지표 분석

마지막 업데이트: 2022년 4월 26일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
지난번 포스트에서는 업계에서 기본적으로 사용되는 유저 관련 지표 용어에 대해 알아보았습니다. 이어서 이번 포스트에서는 광고 데이터 및 성과 지표 분석을 측정하는데 사용되는 용어를 소개하겠습니다.

지표 분석

주석 :

용어 설명은 오른쪽 상단 지표 도움말 참조

* 산업재해 현황 세부 자료는 고용노동부 홈페이지-정책자료- 정책자료실, 고용노동부 홈페이지-정보공개-공공데이터개방-주요발간자료-간행물에 게시되어 있음

- 산업재해 현황
[단위 : 명, %] 산업재해 현황 통계표 입니다. 단위는 명, % 입니다. -->
2013 2014 2015 2016 2017 2018 2019 2020 2021
전체 재해율 0.59 0.53 0.50 0.49 0.48 0.54 0.58 0.57 0.63
전년대비 재해율 증감율 0.0 -10.2 -5.7 -2.0 -2.0 12.5 7.4 -1.7 10.5
300인 미만 사업장 재해율 0.69 0.61 0.58 0.57 0.55 0.60 0.64 0.62 0.68
전년대비 300인 미만 사업장 재해율 증감율 -1.4 -11.6 -4.9 -1.7 -3.5 9.1 6.7 -3.1 9.7
사고성 사망만인율 0.71 0.58 0.53 0.53 0.52 0.51 0.46 0.46 0.43
전년대비 사고사망만인율 증감율 -2.7 -18.3 -8.6 0.0 -1.9 -1.9 -9.8 0.0 -6.5
사망자수 1,929 1,850 1,810 1,777 1,957 2,142 2,020 2,062 2,080
전년대비 사망자수 증감율 3.5 -4.1 -2.2 -1.8 10.1 9.5 -5.7 2.1 0.9
업무상 질병자수 7,627 7,678 7,919 7,876 9,183 11,473 15,195 15,996 20,435
전년대비 질병자수 증감율 2.1 0.7 3.1 -0.5 16.6 24.9 32.4 5.3 27.8

출처 :

고용노동부,「산업재해 현황분석」 * 통계공표시기 : 분기 자료는 익익월 말일경, 년 자료는 익년도 4월 말일 경

주석 :

용어 설명은 오른쪽 상단 지표 도움말 참조

* 산업재해 현황 세부 자료는 고용노동부 홈페이지-정책자료- 정책자료실, 고용노동부 홈페이지-정보공개-공공데이터개방-주요발간자료-간행물에 게시되어 있음

국가통계포털(KOSIS)

○ 통계표 목록

  • 기본통계표: 산업재해 현황 ( Q , 200301 ~ 202104 )
  • 기본통계표: 산업재해 현황 ( Y , 1998 ~ 2021 )
  • 참고통계표: 산업별 산업재해 현황 ( Q , 200601 ~ 202104 )
  • 참고통계표: 산업별 산업재해 현황 ( Y , 1998 ~ 2021 )
  • 참고통계표: 규모별 산업재해 현황 ( Q , 200601 ~ 지표 분석 202104 )
  • 참고통계표: 규모별 산업재해 현황 ( Y , 1998 ~ 2021 )

■ 산업재해통계의 개념

ㅇ 산업재해통계는 근로자가 업무와 관련하여 사망 또는 부상을 입거나 질병에 걸린 근로자(재해자)를 집계한 것임

- '14.6.30.까지 발생한 재해: 사망 또는 4일 이상의 요양을 요하는 부상을 입거나 질병에 걸려 근로복지공단에 최초 요양(유족)신청서를 제출한 재해자 중 요양(유족) 승인이 된 재해와 지방고용노동관서에 보고된 재해자(산재 미보고 적발 재해 포함)를 기준으로 집계

- '14.7.1.부터 발생한 재해: 사망 또는 4일 이상의 요양을 요하는 부상을 입거나 질병에 걸려 근로복지공단에 최초 요양(유족)신청서를 제출한 재해자 중 요양(유족) 승인이 된 재해(지방고용노동관서 산재 미보고 적발재해 포함)를 기준으로 집계

ㅇ 산업재해통계에는 재해자수, 재해율, 사망자수, 사망만인율 등 여러 지표가 사용됨

* 지표종류 및 정의는 "관련 용어"를 참조

■ 산업재해통계의 의의 및 활용도

ㅇ 사업의 종류, 규모 및 유형별 산업재해 발생현황을 파악하여 정부정책의 실효성 여부를 검증하고 향후 효과적인 산업

■ 재해율 등 각종 지표의 해석방법

ㅇ 재해율 등 각종 지표의 수치가 낮을수록 산업안전보건정책과 이에 따른 각종 사업의 산업재해예방 효과가 높음

  • 국가채권추이 의미분석 : e-나라지표

ㅇ 재해율은 1998년 이후 전반적으로 증가추세를 보이다, 2004년부터 감소추세에 있으며, 2021. 12월말 현재 재해율은 0.63%로 전년 동기 대비 0.06%p 증가

ㅇ 300인 미만 사업장 재해율은 증가와 감소를 반복하다가 2004년부터 감소추세에 있으며, 2021. 12월말 현재 300인 미만 사업장 재해율은 0.68%로 전년 동기 대비 0.06%p 증가

ㅇ 업무상사고 사망만인율은 2012년 이후 계속 감소추세를 보였으며, 2021. 12월말 현재 0.43으로 전년 동기 대비 0.03p 감소

ㅇ 전체 사망자수는 2021. 12월말 현재 2,080명으로 전년 동기 대비 18명(0.9%) 증가

ㅇ 사고사망자수는 2021. 12월말 현재 828명으로 전년 동기 대비 54명(6.1%) 감소

ㅇ 질병재해자수는 2021. 12월말 현재 20,435명으로 전년 동기 대비 4,439명(27.8%) 증가

* 각국마다 통계 산출방법, 적용범위, 산업분포, 업무상재해 인정범위 등이 상이하여 단순 비교는 곤란

ㅇ 재해율 등 전반적인 재해 관련 지표는

- 외환위기이후 경기회복세로 인한 제조업 가동율과 건설 수주액 증가, 안전보건규제 완화, 사업장내 안전보건관리조직의 약화, 2003년부터 5인 미만 사업장 산업안전보건법 적용 확대와

- 고용환경 변화에 따른 비정규직, 외국인, 고령근로자 등 산재취약계층의 증가 등에 기인하여 1998년 이후 2004년까지 증가

- 그러나, 2001년부터 실시한 50인 미만 제조사업장에 대한 클린사업 등 재정.기술지원사업과, 2004년부터 실시한 사망재해예방대책 등의 효과가 나타나면서 2004년 이후 감소추세로 반전

■ 미래 예측 및 향후 정책방향

ㅇ 산업구조 및 고용환경의 변화 등으로 비정규직.외국인.고령.여성 등 산재취약계층 근로자의 증가와 소규모사업장에 대한 대기업의 하도급 증가 등 재해유발 요인은 지속 증가할 전망

ㅇ 재해다발위험에 대한 집중 관리 등 산재취약계층에 대한 실효성있는 예방정책.사업을 개발, 행정 역량을 집중

- 재해예방기관간 역할과 기능 재정립을 통한 예방사업의 재해감소 효과 극대화 추진

- 산업 및 고용환경의 변화에 따른 새로운 재해유발 요인에 대한 예방기술 개발과 예방 법제 개선

  • ㅇ 산재요양 승인된 자료를 토대로 분석한 결과임에 유의
    ㅇ 연도별 산업재해현황 통계표 상의 사망자수, 사고성사망만인율은 1998~2001년 자료와 2002년 이후 자료의 산출기준이 서로 달라 자료 비교 불가
    * 산출기준은 용어 정의의 설명을 참조

ㅇ 연도별 산업별 산업재해현황, 연도별 규모별 산업재해현황 통계표상의 사망자수, 사망만인율, 사고사망자수, 사고사망만인율은 1998~2010년 연도자료와 2011년 이후 자료의 산출기준이 서로 달라 자료 비교 불가

ㅇ 분기별 산업재해현황 통계표 상의 사망자수, 사망만인율, 사고사망자수, 사고사망만인율은 2003.1/4분기~2010.4/4분기 자료와 2011.1/4분기 이후 자료가 산출기준이 서로 달라 자료 비교 불가
ㅇ 분기별 산업별 산업재해현황, 분기별 규모별 산업재해현황 통계표 상의 사망자수, 사망만인율, 사고사망자수, 사고사망만인율은 2006.1/4분기~2010.4/4분기 자료와 2011.1/4분기 이후 자료의 산출기준이 서로 달라 자료 비교 불가

지표 분석

웹진.jpg

○ '주요산업동향지표'는 산업동향 관련 핵심 통계자료집으로 연 2회 오프라인으로 발간되고 있습니다. 산업통계 수요자들에게 선호도 높은 산업동향 관련 통계를 선정하여 산업연구와 미시정책 개발에 널리 활용될 수 있도록 제공하고 있으며, '주제별 통계', '산업별 통계', '글로벌 여건변화' 로 구성되어 있습니다.

○ '주제별 통계'는 11개 분류, 80여 개 항목으로 다양하게 구성되어, 생산, 고용, 수출입 등 국민경제의 흐름을 미시적 산업 수준에서 파악할 수 있게 되어 있습니다.

○ '산업별 통계'에서는 전체 산업을 40개 제조업, 20개 서비스업으로 세분화하여 제조업은 37개 지표, 서비스업은 16개 지표의 내용을 일관된 시계열에 따라 제시하고 있습니다.

○ '글로벌 여건변화'는 산업동향과 관련된 국가별 통계를 8개 주제로 편성하여 보여주고 있습니다.

○ 산업·통상·자원 주요통계집은 산업통상자원부에서 연 총 4회 발간되는 포켓북 형식의 통계집입니다.

○ 분기별 (3월, 6월, 9월, 12월)로 정기 발간되고 지표 분석 정책입안자의 통계정보 활용을 제고하는 것을 목적으로 합니다.

○ 제조업 매출(98)은 2분기 연속 100 하회, 전분기 대비 상승 전환
- 내수(96)가 전분기와 달리 상승하고, 수출(100)도 기준치를 회복하는 한편, 투자(102)는 4분기 연속 100을 웃돌고, 고용(100)이 6분기 만에 하락

○ 매출 전망치(96)는 4분기 만에 100 하회, 전분기 대비 하락 전환
- 내수(97)와 수출 전망치(98)가 모두 4분기 만에 100 밑으로 하락하고, 투자(101)는 소폭 하락한 반면에, 고용(104)은 전분기와 달리 상승 전환

□ 2021년 4분기 매출 현황

○ ICT부문과 대·수출기업 100 상회, 대다수 유형에서 상승 전환
- 산업 유형별로는 ICT부문(101)에서, 기업 유형별로는 대기업(109)과 수출기업(102)에서 100을 웃도는 가운데 전분기 대비 기준으로는 ICT부문을 제외한 대부분의 유형에서 전분기와 달리 상승 전환

□ 2022년 1분기 매출 전망

○ 신산업 제외한 나머지 전 유형 100 하회, 전분기 대비 하락세
- 산업 유형별 기준에서 신산업(100)을 제외한 나머지 부문들과 기업 유형별 기준의 모든 기업에서 100을 밑도는 것으로 나타나고, 전분기 대비로도 전 유형에 걸쳐서 동반 하락세를 시현

□ 2021년 4분기 매출 현황

○ 반도체·무선통신기기·정유에서 100 상회, 대부분 업종 상승 전환
- 반도체(103)와 무선통신기기(104), 일반기계(100), 정유(114) 등의 업종들을 제외하고는 여전히 100을 밑도는 업종들이 많지만, 전분기 대비로는 반도체와 바이오/헬스를 제외하고 대부분 업종들이 상승 전환

□ 2022년 1분기 매출 전망

○ 대다수 업종 100 하회 유지, 전분기 대비로도 대부분 하락 지속
- 반도체(100)와 바이오/헬스(100), 이차전지(100) 등 일부 업종들을 제외하고 100을 밑도는 업종들이 대부분인 가운데 전분기 대비로도 디스플레이(94)와 조선(90) 등을 제외하고는 대부분 하락세

○ 국내 제조업의 2022년도 연간 전망 BSI가 시황과 매출이 동반 100을 웃돌고, 전년도 전망치(시황 99, 매출 103)보다 상승하면서 회복 기대감을 시사
○ 유형별 매출은 산업별 기준에서 신산업과 ICT부문을 중심으로 100을 상당폭 웃돌고, 기업별 기준에서도 전년도와 달리 모든 유형에서 100을 동반 상회
○ 업종별로는 이차전지 등 신산업과 일반기계 등 기계부문의 전 업종들을 비롯해 반도체 등 ICT 다수 업종들과 정유·화학 등에서 매출 증가를 기대하고, 디스플레이·철강·섬유 등은 매출 감소 우려

성공적인 RPA 운영을 위한 분석 지표: KPI 설정 안내서

오늘날 사람들이 일하는 모습을 10 년 전과 비교해 보면 , 그 방식이 상당히 다르다는 것을 알 수 있습니다 . 10 여년 전만해도 오류로 인해 처리하지 못한 송장의 개수를 확인하려면 담당자가 직접 송장 담당자를 찾아가야 했죠 . 반면 요즘의 디지털 세상에서는 약간의 노력으로도 필요한 해답을 찾을 수 있습니다 .

로봇은 말을 할 수 없습니다 . 하지만 비즈니스 성공에 핵심이 되는 정보를 풍부하게 보유하고 있죠 . 그렇다면 여러분은 로봇이 가진 이 정보를 어떻게 볼 수 있을까요 ? 그것은 바로 ‘ 분석 ’ 입니다 . 분석은 마치 로봇 에 목소리를 달아주는 것과 같습니다 . 우리는 로봇에 질문하고 로봇은 분석을 통해 대답합니다 . 우리는 그 답변을 바탕으로 의사 결정을 할 수 있게 되는 것이죠 .

여기서 문제는 모든 RPA(Robotic Process Automation) 이해 관계자가 성공을 다르게 정의하고 각기 다른 측정 항목 세트를 사용한다는 것입니다 . 일반적으로는 다음 두 가지와 관련한 질문을 받으셨을 겁니다 .지표 분석

🔸운영 인사이트는 RPA 자체의 실행과 관련된 정보를 제공합니다 . 얼만큼의 시간 절약을 했는지 또는 얼마나 비용 절감을 했는지는 포함하지 않습니다 . 운영 인사이트의 예로는 “ 지난 주에 로봇이 몇 시간 동안 일했는지 ” 와 같은 것이 있습니다 .

🔸비즈니스 인사이트는 RPA 배포나 운영 중 발생한 것을 회사나 비즈니스에 유용한 결과와 연관하여 보여줍니다 . 비즈니스 인사이트의 예로는 " 가장 소중한 고객은 누구입니까 ?" 와 같은 질문이나 " 송장이 총 몇 개나 처리되었습니까 ?" 와 같은 것이죠 .

좀 더 체계적이고 정확하게 비즈니스의 성공을 측정하고자 하시는 분들이라면 오늘 소개해드릴 포스트가 도움이 될 텐데요 . 지금부터 자동화 전략의 성공을 측정 , 공유 및 표현하는 데 도움이 되는 몇 가지 KPI( 핵심 성과 지표 ) 및 인사이트에 관해 이야기 해보겠습니다 .

Image_UiPath_성공적인 RPA 운영을 위한 분석 지표 KPI 설정 안내서(2)

주요 운영 인사이트부터 살펴볼까요?

오류

현실적으로 살펴봅시다 . 로봇은 인간과 같이 쉬는 시간이 필요한 것은 아니겠지만 , 만약 통제할 수 없는 장애물에 막히기라도 하면 완벽하게 작동할 수 없습니다 . 로봇은 애플리케이션이 유지보수 중이거나 작동하지 않는 경우 프로세스를 완료하지 못하게 되죠 . 이와 같이 예기치 못한 장애물이 발생하는 경우 , 오류와 그 원인을 추적하는 것이 중요합니다 . 시간이 지남에 따라 오류가 발생했던 원인을 되돌이켜 보면 , 오류가 발생하는 패턴을 찾아내고 필요한 조치를 취할 수 있습니다.

활용도

일의 할당량 계획을 위해서는 로봇이 하루에 몇 시간을 일하는지 추적하는 것이 중요합니다 . 로봇 활용도는 로봇이 더 열심히 일할 수 있을 지 아니면 반대로 로봇에게 너무 많이 요구하는 것은 아닌 지를 보여주기 때문인데요 . 24 시간을 기준으로 하루에 언어텐디드 로봇 이 일하는 시간과 사람이 어텐디드 로봇 과 함께 일하는 시간이 얼마나 되는지 궁금할 겁니다 . 활용도가 어떻게 되는지 알고 싶을 땐 몇 가지 체크포인트를 활용하는 것이 좋습니다 .

🔸 (모든 로봇이 ) 하루 평균 근무한 시간

🔸 하루에 특정 시간 동안 근무한 시간

🔸 활용도가 높거나 혹은 낮다고 생각되는 특정 로봇이 하루에 근무한 시간

  • 일일 활용률이 낮다는 것은 로봇이 더 많은 작업을 수행할 수 있다는 것을 뜻하지만 , 일일 활용률이 높다면 밀린 자동화 업무가 있는지 확인해봐야 합니다 . 활용률이 높다면 워크로드를 분산시키기 위해 로봇을 더 추가해야 합니다 .
  • 성공률
  • 당연한 얘기지만 , 실패한 자동화는 쓸모가 없죠 . 그렇기 때문에 성공률을 추적하는 것이 매우 중요합니다 ! 대부분이 약 90% 의 성공률을 목표로 할 텐데요 . 놀랍고 반 직관적인 것처럼 보이지만 100% 에 가까운 성공률은 일부 오류가 정확히 추적되지 않았음을 의미할 수 있습니다 .
  • 지속 기간
  • 성공률과 유사하게 사람들은 프로세스 지속 기간에 대해서도 오해를 할 때가 있는데요 . 프로세스가 빠르게 실행되는 것을 지켜보는 것은 만족스럽지만 , 런타임이 짧으면 자동화에 문제가 있는 것은 아닌지 살펴봐야 합니다 .

주의해야 할 다른 측정 항목에는 생산성 , 처리량 , 예외 프로세스 , 처리된 대기열 트랜잭션 및 트랜잭션 평균 처리 시간도 있습니다 .

위의 측정 항목을 추적하는 것에 문제가 없으면 운영 결과를 비즈니스 성과에 연결 지을 수 있습니다 . 그럼 이제 몇 가지 중요한 비즈니스 측정 항목을 운영 측정 항목과 동일한 방식으로 세분화 해보겠습니다 .

비즈니스 측정 항목

ROI

앞서 말씀 드린 대로 RPA ROI 는 시간 절약 측면과 비용 절감 측면 , 최소한 이 두 가지 관점에서 살펴볼 수 있는데요 . 로봇은 힘든 수작업을 몇 분 , 심지어 몇 초 만에 끝낼 수 있죠 . 로봇이 얼마나 효율적으로 일하는 지 성과를 보여주기 위해서는 , 로봇이 수행한 업무와 동일한 업무를 사람이 수동으로 수행했을 때 걸리는 시간을 기록해두는 것이 중요합니다 . 이렇게 하면 자동화로 절약된 시간을 쉽게 계산해볼 수 있습니다 . 직원의 시간에 금전적 가치를 부여함으로써 재정적으로도 절약 효과 결과치를 얻을 수도 있습니다 . 대부분의 작업이 시간당 임금으로 계산되므로 , 비교하기 쉽도록 시간 단위로 유지하면 계산이 용이합니다 . ROI 에 대한 자세한 내용은 RPA 및 ROI 수수께끼 를 통해 확인할 수 있습니다 .

프로세스 성과

RPA는 사람이 수행하던 반복적인 작업을 없애는 데 사용되므로 로봇이 비즈니스에 어떤 성과를 제공하는지 아는 것이 가장 중요합니다 . 모든 자동화는 무언가를 달성하도록 설계되었기 때문에 최종 목표를 인지하고 정의하는 것이 중요한 것이죠 . 이것은 여러분이 RPA 를 사용하거나 RPA 결과를 적용하기 전에도 계속 추적하던 측정 항목들입니다 .

명심할 것은 추적하는 모든 측정 항목 이 운영 측면이든 비즈니스 측면이든 의문점에 대한 답변을 줄 수 있어야 한다는 것입니다.

대기열 과 로그 는 운영 측정 항목과 비즈니스 측정 항목을 모두 추적하는 데 가장 적합한 도구입니다 . 대기열이 구조화되는 방식으로 인해 각 트랜잭션을 처리하는 데 걸리는 시간과 같은 표준 정보를 저장하고 동시에 비즈니스 변수를 저장할 수도 있기 때문입니다 .

대기열을 사용하면 처리된 항목 수를 매우 쉽게 추적할 수 있을 뿐만 아니라 우선순위 및 마감 시간 설정을 위한 메커니즘도 제공합니다 . 즉 , 높음 , 보통 또는 낮음 같은 우선순위나 트랜잭션을 처리해야 하는 시간을 지정하여 서비스 수준 계약 (Service Level Agreements, SLA) 을 충족할 수 있습니다 . 그런 다음 정시에 처리된 항목과 그렇지 않은 항목을 기록하여 이러한 SLA 를 계속 확인할 수 있습니다 .

마지막으로 , UiPath 는 분석의 미래에 대한 정말 흥미로운 내용을 발표했는데요 . 자세한 내용은 아래 링크를 통해 확인할 수 있습니다 .

지표 분석

Changes in the Health Indicators of Hospital Medical Residents During the Four-Year Training Period in Korea

Changes in the Health Indicators of Hospital Medical Residents During the Four-Year Training Period in Korea

레지던트의 근무 환경을 개선하기 위해서는 저연차 때의 과중한 업무량을 줄여야 한다는 지적이 나왔다.

연구팀은 화순전남대병원에서 지난 2007년부터 2013년까지 근무한 699명의 레지던트 중 남성 457명을 대상으로 4년 동안의 건강검진 자료를 분석했다. 여성은 건강에 영향을 미치는 요인인 임신, 출산 등의 정보를 얻지 못해 대상에서 제외됐다.

457명 중 외과에서 근무하는 레지던트가 188명(41.1%)이었으며, 내과 199명(43.5%), 핵의학과·영상의학과·마취통증의학과 등 임상지원부서는 70명(15.3%)이었다.

근무 시간으로 나눴을 때 주당 80시간 이상 근무하는 레지던트가 323명(70.7%), 80시간 미만은 134명(29.3%)이었다.

Comparison of changes in the health indicators during four-year medical resident training period(Changes in the Health Indicators of Hospital Medical Residents During the Four-Year Training Period in Korea, JKMS)

Comparison of changes in the health indicators during four-year medical resident training period(Changes in the Health Indicators of Hospital Medical Residents During the Four-Year Training Period in Korea, JKMS)

연구 결과, 근무 기간 동안 레지던트의 건강이 점점 악화된 지표 분석 것으로 나타났으며, 특히 2년차 때 건강이 급격하게 나빠진 것으로 조사됐다.

레지던트 4년차를 대상으로 진행한 건강검진 결과와 첫 해의 검사 결과를 비교했을 때, 체질량지수(BMI), 이완기혈압(DBP), 간 기능과 연관된 아스파테이트 아미노 전달효소(AST)·알라닌 아미노 전이효소(ALT)·감마 글루타밀 전이효소(γ-GTP), 총 콜레스테롤(TC) 수치가 유의하게 증가했다.

특히 2년차 때 BMI, ALT, γ-GTP, TC 수치가 모든 연차에 걸쳐 가장 높은 증가율을 보였다.

건강행태를 분석했을 때, 레지던트 2년차 때 흡연·음주 비율이 각각 21%, 85.8%로 가장 높았으며, 이후 점점 감소하는 경향을 보였다. 규칙적으로 운동하는 비율도 1년차 35.7%에서 4년차 68.5%로 증가했다.

연차가 올라갈수록 근무시간이 줄어 그만큼 건강에 투자하는 시간이 늘어났다는 게 연구팀의 설명이다.

전공과 별로는 외과 레지던트의 BMI, DBP, AST, ALT, γ-GTP, TC 수치가 다른 과보다 높은 것으로 나타났다.

연구팀은 “이번 연구 결과는 우울증, 스트레스 등 심리적 요인과 식습관을 고려하지 않았으며, 여성은 제외됐다는 점에서 한계가 있다”면서도 “객관적인 건강지표를 통해 레지던트의 건강 변화를 조사한 국내 첫 연구라는 데 의미가 있다”고 말했다.

연구팀은 “연차가 높아질수록 근무시간이 줄고 교육시간이 늘어나며 운동시간도 함께 증가한 것으로 나타났다”며 “저연차 레지던트의 과중한 업무량을 덜기 위한 노력이 필요하다”고 했다.

이어 “현재 전공의특별법이 시행되고 있지만, 여전히 법과 현실 간 괴리가 있다는 지적이 있다”며 “환자뿐 아니라 레지던트의 건강이 중요하다는 인식의 전환이 필요하다”고 말했다.

[알아두면 쓸모있는 모바일 마케팅 용어사전] Part 5. 데이터 및 성과 지표 분석 용어

지난번 포스트에서는 업계에서 기본적으로 사용되는 유저 관련 지표 용어에 대해 알아보았습니다. 이어서 이번 지표 분석 포스트에서는 광고 데이터 및 성과 지표 분석을 측정하는데 사용되는 용어를 소개하겠습니다.

✔ 광고 수익 (Ad Revenue): 광고 수익은 앱이 인앱 광고에서 창출하는 매출입니다. 앱 광고 수익은 광고 노출 수를 eCPM에 곱하여 계산합니다.

광고 수익 = 노출 수 * eCPM

앱 개발자들은 ARPDAU, ARPU, ARPU 등 여러 앱 지표에 의존하고 있으며, 이러한 지표들 외에도, 앱 개발자들은 모바일 동영상 광고 수익과 보상형 동영상 광고 수익 전략의 비교를 위해 이런 지표들을 사용합니다.

✔ 클릭 수 (Click): 클릭 수는 등록한 광고가 설정한 모든 매체에 클릭된 횟수를 의미합니다.

✔ 클릭률 (CTR; Click Through Rate): 클릭률은 광고를 본 유저들이 얼마나 자주 클릭하는지 나타내는 비율을 말합니다. 광고의 클릭 수를 노출 수로 나누어 백분율로 표시한 값을 의미합니다. CTR이 높을수록 광고의 효과가 좋을 수 있습니다. 예를 들어, 광고가 특정 기간동안 1,000회 노출되고, 3번 클릭되었다면 CTR은 0.3%가 됩니다.

✔ 노출 수 (Impression): 노출 수는 광고가 유저에게 보여지는 횟수를 말합니다. 광고 노출 수는 앱 내에서 광고가 노출될 때마다 계산됩니다. 여기서, '노출 수'와 '클릭 수'를 혼동하는 경우가 많은데, 디지털 마케팅의 노출 수는 광고주와 개발자에게 유저 광고 시청 횟수를 알려줍니다. 즉, 광고 노출은 광고가 얼마나 클릭되었는지에 따라 결정되지 않습니다. 개발자는 eCPM에 의해 측정되는 지표 분석 1,000회 광고 노출 때마다 비용을 지불합니다.

✔ 도달률 (Reach): 도달률은 특정 광고 캠페인 중 최소 1회 이상 노출된 타겟 유저의 비율(%)을 말합니다. 도달률의 경우 타겟 유저에게 도달된 비율을 계산하므로 광고가 여러 번 노출되었더라도 한 번으로 계산합니다.

✔ 리드 (Lead): 리드는 잠재고객을 뜻합니다. 쉽게 말해 앱이나 광고에 관심이 있는 유저, 즉 ‘관심 고객’을 말하는 용어라고 할 수 있습니다. 광고 노출 수와 도달률을 높이는 것도 중요하지만 리드를 많이 만들어 잠재 고객을 확보하는 것도 앱 수익화에 필수적입니다.

✔ 필레이트 (Fill Rate): 필레이트는 F/R이라고 표기하며, 광고 요청 대비 실제 노출한 광고 비율을 말합니다. 총 광고 노출수에서 총 광고 요청 수를 나눈 값입니다. 필레이트가 100%에 가까울수록 광고 노출이 잘되었다고 볼 수 있습니다.

✔ 참여율 (Engagement Rate): 참여율은 인앱 광고 참여 유저와 활성 유저의 비율입니다. 즉, 참여율은 앱에서 광고에 적극적으로 참여하는 유저의 비율을 말합니다. 참여율은 참유 유저에서 총 활성 유저를 나눈 값입니다.

✔ 전환율 (CVR; ConVersion Rate): 전환율은 인앱 광고를 통해 앱으로 유입된 유저가 광고주가 원하는 특정 작업을 한 유저의 비율입니다. 전환율은 광고 성과를 파악하는 주요 지표로 광고주에게 광고를 전환한 유저 수를 알려줄 수 있습니다. 예를 들어, 광고가 100회 클릭되었고, 전환이 10회 발생했다면 전환율은 지표 분석 10%입니다. 전환은 가격 모델에 따라 달라지는데, 예를 들어 설치당 비용 캠페인에서 전환은 앱 설치로 측정되고, 참여당 비용 캠페인에서는 전환이 참여율에 따라 측정됩니다.

✔ 1,000회 노출당 설치 수 / 노출 수 대비 설치율 (IPM; Installs Per Mille): 지표 분석 IPM은 1,000회 광고 노출당 앱 설치 수를 추적하는 데 사용되는 지표입니다. 앱에서 신규 유저를 유입하는 것을 목표로 하는 유저 유입 전략의 일부로 종종 사용됩니다. 향상된 IPM은 eCPM을 활성화하여 애드 네트워크 워터폴에서 광고 캠페인의 순위를 높일 수 있습니다. 결과적으로 광고 노출 수 및 설치 수가 증가될 수 있습니다. IPM을 증가하는 방법으로는 광고 소재 최적화, 앱 스토어 최적화, 유저 목록 활용, 부정 광고 방지 등 여러 가지가 있습니다.

✔ 투자 대비 수익률 (ROI; Return On Investment): 투자 대비 수익률은 투자 지출 대비 비즈니스 성과를 파악하기 위해 활용하는 지표입니다. 주로 순이익 비율을 파악하고자 할 때 사용되며, ROI가 높을수록 수익성이 크다는 것을 의미합니다. ROI를 측정하기 위해서는 투자 비용(Investment)과 성과 및 부가가치(Return) 분석이 함께 필요합니다.

✔ 광고 비용 대비 수익률 (ROAS; Return On Ad Spend): 광고 비용 대비 수익률은 광고나 마케팅 지출의 효율성과 성과를 측정을 위한 지표입니다. 집행하고 있는 광고 캠페인에서 발생하는 수익과 광고 캠페인에 지출된 비용을 나누어 계산합니다. 일반적으로 모바일 유저 유입 캠페인의 경우, 해당 수익은 인앱 구매 또는 광고 캠페인을 통해 유입된 유저로부터 나온 광고 수익을 보고 계산합니다. 유저 잔존율 및 광고 수익과 같은 다른 앱 지표와 일치하는 ROAS는 광고 실적이 양호함을 나타냅니다. 예를 들어, 보상형 동영상 광고 및 플레이어블 광고와 같은 광고 단위를 결합하면, 높은 ROAS로 이어질 수 있는데, 이는 광고를 통해 유입된 유저가 설치하기 전에 플레이어블 광고를 통해 앱을 먼저 테스트해볼 수 있으므로 장기적으로는 인앱 구매를 하거나 광고를 볼 가능성이 높기 때문입니다.

✔ 핵심 성과 지표 (KPI; Key Performance Indicator): 핵심 성과 지표는 캠페인 목표 달성을 측정하기 위해 설정하는 주요 지표입니다. 광고 매출이나 이익처럼 과거 실적을 나타내는 지표가 아니라, 미래 성과에 영향을 주는 여러 핵심 지표를 묶은 평가 기준을 말합니다. 광고 KPI는 광고별 클릭률이나, 유입페이지, 검색 키워드와 같은 요소가 있습니다.

✔ 자연 유입된 설치 수 (Organic Installs): 자연 유입된 설치 수는 앱 스토어에서 적극적으로 검색하거나 입소문을 통해 유저 자체적으로 앱 설치를 선택한 지표 분석 결과로 발생하는 설치 수입니다. 자연 유입 설치는 모바일 광고 캠페인으로 인한 것이 아니지만, 광고 캠페인을 통해 앱 인지도가 높아지면서 자연 유입 설치를 증가시키는 간접 효과의 영향도 있습니다. 자연 유입된 유저는 비교적 적극적인 경향이 있으므로 앱 잔존율이 높기 때문에 자연 유입 설치를 높이는 것이 중요합니다.

✔ 초대된 유저 (K-Factor): K-Factor는 기존 유저가 주위 사람들에게 앱을 추천하여 신규 유저로 앱에 유입된 유저를 말합니다. 예를 들어, 10명의 기존 유저가 각각 10명을 초대했다면 K-factor은 10이 됩니다. 이는 앱의 성장률을 나타내는 지표로서 기존 유저가 얼마나 많은 신규 유저를 앱으로 유입시키는지 측정하여 현재 유저가 다른 사람들과 앱을 공유할 수 있는 바이럴 규모 및 인센티브의 효과에 대한 통찰력을 제공합니다. K-factor이 클수록 바이럴로 유입된 유저의 양이 많다는 것을 알 수 있습니다. K-factor와 LTV가 높다면 CPI (Cost Per Install)나 CPA(Cost Per Action)형식의 광고로 초반 유저를 확보한 후 유입된 유저의 바이럴 활동을 통한 마케팅 전략을 구상해 볼 수 있습니다.

✔ 코호트 분석 / 동질 집단 분석 (Cohort Analysis): 코호트 분석은 앱 개발자들이 시간에 따른 유저 행동을 추적하고 연구할 수 있도록 하는 도구입니다. '코호트'란 특정 그룹으로 특정 기간동안 비슷한 유저 성격이나 경험을 가지는 유저 그룹입니다. 예를 들어, 같은 날에 앱을 실행한 유저나 앱을 설치한 유저들의 일주일동안 방문률 등이 있습니다. 앱 개발자들은 유저 행동은 분석함으로써 인앱 광고 및 유저 참여 전략에 대한 데이터 중심의 의사 결정을 보다 쉽게 내릴 수 있습니다.

✔ 퍼널 분석 (Funnel Analysis): 퍼널 분석은 유저가 유입되고 전환에 이르기까지의 주요 단계를 수치로 확인하는 것입니다. 보통 단계별 분석이나 깔때기 분석이라고도 많이 부릅니다. 이때, '퍼널'이란 소비자의 행동을 기업관점에서 재구성한 것으로 유저가 구매할 때 거치는 일정한 단계(인지-친숙-고려-구매-충성)를 깔때기 혹은 퍼널이라 부릅니다. 퍼널 분석은 깔때기의 꼭지점(마케팅의 목표 지점)까지 유저를 데려오는 과정을 설계하고 최적화하는 것입니다. 예를 들어, 광고 캠페인을 진행한다면 유저가 광고 배너를 클릭하고 앱을 설치하여 인앱 구매를 하는 전 단계에서 수 많은 유저 이탈이 발생합니다. 광고가 수 천만명의 유저에게 지표 분석 노출되어도, 단계마다 50%씩 빠져나간다면 고작 7-8명의 유저만이 남게 됩니다. 퍼널 분석를 통해 유저 이탈 기회를 최소화시키는 것이 광고 캠페인 최적화라고 할 수 있습니다.

✔ 딥 링크 (Deep Link / Deep Linking): 딥 링크는 하이퍼링크 또는 딥 링크 URL을 통해 유저를 특정 페이지로 이동할 수 있는 링크를 말합니다. 쉽게 말해 딥 링크는 앱 환경 외부에서 앱 내부의 특정 페이지로 바로 랜딩될 수 있도록 특정 앱 컨텐츠에 하이퍼링크를 제공하는 것을 의미합니다. 앱을 설치하지 않은 유저도 앱의 특정 페이지로 바로 이동할 수 있어 불편함을 없애 유저가 이동하는 과정 중 이탈할 확률을 줄여줄 수 있도록 합니다.

✔ 포스트백 (Post-back): 포스트백은 앱에서 발생한 광고 성과 및 수집된 데이터를 퍼블리셔에게 전달하는 것을 의미합니다. 퍼블리셔(광고 매체사)는 포스트백 받은 정보를 광고 운영에 활용하는데, 이를 통해 최적화된 광고 집행, 리타겟팅 광고 등을 진행할 수 있게 됩니다. 광고주 입장에서는 모바일 광고 시 성과를 파악하기 위해서는 각 퍼블리셔에 제공하는 SDK를 앱에 설치해야 하는데 이러한 번거로움을 중간에서 해결해주는 포스트백과 같은 트래킹 솔루션들이 등장하였습니다.

✔ 리퍼러 / 유입 경로 / 방문 경로 (Referrer): 리퍼러는 유입 경로로, 유저가 앱을 실행하면 설치된 유입 경로를 말합니다. 하이퍼링크를 통해서 각각의 사이트로 방문시 남는 흔적으로 앱을 설치하고 실행하기 직전 유입 경로의 흔적을 말합니다. 예를 들어, A라는 앱에 B 앱으로 이동하는 하이퍼링크가 존재할 때, 유저가 그 링크를 클릭하여 B 앱으로 이동하면 리퍼러를 전송하게 됩니다. B 앱에서는 이 전송된 리퍼러를 보고 유저가 A 앱을 통해 방문했다는 것을 알 수 있습니다.


0 개 댓글

답장을 남겨주세요