LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 105

따라하면 바로 적용가능한 홍보효과 똑같은 채널 구분방법

 

 

 오늘은 지난 포스팅에 이어 효과적인 마케팅 채널인가?를 구분하는 방법 중 첫 번째, 쌍체비교를 통해 문제를 해결해 보겠습니다.

 

T검정-쌍체비교

컬럼2‘네이버 광고’와 컬럼3 ‘인스타광고’는 0.86으로 동일한 수준으로 보여주고 있습니다. 그럼 이제 어떠한 조치가 필요한데 그런 조치를 하기 전에 먼저 검토해야 하는 것들을 보겠습니다.

쌍체비교 또는 T 검정으로 불리는 분석을 하면 두 변수 간에 관계가 실제 차이가 있는지 없는지 분석이 됩니다. 각 변수간 (데이터 간) 평균이 차이가 있는지 없는지를 확인해서 만약 평균에 차이가 있으면 서로 다른 것이고 평균에 차이가 없으면 같은 것입니다.

 

데이터 → 데이터분석 → T검정 쌍체비교

지금 우리가 확인하려는 것은 네이버 광고와 인스타 광고의 비교 이므로 아래 이미지와 같이 변수를 입력하고 확인을 눌어 주면 됩니다.

 

그래서 나온 결과는 아래와 같습니다.

 

이제 생성형에 비교 내용을 그대로 복사 붙여 넣기로 물어보면 됩니다. 하지만 먼저 제가 분석하는 방법으로 설명드리고 그 다음 생성형을 이용하겠습니다.

 

먼저 변수1은 네이버 광고이고 변수2는 인스타 광고입니다.

평균은 69,666 / 70,333 으로 600 정도 차이가 납니다. 600 차이면 평균 차이가 제법 나는 거네요. 그럼 다르다고 할 수 있는데 진짜 그럴까요? 일단 숫자는 다르지만 P값을 보면 단츨일때도 0.3, 양측 일대는 무려 0.6으로 일반적인 유의 수준인 0.05보다 훨씬 큽니다. 즉 95% 수준으로 변수 간 평균에 차이가 없다고 보는 것이 정확합니다. 비록 눈에는 600 정도 차이 나지만 사실 이건 같은 것입니다.

 

이를 생성형에 넣고 돌려 보겠습니다.

먼저 엑셀파일 내용을 그대로 복사해서 생성형에 붙여넣기를 합니다.

Input
위 내용은 쌍체 비교에 대한 결과야 해석해 줘

Output
쌍체비교 결과 해석:
1. 평균: 변수 1의 평균은 69666.67, 변수 2의 평균은 70333.33입니다.
2. 피어슨 상관 계수: 0.86으로, 두 변수 간에 강한 양의 상관관계가 있습니다.
3. t 통계량: -0.465로, 절대값이 작습니다.
4. P-값 (양측 검정): 0.645로, 일반적인 유의수준(0.05)보다 훨씬 큽니다.
5. t 기각치 (양측 검정): ±2.045
결론:
1. 두 변수는 강한 양의 상관관계를 가집니다.
2. P-값이 0.05보다 크므로, 두 변수의 평균 간에 통계적으로 유의미한 차이가 없다고 볼 수 있습니다.
3. t 통계량(-0.465)이 t 기각치(±2.045) 범위 내에 있어, 귀무가설을 기각할 수 없습니다.


출처: ‘라온’ service base by AI:DRIVE with HBC data 27w,2024. 1turn

 

어려운 말을 잔뜩 했지만 제가 한 이야기를 매우 세부적으로 해준 것입니다. 즉 평균에 차이가 없이 같은 것이라는 결론이 나왔습니다.

그럼 이제 조치를 해야 하는데, 냉정하게 생각해 보겠습니다.

네이버 광고를 하나 인스타 광고를 하나 결과는 같습니다. 그래서 둘 중 하나에 어떤 조치를 해야 합니다. 왜냐하면 두 개를 모두 하게 되면 비용도 비용이지만, 관리가 어렵습니다.

 

이러한 조치 전에 혹시 몰라서, 발주 건수를 기준으로 위에 작업을 그대로 수행했습니다.

자세한 결과는 첨부파일을 참조하시기를 부탁드리고 분석 결과를 말씀드리면 먼저 발주 건수에 관련해서는 각 변수 간 상관 정도가 적습니다. 즉 매출 관점으로는 같지만 발주 건수로는 다릅니다. 이때 다시 T 검정을 네이버와 인스타를 기준으로 돌리니 P값이 0.44로 발주 건수 평균에 차이가 없습니다. 즉 네이버와 인스타에 어떠한 조치를 진행해도 매출이나 발주 건수에는 아무런 변화가 없습니다. 예를 들어 인스타 들어가는 비용을 전부 네이버에 넣어도 발주 건수와 매출액의 차이는 없습니다. 그래서 둘 중 하나를 줄임으로서 관리 포인트가 하나 줄어드는 긍정적인 효과가 나오게 됩니다. 반면 발주서 개념으로는 서로 독립적인 형태를 보이니 힘들게 구축한 홍보 채널을 하나 없애는 건 바람직하지 못한 결과가 나올 수도 있습니다.

 

그래서 저는 아무런 조치를 하지 않는 것으로 결정을 하겠습니다.

 

챕터를 마무리하면서, 우리가 어떠한 결정을 할 때 해당 결정에 대해서 그 결정이 바람직 한지 아니면 바람직하지 않은지 많은 고민을 하게 됩니다. 이대 이러한 통계적 분석이 반영된다면, 항상 베스트는 아니지만 최적의 결과는 나오지 않을까? 생각합니다.

.

.

.

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