LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 100

따라하면 성공하는 마케팅 효과 측정

 

 

저번 포스팅에서 광고비의 흐름에 따른 매출액 증가 차트를 확인해보았는데요. 아래 선형 차트에 대해 해석해보는 시간을 가져보겠습니다.

 

해석

해석하는 방법은 생각보다 어렵습니다. 먼저 추세선을 넣고 식을 만들었던 것 기억하시는지요? 차트에서 우클릭->추세선 추가 ->선형 ->수식 표기, R2 표기

 

함수식이 나왔습니다. 간략하게 설명 드리면 함수식은 y=13.074x * 351399 ,R2=0.7664입니다. 이럴 경우 ‘예상매출액은 = 13.07 * 광고비+351399입니다. ’ 즉 설명력 = 예측수준 =0.7664. 76.6%입니다. 이러한 예측력을 기준으로 광고비x를 넣으면 매출액y가 나옵니다.

 

하지만 우리는 이런 그래프를 그리고 이렇게 해석하려고 하는 것이 아닙니다. 생성형을 시켜서 함수식을 도출하고 분석 결과를 해석 시키겠습니다. 그러기 위해서는 엑셀에서 먼저 데이터 분석을 해야 합니다.

 

데이터->데이터분석->회귀분석 클릭

 

Y축은 X에 의해서 나오는 결과 이므로 Y는 매출액, X는 광고비입니다. 나머지는 건들이지 마시고 출력범위는 분석결과가 나타나는 공간이니 적합한 곳을 클릭해서 선택해 주면 아래와 같이 통계분석이 진행 완료 됩니다.

 

이 복잡한 숫자들과 모르는 용어가 남발 되어도 문제 없습니다. 생성형 시키면 됩니다.

해당 문자를 이미지 또는 드레그 하여 생성형에 붙여 넣기 하고

Input
위에 값들은 선형회귀식 결과야
1.해석해줘
2.방정식 구해줘
3.방정식을 예를 들어 설명해줘

Output
1. 해석해줘
이미지의 결과는 단순 선형 회귀 분석을 통해 도출된 것입니다. 주요 결과는 다음과 같습니다:
요약 출력
다중 상관계수 (Multiple R): 0.88819

생략

Input
도출된 요약 출력을 신뢰할수 있어?

Output
도출된 회귀 분석 요약 출력을 신뢰할 수 있는지 평가하려면 다음 요소들을 고려해야 합니다.

중략
결론적으로, 주어진 요약 출력 결과를 바탕으로 모델은 데이터를 잘 설명하고 있으며, 통계적으로 유의미하다고 판단할 수 있습니다. 하지만, 잔차의 분포 및 기타 모델 검증을 통해 추가적인 검토가 필요할 수 있습니다.


출처: ‘라온’ service base by AI:DRIVE with HBC data 27w,2024. 2turns

 

자세한 것은 생성형을 이용하시면 위 내용과 유사하게 도출 됩니다. 이것을 통해서(생성형)우리는 회귀식 결과에 대해서 일일이 해석하지 말고 결과를 그대로 생성형에 붙여 넣기 하고 해석을 시키면 됩니다.

 

생성형에 다양하게 질문을 했는데 결론은 이 함수식을 이용해도 좋다고 합니다. 요약분석을 조금 구체적으로 설명드리고 다른 예시를 추가로 보여 드리면서 좀더 Deep 한 설명드리겠습니다.

 

결정계수=R2 값은 해당 방정식이 얼마나 설명을 잘하느냐입니다. 이 방정식의 결과는 0.78 즉 78%로 정확합니다. 이정도 숫자면 높은 숫자입니다. 마케팅에서는 0.4 이상이 되면 사용가능한 수치입니다. 회귀분석이 아닌 위의 그래프에 도출된 방정식과 비교를 해도 0.76보다 높은 숫자 이므로 회귀식을 돌려서 사용하시는 것을 추천드립니다.

 

단순선형회귀를 이용한 마케팅 예측은 이런식으로 합니다. 약간 수정을 하면 x값이 광고비가 아니고 다른 것을 이용하면 좀 더 다양한 분석이 가능합니다.

 

 

! 위 내용에는 사실 오류가 있습니다. 엄격한 관점에서의 오류라 하겠습니다. 엄격한 관점에서의 오류도 저의 주장이고, 사실 이런 통계는 틀린 것입니다. 통계를 공부하신 분들은 이부분을 반드시 지적을 할것이라 판단해서, 그리고 우리 선생님들에 정확한 판단을 위해 부연설명 드리겠습니다. 먼저 지난 방정식에서 사용할 수 있는 방정식은 회귀분석 결과만 사용가능합니다. 다른 방정식 그러니까 상관그래프를 이용해서 나온 함수식을 사용하는 것이 아니라 회귀분석을 통해서나온 값을 이용해야 합니다. 그럼 왜 홍승민은 이렇게 하느냐? 틀린 것을 왜 이용하느냐? 라는 부분을 말씀드리면 통계를 상용할때 확하게 분석하는 것이 당연하지만, 다소 설명력이 부족해도 실무적 관점에서 사용해도 됩니다. 왜냐면 우리는 연구분석 하는게 아니고 실전을 하고 있는것이니 말이죠, 그리고 연구랑 다르게 실무에서는 항상 데이터가 업데이트 됩니다. 그래서 계속해서 설명력이 증가하게 되는 것입니다.

그럼 구체적으로 무엇이 ‘통계’관점에서 잘못 되었냐 하면, 먼저 다항식인데, 선형으로 해서 해석했습니다. 그리고 예시 파일의 ‘경향성확인’을 보시면 다항식, 선형 모두 적용하여 함수식을 도출 했습니다. 그래서 3가지 방법으로 분석을 했고 이중 가장 합리적인 것은 회귀방정식을 통한 방법입니다. 하지만 설명력 기준으로 보면

 

0.7664 / 0.7675 / 0.7888

 

각 설명력 마다 최소 오차는 0.0011 큰 오차는 0.0224 차이가 납니다. %로 하면 0.14%~2.92%입니다. 엄격한 데이터 분석에서는 차이가 크지만 매우 크지만, 3% 오차가 난다고 해도 1억원을 홍보비에 투자 하나 1억3백만원을 홍보비에 투자 하나 크게 차이가 있나요? 그러니 가장 편하고 가장 용이한 방법을 사용하는게 맞습니다. 그러면서 시시각각 변하는 데이터를 보면서 조정 하는게 가장 바람직 하다는 저의 주장 때문에 위와 같이 설명 하였습니다.

.

.

.

생성형인공지능, LLM, 일잘러, RAG응용, 챗지피티 를 활용해서 프로 일잘러 되기 출간 준비중~~!!