사용자 동작은 5W2H 로 요약할 수 있습니다.
누구 (누구), 무엇 (무슨 행동), 언제 (언제), 어디서 (어디서), 왜 (목적이 무엇), 어떻게 (어떤 수단을 통해), 얼마나 (얼마나 오래 걸렸는지, 얼마나 썼는지).
사용자 행동 분석은 이 데이터에 대한 통계 및 분석을 통해 사용자가 제품을 사용하는 법칙을 찾아내고, 이러한 규칙과 웹 사이트의 마케팅 전략, 제품 기능, 운영 전략을 결합하여 마케팅, 제품, 운영에서 발생할 수 있는 문제를 파악하는 것입니다. 이러한 문제를 해결하면 사용자 경험을 최적화하고, 보다 정확한 운영 및 마케팅을 실현하며, 제품을 더 잘 성장시킬 수 있습니다.
둘째, 왜 사용자 행동 분석이 필요한가?
PC 인터넷 시대에는 네티즌의 연간 성장률이 50% 에 달했고, 마음대로 웹사이트를 만들면 대량의 트래픽을 얻을 수 있었다. 모바일 인터넷 초기에 APP 는 한 고객의 비용을 1 위안 미만으로 받는 트래픽 배당금을 경험했습니다. 최근 몇 년 동안, 유량 증가 배당금이 사라지면서 경쟁이 갈수록 치열해졌다. 각 분야마다 수백 개의 동업자 경쟁이 있고, 수주 비용이 감당할 수 없을 정도로 치솟고, 비즈니스 성장이 더욱 느려지거나 퇴보하고 있다.
그림: 인터넷 업계의 경쟁이 갈수록 치열해지고 있다.
이러한 고비용, 경쟁이 치열한 환경에서 기업이 데이터 분석을 사용하여 운영을 구체화할 수 없다면 막대한 자원 낭비가 발생할 수 있으며, 이는 운영 비용이 높고 경쟁력이 떨어지는 결과를 초래할 수 있습니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 성공명언) 인터넷 플랫폼의 경우, 전통적인 데이터 분석은 주로 결과에 대한 데이터이고, 결과를 발생시킨 사용자 행동 과정에 대한 분석이 부족하기 때문에, 데이터 분석의 가치는 상대적으로 제한되어 있다. 그래서 최근 몇 년 동안 많은 기업들이 자신이 충분한 데이터 분석을 했다고 생각했지만 큰 효과가 없는 이유다.
사용자 행동의 5W2H 를 분석하면 사용자가 어디서 왔는지, 어떤 작업을 했는지, 왜 지는 지, 지는 곳 등을 알 수 있다. 이를 통해 사용자 경험, 플랫폼 전환율을 향상시키고 기업이 정교한 운영으로 비즈니스 성장을 실현할 수 있도록 합니다.
셋째, 사용자 행동 데이터를 수집하는 방법?
사용자 행동 분석이 이렇게 중요한데, 왜 인터넷 회사는 사용자 행동 분석을 거의 하지 않는가? 주된 이유는 데이터 수집이 불완전하고 분석 모델이 불완전하기 때문입니다.
1. 사용자 행동 데이터를 효율적으로 수집하는 방법
전통적인 데이터 분석은 너무 거칠어서 분석 결과의 적용 가치가 낮습니다. 데이터의 세밀함이 부족하고 분석 모델이 불완전하기 때문입니다. 분석을 잘하려면 먼저 풍부한 데이터가 있어야 하기 때문에 데이터 수집부터 시작해야 한다. 기존의 사용자 행동 데이터 수집 방법은 비효율적입니다. 예를 들어, 일부 사용자 행동 데이터를 얻을 때 해당 버튼, 링크 또는 페이지에 모니터링 코드를 추가하여 얼마나 많은 사람들이 이 버튼을 클릭했는지, 이 페이지를 클릭했는지 확인해야 합니다. 이 방법을 "매장 지점" 이라고합니다. 매장점은 대량의 인력과 정력을 필요로 하고, 공예가 복잡하여 인력 물적 비용이 높다.
모바일 인터넷 시대에는 임베디드 포인트가 더욱 고통스러운 일이 되었습니다. 각 임베디드 지점이 app store 에 게시해야 하기 때문입니다. Apple App Store 의 감사 주기는 더욱 경상되어 데이터 획득의 시효성이 더욱 떨어지기 때문입니다. 데이터 분석은 비즈니스 발전에서 매우 중요한 부분이기 때문에 인건비가 너무 비싸더라도 이 작업을 절약할 수 없습니다.
그래서 우리는 또한 국내외에서 우수한 사용자 행동 분석 도구가 있어 매장점 없이 데이터를 수집하는 기능을 실현하는 것을 보았다. 예를 들어 외국에는 Mixpanel 이 있는데, 국내 극객들은 웹, H5, 안드로이드, iOS 매장지에서 데이터를 수집할 필요가 없다. 매장되지 않은 채집을 통해 데이터의 완벽성과 시효성을 크게 향상시킬 수 있다.
사용자 행동 데이터를 정확하게 수집하는 방법은 무엇입니까?
일부 핵심 비즈니스 데이터의 경우 100% 의 정확성을 보장하고자 합니다. 따라서 백엔드 매장을 통해 보완할 수 있으며, 매장이 없는 효율성과 편리함을 경험하고 핵심 비즈니스 데이터의 정확성을 보장할 수 있습니다. 디지털 극객은 매장점 없음, 전면 매장점, 후면 매장점, 디지털 극객 BI 가 데이터를 가져오는 네 가지 방식의 데이터 통합을 지원합니다.
넷째, 사용자 행동 분석을 잘 하는 방법?
먼저 비즈니스 목표를 명확하게 하고, 비즈니스 프로세스를 심층적으로 이해하고, 목표에 따라 모니터링해야 할 주요 데이터 노드를 식별하고, 기본 데이터를 수집하고 정리하고, 충분한 데이터와 과학적 모델을 가지고 분석 결과를 보다 효과적으로 지원해야 합니다.
이전 세대의 사용자 행동 분석 도구 (보다 정확하게는 웹 사이트 통계 또는 APP 통계), 주요 기능은 사용자의 심도 있는 상호 작용 분석이 아닌 탐색 행동 분석으로 제한되므로 분석 가치는 상대적으로 제한적입니다. 현재 대부분의 인터넷 종사자들은 사용자 행동 분석에 대한 인상이 이 단계에 머물러 있다.
사용자 행동 분석을 잘하려면 다음과 같은 분석 모델을 익혀야 한다고 생각합니다.
1. 사용자 동작 전체 추적, AARRR 모델 지원.
"500 Startups" 의 투자자인 데이브 맥클루어는 실리콘 밸리에서 널리 사용되는 다양한 단계에서 사용자가 획득한' 해적판 지표' 를 분석하는 분석 모델을 제시했다.
AARRR 은 사용자 라이프 사이클의 다섯 가지 중요한 부분에 해당하는 획득, 활성화, 보유, 이익, 참조의 다섯 가지 약어입니다. 먼저 사용자의 전체 수명 주기를 기준으로 사용자 동작을 분석해야 합니다.
1). 사용자 가져오기
마케팅에서 어떤 채널이 가장 많은 트래픽을 가져오고 채널의 ROI 는 얼마입니까? 각기 다른 광고 내용의 전환율은 바로 이 단계에서 분석한 수치이다.
출처 채널은 고객을 확보하는 첫 번째 단계입니다. 시스템 자동 인식과 맞춤형 채널을 결합하여 각 소스 채널의 보존 및 변환 효과를 분석합니다. 다양한 검색 엔진의 웹 사이트 액세스 출처, App 다운로드 채널, 검색 키워드는 모두 데이터 분석 플랫폼을 통해 쉽게 통계 분석을 할 수 있다. UTM 홍보 매개 변수의 다차원 분석, 홍보 채널 교차 분석, 이벤트 이름, 전시 미디어, 광고 콘텐츠, 키워드, 바닥 페이지, 고품질 채널 및 저질 채널 식별, 세밀한 추적, 채널 ROI 향상
채널 품질 모델을 통해 다음과 같은 고객 확보 및 홍보 전략을 수립합니다.
그림: 채널 품질 모델
위 그림에 표시된 채널은 하나의 예이며 채널 품질도 동적으로 변경됩니다. 첫 번째 사분면 채널은 품질이 높고 트래픽이 많으며 채널 배치 전략과 강도를 계속 유지해야 합니다. 두 번째 사분면 채널은 품질은 비교적 높지만 흐름은 상대적으로 작습니다. 채널 배치를 늘리고 채널 품질의 변화에 지속적으로 관심을 기울여야합니다. 세 번째 사분면 채널은 품질이 좋지 않고, 트래픽이 작으며, 조심스럽게 조정하고, 이 채널을 점진적으로 최적화해야 합니다. 네 번째 사분면은 채널 품질이 좋지 않지만 트래픽이 많습니다. 채널 데이터를 분석하여 보다 정확한 배치를 하고 채널 품질을 높여야 합니다.
2). 사용자를 활성화합니다
사용자 활성화는 비즈니스 목표를 달성하는 가장 중요한 첫 번째 단계입니다. 매일 많은 사용자가 당신의 제품을 사용하지만, 사용자와 강력한 관계를 맺지 않는다면, 당신은 후속 운영을 할 수 없습니다.
3). 사용자 유지율
현재 제품 성공의 핵심 요소는 바이러스 메커니즘이나 대량의 마케팅 자금이 아니라 사용자 보유율이다. 사용자를 끌어들이는 제품을 개발하는 것이 중요하다. 페이스북 플랫폼에는' 40–20–10' 의 보존 규칙이 있다. 숫자는 일일 유지율, 주 유지율 및 월 유지율을 나타냅니다. 제품의 DAU 가 1 만원을 초과하기를 원한다면 일일 보유율은 40% 보다 크고, 주 유지율과 월 유지율은 각각 20% 와 10% 보다 커야 합니다.
보존은 AARRR 모델에서 중요한 부분 중 하나입니다. 잘 보관해야만 새 사용자가 등록한 후 헛되이 유출되지 않도록 보장할 수 있다. 물이 계속 새는 바구니와 같다. 바닥의 균열을 고치지 않고 그냥 안에 물을 주입하면 지속적인 성장을 이루기 어렵다.
4). 소득 획득
수익을 실현하는 것은 각 플랫폼의 생존의 근본이므로 자신에게 적합한 비즈니스 모델을 찾는 것이 중요하다. 비즈니스 모델에 따라 다양한 수익 방식이 있습니다. 즉, 미디어 플랫폼은 광고에 의해 현금화되고, 게임은 사용자에 의해 지불되며, 전자상은 커미션을 받거나 판매자에게 비용을 지불하는 등 다양한 수익을 거둘 수 있습니다. 기업 서비스 분야에서는 LTV: CAC 가 3 보다 크면 건강하게 성장할 수 있습니다.
5). 바이러스 전파
모델의 처음 4 단계에 대한 최적화 분석을 통해 불안정한 사용자, 활성 사용자부터 최종 충성도 사용자에 이르기까지 고객을 최대한 유지하고 변환하여 기업의 충성도를 높였습니다. 사회적 입소문을 통해 기업은 효율적인 효과를 가져올 수 있다.
높은 고객 비용을 받는 오늘날 사교성은 기업에 더 나은 사용자 기반과 낮은 고객 비용을 제공할 수 있습니다.
2. 분석 모델 변환
전환율은 지속 가능한 운영의 핵심이기 때문에 나도 많은 지면을 써서 자세히 해석했다. 변환 분석에 일반적으로 사용되는 도구는 변환 깔때기 또는 간단히 깔때기입니다. 새 사용자는 등록 과정에서 끊임없이 유실되어 결국 깔때기 모양을 형성한다. 사용자 행동 데이터 분석 과정에서 Dell 은 최종 전환율뿐만 아니라 전환의 모든 단계에 대한 전환율에도 관심을 가지고 있습니다.
1). 어떻게 과학적으로 깔때기를 만들 수 있습니까?
예전에는 제품 및 운영 경험을 통해 깔때기를 만들곤 했지만, 이 깔때기가 대표적인지, 전체 전환율 향상이 얼마나 중요한지에 대해서는 확신이 없었다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 운영명언) 이때 사용자 트래픽 분석을 통해 사용자의 메인스트림 경로를 알 수 있습니다.
그림: 사용자 트래픽 분석
사용자 트래픽 분석은 직관적이지만 분석가의 경험과 판단력이 필요합니다. 이 문제를 해결하기 위해 디지털 극객은 지능형 경로 분석 기능을 개발했으며, 변환 목표만 선택하면 사용자 변환의 주류 경로를 한 번에 분석할 수 있습니다. 깔때기 생성 효율성을 몇 초로 줄입니다.
그림: 지능형 변환 분석
2). 깔때기 비교 분석
일반 깔때기로 변환 분석을 하는 것만으로는 충분하지 않다. 변환에 영향을 미치는 상세한 요소를 분석해야 하는데 세분화가 중요하다. 예를 들어, 변환 퍼널은 사용자 소스의 채널을 비교하여 서로 다른 채널의 변환 차이를 파악함으로써 채널을 최적화할 수 있습니다. 사용자 장치 비교에 따르면 서로 다른 장치 사용자의 전환 차이 (예: 주문부터 지불까지의 전환율, 아이폰을 사용하는 사용자는 안드로이드를 사용하는 사용자보다 훨씬 높은 가격 제품) 를 알 수 있습니다.
그림: 깔때기의 비교 분석
3). 깔때기와 사용자 흐름을 결합한 분석 방법
일반적인 전환 깔때기는 주류일 뿐, 각 단계의 유입 유출에 대한 세부 정보는 없다. 사용자 등록 변환을 분석할 때 다음 단계로 전환하지 않은 사용자가 어디로 갔는지 알 수 있다면 사용자의 변환 경로를 보다 효율적으로 계획할 수 있습니다. 예를 들어, 아래 그림의 변환 경로, 88% 는 두 번째 단계로 들어가지 않은 사용자가 직접 떠나는 반면, 65,438+00% 는 등록된 사용자로 직접 로그인하기로 선택했고, 2% 의 사용자만 로그인 페이지를 우회하여 웹 사이트 홈페이지로 들어갔다. 2 단계에서 3 단계로 전환하지 않은 사용자는 100% 가 떠났다. 이것은 전형적인 폐쇄적인 랜딩 페이지입니다. 3 단계에서 전환율을 최적화하고 전체 전환율을 높이기만 하면 됩니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)
4). 미세 전이 거동 분석 방법
많은 행동 분석 제품은 기능 및 이벤트 수준에서만 변환을 분석할 수 있으며, 사용자 상호 작용 세부 사항 분석에는 심각한 결함이 있습니다. 예를 들어, 위의 깔때기, 우리는 마지막 단계는 변환의 열쇠 지만, 마지막 단계는 양식을 등록 하는 것입니다, 그래서 양식을 작성 하는 자세한 동작을 분석 하는 것이 중요 합니다 찾으십시오. 이런 행동을 미변이라고 한다.
예를 들어, 양식을 작성하는 시간, 양식을 작성하지만 제출하지 않은 사용자의 손실, 양식 필드의 공백률 등이 있습니다.
그림: 양식 채우기 변환 깔때기
그림: 양식 작성 시간
위의 형태의 마이크로변환 분석을 통해 사용자는 처음부터 등록까지의 전환률이 85% 이며 트래픽은 8% 에 불과합니다. 변환에 영향을 미치는 가장 큰 누출점은 충전율이라는 결론을 내릴 수 있기 때문에 충전률을 높이는 것이 등록 전환을 촉진하는 핵심이다. 효과적인 콘텐츠와 정확한 채널은 채우기에 영향을 미치는 핵심 요소입니다. Dell 은 고객 분석의 채널 요소에 대해 설명했습니다. 이를 통해 마이크로변환 분석을 위한 네 번째 도구인 사용자 관심 분석을 유도했습니다.
5). 사용자 관심 분석 방법
클릭, 찾아보기, 페이지 요소 체류 시간, 스크롤 등과 같은 페이지 내용과의 사용자 상호 작용 , 제품에 표시할 정보에 대한 사용자의 관심과 사용자의 주의를 끌 수 있는지 여부를 나타냅니다.
업무 데이터를 시각화할 수 있다면, 행동 데이터는 어떻게 시각화할 수 있을까요? 몇 명의 극객들이 이러한 행동을 5 가지 열도로 변환하는데, 각각 분할 화면 터치율 열도, 링크 클릭 열도, 페이지 클릭 열도, 열지도 찾아보기, 열지도 관심이다. 다섯 가지 열도의 교차 분석을 통해 사용자는 가장 관심 있는 내용을 효과적으로 분석할 수 있습니다.
그림: 주의 히트 맵
마이크로변환의 상호 작용 분석을 파악해야만 전환율을 더욱 효과적으로 높일 수 있다. 플랫폼 전환율을 효과적으로 높일 수 없는 모든 분석 도구는 기업의 인력과 시간 자원을 낭비하는 것이며, 이는 많은 기업들이 사용자 행동 분석의 혜택을 받지 못한 근본 원인이다.
3. 운영 모드 구체화
기존 운영은 모든 사용자를 대상으로 하며, 일부 대상 고객에 대해 정확한 운영 행동을 하고자 합니다.
그림: 사용자 그룹 초상화
예를 들어, 우리는 특정 지역에서 아이폰을 사용해야 하지만 3 일 동안 활동하지 않거나 거래 전환을 형성하지 않는 등록된 사용자를 정밀 마케팅하려면 운영자, 제품 인력, 기술자의 협조가 필요하고, 데이터를 추출하고, 운영 규칙을 제정해야 합니다. 여기에는 대량의 인력과 시간 투입이 포함됩니다. 차세대 사용자 행동 분석은 사용자 그룹, 사용자 초상화, 사용자 정의 사용자 활동 및 보존 동작을 사용하여 사용자를 정확하게 포지셔닝하여 운영을 구체화할 수 있습니다.
그림: 사용자 그룹 만들기
4. 정성 분석 모델
사용자 경험은 기업의 최우선 과제입니다. 제품 설계, 사용자 조사, R&D, 운영, 마케팅, 고객 서비스 등 여러 방면에서 실제 사용자 경험 프로세스를 파악해야 합니다. 그러나 사용자 경험을 최적화하는 방법은 내부적으로 논란이 되고 있는데, 주된 이유는 구체적으로 묘사하기 어렵기 때문이다. 행동 분석을 통해 사용자가 제품을 사용할 때의 구체적인 장면을 재현할 수 있다면 제품의 경험을 최적화하는 것이 중요하다.
예전에 타오바오에 있을 때, 사용자 체험부는 사용자를 회사에 초청하여 면접을 보고 가용성 실험을 함으로써 체험을 최적화했다. 하지만 이 방법은 시간과 비용이 많이 들고 샘플이 대표적이지 않을 수도 있다. 이 문제를 해결하기 위해 몇몇 극객들은 사용자를 회사 현장 기록에 초대할 필요 없이 비용 절감, 비디오 형식으로 사용자의 실제 운영을 직관적이고 효율적으로 복원할 수 있는 사용자 행동 기록 도구를 개발했다. 기업의 모든 직책에서 사용자 경험의 직접적인 정보를 파악할 수 있도록 제품 개발을 도와 사용자 경험을 향상시킬 수 있습니다.
그림: 사용자 비헤이비어 기록 및 재생 인터페이스
요약: AAARRR 모델을 통해 사용자 전체 수명 주기를 분석합니다. 전환율 분석 모델을 통해 제품 전환율을 향상시킵니다. 운영을 구체화하여 운영 효율성을 향상시킵니다. 정성 분석을 통한 사용자 경험 최적화 이러한 네 가지 측면을 모두 갖추면 사용자 행동 분석을 통해 비즈니스 성장을 실현할 수 있습니다.
사용자 행동 분석의 미래 방향은 무엇입니까?
많은 사람들이 이미 사용자 행동 분석을 하는 여러 회사가 있는데, 왜 창업을 해야 하는지 묻습니다. 데이터 분석의 목표는 분석 결과를 적용하여 운영 효율성을 최적화하는 것이지만 국내외 주요 분석 도구는 분석 수준에만 머물러 있으며 효율적으로 적용하는 방법에 많은 공간이 있습니다. 따라서 수학자들은 분석적으로보다 전문적이고 효과적인 것 외에도 응용 분야에서 새로운 돌파구를 마련해야 한다. 데이터 분석 결과에 반영된 문제는 운영 (마케팅 포함) 과 제품의 두 가지 주요 범주로 나뉩니다. 따라서 이 두 가지 유형의 문제에 대한 맞춤형 솔루션을 제공할 필요가 있습니다.
1. 운영 자동화
앞서 말씀드렸듯이, 사용자 행동 분석 시스템은 정교한 운영을 실현할 수 있지만, 구체적인 어플리케이션은 운영 및 마케팅 전략을 수동으로 개발해야 하며, 제품과 R&D 를 통해서만 적용할 수 있으며, 전략이 변경되면 적절한 도구를 다시 개발해야 합니다. 이는 많은 시간을 들여 운영 및 마케팅의 효율성에 영향을 미칩니다. 몇몇 극객들이 회원제 마케팅 시스템과 자동화 운영 도구를 개발했다. 운영자와 마케팅 담당자는 직접 규칙을 제정한다. 시스템은 규칙에 따라 적합한 사용자에게 정확한 활동 정보를 자동으로 푸시함으로써 운영자의 생산성을 직접 향상시킵니다. 운영자는 반복 실행에 너무 많은 시간을 낭비하는 대신 계획에 초점을 맞출 수 있습니다. 자동화를 통해 기업은 상당한 운영 비용을 절감할 수 있습니다.
그림: 자동화 작업 규칙 생성
2. 제품 및 운영 (마케팅) 에 대한 과학적 의사 결정
사용자 행동 데이터 분석은 종종 행동이 발생한 후에야 수행되는 반면, 제품 및 운영은 경험을 통해 결정되며, 의사 결정이 잘못되면 돌이킬 수 없는 결과를 초래할 수 있습니다. 따라서 온라인 전에 사용자의 전환 A/B 테스트를 통과하고, 제품 및 운영 방안을 소규모로 검증하고, 최적의 방안을 선정하여 발표할 수 있다면 의사 결정의 과학성을 크게 높일 수 있습니다.
구글은 매년 수만 건의 A/B 테스트를 실행하여 제품과 운영을 최적화함으로써 6543.8+000 억 달러의 수익을 올리고 있습니다.
A/B 테스트 방법은 매우 효과적이지만 국내 인터넷 회사는 널리 사용되지 않습니다. 이는 주로 A/B 테스트 적용의 복잡성과 관련이 있습니다.
몇몇 극객들은 완전한 A/B 테스트 도구를 가지고 있다. 비즈니스 담당자는 웹 사이트 및 응용 프로그램의 시각화 테스트 편집 도구를 사용하여 테스트를 만들고 실행할 수 있습니다. 테스트 보고서를 자동으로 해석하여 A/B 테스트의 문턱을 크게 낮췄다.
그림: 웹 사이트 측 시각화 편집 테스트 도구
3. 분석 자동화
사용자 행동 분석은 비교적 전문적이어서, 서로 다른 분석 방법을 파악해야 할 뿐만 아니라, 업무에 익숙해야 업무와 결합하여 가치 있는 분석 결과를 제공할 수 있다. 360 보안 경비원처럼 SDK 를 직접 로드할 수 있다면 분석을 자동으로 진단하고 해결책을 제공할 수 있습니다. 이것은 미래 데이터 분석의 방향입니다. 몇몇 극객도 이와 관련하여 적극적인 시도를 했고, 초보적인 효과를 보았다. 현재 자동 데이터 경고 및 자동 보고와 같은 기능을 갖추고 있습니다.
사용자 행동 분석은 과학입니다. 데이터를 얻고, 데이터를 분석하고, 데이터를 적용하는 데 능한 것은 모든 사람이 일을 잘 하는 기본기이다. 모든 기업은 사용자 행동 분석 빅데이터의 응용을 강화하고, 데이터에서 법칙을 찾아내며, 데이터로 기업의 성장을 이끌어야 한다.
디지털 극객은 국내 차세대 사용자 행동 분석 플랫폼으로 성장 해커에게 꼭 필요한 대형 데이터 분석 도구이다. APP 데이터 분석 및 웹 분석을 지원하며 6 개의 오리지널 전환율 분석 모델을 만들었습니다. 사용자 행동 분석 분야 최초로 정량 분석과 정성 분석 방법을 적용한 데이터 분석 제품이다. 사용자 행동 분석 시스템을 기반으로 회원 마케팅 시스템과 A/B 테스트 도구를 제공하는 두 가지 지능형 데이터 애플리케이션 솔루션을 통해 기업은 데이터 중심 성장을 빠르게 실현할 수 있습니다.
이 글은 디지털 극객 CEO 가 창작한 것에 감사하다. 전재를 환영합니다. 전문과 저자 정보를 보관해 주세요.