Hyeong · 데이터·마케팅·개발 제너럴리스트

데이터로 마케팅 성과 만든 이야기 — CPC 44%↓, ROAS 167%, 누적 15만 view

12 min read

태그: 데이터마케팅 그로스마케팅 마케팅자동화 파이썬 SEO 퍼포먼스마케팅 데이터분석 Python

“마케터가 코드를 쓰면 뭐가 달라지나요?” 라는 질문을 자주 받는다. 답은 단순하다. 추측 대신 데이터로 의사결정하고, 반복 작업을 자동화해서 의사결정에만 시간을 쓴다. 12년차 데이터 분석가가 휴대폰 액세서리 브랜드(테라상사) 마케팅을 직접 코드로 굴린 기록이다.

데이터 분석가가 마케팅을 하면 뭐가 다른가

전통적인 마케팅은 “감 → 집행 → 결과 확인”의 사이클이 길다. 데이터 분석가 출신 마케터의 차이는 세 가지다.

  • 검색 수요를 먼저 데이터로 본다. 키워드 검색량·경쟁도·연관어를 멀티엔진에서 긁어와 “사람들이 실제로 뭘 검색하는지”를 근거로 콘텐츠를 만든다.
  • 반복은 코드가 한다. 300개 채널 포스팅, 순위 모니터링, 이미지 변환 같은 노동을 사람이 하지 않는다.
  • 모든 단계에 숫자를 붙인다. CPC, CTR, ROAS, 유입, 순위 — 개선 여부를 매번 측정 가능한 지표로 본다.

게임 데이터 분석(드래곤네스트·킹스레이드 등)에서 DAU/Retention/ARPPU를 다루던 습관이 그대로 마케팅으로 넘어왔다. 도메인만 바뀌었을 뿐, “지표를 정의하고 → 데이터를 모으고 → 원인을 규명하고 → 액션한다”는 분석 루틴은 동일하다.

6단계 데이터 마케팅 FLOW

전체 파이프라인은 6단계로 설계했다. 각 단계는 독립적으로 자동화 가능하고, 앞 단계의 출력이 뒷 단계의 입력이 된다.

단계핵심주요 기술
① 키워드 리서치검색 수요·연관어 데이터화멀티엔진 크롤링, 네이버 검색광고 API, 트렌드 API
② 상세페이지 SEO검색어 기반 콘텐츠 최적화KoNLPy 형태소 분석, 리뷰 감성 문구 추출
③ 체험단 협찬공개 데이터 기반 협찬 리스트업requests/Selenium, 반자동 매칭
④ SNS 반자동 포스팅300여 채널 콘텐츠 배포이미지 변환(heic→png), 스케줄링
⑤ SNS 광고 운영CPC·ROAS 최적화GA/네이버애널리틱스, UTM, A/B
⑥ 순위 모니터링노출 순위 추적·알림순위 크롤링 자동화, 리포트

① 키워드 리서치 — 검색 수요를 데이터로

상세페이지를 쓰기 전에 “시장이 어떤 단어로 이 제품을 찾는가”부터 확인한다. 유튜브·구글·빙·다음·줌·네이버 멀티엔진에서 연관검색어와 자동완성어를 수집하고(이 로직을 모듈화한 것이 related_kws 리포다), 네이버 검색광고 API로 검색량·경쟁도를, 검색 트렌드 API로 계절성을 붙인다.

# 멀티엔진 자동완성/연관어 수집 (개념 코드)
def collect_related(seed: str) -> dict:
    engines = ["naver", "google", "youtube", "daum", "bing", "zoom"]
    result = {}
    for eng in engines:
        result[eng] = fetch_suggestions(eng, seed)  # 엔진별 자동완성 endpoint
    return dedup_merge(result)  # 중복 제거 후 빈도 정렬

여기에 쿠팡 상세 OCR·유튜브 음성→텍스트·블로그/인스타 리뷰에서 긍정 감성 문구를 KoNLPy 형태소 분석으로 추출해 “고객이 실제 쓰는 표현”을 확보했다. 마케터의 카피가 아니라 고객의 언어로 상세페이지를 쓰기 위해서다.

② 상세페이지 SEO 최적화 — 검색어로 글을 쓴다

①에서 나온 검색량 상위 키워드와 고객 감성 문구를 상세페이지 제목·소제목·본문·이미지 alt에 의도적으로 배치했다. 핵심은 “키워드를 욱여넣는 것”이 아니라 검색 의도(intent)에 맞는 정보 구조를 만드는 것이다. 이 작업의 결과가 뒤에 나오는 네이버 쇼핑/통합검색 상위 노출로 이어졌다.

③ 체험단 협찬 — 공개 데이터 기반 리스트업

협찬 대상은 공개된 데이터(공개 게시물·노출 콘텐츠)를 기준으로 카테고리 적합도를 스코어링해 후보 리스트를 반자동으로 정리했다. (대상자 개인정보는 다루지 않으며, 실제 컨택은 사람이 판단했다.) 결과적으로 체험단 협찬을 통해 네이버 블로그 유입이 이전 대비 약 30~40% 증가했다.

④ SNS 반자동 포스팅 — 300여 채널을 코드로

콘텐츠 배포에서 가장 노동집약적인 부분이다. 이미지를 채널 규격에 맞게 변환하고(heic→png, 용량 3MB 이하), 채널별 포맷에 맞춰 게시물을 반자동으로 배포했다.

# 이미지 전처리: heic -> png, 3MB 이하로 압축 (개념 코드)
from PIL import Image
import pillow_heif
 
def to_web_image(src_heic: str, dst_png: str, max_mb: float = 3.0):
    pillow_heif.register_heif_opener()
    img = Image.open(src_heic).convert("RGB")
    q = 95
    while True:
        img.save(dst_png, "PNG")
        if os.path.getsize(dst_png) <= max_mb * 1024 * 1024 or q <= 40:
            break
        img = img.resize((int(img.width * 0.9), int(img.height * 0.9)))
        q -= 5

약 6개월간 300여 개 SNS 채널 반자동 포스팅 → 누적 약 15만 view를 기록했고, 브랜드 키워드 기반 스마트스토어 유입이 이전 대비 약 100%+ 증가했다.

⑤ SNS 광고 운영 — CPC와 ROAS를 데이터로 깎는다

광고는 “돌려놓고 끝”이 아니라 소재·타겟·시간대를 지표로 계속 깎는 작업이다. UTM으로 유입을 분해하고 GA·네이버애널리틱스로 전환을 추적하면서, 성과가 낮은 소재를 끄고 좋은 소재에 예산을 몰았다. 인스타그램 광고 기준 성과는 다음과 같다.

지표개선 전개선 후변화
CPC16090약 44% 절감
ROAS110%167%+57%p
CTR약 3~5%약 6~7%상승

⑥ 순위 모니터링 — 성과를 매일 확인한다

마지막은 피드백 루프다. 타깃 키워드의 검색 순위를 자동으로 크롤링해 추적하고, 변동을 리포트로 받았다. 결과적으로 네이버 쇼핑 검색 1·3위 노출, 통합검색 상위(네이버 통합 4위 / 모바일 2위 / 다음 통합 2위)를 달성했다. 순위가 떨어지면 ①~②로 돌아가 콘텐츠를 보강하는 식으로 사이클을 돌렸다.

정량 성과 요약

항목성과
인스타 CPC160 → 90 (약 44%↓)
인스타 ROAS110% → 167%
인스타 CTR약 35% → 67%
SNS 포스팅300여 채널 6개월 누적 약 15만 view
스마트스토어 유입브랜드 키워드 기반 이전 대비 약 100%+↑
블로그 유입체험단 협찬으로 약 30~40%↑
검색 노출네이버 쇼핑 1·3위, 통합검색 상위
전체 합산전체 유입 약 55%↑, 매출 약 30%↑

모든 수치는 특정 브랜드 운영 기간의 상대 변화(%·지수)다. 절대 매출액은 공개하지 않는다.

배운 점 — 재현 가능한 자동화가 핵심

이 프로젝트에서 가장 크게 배운 건 “한 번 잘 만든 자동화는 도메인을 바꿔도 재사용된다”는 점이다.

  • 키워드 리서치 로직은 마케팅뿐 아니라 어떤 도메인의 콘텐츠 기획에도 쓰인다 → related_kws로 모듈화.
  • 이미지 변환·파일 처리·리포트 자동화 같은 반복 업무 패턴은 python-automation-100에 레시피로 정리 중이다.
  • 마케팅 성과의 8할은 “좋은 아이디어”가 아니라 “측정 가능한 지표 + 빠른 반복 사이클”에서 나왔다.

AI 시대일수록 차이를 만드는 건 모델이 아니라, 자기 도메인을 직접 데이터로 분석하고 자동화로 실행하는 능력이라고 믿는다. 검색 수요를 코드로 읽고, 노동을 코드로 줄이고, 성과를 코드로 측정하는 것 — 그게 데이터 분석가가 마케팅을 할 때의 차별점이다.

마무리

전체 코드와 6단계 FLOW 구조는 아래 리포에 정리하고 있다.

질문이나 피드백은 언제든 환영한다. 같은 고민을 하는 마케터·분석가에게 작은 참고가 되길 바란다.

그래프 뷰

백링크