지표없이 트렌드 시장을 식별하는 방법

마지막 업데이트: 2022년 3월 6일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
상대 강도 지수
가장 인기 있는 지표 중 하나는 상대 강도 지수(RSI)입니다. 최근 가격 변동의 크기를 측정하여 자산 가격의 과매수 또는 과매도 조건을 식별하고 0과 100 사이를 이동합니다. RSI가 70을 초과하면 해당 자산은 과매수 상태로 간주되며 가격 하락 가능성이 높습니다. RSI가 30 미만이면 자산이 과매도 상태로 간주되어 가격이 오를 가능성이 높습니다. 그러나 RSI는 다른 지표와 마찬가지로 보조 도구일 뿐이며 결정을 내리기 위한 주요 매수 또는 매도 신호로 사용되어서는 안 됩니다.

디지털 마케팅 입문 가이드

  1. 디지털 마케팅이란
  2. 디지털 마케팅의 유형
  3. 디지털 마케터는 무엇을 하는가?
  4. 인바운드 마케팅과 디지털 마케팅
  5. 디지털 마케팅은 모든 비즈니스에 적용될 수 있는가?
  6. 기업에 있어 디지털 마케팅의 역할
  7. 어떤 유형의 디지털 콘텐츠를 만들어야 하는가?
  8. 콘텐츠의 성과를 확인하는데 걸리는 기간은?
  9. 디지털 마케팅을 위한 예산 수립
  10. 모바일 마케팅과 디지털 마케팅

한 연구 에 따르면, 지난 3년 동안 성인들의 인터넷 사용이 5%나 증가했습니다. 매일 인터넷을 사용하는 사람들이 점점 늘어나면서 사람들의 소비 방식 또한 변화했습니다. 이것은 결국 오프라인 마케팅이 예전만큼 효과적이지 못하게 되었음을 의미합니다. 마케팅은 적시에 적절한 곳에서 잠재고객과 연결되어야 하므로 오늘날은 사람들이 시간을 가장 많이 사용하는 온라인에서 마케팅 활동이 일어나야 효과적인 결과를 얻을 수 있습니다.

허브스팟(Hubspot)에서는 온라인에서 고객들의 관심을 끌고 접촉하고 고객의 만족을 얻기 위해서 가장 효과적인 마케팅 방법이 '인바운드 마케팅'이라고 소개하고 있습니다. 하지만 그 전에 많은 사람이 궁금증을 가지고 알고 싶어 하는 '디지털 마케팅'에 대해 자세히 알아보겠습니다.

1. 디지털 마케팅이란

디지털 마케팅은 전자기기나 인터넷을 사용한 모든 마케팅 활동을 아우르는 개념입니다. 기업은 검색엔진, 소셜 미디어, 이메일, 웹사이트 등의 디지털 채널을 이용해서 잠재고객 및 고객과 접촉합니다.

Digital Marketing Trifecta (Image by Titan-SEO )

전통적인 마케팅은 인쇄 광고나 전화를 통한 커뮤니케이션으로 물리적인 마케팅을 펼치는 것을 의미한다면, 디지털 마케팅은 온라인에서 이뤄지는 마케팅을 의미합니다. 이는 이메일, 비디오, 소셜 미디어, 웹사이트 등을 활용한 무한한 마케팅 기회의 가능성으로 이어집니다. 특히 디지털 마케팅은 비즈니스 및 브랜드 인지도에 있어 매우 중요하므로 최근에는 거의 모든 브랜드가 웹사이트를 운영하면서 최소한 소셜 미디어나 디지털 광고 전략을 활용하고 있습니다. 이를 통해 고객 또한 정보를 얻을 수 있습니다. 결국 더 경쟁력 있는 비즈니스를 위해서는 디지털 마케팅은 필수 요소가 되었습니다. 효과적인 디지털 마케팅을 위해서는 다양한 방식이나 전략으로 업무를 수행될 수 있다는 것을 알고, 예산에 맞는 마케팅 전술을 펼쳐야 합니다. 그뿐만 아니라 분석 대시보드를 사용하여 광고 캠페인의 성공 여부와 ROI(Return on investment, 투자수익률)를 모니터링하는 것도 중요합니다.

2. 디지털 마케팅의 유형

지표없이 트렌드 시장을 식별하는 방법 1) 검색엔진 최적화

검색엔진 최적화(Search Engine Optimization, SEO)는 검색엔진 결과 페이지에서 웹사이트가 상위에 위치하도록 하여 웹사이트로 유입되는 트래픽의 양을 늘리는 방법입니다. 검색엔진 최적화를 수행하는 채널은 웹사이트뿐만 아니라 블로그와 인포그래픽도 포함됩니다. 이러한 검색엔진 최적화를 실행하는 방법은 다양합니다.

  • 온 페이지 SEO (ON Page SEO) : 구글 검색 시 영향을 미치는 페이지 내의 구성 요소들을 의미합니다. 제목, 내용, 페이지 구조 등인데, 이러한 페이지 내 구성 요소들을 최적화하면 구글 검색엔진 결과 상단에 위치 할 수 있습니다.
  • 오프 페이지 SEO (OFF page SEO) : 웹사이트를 최적화할 때 페이지 외부에 초점을 맞추는 것입니다. 사용자의 방문 기록이나 링크의 정확성 역시 구글 검색 결과 순위에 영향을 미칩니다.
  • 테크니컬 SEO (Technical SEO) : 웹사이트의 백엔드와 페이지 코딩 방식에 중점을 둔 SEO입니다. 이미지 압축, 구조화된 데이터 및 CSS 파일 최적화를 통해서 웹사이트의 로딩 속도를 높일 수 있는 방식으로 구글 검색엔진 순위에 있어 중요한 요소입니다.

2) 콘텐츠 마케팅

콘텐츠 마케팅 전략 (Image by Neil Patel )

콘텐츠 마케팅(Content Marketing)은 브랜드 인지도, 트래픽 증가, 잠재고객 생성, 고객 확보 등의 목적을 위해서 콘텐츠를 생성하고 홍보합니다. 콘텐츠 마케팅 전략에 활용되는 채널은 다음과 같습니다.

  • 블로그 게시물 : 기업의 블로그에 기사를 작성하여 게시하면 기업의 전문성을 입증하고 트래픽을 늘리는 데 도움이 됩니다. 궁극적으로 블로그 방문자를 잠재고객으로 전환하는 기회가 됩니다.
  • 이북 및 백서 : 이북(E-book)이나 백서와 같은 긴 형식의 콘텐츠는 웹사이트 방문객이 학습할 수 있는 내용을 제공합니다. 또한 이를 통해 독자의 연락처 정보를 알아내 잠재고객으로 전환할 기회를 얻을 수도 있습니다.
  • 인포그래픽 : 인포그래픽은 웹사이트의 방문자들이 개념을 구체화하도록 시각적인 콘텐츠를 제공하는 것을 의미하며, 시각적인 자료로 독자의 관심을 끌기가 쉽습니다.

3) 소셜 미디어 마케팅

HubSpot CRM Social Inbox (Image by HubSpot )

소셜 미디어 마케팅(Social Media Marketing)은 브랜드 인지도 향상, 트래픽 증가, 잠재고객 발굴을 위해서 브랜드와 콘텐츠를 홍보하는 데 활용됩니다. 다수의 소셜 미디어 플랫폼을 사용하는 경우 허브스팟(HubSpot) CRM과 같은 도구를 사용해서 링크드인이나 페이스북과 같은 채널을 한 곳에서 연결할 수 있습니다. 이렇게 하면 한 번에 여러 채널에 올릴 콘텐츠 스케줄을 쉽게 예약하고, 결과에 대한 분석도 진행할 수 있습니다. 콘텐츠 게시 목적으로 소셜 미디어 플랫폼을 연결하는 것 이외에도 각각의 소셜 미디어 받은 편지함을 한 곳에 통합하여 확인할 수도 있습니다.

4) PPC

PPC(Pay Per Click)는 광고를 클릭할 때마다 광고 비용을 지불하여 기업의 웹사이트로 트래픽을 유인하는 방법입니다. 가장 대표적인 PPC는 Google Ads입니다. 이는 구글의 검색엔진 결과 페이지의 상위에 웹사이트 링크가 뜨게 하여 클릭할 때마다 지표없이 트렌드 시장을 식별하는 방법 광고 비용이 발생하는 방법입니다. PPC를 실행할 수 있는 대표적인 다른 채널은 다음과 같습니다.

  • 인스타그램, 페이스북 유료 광고 : 광고주가 비디오, 이미지, 슬라이드 게시물을 광고로 게시하기 위해 비용을 지불하면 인스타그램과 페이스북은 해당 비즈니스의 오디언스와 일치하는 사람의 피드에 게시합니다.

5) 제휴 마케팅

제휴 마케팅 - 쿠팡 파트너스 (Image by Coupang )

제휴 마케팅(Affiliate Marketing)은 제품이나 서비스를 판매하는 광고주가 퍼블리셔를 통해 광고를 집행하고 소비자가 퍼블리셔의 홍보에 의한 구매를 한 경우 해당 퍼블리셔가 수수료를 지급받는 형태의 광고 기법을 의미합니다. 특히 제휴 마케팅은 요즘에 활발하게 이루어지고 있는 마케팅 활동으로, 블로그나 유튜브 같은 소셜 미디어의 인플루언서가 광고주의 상품을 홍보하고 실적이 나면 보상받는 형태를 말합니다.

6) 네이티브 광고

네이티브 광고(Native Advertising)의 'native'는 '자연스러운'의 의미를 지닙니다. 즉, 네이티브 광고는 광고가 아닌 게시물 사이에 자연스럽게 위치하여 이용자들의 반감을 낮추고, 관심을 끄는 효과를 가진 광고입니다. 또한 버즈피드(Buzzfeed) 나 인스타그램 에서도 많이 접할 수 있습니다.

7) 마케팅 자동화

마케팅 자동화 소프트웨어 소개 (Image by Pat Research )

마케팅 자동화(Marketing Automation)는 기본적으로 수행되는 마케팅 업무를 자동화하기 위해 활용되는 소프트웨어를 말합니다. 마케팅 부서는 다음과 같이 수동으로 직접 하던 반복적인 작업을 자동화할 수 있습니다.

  • 이메일 뉴스레터 : 이메일 자동화는 구독자에게 자동으로 이메일을 보내는 것 이외에도, 필요에 따라 연락처 목록을 축소하거나 확장하여 이메일을 받고자 하는 사람들에게만 전달할 수 있습니다.
  • 소셜 미디어 게시 일정 : 소셜 미디어 플랫폼에서 회사의 존재감을 높이기 위해서는 꾸준히 게시물을 업로드해야 합니다. 따라서 수동으로 게시물을 지표없이 트렌드 시장을 식별하는 방법 올리는 것은 비효율적입니다. 소셜 미디어 콘텐츠 게시 일정을 자동화하면 콘텐츠 전략과 생산에 더 많은 시간을 투자할 수 있습니다.
  • 잠재고객 생성 : 잠재고객을 생성하고 잠재고객이 고객으로 전환되는 것은 긴 과정이 될 수 있습니다. 이북을 다운로드한 사람과 같이 특정 기준에 맞는 사람에게 특정한 이메일이나 콘텐츠를 자동 전송할 수 있습니다.
  • 캠페인 추적 및 보고 : 마케팅 캠페인에는 수많은 사람, 이메일, 콘텐츠, 연락 등이 포함됩니다. 마케팅 자동화는 제공하는 캠페인별로 이러한 모든 구성요소를 파악하여 해당 캠페인의 성과를 추적할 수 있습니다.

8) 이메일 마케팅

이메일 시퀀스 (Image by Mirasee )

회사는 이메일 마케팅(Email Marketing)을 고객과 소통하는 방법으로 활용합니다. 이메일은 콘텐츠나 할인 이벤트 등을 홍보하고 사람들을 웹사이트로 방문하도록 유도합니다. 이메일 마케팅 캠페인에는 다음과 같은 유형이 있습니다.

  • 블로그 구독 뉴스레터
  • 특정 콘텐츠를 다운로드한 방문자에게 후속 이메일 전송
  • 고객 환영 이메일
  • 로열티 프로그램 멤버를 위한 프로모션 이벤트

9) 온라인 PR

온라인 PR은 디지털 출판물, 블로그, 웹사이트를 통해 온라인에서 홍보를 진행하는 것입니다. 전통적인 PR과 비슷하지만, 온라인에서 이루어지는 홍보라는 차이점이 있습니다. 온라인 PR을 진행하는 채널은 다음과 같습니다.

  • 온라인 리뷰 참여 : 온라인 리뷰에 대한 피드백을 제공하는 것은 회사의 평판을 유지하고 강력한 메시지를 전달할 수 있습니다.
  • 개인 웹사이트나 블로그에 댓글 달기 : 회사의 콘텐츠를 읽은 사람의 글에 댓글을 다는 것은 생산적인 대화를 나눌 기회가 됩니다.

10) 인바운드 마케팅

인바운드 마케팅(Inbound Marketing)은 고객의 구매 단계에서 고객의 관심을 유발하고 여러 혜택을 제공하는 마케팅 방법입니다. 인바운드 마케팅을 통해서 고객과 함께 소통하며 마케팅 활동을 할 수 있습니다.

다음은 인바운드 마케팅과 기존 마케팅 간의 예시입니다.

  • 블로깅 vs 팝업 광고
  • 비디오 마케팅 vs 상업 광고
  • 이메일 연락처 목록 vs 이메일 스팸

11) 스폰서 콘텐츠

스폰서 콘텐츠(Sponsor Content)는 브랜드나 제품을 홍보하는 콘텐츠를 생산하기 위해 다른 인기 있는 스폰서나 인플루언서를 후원하여 회사와 관련된 게시물이나 동영상을 소셜 미디어에 올리게 하는 마케팅 방법입니다. 스폰서 콘텐츠의 다른 형태는 특정한 주제, 서비스, 브랜드를 강조하기 위해 쓰인 블로그 게시물이나 기사입니다.

3. 디지털 마케터는 무엇을 하는가?

Digital Marketing KPIs (Image by Step Change )

디지털 마케터는 브랜드 인지도를 높이고 잠재고객을 생성하기 위해서 다양한 디지털 채널을 활용합니다. 주 사용 채널은 소셜 미디어, 회사 웹사이트, 검색엔진, 이메일, 디스플레이 광고, 회사 블로그 등입니다. 디지털 마케터는 일반적으로 채널마다 성과를 측정하기 위해 서로 다른 KPI(Key Performance Indicator, 핵심성과지표)를 사용합니다. 예를 들어, SEO를 담당하는 디지털 마케터의 KPI는 구글 검색을 통해서 웹사이트로 유입되는 트래픽입니다. 디지털 마케팅은 오늘날 많은 마케팅 활동을 위해 수행됩니다. 소규모 기업은 한 지표없이 트렌드 시장을 식별하는 방법 명의 제너럴리스트가 앞에서 언급한 다양한 디지털 채널을 동시에 운영하면서 마케팅 활동을 수행하기도 하고, 대규모 기업은 각각의 디지털 채널에 집중하는 여러 디지털 마케팅 전문가를 보유하기도 합니다. 디지털 마케터의 유형은 다음과 같습니다.

1) SEO 관리자

SEO 관리자는 구글 검색 상단에 회사의 웹사이트나 콘텐츠가 위치하도록 작업합니다. 검색엔진 최적화를 위해서 콘텐츠 작성자와도 소통하며 구글뿐만 아니라 다양한 소셜 미디어 채널에 올라가는 콘텐츠도 검색엔진 최적화를 위해 노력합니다.

2) 콘텐츠 마케터

  • 주요 KPI: 페이지에 머문 시간, 전반적인 블로그 트래픽, 유튜브 채널 구독자

콘텐츠 마케터는 디지털 콘텐츠 크리에이터로서 회사의 게시물 발행 일정을 참고하여 콘텐츠를 제작합니다. 이들은 다른 부서와 협력하여 제품을 홍보하고, 회사에서 계획한 캠페인이 다양한 마케팅 채널을 통해서 알려지도록 콘텐츠를 제작합니다.

3) 소셜 미디어 관리자

  • 주요 KPI: 팔로워 수, 노출된 횟수, 공유 횟수

소셜 미디어 관리자의 역할은 회사가 어떤 산업에 속하는가에 따라 달라집니다. 일반적으로 소셜 미디어에 회사의 콘텐츠 발행 일정을 정하고, 콘텐츠 마케터와 함께 어떤 소셜 네트워크에 무슨 콘텐츠를 올릴지 논의하고 결정합니다.

마케팅 자동화 코디네이터는 전체 마케팅 부서가 고객의 행동에 대해 이해하고 비즈니스의 성장을 측정하게 해주는 소프트웨어를 선택하고 관리합니다. 앞서 말한 많은 마케팅 활동들은 분리되어 운영될 수 있기 때문에 개별적인 디지털 마케팅 활동을 통합하고 성과를 추적하는 역할 또한 수행합니다.

4. 인바운드 마케팅과 디지털 마케팅

Inbound Marketing vs Digital Marketing (Image by InVerve Marketing )

마케팅 활동이 온라인에서 일어나고 디지털 콘텐츠를 생성한다는 공통점이 있어 인바운드 마케팅과 디지털 마케팅은 겉으로 보기에는 비슷해 보입니다. 그렇다면 차이점은 무엇일까요? 디지털 마케팅은 인바운드와 아웃바운드로 나뉘는 푸쉬 전략과 풀 전략으로 구분하지 않습니다. 두 전략이 디지털 마케팅의 틀 안에 존재하는 것뿐입니다. 디지털 아웃바운드 전략은 온라인 공간에서 관련 여부에 관계없이 최대한 많은 사람에게 마케팅 메시지를 전달합니다. 예를 들어, 많은 웹사이트 상단에 위치하는 배너 광고는 웹사이트에 접속하는 많은 사람의 개별적인 관심도와 상관없이 모두에게 보입니다. 반면에 디지털 인바운드 전략은 온라인의 콘텐츠를 이용하여 도움이 되는 정보를 제공함으로써 타겟 고객이 그들이 웹사이트로 찾아오도록 유인하는 전략입니다. 가장 간단하면서도 강력하게 사용되는 디지털 인바운드 마케팅 자산은 블로그입니다. 블로그를 통해서 고객들이 검색하는 용어를 활용한 콘텐츠를 제공함으로 웹사이트로 유입되게 합니다. 결국 인바운드 마케팅은 디지털 마케팅 자산을 이용하여 온라인에서 관심을 일으키고, 관계를 맺고, 고객을 만족시키는 방법론이라면 디지털 마케팅은 인바운드나 아웃바운드만으로 구분되지 않고 온라인의 모든 종류의 마케팅 전술을 아우르는 개념이라고 설명할 수 있습니다.

‍5. 디지털 마케팅은 모든 비즈니스에 적용될 수 있는가?

디지털 마케팅은 회사에서 판매하는 상품과 관련 없이 디지털 마케팅은 목표 고객의 필요를 정의하기 위해 구매자 페르소나를 정립하고 가치 있는 온라인 콘텐츠를 생성하므로 모든 산업군의 비즈니스에 활용될 수 있습니다. 그러나 모든 비즈니스가 같은 방식으로 디지털 마케팅을 수행하는 것은 아니며, 회사의 비즈니스 방식이 B2C와 B2C 중에 무엇을 채택하고 있는지에 따라 차이를 보입니다.

  • B2B 디지털 마케팅: 만약 B2B를 수행하고 있는 회사라면 디지털 마케팅은 온라인 잠재고객 생성에 집중될 것입니다. 또한 잠재고객과 세일즈 직원과의 연결이 최종적인 목표가 됩니다. 이런 이유로 마케팅 전략의 역할은 회사의 웹사이트나 디지털 채널을 통해 유입된 잠재고객을 세일즈 직원에게 연결하는 것이 됩니다. 웹사이트뿐만 아니라 링크드인 같은 비즈니스에 초점을 맞추는 채널을 활용하는 것도 B2B 디지털 마케팅의 일부입니다.
  • B2C 디지털 마케팅: 제품을 소매로 판매하기 위해 B2C를 수행하는 회사라면 디지털 마케팅의 목표는 웹사이트로 사람들을 끌어들여 고객이 되게 하는 것입니다. 따라서 B2C 디지털 마케팅에서 잠재고객에 초점을 맞추기보다는 웹사이트 방문객이 구매에 이르기까지의 과정을 가속화하는 데 집중합니다. B2C 디지털 마케팅은 B2B 비즈니스에 비해서 더 강력한 CTA(Calls-to-action)를 구축해야 합니다. B2C 산업의 경우에 비즈니스에 초점을 맞춘 링크드인 같은 플랫폼보다 인스타그램 같은 채널이 더 적합합니다.

6. 기업에 있어 디지털 마케팅의 역할

오프라인에서 이뤄지는 마케팅 활동과는 다르게, 디지털 마케팅은 실시간으로 마케팅 활동의 결과를 관찰하는 것을 가능케 합니다. 신문에 광고하는 것은 얼마나 많은 사람이 그 광고를 보았는지 측정하기가 어렵습니다. 또한 그 광고가 판매에 어떠한 영향을 미쳤는지도 확인하기 어렵죠. 반면에 디지털 마케팅은 마케팅 활동의 ROI(Return on Investment)를 실시간으로 확인할 수 있다는 장점이 있습니다.

웹사이트 트래픽

디지털 마케팅의 일환으로서 허브스팟(Hubspot) 같은 마케팅 플랫폼을 이용하면, 실시간으로 웹사이트 홈페이지로 접근한 사람들의 정확한 수를 알 수 있습니다. 또한 사람들이 방문한 페이지, 사용한 기기, 어떤 경로로 접근했는지 등의 자세한 정보를 알 수 있습니다. 이를 통해 어떠한 마케팅 채널에 집중할 것인지 우선순위를 정할 수 있습니다. 만일 트래픽의 10%가 오가닉 서치를 통해서 유입되었다는 것을 알게 되면 이 비율을 높이기 위해서 SEO가 필요하다고 판단을 내릴 수 있는 것입니다.

오프라인 마케팅은 세일즈 직원을 만나 물건을 구매하기 전까지의 과정을 알기 어렵지만, 디지털 마케팅은 소비자들의 구매 이전의 행동 트렌드와 패턴을 식별하여 사람들을 웹사이트로 더 유인할 방법을 모색할 수 있습니다.

콘텐츠 제작 지표없이 트렌드 시장을 식별하는 방법 및 잠재고객 생성

제품 브로셔를 만들어 우편함에 넣는 것은 오프라인을 통해 수행되는 마케팅 콘텐츠의 형태라고 볼 수 있습니다. 이 방법의 문제점은 몇 명이 브로셔를 확인하였고 또는 확인하지 않고 버렸는지에 대한 정보를 얻을 수 없다는 것입니다. 하지만 웹사이트에 브로셔를 업로드하면 얼마나 많은 사람들이 페이지를 확인했는지 알 수 있고 다른 정보도 수집할 수 있습니다. 사람들이 콘텐츠에 접근하는 것뿐만 아니라 콘텐츠를 다운로드할 때도 잠재고객이 생성됩니다.

속성 모델링(Attribution modeling)

효과적인 디지털 마케팅 전략, 도구, 기술을 결합하면 고객이 처음으로 디지털에서 비즈니스와 접촉하는 과정을 추적할 수 있습니다. 이것을 속성 모델링(attribution modeling)이라고 부르며, 사람들이 어떻게 검색하고 제품을 구매하는지에 대한 패턴을 추적할 수 있기 때문에 더 명확한 마케팅 의사결정을 내릴 수 있습니다. Aberdeen Group 에 따르면 마케팅과 판매를 연결하는 것은 매우 중요하고, 마케팅과 판매의 강력한 결합이 연간 20%의 성장률을 달성할 수 있다고 합니다. 따라서 디지털 기술을 활용하여 고객의 구매 여정을 개선할 수 있다면 비즈니스의 수익에 긍정적인 영향을 미치게 됩니다.

7. 어떤 유형의 디지털 콘텐츠를 만들어야 하는가?

구매자의 여정 단계에 따라 만들어야 하는 콘텐츠의 종류는 달라집니다. 먼저 구매자 페르소나를 생성하여 비즈니스와 관련된 잠재고객의 목표와 과제를 파악해야 합니다. 그런 다음 구매자의 여정에서 어떤 단계에 있는지를 참고하여 어떤 콘텐츠를 제공해야 할지를 생각해야 합니다. 이것을 콘텐츠 매핑(content mapping)이라고 합니다. 콘텐츠 매핑의 목표는 콘텐츠를 타겟팅할 때 구매하려고 하는 사람의 특성과 구매 여정 중 해당하는 단계에 따라서 콘텐츠를 타겟팅하는 것입니다.

Buyer’s Journey(Image by Hubspot )

소비자의 구매 여정 단계를 사용하여 추천할 수 있는 선택 사항은 다음과 같습니다.

인지 단계 (Awareness Stage)

  • 블로그 게시물: 강력한 SEO와 키워드 전략을 사용하여 유기적 트래픽을 늘릴 수 있습니다.
  • 인포그래픽(Infographics): 콘텐츠를 공유할 때 소셜 미디어에서 관심을 끌 가능성이 커집니다.
  • 짧은 비디오: 영상을 유튜브 같은 플랫폼을 통해서 게시하여 새로운 고객을 발굴할 수 있습니다.

고려 단계 (Consideration Stage)

  • E-book: 일반적으로 블로그 게시물이나 인포그래픽보다 더 구체적인 정보를 제공하여 잠재고객 생성에 적합합니다.
  • 연구 보고서: 연구 보고서는 잠재고객 생성에 있어 가치가 높은 콘텐츠입니다. 연구 보고서나 새로운 데이터는 미디어 또는 업계 언론에서 자주 수집하여 인식 단계에서도 활용할 수 있습니다.
  • 웨비나(Webinars): 웹 세미나는 상세한 비디오 콘텐츠로 블로그 게시물이나 짧은 비디오보다 더 많은 콘텐츠를 제공하므로 고려 단계에 효과적인 콘텐츠 형식입니다.

결정 단계 (Decision Stage)

  • 사례 연구: 웹사이트에 자세한 사례 연구를 게시하면 구매 결정을 하고자 하는 사람들의 행동에 긍정적인 영향을 미칠 수 있습니다.
  • 추천 글: 사례 연구가 적합하지 않은 비즈니스의 경우는 웹사이트에 짧은 추천 글을 게시하는 것도 좋은 대안입니다. 의류 브랜드인 경우에 자사의 의류를 활용한 사람들의 스타일링 사진들을 게시하는 것도 추천 글의 예시가 될 수 있습니다.

8. 콘텐츠의 성과를 확인하는 데 걸리는 기간은?

디지털 마케팅은 오프라인 마케팅보다 ROI 측정이 수월하기 때문에 더 빠른 마케팅 활동 결과 확인이 가능합니다. 하지만 궁극적으로는 디지털 마케팅 전략의 규모와 효과성에 따라 달라집니다. 만약 오디언스의 니즈를 식별하기 위해 구매자 페르소나를 결정하고 양질의 콘텐츠를 만들기 위해 시간을 소비한다면 6개월 이내에 긍정적인 결과를 얻을 수 있습니다. 유료 광고가 디지털 전략의 일부인 경우는 결과 확인은 더욱 빨라질 수 있습니다.

9. 디지털 마케팅을 위한 예산 수립

Inbound marketing budget plans (Image by HubSpot )

전략에 따라서 디지털 마케팅 예산도 달라집니다. 이미 존재하는 웹사이트에 SEO, 소셜 미디어, 콘텐츠 제작을 활용한 인바운드 마케팅에 집중하는 전략을 택한다면, 적은 예산으로도 가능합니다. 특히 인바운드 마케팅의 포인트는 오디언스에게 도움이 될만한 콘텐츠를 만드는 것이므로 예산보다는 시간을 소모하게 됩니다. 웹사이트에서 허브스팟t CMS를 사용해서 시작할 수 있습니다. 예산이 부족한 경우는 WP Engine에서 호스팅되는 워드프레스(WordPress)를 사용하거나 스튜디오프레스(StudioPress)의 간단한 도구를 사용하고 WordPress 용 Elementor 웹사이트 빌더를 사용하여 콘텐츠를 생성할 수 있습니다. 하지만 온라인 광고 및 이메일 리스트 구매와 같은 아웃바운드 기술은 어느 정도의 예산이 필요합니다. 예를 들어, 구글 애드워즈를 사용하여 공고를 실행하기 위해서는 구글 검색 결과의 상단에 위치하도록 비용을 지불해야 합니다.

10. 모바일 마케팅과 디지털 마케팅

국내 온라인 광고시장 규모 (Image by Brand Brief )

디지털 마케팅의 핵심 구성 요소 중 하나는 모바일 마케팅입니다. 실제로 스마트폰 사용은 미국인의 디지털 미디어를 소비하는 시간의 69%를 차지하는 반면 데스크톱 기반 디지털 미디어 소비는 절반도 되지 않습니다. 국내 디지털 광고 시장의 규모 역시 모바일 광고시장의 규모가 훨씬 큰 것을 알 수 있습니다. 즉, 디지털 마케팅을 효과적으로 수행하기 위해서는 디지털 광고, 웹 페이지, 소셜 미디어 이미지 및 모바일 장치 등 디지털 자산을 최적화하는 것이 필수적입니다. 제품을 구매할 수 있는 모바일 앱을 제공하는 것도 디지털 마케팅의 한 부분입니다. 중요한 것은 모바일 장치를 이용하여 온라인으로 접속할 때도 데스크톱을 사용할 때와 마찬가지로 긍정적인 경험을 제공해야 한다는 것입니다. 모바일 기기 사용자가 사용하기 편리한 온라인 환경을 제공할 수 있어야 하며, 이동 중에 콘텐츠를 다운로드하는 사람들이 번거롭지 않도록 잠재고객 생성 양식의 길이를 줄여야 하고, 이미지를 첨부할 때 모바일 사용자를 항상 염두에 둬서 디자인해야 합니다. 모바일 사용자를 항상 고려하여 디지털 마케팅 자산을 최적화한다면 원하는 마케팅 성과를 얻는 데 도움이 됩니다.

이제는 오프라인보다 온라인에서 물건을 구매하고 콘텐츠에 접근하는 환경이 되었습니다. 디지털 마케팅을 시작한다면 온라인에서 원하는 오디언스에게 도달할 가능성이 커지고 원하는 성과를 효과적으로 얻을 수 있기 때문에 디지털 마케팅을 수행하는 것은 필수입니다.

OKEx에서 암호화폐 거래에 대한 기술적 분석을 수행하는 방법

OKEx에서 암호화폐 거래에 대한 기술적 분석을 수행하는 방법

비트코인 및 기타 암호화폐의 인기가 높아짐에 따라 암호화폐 시장의 거래자 수도 증가합니다. Cryptocurrencies의 높은 변동성은 거래자가 가격 변동에 좋은 돈을 벌 수 있지만 거래에서 운이나 직관에만 의존하는 것은 나쁜 생각입니다. 거래자는 시장을 지속적으로 분석해야 합니다. 다행히 오늘날 사용할 수 있는 시장 분석 방법이 몇 가지 있습니다. 이러한 방법 중 하나는 암호 화폐 기술 분석입니다.

차트는 실제로 '돈의 발자국'입니다. - Fred McAllen, 차팅 및 기술 분석가.


암호화 기술 분석을 배우는 방법

기술적 분석은 자산을 거래하는 방법과 시기를 결정하고 과거 시장 데이터를 연구하여 가능한 가격 변동을 예측하는 방법입니다. 펀더멘털 분석과 달리 기술적 분석은 자산의 실제 가격을 결정하려고 하지 않습니다. 대신 자산 가격 움직임의 역사에 의존합니다.


다우 이론

기술적 분석은 창시자인 Charles Dow의 이름을 따서 명명된 다우 이론을 기반으로 지표없이 트렌드 시장을 식별하는 방법 합니다. 이 이론은 여섯 가지 기본 아이디어로 구성됩니다.

1. 시장은 모든 것을 할인한다. 이 아이디어에 따르면 자산 가격에는 시장 심리와 거래자의 기대치를 포함하여 이 자산에 대한 모든 정보가 이미 포함되어 있습니다.

2. 시장 동향에는 세 가지가 있습니다. 가격 움직임은 혼란스럽지 않습니다. 추세에 따라 움직입니다. 몇 개월에서 1년 이상 지속되는 주요 또는 주요 추세가 있습니다. 1차 경향에는 2차 경향이 있는데, 이는 종종 1차 경향에 대한 수정이며 일반적으로 몇 주 동안 지속됩니다. 마지막으로, 1~2주 미만으로 지속되는 짧거나 사소한 경향이 있습니다.

  • 축적. 이 단계에서 숙련된 트레이더는 자산을 구매하거나 판매하기 시작합니다. 양이 적기 때문에 가격은 크게 변하지 않습니다.
  • 대중 참여. 더 많은 거래자들이 새로운 추세를 알아차리고 따라가기 시작하면서 가격이 빠르게 변하기 시작합니다.
  • 분포. 경험 많은 거래자들은 투기가 만연하는 동안 보유 자산을 분배하기 시작합니다.

5. 거래량은 추세를 확인해야 합니다. 가격의 움직임이 거래량의 증가를 동반한다면, 이는 가격이 추세 방향으로 움직인다는 것을 의미합니다. 거래량이 감소하면 가격은 추세와 반대로 움직입니다.

6. 추세는 반전 신호가 명확해질 때까지 계속 진행됩니다. 가격은 추세를 바꾸는 것보다 현재 추세를 유지할 가능성이 더 큽니다. 기본 추세의 반전은 식별하기 까다로울 수 있습니다. 반전은 종종 2차 추세와 혼동됩니다.


암호화폐 기술 분석 차트 읽는 방법

  • 무역 통계: 거래량 등
  • 촛대 분석
  • 차트 패턴
  • 저항 및 지원 수준
  • 기술 지표

가격이 미래에 어떻게 움직일지 확실히 알 수 없다는 것을 이해하는 것이 중요합니다. 그러나 어떤 상황이 포지션을 여는 데 좋고 어떤 상황이 그렇지 않은지 결정할 수 있습니다. 그렇기 때문에 항상 위험 관리를 염두에 두는 것이 중요합니다.

주어진 시간에 모든 코인에 대한 완벽한 기간은 없습니다. 일반적으로 더 긴 기간이 더 중요하지만 이것이 더 짧은 기간에 좋은 거래를 찾을 수 없다는 것을 의미하지는 않습니다. 여러 기간을 확인하고 그에 따라 거래 기회를 평가하십시오.

기간의 선택은 트레이더의 거래 전략에 따라 다릅니다. 포지션을 빠르게 열고 닫는 소위 스캘퍼는 1분 또는 5분 차트와 같은 매우 짧은 기간을 선호합니다. 일반적으로 하루 안에 거래를 시작하고 종료하는 인트라데이 트레이더는 주로 5분, 15분 또는 시간별 차트를 사용합니다. 마지막으로, 거래에 대한 장기적인 접근 방식을 선호하는 포지션 트레이더는 일일 또는 주간 차트를 사용합니다.

시장 변동이 심할 때 더 짧은 기간이 더 긴 기간보다 더 나은 진입점과 퇴장점을 식별하는 데 더 적합합니다.

거래량은 암호화폐 및 기타 자산의 기술적 분석에서 중요한 역할을 합니다. 거래량은 선택한 기간 동안 거래된 코인의 수입니다. 가격 차트의 하단을 따라 열 행으로 표시되는 경우가 많습니다. 이러한 열의 높이는 볼륨의 시각적 식별자 역할을 합니다. 거래량은 추세가 얼마나 심각한지를 나타냅니다. 추세가 강하면 거래량이 많아지며 그 반대의 경우도 마찬가지입니다.

OKEx에서 암호화폐 거래에 대한 기술적 분석을 수행하는 방법

일본 촛대는 가격 차트를 읽고 분석하는 데 가장 많이 사용되는 차트 유형입니다. 이 캔들 각각은 선택한 기간 동안의 코인 가격 움직임을 보여줍니다. 모든 양초는 몸체와 최대 2개의 그림자로 구성되며 녹색 또는 빨간색이 될 수 있습니다. 본문은 시가와 종가의 차이를 나타냅니다. 몸체가 녹색이면 아래쪽이 시가, 위쪽이 종가를 나타냅니다. 빨간 양초의 경우 그 반대입니다. 따라서 녹색 촛대는 이 기간의 종가가 시가보다 높았음을, 즉 가격이 상승했음을 나타냅니다. 녹색 양초는 "강세"라고 합니다. 차례로 빨간 양초는 가격 하락을 나타내며 "약세"라고합니다.

몸에서 나오는 그림자는 해당 기간의 최저 가격에서 최고 가격 범위를 보여줍니다.

이 유형의 가격 차트는 주어진 시간에 가격 움직임에 대한 가장 중요한 정보를 보여주기 때문에 매우 유용합니다. 우리는 가격이 선택한 기간에 상승 또는 하락했는지 명확하게 이해하고 해당 기간의 최대 및 최소 가격 값을 봅니다.

때로는 촛대 그룹이 고유한 이름으로 인식할 수 있는 패턴에 빠지기도 합니다. 그 중 일부를 살펴보겠습니다.

강세 반전 패턴

약세 반전 패턴


지원 및 저항 수준

OKEx에서 암호화폐 거래에 대한 기술적 분석을 수행하는 방법

지지선과 저항선은 각각 구매자와 판매자가 시장에 진입하여 가격 움직임을 멈추거나 되돌릴 수 있는 충분한 양의 거래를 하는 주요 가격 수준입니다. 이 수준은 가격을 교차하지 않고 여러 번 터치하여 표시됩니다.

지원 수준은 자산 수요가 가격 하락을 막을 수 있을 만큼 강한 수준입니다. 지원은 항상 현재 가격보다 낮습니다. 트레이더는 지지선에서 구매하는 경향이 있어 가격이 상승합니다.

저항은 자산 공급이 가격 상승을 막을 수 있을 만큼 강한 수준입니다. 저항 수준은 항상 현재 가격보다 높습니다. 거래자는 저항 수준에서 판매하는 경향이 있어 가격이 하락합니다.

가격이 저항선을 돌파하면 새로운 지지선이 됩니다. 마찬가지로 가격이 지원 수준을 돌파하고 더 낮아지면 해당 지원 수준이 새로운 저항이 됩니다.

기술 지표

지표는 가격 및 거래량과 같은 다양한 통계를 기반으로 한 특정 계산입니다. 일반적으로 차트에 자동으로 추가되는 시각적 형태(선, 히스토그램 등)로 표시됩니다. 지표는 거래자가 매수 또는 매도 신호를 발견하는 데 도움이 되는 추가 도구로 설계되었습니다. 많은 지표가 있으며 단기 트레이더가 널리 사용합니다.

OKEx에서 암호화폐 거래에 대한 기술적 분석을 수행하는 방법

상대 강도 지수
가장 인기 있는 지표 중 하나는 상대 강도 지수(RSI)입니다. 최근 가격 변동의 크기를 측정하여 자산 가격의 과매수 또는 과매도 조건을 식별하고 0과 100 사이를 이동합니다. RSI가 70을 초과하면 해당 자산은 과매수 상태로 간주되며 가격 하락 가능성이 높습니다. RSI가 30 미만이면 자산이 과매도 상태로 간주되어 가격이 오를 가능성이 높습니다. 그러나 RSI는 다른 지표와 마찬가지로 보조 도구일 뿐이며 결정을 내리기 위한 주요 매수 또는 매도 신호로 사용되어서는 안 됩니다.

데이터 과학이란 무엇인가?

데이터 과학은 통계, 과학적 방법, 인공지능(AI), 데이터 분석 등 다양한 분야를 결합해 데이터로부터 가치를 추출합니다. 데이터 과학을 수행하는 사람들을 데이터 과학자라고 부르며, 이들은 다양한 기술을 결합하여 웹, 스마트폰, 고객, 센서 및 기타 소스로부터 수집한 데이터를 분석해 실행 가능한 인사이트를 도출합니다.

데이터 과학은 분석을 위해 데이터를 정제, 집계, 조작하는 데이터 준비 과정에서부터 고급 데이터 분석을 수행하는 작업까지 모든 과정을 총칭하는 용어입니다. 분석 애플리케이션 및 데이터 과학자들은 분석 결과를 검토해 패턴을 발견하고, 비즈니스 리더들이 정보를 기반으로 통찰력을 얻을 수 있도록 지원합니다.

데이터 과학: 머신러닝을 위한 무한한 가능성의 보고

데이터 과학은 오늘날 가장 주목받는 분야 중 하나입니다. 데이터 과학이 이토록 중요한 이유는 무엇일까요?

그건 지금 기업들이 데이터라는 보물 창고를 깔고 앉아있기 때문이죠. 모던 기술로 점점 더 많은 양의 정보를 생성 및 저장할 수 있게 되자 데이터의 양도 폭발적으로 증가했습니다. 전 세계에 존재하는 데이터의 90%가 지난 2년간 생성된 것으로 추정됩니다. Facebook의 경우만 해도 사용자들이 매시간마다 1,000만 장의 사진을 업로드하니까요.

하지만 이와 같은 데이터는 데이터베이스 및 데이터 레이크에 저장된 후, 대부분 방치되어 버립니다.

모던 기술을 통해 수집 및 저장된 풍부한 데이터는 전 세계 조직 및 사회에 혁신적인 이점을 가져다줄 수 있습니다. 하지만 그건 우리가 그 데이터를 해석할 수 있을 때 얘기죠. 바로 이 시점에 데이터 과학이 중요한 역할을 수행할 수 있습니다.

데이터 과학은 트렌드를 볼 수 있게 해줍니다. 기업이 더 나은 의사결정을 내리고, 보다 혁신적인 제품과 서비스를 만드는 데 사용할 수 있는 인사이트도 제공하죠. 무엇보다 중요한 건, 비즈니스 분석가가 데이터에서 무언가를 발견하길 막연히 기다려야 했던 과거와 달리, 데이터 과학은 머신러닝(ML) 모델이 방대한 양의 데이터를 학습할 수 있게 한다는 점입니다.

데이터는 혁신의 기반입니다. 하지만 데이터 과학자가 데이터로부터 정보를 얻어내고, 이를 기반으로 조치가 이행될 때야 비로소 데이터의 가치가 빛을 발합니다.

데이터 과학, 인공지능, 머신러닝은 각각 어떻게 다른가요?

데이터 과학의 정의와 사용법을 제대로 이해하려면, 인공지능(AI), 머신러닝 등 이 영역과 관련된 용어들을 알아야 합니다. 이 용어들이 동일한 의미로 사용될 때도 있지만, 각 용어 사이에는 미묘한 차이가 있습니다.

세부 내용을 아래와 같이 간단히 정리했습니다:

  • AI는 컴퓨터가 어떤 식으로든 인간의 행동을 모방하게 만드는 것을 의미합니다.
  • 데이터 과학은 AI의 하위 개념으로 통계, 과학적 방법, 데이터 분석과 겹치는 면이 많은 영역입니다. 모두 데이터로부터 의미와 인사이트를 추출하는 데 활용되는 기술들이죠.
  • 머신러닝은 AI의 또 다른 하위 개념이며, 컴퓨터가 데이터로부터 무언가를 파악할 지표없이 트렌드 시장을 식별하는 방법 수 있게 하고, AI 애플리케이션을 제공할 수 있게 만드는 다양한 기술로 구성됩니다.
    추가로 한 가지 용어를 더 살펴보도록 하겠습니다.
  • 딥 러닝은 머신러닝의 하위 개념으로, 컴퓨터가 보다 복잡한 문제를 해결할 수 있게 해줍니다.

데이터 과학이 비즈니스를 변화시키는 방법

조직은 데이터 과학을 활용해 제품과 서비스를 개선함으로써 데이터를 경쟁우위로 전환해 나가고 있습니다. 데이터 과학 및 머신러닝의 사용 사례는 다음과 같습니다:

  • 콜 센터에서 수집한 데이터를 분석해 고객 이탈률을 파악하여 마케팅 팀이 고객 유지를 위한 조치를 취할 수 있게 합니다
  • 물류 회사가 배송 속도를 개선하고 비용을 절감할 수 있도록 교통 패턴, 기상 조건 등 다양한 요인을 분석하여 업무 효율성을 높입니다
  • 의사가 질병을 조기에 진단하고 환자를 보다 효과적으로 치료할 수 있도록 의료 검사 데이터 및 보고된 증상을 분석하여 환자 진단을 개선합니다
  • 장비 고장 시기를 예측하여 공급망을 최적화합니다
  • 의심스러운 행동과 비정상적인 활동을 인지하여 금융 서비스 사기를 감지합니다
  • 이전 구매 내역을 기반으로 고객에게 상품을 추천하여 매출 향상에 기여합니다

많은 기업들이 데이터 과학의 중요성을 인지하고, 엄청난 투자를 하고 있습니다. 3,000명 이상의 CIO가 참여한 Gartner의 최근 설문조사 결과, 응답자들은 분석 및 비즈니스 인텔리전스를 조직을 남들과 차별화해 줄 가장 중요한 기술로 꼽았습니다. 설문조사에 참여한 CIO들은 이 기술들을 자사 전략에 가장 중요한 요소로 보고 해당 기술에 투자하고 있습니다.

데이터 과학의 수행 방식

데이터를 분석하고, 분석 내용에 따라 조치를 취하는 과정은 선형적이라기 보다 반복에 가깝습니다. 그리고 이와 같은 과정은 데이터 모델링 프로젝트에서 데이터 과학 수명 주기가 진행되는 전형적인 방식이기도 합니다:

계획 수립: 프로젝트와 해당 프로젝트의 잠재적 결과를 정의합니다.

데이터 모델 구축: 데이터 과학자들은 종종 다양한 오픈 소스 라이브러리 또는 인데이터베이스 도구를 사용해 머신러닝 모델을 구축합니다. 많은 사용자들이 데이터 수집, 데이터 프로파일링 및 시각화 또는 기능 엔지니어링에 도움이 되는 API를 원합니다. 이들에게는 적절한 도구와, 적절한 데이터 그리고 컴퓨트 파워와 같은 기타 리소스도 필요합니다.

모델 평가: 데이터 과학자들은 반드시 높은 확률의 정확도를 달성한 이후에 구축 모델에 대한 배포 결정을 내려야 합니다. 일반적인 모델 평가 과정에서는 포괄적인 평가 측정 지표 및 시각화 모음이 생성되며, 이를 활용해 신규 데이터에 대한 모델의 성능을 평가합니다. 또한 시간 경과에 따른 평가를 진행해 생성된 모델이 최적의 행동을 수행할 수 있게 합니다. 모델 평가는 단순한 원시 성능 평가를 넘어 예상되는 기본 동작을 고려하는 단계까지 진행합니다.

모델 설명: 머신러닝 모델의 내부 매커니즘을 인간의 언어로 설명하는 게 늘 가능했던 건 아닙니다. 하지만 설명 가능성의 중요성은 점점 더 커지고 있습니다. 데이터 과학자들은 예측 생성에 투입된 요소들의 상대적 가중치 및 중요성에 대한 자동 설명과 각 모델 예측에 대한 모델별 상세 설명을 원하고 있습니다.

모델 배포: 훈련된 머신러닝 모델을 선택해 이를 적합한 시스템에 적용하는 일은 종종 어렵고 힘든 과정을 수반합니다. 이 과정은 모델을 확장 가능하고 보안성 뛰어난 API로 조작할 수 있게 하거나, 인데이터베이스 머신러닝 모델을 사용하면 한결 단순해질 수 있습니다.

모델 모니터링: 모델을 배포했다고 끝난 것은 아닙니다. 모델이 제대로 작동하는지 확인하기 위해 배포 후에는 항상 모델을 모니터링해야 합니다. 모델이 학습했던 데이터는 일정 기간이 지난 후에는 더 이상 미래 예측에 도움이 되지 않을 수도 있습니다. 사기 탐지를 예로 들자면, 범죄자들은 늘 계정 해킹을 위한 새로운 방법을 시도하니까요.

데이터 과학용 도구

머신러닝 모델을 구축, 평가, 배포, 모니터링하는 과정은 복잡한 일일 수 있습니다. 데이터 과학 도구의 수가 증가한 이유가 바로 여기에 있죠. 데이터 과학자들은 여러 유형의 도구를 사용하지만, 가장 흔히 사용하는 도구는 오픈 소스 노트북입니다. 동일한 환경에서 코드를 작성 및 실행하고, 데이터를 시각화하고, 결과를 확인하는 데 사용되는 웹 애플리케이션이죠.

가장 널리 쓰이는 노트북은 Jupyter, RStudio, Zeppelin입니다. 노트북은 분석을 수행하는 데 매우 유용하지만 여러 데이터 과학자가 팀으로 작업해야 하는 경우 한계가 있습니다. 이 문제를 해결하기 위해 데이터 과학 플랫폼이 구축되었습니다.

어떤 데이터 과학 도구가 적절한지 선택하려면 다음과 같은 질문들을 던져볼 필요가 있습니다: 귀사의 데이터 과학자가 사용하는 언어는 무엇인가? 그들은 어떤 종류의 작업 방법을 선호하는가? 그들은 어떤 종류의 데이터 소스를 사용하는가?

예를 들어 오픈 소스 라이브러리를 사용하는, 데이터 소스에 구애받지 않는 서비스를 선호하는 사람들이 있습니다. 인데이터베이스 머신러닝 알고리즘의 속도를 선호하는 사람들도 있죠.

데이터 과학 프로세스는 누가 감독하나요?

대부분의 조직에서 데이터 과학 프로젝트는 일반적으로 세 가지 유형의 관리자가 감독합니다:

비즈니스 관리자: 이 유형의 관리자는 데이터 과학 팀과 협력하여 문제를 규정하고 분석 전략을 세웁니다. 마케팅, 재무, 영업 등 LOB 책임자가 여기에 해당되며 데이터 과학 팀이 이들에게 보고하는 체계로 구성됩니다. 이 유형의 관리자는 데이터 과학 및 IT 관리자들과 긴밀히 협력하여 프로젝트가 제대로 수행되도록 합니다.

IT 관리자: 지표없이 트렌드 시장을 식별하는 방법 선임 IT 관리자들은 데이터 과학 운영을 지원할 인프라 및 아키텍처를 책임집니다. 이들은 데이터 과학 팀이 효율적이고 안전하게 운영될 수 있도록 운영 및 리소스 사용을 지속적으로 모니터링합니다. 이들은 또한 데이터 과학 팀을 위한 IT 환경 구축 및 업데이트를 담당하기도 합니다.

데이터 과학 관리자: 이 유형의 관리자들은 데이터 과학 팀과 그들의 일과를 감독합니다. 이들은 프로젝트 계획 및 모니터링을 통해 팀의 균형적인 발전을 유지하는 팀 빌더입니다.

그러나 전체 프로세스에서 가장 중요한 역할은 데이터 과학자들이 맡습니다.

데이터 과학자는 누구인가요?

전문 분야로서 데이터 과학은 아직 젊은 분야라고 할 수 있습니다. 통계 분석 및 데이터 마이닝 분야에 그 뿌리를 두고 있죠. 2002년에 창간된 The Data Science Journal은 국제 과학 위원회: CODATA(Committee on Data for Science and Technology)에서 발간했습니다. 2008년에 이르러 데이터 과학자라는 직함이 생겨났고 이후 데이터 과학 분야는 빠르게 성장했습니다. 점점 더 많은 대학에서 데이터 과학 학위를 제공하기 시작했지만, 아직까지도 데이터 과학자가 부족한 상황입니다.

데이터 과학자의 임무에는 데이터 분석 전략 개발, 분석용 데이터 준비, 데이터 탐색, 분석 및 시각화, Python 및 R과 같은 프로그래밍 언어를 사용하여 데이터로 모델 구축하기, 애플리케이션에 모델 배포하기 등이 포함될 수 있습니다.

데이터 과학자는 혼자 일하지 않습니다. 실제로 가장 효과적인 데이터 과학은 팀웍을 통해 이루어지죠. 데이터 과학자 외에도 데이터 과학 팀에는 문제를 정의하는 비즈니스 분석가, 데이터를 준비하고 데이터 액세스 방법을 설정하는 데이터 엔지니어, 기본 프로세스 및 인프라를 감독하는 IT 아키텍트, 분석 모델 또는 출력을 애플리케이션 및 제품에 배포하는 애플리케이션 개발자가 포함될 수 있습니다.

데이터 과학 프로젝트 구현의 과제

데이터 과학이 주는 약속과 데이터 과학 팀에 대한 막대한 투자에도 불구하고 많은 기업이 데이터의 가치를 온전히 실현하지 못하고 있습니다. 일부 기업들은 인재 유치전 및 데이터 과학 프로그램 생성 경쟁에서 팀 워크플로의 비효율성을 경험했습니다. 다양한 팀원이 서로 다른 도구 및 프로세스를 사용해 공동 작업이 제대로 이루어지지 않았기 때문이죠. 보다 체계적이고 중앙화된 관리가 이루어지지 않는다면 경영진은 투자에 대한 최대의 수익을 얻지 못할 수 있습니다.

이 혼란스러운 환경은 다양한 문제를 시사합니다.

데이터 과학자가 효율적으로 일할 수 없습니다. 데이터에 대한 접근 권한은 IT 관리자가 부여해야 하기 때문에 데이터 과학자가 데이터 및 데이터 분석에 필요한 리소스를 얻게 되기까지 오래 기다려야 하는 경우가 많습니다. 접근 권한을 얻게 되었더라도 데이터 과학 팀원들은 다양한 도구(높은 확률로 서로 호환되지 않는 도구)를 사용해 데이터를 분석할 가능성이 높습니다. 예를 들어 한 과학자가 R 언어를 사용해 모델을 개발했는데, 해당 모델이 사용될 애플리케이션은 다른 언어로 작성된 경우가 있죠. 모델을 유용한 애플리케이션에 배포하는 데 몇주, 심지어 몇 개월이 걸리기도 하는 이유가 바로 여기에 있습니다.

애플리케이션 개발자가 가용한 머신러닝에 액세스할 수 없습니다. 개발자가 애플리케이션에 배포될 준비가 되지 않은 머신러닝 모델을 받게되는 경우가 종종 발생합니다. 게다가 액세스 지점이 유연하지 않을 수 있기 때문에, 해당 모델을 모든 시나리오에 배포하는 게 불가능하고, 확장성 자체도 애플리케이션 개발자의 손에 맡겨지는 경우가 있습니다.

IT 관리자가 지원에 너무 많은 시간을 할애합니다. 오픈 소스 도구가 확장되면서 IT 팀은 그 어느 때보다 긴 '지원해야 할 도구 목록'을 손에 쥐기도 합니다. 예를 들어 마케팅 분야의 데이터 과학자는 재무 분야의 데이터 과학자가 쓰는 것과는 다른 도구를 사용할 수 있습니다. 각 팀의 워크플로가 다를 수도 있습니다. 즉 IT 팀이 계속해서 새로 환경을 구축하고 업데이트해야 한다는 뜻이죠.

비즈니스 관리자가 데이터 과학 업무에서 지나치게 배제되어 있습니다. 데이터 과학 워크플로가 비즈니스 의사결정 프로세스 및 시스템에 늘 통합되는 건 아닙니다. 그 결과 비즈니스 관리자가 데이터 과학자들과 협업하는 데 필요한 충분한 지식을 얻지 못하는 경우가 발생하죠. 통합 환경이 개선되지 않으면, 비즈니스 관리자는 시제품이 제품이 되기까지 이토록 오랜 시간이 걸리는 이유가 무엇인지 이해하지 못하고, 자신이 판단하기에 '프로세스가 지나치게 느린' 프로젝트에 대한 투자를 지원하지 않을 가능성이 있습니다.

새로운 역량을 선사하는 데이터 과학 플랫폼

많은 기업이 통합 플랫폼 없이 진행되는 데이터 과학 작업이 비효율적이고, 불안정하며, 확장이 어렵다는 사실을 깨달았습니다. 이와 같은 깨달음은 데이터 과학 플랫폼을 탄생시켰죠. 이 플랫폼들은 모든 종류의 데이터 과학 작업이 이루어지는 소프트웨어 허브입니다. 좋은 플랫폼은 데이터 과학 구현 과정의 문제를 대부분 완화하고, 기업이 보다 빠르고 효율적으로 데이터를 인사이트로 전환할 수 있도록 지원합니다.

중앙형 머신러닝 플랫폼을 활용하면, 데이터 과학자는 자신이 즐겨 쓰는 오픈 소스 도구를 사용해 협업 환경에서 작업할 수 있으며, 이들의 모든 작업은 버전 제어 시스템에 의해 동기화됩니다.

데이터 과학 플랫폼의 이점

데이터 과학 플랫폼은 팀이 코드, 결과 및 보고서를 공유할 수 있게 하여 중복을 줄이고 혁신을 유도합니다. 또한 관리를 단순화하고 모범 사례를 통합하여 작업 흐름상의 병목 현상을 제거합니다.

일반적으로 최고의 데이터 과학 플랫폼은 다음을 목표로 합니다:

  • 데이터 과학자가 모델 개발 속도를 높이고 오류를 줄일 수 있도록 지원하여 생산성을 높입니다
  • 데이터 과학자가 다양한 종류의 대용량 데이터를 보다 쉽게 다룰 수 있게 지원합니다
  • 편견으로부터 자유롭고 감사 및 재현 가능한, 신뢰할 수 있는 엔터프라이즈급 인공지능(AI)을 제공합니다

데이터 과학 플랫폼은 전문 데이터 과학자, 일반인 데이터 과학자, 데이터 엔지니어, 머신러닝 엔지니어 또는 전문가를 포함한 다양한 사용자 간의 협업을 위해 구축되었습니다. 예를 들어 데이터 과학 플랫폼을 사용하면 데이터 과학자가 모델을 API로 배포하여 해당 모델이 다른 애플리케이션에 쉽게 통합되도록 할 수 있습니다. 데이터 과학자는 IT 팀의 지원 없이도 각종 도구, 데이터 및 인프라에 액세스할 수 있습니다.

데이터 과학 플랫폼에 대한 시장의 수요가 폭발적인 증가 추세를 보이고 있습니다. 실제로 플랫폼 시장의 연평균 성장률이 향후 몇 년간 39% 이상을 달성할 것으로 예상되며, 시장 규모가 2025년까지 3,850억 달러에 이를 것으로 예상됩니다.

데이터 과학자에게 필요한 플랫폼

데이터 과학 플랫폼의 기능을 살펴볼 준비가 되었다면, 다음의 주요 기능들을 고려해야 합니다:

협업을 권장하는 프로젝트 기반 UI를 선택하는 게 좋습니다. 플랫폼은 개념이었던 것이 최종 제품이 되는 모든 과정에서 해당 모델에 대한 팀원 간의 협업을 지원해야 합니다. 이 플랫폼은 팀의 각 구성원에게 데이터 및 리소스에 대한 셀프 서비스 액세스 권한을 부여해야 합니다.

통합 및 유연성에 중점을 두어야 합니다. 플랫폼이 최신 오픈 소스 도구 사용, GitHub, GitLab, Bitbucket 등 공통 버전 제어 공급자 및 기타 리소스와의 긴밀한 통합을 지원하는지 확인하세요.

엔터프라이즈급 기능이 포함되어 있어야 합니다. 팀의 성장 속도에 따라 비즈니스에 필요한 확장을 플랫폼이 지원할 수 있는지 확인하세요. 플랫폼은 고가용성과 강력한 액세스 제어 기능을 보유해야 하며 다수의 동시 사용자를 지원할 수 있어야 합니다.

데이터 과학을 셀프 서비스로 이용할 수 있어야 합니다 . IT 및 엔지니어링 팀의 부담을 덜어주고, 데이터 과학자가 환경을 즉시 생성하고, 모든 작업을 추적하고, 모델을 운영 환경에 손쉽게 배포할 수 있게 해주는 플랫폼을 선택해야 합니다.

손쉬운 모델 배포를 보장해야 합니다. 모델 배포 및 연산화는 머신러닝 수명 주기에서 가장 중요한 단계 중 하나이지만, 이 과정이 종종 간과되곤 합니다. 선택한 서비스가 보다 손쉬운 모델 연산화를 지원하는지 확인해 보세요. API를 제공하는 방식일 수도, 사용자가 손쉬운 통합 과정을 거쳐 모델을 구축하게 하는 방식일 수도 있습니다.

데이터 과학 플랫폼의 도입 시기

다음과 같은 상황이라면, 귀사에 데이터 과학 플랫폼이 필요한 것일 수 있습니다:

  • 생산성 및 협업 과정이 압력을 받고 있습니다
  • 머신러닝 모델을 감사하거나 재현할 수 없습니다
  • 모델을 단 한 번도 제품화하지 못했습니다

데이터 과학 플랫폼은 비즈니스에 진정한 가치를 제공할 수 있습니다. Oracle의 데이터 과학 플랫폼에는 모델 배포 속도를 높이고 데이터 과학의 결과를 개선하기 위해 설계된 포괄적인 E2E 경험을 제공하는 광범위한 서비스가 포함됩니다.

브랜드 경험, 온오프라인의 경계를 허물다 제3화

모바일은 고객 유입 경로, 사용 패턴, 데이터 분석 방법 등에 있어 오프라인 및 PC와 완전히 다른 플랫폼이기 때문에 의사결정이 중요하다.

Posted on 2017년 12월 14일 @ 08:00 Editor 디지털 인사이트

온라인과 오프라인, 그 사이를 헤매고 있을 마케터들에게

실질적으로 온오프라인의 경계가 허물어지며 마케터들은 고객 행동이나 패턴을 분석하기 점점 어려워지고 있다. 온오프라인을 넘나들며 다양한 소비패턴을 보이고 있기 때문. 특히나 오프라인 매장을 기반으로 하는 기존 브랜드들은 온라인에서의 측정이 더욱 어려워질 수밖에 없다. 그렇다면, 온라인과 오프라인 그 사이에서 마케터들은 어떻게 일관되게 브랜드를 전달할 수 있을까. 현재 마케터들은 그 경계에서 어떤 전략을 취하고 있는지 크리테오 Insights Seoul 2017 패널토론을 통해 살펴보자.

Q. LFmall에서 마케터로 일하면서 가장 고민되는 게 무엇인가?

김보람 LFmall 과장 저성장 저소비 시대인만큼 패션업은 품질은 유지하되 가격은 낮은 ‘가성비가 좋은’ 상품을 갖춰야 하는데 그런 상황이 일단 어렵다. 두 번째는 고객 행동과 패턴 분석하기가 점점 어려워진다는 점이다. LFmall는 오프라인에서 시작한 패션 기업이기 때문에 오프라인 대비 PC 그리고 PC 대비 모바일에서 고객 행동과 성과를 측정하기가 어렵다. 앞서 말씀드렸던, 저성장 저소비 시대에 고객층이 얇아지고 고령화되는 경향이 있기 때문에 이러한 점이 가장 어렵다.

Q. 그런 어려움을 해결하는 데 모바일 플랫폼이 돌파구가 돼 줄 수 있는 건가?

김보람 LFmall 과장 모바일은 앞서 말씀드린 두 가지 측면에서 돌파구가 될 수 있다. 첫 번째 저성장 저소비에 따른 수익 악화와 두 번째 소비행태 변화에 대응하는 솔루션으로 매우 유용하다. 첫 번째 측면을 살펴보자면 많은 패션 브랜드들은 오프라인 매장을 기반으로 한다. 이런 구조는 원가율이 높은 원인이기도 하다. 하지만 모바일은 오프라인 매장 운영에 비해 상대적으로 낮은 원가율로 시작할 수 있다. 회사도 소비자도 이익인 구조인 거다. 두 번째 측면인 고객 행동 패턴을 살펴보자면 패션업은 모바일에 최적화돼 있는 산업이다. 온라인 매출의 상당 부분이 모바일에서 발생하고 있기 때문. 그런 사업에서 고객이 고령화되더라도 오히려 고령화된 고객은 전환율이 높다는 점과 객단가가 높다는 점으로 상쇄된다.

모바일 시장이 주목하는 한국 앱 시장

Q. TUNE은 모바일 앱 내에서의 성과 측정방식을 MMP(Mobile Measurement Partner)라 언급하더라. PC가 온라인의 중심이었던 때는 ‘PC 메저먼트 파트너’라는 용어는 없었는데 왜 모바일 메저먼트라는 새로운 업종이 생겨나게 된 건가?

윤거성 TUNE Korea 이사 웹과 앱에서 사용자를 식별하는 방법이 완전히 달라졌다. 웹에서는 써드파티 쿠키로 유저를 트래킹하기 위해서 각 매체사가 광고주 사이트에 자신의 스크립트와 픽셀을 심어 유저를 트래킹하고 성과를 측정하는 방식이다. 그런데 모바일 앱에서는 쿠키를 사용할 수 없어 웹의 방식을 적용하긴 어렵다. 모바일 앱의 경우는 구글 플레이와 앱스토어에서 정한 광고용 아이디를 사용하는데 이 광고용 아이디로 분석하기 위해서는 반드시 SDK(Software Development Kit)를 설치해야 한다. 이 SDK를 통해 마케팅, 특히 유저를 인식하는 점이 달라졌다.

Q. 전 세계적으로 많이 알려진 MMP가 대부분 한국에서 사업을 하고 있는데 그만큼 한국의 앱 시장이 크다는 방증인 건가?

윤거성 TUNE Korea 이사 실제로 앱 시장이 크고 한국의 기술력을 많이 인정해주고 있다. TUNE과 같은 경우는 APAC 회사임에도 본사를 싱가포르나 일본이 아닌 서울에 둔 이유는 모바일 앱만큼은 APAC 전체에서 한국이 가장 다이나믹하기 때문이다.

Q. MMP는 용어 그대로 ‘measurement’까지만 하는지 궁금하다. 이러한 메저먼트를 가지고 차후에 마케터들이 활용할 수 있는 부분이 있을까?

윤거성 TUNE Korea 이사 저희는 메저먼트 즉, 성과를 측정하는 어트리뷰션과 트래킹을 발전시켜 이를 TUNE의 매체들에 제공한다. 세분화된 정보를 가지고 있다 보니 마케터 분들에게도 여러 특성을 가진 유저들을 나눠 서로 다른 반응을 볼 수 있는 A/B Test를 제공한다. 더 나아가, 인앱 마케팅 메시지, 푸시 메시지와 같은 마케팅 영역으로까지 확장하고 있다. 여행 업종에서 MMP를 사용한다고 가정해보면, 위치 정보까지 활용해 원하는 상황과 때에 (예를 들어 유저가 공항에 도착하는 순간) 푸시 메시지를 보낼 수 있는 거다.

모바일 캠페인의 KPI 설정 방식

Q. 모바일 캠페인을 진행할 때 KPI 설정이 PC와 다른 점은 무엇이며 어떤 지표가 가장 중요한가?

김보람 LFmall 과장 PC와 모바일의 KPI 설정은 그리 다르지 않다. 모바일 캠페인을 진행할 때 KPI 설정은 회사가 현재 처해있는 상황(매출과 디바이스 구분 그리고 디바이스별 거래 및 매출량)에 따라 채널 자체를 매출과 유입으로 구분해 진행하고 있다. 매출의 경우는 기본적인 상거래 지표인 매출액, 전환율, 구매단가를 보고 있고 유입과 노출은 써드 지표로 관리하고 있다.

Q. 윤거성 이사님은 패션, 여행 등 다양한 브랜드와 함께 일하고 계시다. 업종별로 KPI 설정 방식 등의 차이점이 있는가?

윤거성 TUNE Korea 이사 웹 브라우저 환경에서는 유저를 트래킹하고 타깃팅하기 위해 매체사가 각자의 써드파티 쿠키를 사용한다. 그런데 앱에서는 특정한 하나의 OS가 정한 광고 식별 값(ADID/IDFA, 모바일 기기의 비식별 개인정보)이 있다. ADID/IDFA를 기준으로 그 모든 트래킹과 데이터를 제공하고 있다. 이전에는 a매체를 클릭하고 b매체를 클릭하고 c매체를 클릭 후 구매했을 때 클라이언트 입장에서는 a,b,c, 중 어떤 곳이 구매에 기여했는지 알기 어렵다. 그래서 대부분 세션 visit(1인의 사용자에 의해 연속적으로 서버에 대한 요청이 이루어지는 것)을 30분으로 두고 구매전환에 대한 기여 룰을 설정한다.

그러나 모바일 앱은 스마트폰을 바꾸거나 OS를 초기화하지 않으면 아이디가 따라 다니게 된다. 그러다 보니 유저의 최초 인지부터 앱 설치와 같은 행동을 시기적으로 계속해서 파악할 수 있다. 이러한 특성 때문에 산업별로 설정하는 방식이 다르다. 예를 들어, 커머스 쇼핑에서 빠른 텀 안에 의사 결정이 일어나는 제품은 ‘어트리뷰션 윈도우(클릭 후 액션이 일어날 때까지의 기간)’를 짧게 보고 여행처럼 구매 객단가가 높은 상품은 검색하는 단계가 길기 때문에 어트리뷰션 윈도우를 길게 본다.

또한, 앱에서는 유저를 명확히 구분할 수 있다. 이 사람이 상세 페이지까지 보고 이탈한 사람인지, 장바구니까지 도달한 사람인지, 한 번 구매한 사람인지, 재구매한 사람인지를 말이다. 이렇듯, 유저의 로열티를 기준으로 티어를 구분할 수 있다. 이 티어별로 서로 다른 KPI를 적용한다. 전체 유저에게 일괄적으로 1000% KPI를 주는 것이 아니라 로열티가 높은 유저에게는 700%, 다른 유저들은 300%를 부여하는 거다. 이렇게 합산해 1000%가 나오는 방식으로 KPI를 운영하는 분들을 많이 봤다.

내부적으로 모바일에 대한 방향 설정이 우선

Q. 모바일이 중요한 건 알지만 실질적으로 마케팅할 때 어려운 점은 온라인과 오프라인 그 사이에서 어떻게 다른 전략을 취해야 할지가 아닐까. 이렇게 다른 환경에 대해 마케팅적으로 어떻게 대처해나가고 있을지 궁금하다.

김보람 LFmall 과장 고민이 많은 건 사실이지만 모바일은 오프라인과 이렇게 달라, PC 대비 이렇게 복잡해라고 접근하면 안 된다고 생각한다. 모바일은 고객 유입 경로, 사용 패턴, 데이터 분석 방법 등에 있어 오프라인 및 PC와 완전히 다른 플랫폼이기 때문에 의사결정이 중요하다. 모바일에 대한 어느 정도의 이해를 기반으로 의사결정이 이뤄지고 전략적 방향이 협의 되어야만 ‘모바일을 위한 개발자’, ‘모바일을 이해하는 마케터’와 함께 모바일 분석 시스템을 기반으로 현재 잘하는지 못하는지를 판단할 수 있다. 많은 회사가 이러한 점을 간과하기도 한다. 모바일 마케팅 담당자만 생기면 뭔가 될 거라 생각하는 거다. 마케터 입장에서는 숙제가 많아지겠지만

모바일 광고는 이런 것이고, 모바일 트렌드는 이런 것이니 ‘이렇게 바꿔야 한다’고 의사 결정권자에게 끊임없이 자극을 줘야 한다.

참석자. 김보람 LFmall 과장, 윤거성 TUNE Korea 이사

(기사 원문은 디아이 매거진 12월호를 통해 보실 수 있습니다.)

digitla-insight-202102-offline-ads-etribe

뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.

Donchian 채널 표시기 사용 안내서를 사용하는 방법

Donchian Channel은 차트에서 직접 가격 범위를 시각화 할 수있는 거래 지표입니다. 이 지표는 특히 초보자에게 특히 복잡해 보이지만이 안내서는 작동 방식을 이해하는 데 도움이됩니다.

2020 년 5 월 11 일 | AtoZ Market 악명 높은 거북 거래자 덕분에 Donchian 채널은 잘 알려진 지표입니다. 이 지표는 특히 트렌드 시장에서 트렌드의 진입 및 제거 지점을 결정하는 데 유용합니다. 이 가이드에서는 더 나은 거래를 위해 Donchian 채널 표시기를 사용하는 방법에 대해 설명합니다.

Donchian 채널 표시기는 무엇입니까?

1936 년 Richard Donchian이 개발 한 Donchian 채널은 가장 간단한 기술 지표 중 하나입니다. 이 지표의 주요 목적은 충격을 피하기 위해 트렌드를 돌파 할 때 트렌드를 입력하고 트렌드를 최대한 파악하는 것입니다.

이 표시기는 주로 두 개의 대역 상한 저항 대역과 하부 지원 대역으로 구성됩니다.

상한은 선택한 “n”기간 동안 최고 가격입니다.
하위 밴드는 선택한 “n”기간 동안 최저 및 최저 가격으로 계산됩니다.
중간 영역도 있는데, 이는 두 영역의 평균입니다.

일반적으로 Donchian 채널의 기본 트랜잭션 설정은 20주기입니다. 그러나이 값은 거래 방법에 따라 조정할 수 있습니다. 아래 그림은 Donchian 채널 표시기를 보여줍니다.

Donchian 채널 표시기 사용 안내서를 사용하는 방법

MT4 터미널에 Donchian 채널 표시기를 설치하는 방법

MetaTrader에는 많은 사용자 기반과 많은 기본 표시기가 있지만 Donchian 채널 표시기는 그 중 하나가 아닙니다.

사용자 지정 지표로 다운로드하여 몇 분 내에 MT4 플랫폼에 적용 할 수 있습니다. 다운로드 후 아래 단계에 따라 MT4 터미널에 추가하십시오.

표시기 파일을 복사하십시오.
MT4 터미널을 엽니 다.
파일 (왼쪽 상단)> 데이터 폴더 열기를 클릭하십시오.
MQL4 폴더를여십시오.
표시기 폴더를 엽니 다.
다운로드 한 지표 파일을 여기에 붙여 넣습니다.
이제 MT4 터미널을 다시 시작하십시오.
삽입> 표시기> 사용자 정의를 클릭하십시오.
표시기를 찾아 확인을 클릭하십시오.

아래 스크린 샷은 Donchian 채널 표시기를 MT4K 차트에 적용한 후의 모습을 보여줍니다.

Donchian 채널 표시기 사용 안내서를 사용하는 방법

Donchian 채널 지표 및 변동성

Donchian 채널 표시기를 사용하여 시장 변동을 식별 할 수 있습니다.

변동성이 높고 가격 변동이 큰 경우 Donchian의 채널은 훨씬 더 넓습니다.
변동성이 낮고 가격이 상대적으로 안정적인 경우 Donchian 채널이 좁아집니다.

외환 거래자가 Donchian 채널 표시기를 사용하는 방법

Donchian 채널 지표는 명확한 강세 및 약세 신호를 제공하며 거래자는 더 나은 거래를 위해 이러한 신호를 사용합니다.

가격이 Donchian 채널을 넘어 서면 트레이더는 오래갑니다
주가가 Donchian 채널의 중간 범위를 초과하면 거래자가 길어집니다.
명확한 상승 추세에서 가격이 낮은 범위로 하락하면 거래자들은 오래갑니다.

가격이 낮은 돈 키안 채널을 지나갈 때, 거래자는 짧습니다.
주식이 Donchian 채널의 중간 범위 아래로 떨어지면 거래자가 부족합니다.
명백한 하향 추세에서 가격이 상한선으로 상승하면 거래자는 짧습니다.

아래 그림은 Donchian 채널 표시기를 사용하거나 구매 및 판매하는 방법을 보여줍니다.

Donchian 채널 표시기 사용 안내서를 사용하는 방법


Donchian 채널 표시기 및 2 개 채널을 사용하여 신호를 사고 파기

전문 외환 거래자가 사용하는 한 가지 거래 전략은 두 가지 다른 기간의 돈 치안 채널을 사용하여 출입하는 것입니다. 예를 들어, Donchian Channel의 20 번째 이슈와 Donchian Channel의 15 번째 이슈.

가격이 20주기 Donchian 채널의 상한을 초과하면 거래자는 주식을 구매합니다. 그런 다음 가격이 15 기 돈 치안 채널의 하한선 아래로 떨어지면 거래를 제거했습니다.
가격이 20주기 Donchian 채널의 하한선 아래로 떨어지면 거래자는 주식을 매도합니다. 그런 다음 가격이 15주기 Donchian 채널의 상한선 위로 올라 갔을 때 거래를 제거했습니다.

위의 전략 외에도 상인은 Donchian Channel을 MACD 표시기와 함께 사용하여 잘못된 입력 신호를 걸러냅니다. 또 다른 전략은 25 일 / 350 일 EMA (지수 이동 평균)를 추세 필터로 사용하는 것입니다. 25 일 EMA가 350 일 EMA보다 높을 때만이 거래자들은 긴 포지션을 선택할 것입니다. 마찬가지로 짧은 게재 순위는 25 일 EMA가 350 일 EMA보다 낮은 후에 만 ​​선택됩니다.

이 기사를 Donchian 채널 표시기에서 찾을 수 있기를 바랍니다. 이 지표는 좋은 위험 보상 비율로 일일 신호 및 장기 거래 기회를 발견 할 수있는 고유 한 방법을 제공합니다.

Donchian 채널 표시기의 채널을 다른 방식으로 사용할 수 있습니다. 거래 기회를 식별하고 거래량을 평가할 수도 있습니다. 적절한 외환 기금 관리 기술을 사용하고 일관된 이익을 얻기 위해 포지션 규모를 조정하십시오.

정보 출처 : ATOZMARKETS의 0x 정보에서 컴파일되었습니다. 저작권은 저작자 Samson에 속하며 허가없이 복제 할 수 없습니다


0 개 댓글

답장을 남겨주세요