06-07. Lesson 6 - 7 | Data 출처와 오류(최근 경향까지) 그리고 대책

[dusskapark]

06. Lesson 6 | Data, Data, Everywhere

raw data와 processed data

data 출처의 크기

• raw data >> processed data 로 발전

예) 20대 여자 
+ 커피 애호가 (관심사)
+ 커피 사이트 방문자 (인텐트)
+ 리마케팅 대상

![screen shot 2015-08-02 at 2 00 15 am](https://cloud.githubusercontent.com/assets/4177529/9022795/4d526234-38be-11e5-8148-8676f7d44a51.png)

데이터를 획득하는 방법

• API, CSV다운로드, web에서 스크랩핑

획득한 데이터의 오류(bias)문제

• 질문 오류: VOC, 설문지 등의 경우 애초에 질문이 문제가 되는 경우는?
• 샘플링 오류: 잘못된 표본을 뽑았을 때의 문제,
• 해석의 오류: 애매모호한 상황을 해석자의 성향에 따라서 해석하고자 하는 성행

  07. Lesson 7: New Media – New Data, New Opportunities, New Dangers

대부분의 내용은 기존 내용의 wrap up 인데, 일부 추가 내용이 있습니다.

소셜미디어의 새로운 Bios의 사례

• VTview.com의 사례
  • 돈을 내면 유튜브의 비디오 조회수를 올려주는 사이트
  • 유튜븨 조회수를 실제로 믿을 수 없다
  • 
• 영국 유명가수의 사례
  • 수백만명의 twitter follower를 보유하고 있으나, 실제로 트위터 이벤트는 완전히 실패했다
  • 약 2000명의 팬을 제외한 나머지 follower 들은 가짜이다.
  • 

    구글이 해결책은 광고에 돈을 써라?

이 강의를 하고 있는 Harman 아저씨가 구글의 광고 담당이라 그런지.. 광고 영업을 살짝 넣으신 듯. 

• 마케팅에 사용할 수 있는 정보는
  • paid 돈을 내고 사용하는 광고성 정보
  • owned 직접 만들고 컨트롤 하는 공간 (예. 티스토어 배너 등!)
  • 홍보기사(PR), 유튭 채널, 트위터 계정, 페북 페이지, 제품(티스토어 등)
  • earned 남이 리트윗, 라이크를 해주는 것들 사실상 컨트롤이 어려운 정보이다.
• 구글의 주장에 따르면...
  • paid 가 가장 정확하고, 확실한 정보이고
  • earned 는 확장성이 높지만 신뢰성이 떨어진다.