PROJECT 03
BigQuery · SQL
마케팅 캠페인 분석
하루라는 시간 제한을 두고 진행한 캠페인 성과 분석입니다. 모델도 대시보드도 없이 SQL만으로, 질문을 좁히고 답을 내는 데까지만 집중했습니다. 실무에서 가장 자주 마주하는 형태의 작업이기도 합니다.
01 배경
하루 안에 답할 수 있는 질문으로 좁히기
앞선 두 프로젝트는 모두 한 달 이상이 걸렸습니다. 하지만 실무에서 받는 요청은 대부분 그렇지 않습니다. "이번 캠페인 어땠어요?"라는 질문에 그날 안에 답해야 하는 경우가 훨씬 많습니다.
그래서 이번에는 시간을 하루로 제한하고 시작했습니다. 제약이 있으니 무엇을 포기할지부터 정해야 했고, 결과적으로 질문을 좁히는 훈련이 됐습니다. "성과를 분석한다"가 아니라 "어떤 채널이 어떤 구간에서 효율이 떨어졌는가"까지 내려가야 SQL을 쓸 수 있었습니다.
02 접근
BigQuery 한 벌로 끝내기
중간에 Python으로 데이터를 빼내 가공하지 않고, 집계와 계산을 전부 BigQuery 안에서 처리하는 것을 규칙으로 삼았습니다. 데이터를 옮기는 순간 재현이 어려워지고, 다음 사람이 같은 결과를 다시 만들 수 없기 때문입니다.
윈도우 함수와 CTE로 단계를 나눠 쿼리를 읽을 수 있게 구성했습니다. 길고 중첩된 서브쿼리 하나보다, 이름이 붙은 단계 여러 개가 나중에 검증하기도 설명하기도 쉽다는 것을 이 작업에서 확인했습니다.
기존 포트폴리오 PDF에서 옮겨올 내용
이 자리에 분석의 구체적인 사양을 채워 넣으세요.
- 사용한 데이터셋 (예: Google Analytics 샘플 데이터셋 / 자체 캠페인 로그)
- 분석 대상 기간과 캠페인 범위
- 정의한 핵심 질문 2~3개
- 측정 지표 (전환율 · ROAS · CAC · 채널별 기여도 등)
- 대표 쿼리 1~2개 (핵심 로직이 드러나는 것으로)
03 결과
분석 결과
기존 포트폴리오 PDF에서 옮겨올 내용
분석으로 확인한 사실과 그로부터 나온 제안을 여기에 정리하세요. 숫자를 그대로 옮기기보다, "그래서 무엇을 하면 되는가"까지 한 문장으로 이어주면 데이터 분석가로서의 강점이 더 잘 드러납니다.
- 채널·세그먼트별 성과 비교 결과
- 가장 눈에 띈 발견 한 가지
- 그 발견에 근거한 실행 제안
04 배운 점
짧은 작업이 알려준 것
- 질문이 좁아야 쿼리가 나온다. "성과를 보자"로는 첫 줄도 못 씁니다. 어떤 단위로, 어느 기간을, 무엇과 비교할지까지 정해야 비로소 SQL이 써집니다.
- 재현 가능성은 속도를 늦추지 않는다. 데이터를 밖으로 빼지 않고 BigQuery 안에서 끝낸 덕분에, 조건을 바꿔 다시 돌리는 일이 훨씬 빨랐습니다.
- 읽히는 쿼리가 좋은 쿼리다. CTE로 단계에 이름을 붙여두니 검증도, 설명도 쉬웠습니다. 나중에 볼 사람이 나 자신일 확률도 높습니다.
- 큰 프로젝트만 경험이 되는 건 아니다. 하루짜리 작업에서도 습관은 남습니다. 오히려 제약이 있을 때 우선순위를 정하는 감각이 늘었습니다.