이 글은 직무의 종말 서평으로, 1~3장의 내용을 담고 있습니다. 작가 최준형 님은 AI채용에 대한 연구를 해오며, 생성형 AI와 AI 채용 솔루션 활용 방법 중심으로 실무, 취업, 진로, 직업 강의를 하고 계신다. 이 책은 생성형 AI의 등장으로 직무의 종말 시대에 살고 있음을 고하며, 인간의 역할과 가치 그리고 직업과 노동의 본질에 대한 재평가를 요구하는 전환점에서 어떤, 유연한 시각을 가져야 할지 알려주는 책이다.  직무의 종말 목차 1장 - 직무 종말 시대로 향한 세기말적 현상들2장 - 전문가의 종말3장 - 직무경계의 종말4장 - 정규직의 종말5장 - AI 격차 탄생: AI디바이드6장 - 직무의 종말 시대7장 - 직무의 종말 시대에서 살아남기   1장 - 직무 종말 시대로 향한 세기말적 현상들: ..

이 글은 퍼스트파티, 서드파티, 쿠키 개념을 핵심 정리한 글입니다. 이와 더불어 고객식별 관련 추가 개념도 담고 있습니다.   퍼스트파티 vs 서드파티 개념 차이 파티 데이터는 고객 데이터를 '수집하는 주체'가 누구인가에 따라 나뉜다.따라서 파티 데이터의 종류는 다양한데, 가장 흔히 접할 수 있는 퍼스트 파티, 서드파티의 차이는 다음과 같다. 퍼스트파티(First Party data)고객의 동의를 얻어, 회사가 직접 수집하는 고객 정보 데이터, 행동데이터고객이 회사의 제품/서비스 사용 시 회사에 제공하게 되는 데이터예를 들어, 앱을 사용하기 위해 회원가입하면서 제공하게 되는 기본 정보와 앱을 사용하면서 페이지를 보거나 구매하는 등의 과정에서 쌓이는 데이터들을 의미한다. 이 과정에서 고객 A의 구매일, 찜..

이 글은 개인화와 초개인화 마케팅에 대한 차이, 사례를 핵심 정리한 글입니다.    개인화 마케팅 개인화 마케팅은 고객의 기본 정보를 바탕으로 segmentation (고객 그룹 설정) 하고, 이에 따른 그룹별 라이프 스타일, 취향, 특성 등에 맞춘 마케팅을 의미한다. '반려동물을 키우는 30대 남성/여성을 위한 제품'처럼 타깃 그룹의 특성뿐만 아니라, 고객의 이름을 활용해서도 진행되었다. 이는 초개인화 마케팅 이전의 마케팅 방법, 초석이다.    그중 오래되고 정말 익숙한 개인화 마케팅 사례로, 스타벅스의 Call My Name이 있다.아래는 2014년 2월 기사로, 스타벅스가 매장에서 고객 닉네임으로 음료를 제공하는 마케팅을 시작한다는 내용이다. 그 당시 이를 경험하고자 가입한 신규 고객수가 기존 월..

이 글은 공간 시각화(단계 구분도 Choropleth Map, 등치 지역도 Contour Map, 카토그램 Catogram Map) 개념 핵심 정리를 담고 있습니다.   공간 시각화 공간 시각화는 지도(위도, 경도)를 활용하는 직관적인 시각화 방법이다.때문에 당연한 이야기지만, 시각화하는 공간에 대한 이해가 매우 매우 중요하다. 얼마 전 진행했던 분석이 해외 데이터셋이었다.데이터들이 공간(지역)에 따라 매우 달라지는 경향이 있었는데, 지역에 대한 이해도가 낮아 분석에 어려움이 있었다.지역 정보를 얻고자, 열심히 구글링 했으나 역시 한계는 존재한다.실제로 살아보지 않았기에, 단순히 글로만 적혀 있는 지역 정보는 와닿지 않았다.예를 들어, 특정 지역이 대도시여서 교통 혼잡도가 높다는데, 대도시라면 보통 그렇..

이 글은 빅데이터 개념, 데이터의 세 가지 종류, 기존 데이터와 빅데이터의 차이 핵심 정리를 담고 있습니다. 빅데이터(Big Data) 개념 관리에 고비용이 필요하거나, 가치를 추출하기 어려운 모든 데이터를 의미 일반적인 DB SW 범위를 초과하는 규모의 데이터를 의미 방대한 양 volume(TB, PB, ZB...) + 비정형성/다양성 variety(이미지, 음성, 텍스트...) + 단기간/빠른 생산 속도 velocity + 복잡성 complexity 데이터의 세 가지 종류 정형 데이터(Structured Data) 定(정할 정) + 型(거푸집 형): 형식이나 틀이 정해져 있다. 즉, 엑셀 시트, table의 컬럼과 로우로 정해진 형식(구조)에 따라 저장되는 데이터. 이산형(숫자, 날짜) 및 짧은 텍스..

이 글은 Stickiness(고착도) 개념, 계산 방법, 예시 등 핵심 정리를 담고 있습니다.   Stickiness(고착도) 서비스/앱 재방문율 측정 지표 중 하나.밀착도, 서비스 의존율 등으로도 불림.* DAU, WAU, MAU 관련 추천 글 활성 사용자 AU 개념 핵심 정리   Stickiness(고착도) 계산 방법 Stickiness(%) = (DAU / MAU)*100 Stickiness는 DAU / MAU 혹은 DAU / WAU로 계산하지만, 주로 DAU / MAU로 계산한다.Stickiness가 100%에 가까울수록, 사용자들이 자주 방문한다고 해석할 수 있다.Stickiness가 20% 이상이라면, 좋은 신호로 해석될 수 있다.하지만 수치보다 증감을 중점적으로 봐야 한다. 이렇게 DAU, ..

이 글은 리텐션 개념 재정리, 클래식 리텐션, 롤링 리텐션, 레인지 리텐션의 개념과 특성 및 예시 핵심 정리를 담고 있습니다. 리텐션(Retention) 개념 재정리 서비스 재사용률, 재방문율을 의미활성 사용자 기준 설정 후, 무료(단순 사용자) 사용자/유료(실제 사용자) 사용자 구분해서 리텐션 비교 측정 👉 리텐션 관련 추천 글: 리텐션(Retention) 개념 핵심 정리 리텐션 측정 방법 세 가지, 클래식 리텐션(Classic Retention) 첫 방문(Day0) 이후, 특정 일을 기준으로 사용자가 재방문했는가? 에 대한 비율 측정 방법클래식 리텐션은 X-Day Retention or N-Day Retention으로도 불린다. 클래식 리텐션은 "특정 일 기준"이라는 점에서 문제가 발생한다. 만약 특..

이 글은 리텐션(Retention) 및 관련 개념의 핵심 정리를 담고 있습니다. AARRR과 리텐션 📌 AARRR(해적 지표) 5단계를 거쳐(퍼널, 깔때기 모양) 서비스가 성장한다고 보는 서비스 성장 분석 방법론 (서비스 성장 지표/서비스 성장 평가 프레임 워크) 고객 유치(Acquisition): 프로모션 등으로 새 고객 유치 단계. 사용자를 데려오는 모든 방법을 포괄 활성화(Acivation): 회원 가입, 튜토리얼 등 고객 활성화 단계(사용자를 만드는 단계) 👉 리텐션(Retention): 지속적으로 서비스를 사용하게 만드는 단계 매출(Revenue): 매출을 만드는 단계 추천(Referral): 기존 고객이 다른 고객에게 제품을 추천하는 단계 해적 지표(Pirate Metrics)로 불리기도 함 ..

이 글은 화씨와 섭씨온도 개념 및 변환 방법의 핵심을 정리해 담고 있습니다. 화씨와 섭씨 온도 개념 핵심 정리 화씨(°F, Degree Farenheit) 시작 온도/물이 어는점: 32° 끓는점: 212° 온도 범위: 32°F - 212°F 미국 및 소수 국가에서 사용 중 섭씨(°C, Degree Celsius) 시작 온도/물이 어는점: 0° 끓는점: 100° 온도 범위: 0°C - 100°C 전 세계적으로 많이 쓰는 온도 단위 화씨와 섭씨 온도 변환 방법 핵심 정리 x: 섭씨 y: 화씨 섭씨 온도 👉 화씨온도 변환: y = 1.8x + 32 화씨온도 👉 섭씨온도 변환: x = (y - 32) / 1.8

위도(Latitude)와 경도(Longitude) 및 관련 개념 핵심 정리 적도(Equator): 지구 중심을 지나며 반으로 나눈 선, 적도에서 북극과 남극은 같은 거리, 위도의 기준선(위도 0˚) 위도(Latitude, lat): 적도로부터 북쪽과 남쪽(위/아래) 위치를 나타냄 북위(North Latitude): 적도 기준, 북쪽 지역(위) 북극점(North Pole): 지구에서 가장 북쪽, 북위 90˚ 남위(South Latitude): 적도 기준, 남쪽 지역(아래) 남극점(South Pole): 지구에서 가장 남쪽, 남위 90˚ 위선(Parallel): 동쪽과 서쪽을 연결하는 가로 선 본초 자오선(Prime Meridian): 경도의 기준선(경도 0˚) 경도(Longitude, lng): 본초 자오..