로그와 앱 로그가 동시에 필요할 텐데 그런 필요에 부응하기 위해서 크로스 디바이스 로그 데이터 수집하는 그런 서비스들이 있다.

옴니채널 시대죠 옴니채널이라는 것은 웹과 앱을 활용하는 옴니채널 시대에 PC, 모바일, 태블렛 또는 두 개 이상의 디바이스를 사용하는 경우가 상당히 많은데 이럴 때에 웹 등석, 즉 쿠키 정보를 이용한 웹 로그와 그 다음에 add id나 또는 idfa 그 코드를 이용한 앱 로그 이 두 개의 식별자가 달라서 동일 사용자를 하나로 매칭하기 어려운 이런 사례들이 있을 수 있어요

그래서 이제 그 사용자 중계가 다 식별이 안 되면 이런 셀렉션 바이오스가 생길 수 있는데 이 셀렉션 바이오스를 해제 함정에 빠지지 않게 하기 위해서 이런 콜스 디바이오 서비스를 하게 된다. 그래서 모바일 앱이나 PC 익스플로러를 사용시 각각 다른 쿠키를 생성해서 서로 다른 사용자를 인식하게 되는데 이것을 연동해 가지고 동일한 식별자라고 해서 그 동일한 식별자임을 매칭하게 해주는 방법이 있는데

매칭해주는 방법이 크게 이제 Deterministic 매칭 공통 사용하는 사용자 아이디를 하는 것을 즉 어떤 사람의 경우 그럴 수가 있죠 내가 웹 사이트에 가입할 때는 나의 경험이 있는 것 PC를 이용해서 노트북을 이용해서 오픈 AI 채취피티에 PC를 가입했어요 또 핸드폰을 이용해서도 오픈 AI에

책 pc를 가입했어. 그런데 두 개를 달리 사용하고 있었거든. 두 개를 따로 사용하고 있었어. 내가 아이디를 달리 했든가 뭐 그렇게 해서 달리 사용했어요. 오픈아이에 가입할 때는 다른 아이디를 사용해서 가입했는데 이게 어느 순간 그래서 내가 초반에는 어떤 메리트가 있었냐면 이게 사용 제약이 있잖아요. 그래서 pc로 쓰다가 사용 제약이 다 되면 핸드폰으로 옮겨서 또 쓰고 이랬었거든.

그런데 어느 순간 얘가 이것을 통합해서 이 사람은 동일이라는 것을 얘가 인식해버렸어. 그래서 두 개를 합해버리더라고요. 그래서 어디로 들어가든 간에 나 한 명으로 돼서 얘가 반응을 하는 거예요. 바로 이런 뭐냐. 크로스 디바이스 매칭 방법. 거기에는 결정론적 매칭이 아니에요. 결정론적 매칭이라는 것은 뭐냐면 내가 아이디를 동일한 아이디로 가입하면 뭐예요. 아, 이 PC하고 핸드폰의 경우에는 아이디를 같이 썼으니까 이 사람은 동일이겠구나. 이렇게 결정론적 매칭을 했는데 나는 틀림없이 아이디를 달리 써서 가입했는데 얘가

확률적 매칭을 하는 거예요. 이 사람을 사용한 내용이랑 이 사람이 쓰는 용어 이 사람이 주로 검색하는 내용 이런 것들을 분석하다 보니까 이 두 사람은 동일이구나. 그리고 주로 접속하는 지역이나 우리 집이나 학교 이런 데서 내가 주로 썼을 거 아니야. 보니까 동일한 점수에서 계속 아이디는 다르지만 내용이 비슷한 사람으로서 이 사람이 매칭이 된단 말이야. 그러니까 나중에 우리가 두 아이디를 어떤 아이디로 가입하는 거야. 한 개 정도돼가.

나한테 정보를 주자. 그러면서 이제 원활하게 사용하는 것이 좀 제약이 되었죠. 말이로 두 명처럼 사용하는 것이 한 명으로 나뉘어졌다. 이게 바로 크로스 디바이스 매칭, 즉 맵 로그와 앱 로그 레이터를 디바이스를 매칭해서 특히 결정로적 매칭이 아니라 이런 확률적 매칭을 통해서 동일인이라는 것을 찾아내가지고 그거에 따른 구매고객을 파악해서 이런 활동을 나한테 주고 있다.

이것이 웹 로그와 웹 로그의 분석에 따른 결과라고 할 수가 있죠. 5주차 나온 여러 가지 내용들이 많이 나왔는데 데이터의 사용자 데이터의 분류, 출처에 따라서 식별 여부에 따라서 로그 유형에 따라서 행동 분류에 따라서 그래서 행실이 있고 웹 로그 분석을 할 때 특히 유형이 여러 가지가 있다.

이런 경우 분석을 할 때 코드는 이렇게 ADID와 IDF의 코드를 기반으로 이 코드를 분석할 수 있게끔 앱 개발자들이 설치 가능한 앱 분석 코드로 SDK 키트이라는 것이 앱에 설치할 수가 있고 이걸 분석할 때는 ARR 모델로 분석을 해나가는 기본 모양입니다. 그리고 크로스 디바이스 낸치 뭐 이런 내용들이 우주차 심 내용이라고 할 수가 있어요

오늘 수업 몇 가지 하고 이 어사이먼트 안에 대한 것은 제가 그, 뭐죠? 이 클래스, 이 클래스 5주차 강의의 과제, 폴더를, 과제 그 아이콘 생성에 놓치니까 거기다가