많은 회사에서 데이터로 할 수 있는 것들은 제한적이에요.

예를 들어, 고객 데이터를 마케팅에 직접 사용하거나 결제 데이터를 운영 프로세스에 바로 자동화는 일들은 쉽지 않습니다. 회사의 운영업무 - 사업개발/운영/마케팅/영업/재무/인사- 에 데이터를 필수적으로 사용 중인데, 이런 데이터를 우리의 업무에 꼭 맞게 자동화하기에는 장애물이 너무 많습니다.

‍

고급 개발자가 아닌 대부분의 사람들이 데이터를 자신과 팀의 업무에 직접 활용할 수 없다는 사실입니다.

‍

시장에서 회사의 다양한 업무에 맞게 데이터를 쉽고 간편하게 활용하기 위한 서비스나 솔루션은 찾아볼 수가 없습니다.

만약 데이터 자동화가 없다면 아마 우리는 아래와 같이 사람이 중간 역할을 하는 제한적인 방식으로만 사용해야 합니다.

‍

데이터 자동화(Data Automation)

아웃코드는 복잡하고 어려웠던 데이터 자동화 기술을 모든 사람들을 위해서 제공하고 있습니다. 가장 간단한 노코드 방식으로 제공합니다.

‍

데이터 자동화란 운영에 필요한 데이터와 앱(어플리케이션)을 업무에 맞게 직접 연결하여 원하는 방식으로 자동화는 것입니다.  

• 다양한 데이터의 연결과 조회
• 간단한 필터 적용
• 원하는 스케줄에 구동
• 복수의 앱과 데이터를 연결하여 처리 가능

아웃코드를 사용하면 업무의 효율이 급격하게 향상되는데, 간단명료하고 누구나 쉽게 할 수 있는 사용성으로

‍

아웃코드는 데이터 자동화 서비스입니다. 다양한 데이터를 사용자가 직접 보면서 원하는 앱으로 자동처리할 수 있어요.

‍

에어테이블의 데이터를 쉽게 연동하는 방법

아웃코드 자동화툴을 사용하면 에어테이블의 데이터를 쉽게 주고 받을 수 있다는 사실을 아시나요?

에어테이블에 있는 데이터를 구글시트에 삽입하거나, 데이터베이스로 자동 업데이트가 필요한 경우가 있습니다.

• 에어테이블에서 구글시트로 보내기
• 구글시트에서 에어테이블로 보내기
• 데이터베이스에서 에어테이블로 보내기

이 중에서 아래의 샘플 에어테이블에서 구글시트로 데이터를 보내보겠습니다.

‍

먼저, 아웃코드 커넥터에서 에어테이블을 연결합니다. (에어테이블 연결방법은 여기 가이드 문서를 읽어보세요)

‍

아웃코드 자동화앱을 생성하고, 가지고올 데이터는 에어테이블을 선택합니다. 그 다음 구글시트를 선택합니다.

‍

‍

마지막으로 필터와 스케줄을 설정하면 정해진 시간에 아웃코드가 에어테이블의 데이터를 읽어서 필터링한 후 해당 데이터만 구글시트에 넣어줍니다.

‍

그리고, 구글시트에서 에이터이블, 구글시트/에어테이블에서 데이터베이스도 자동화툴을 만들어보세요. 코드는 필요없어요.

‍

올해 마지막, 2023년 비대면 서비스 바우처 3차 모집이 재개되었습니다!

비대면바우처는 중소벤처기업부에서 주관하는 지원사업으로 수요기업이 정부의 지원을 받아 아웃코드를 -70% 할인된 금액으로 이용할 수 있는데요.

‍

먼저, 수요기업으로 신청을 하셔야 합니다.

• 3차 수요기업 모집 공고문 바로가기
• 신청방법은 K-비대면 바우처 플랫폼에서 온라인으로 신청가능합니다.
• 접수기간 : 11월 27일(월) 09:00 ~ 12월 11일(월) 18:00

• 예산소진 시까지 (신청이 많으니 서둘러주세요)

‍

수요기업으로 선정되시면 비대면 바우처 플랫폼에서 '아웃코드'를 검색하시거나, 여기서 아웃코드 상품을 신청해주시면 됩니다.

비대면바우처를 사용하면 아웃코드 연간 플랜을 70% 할인된 금액으로 사용하실 수 있어요. 꼭 신청해보세요! 

‍

아웃코드의 운영사인 파워테스크가 2022 데이터스타즈 (DATA-STARS)에 선정되었습니다!

‍

데이터스타즈에 어떻게 지원하게 됐는지와 킥오프 데이 참여 과정에 대해 Chris님과 대화를 나눠보도록 하겠습니다.

‍

Q: 데이터스타즈가 뭔가요?

한국데이터산업진흥원이 주관하는 데이터스타즈는 데이터 혁신 스타트업이 글로벌 경쟁력을 갖출 수 있도록 데이터 특화 멘토링, 인프라와 사업화를 종합 지원하는 비즈니스 전문 육성 사업입니다.

‍

Q: 지원하게 되신 계기가 있나요?

아웃코드는 기업에서 데이터를 보다 체계적으로 활용할 수 있도록 돕기위해 만들어진 플랫폼입니다. 국내에서는 데이터에 특화되어있는 사업화 프로그램이 많지 않기 때문에 전문가 멘토분들께 많이 배울 수 있을 것 같아 참여하게 되었습니다.

‍

Q: 킥오프 데이에서 가장 기억에 남는 것이 뭔가요?

다른 스타트업들과 데이터 중심의 비즈니스에 대해 대화를 나눠볼 수 있어 좋았습니다. 데이터나 시스템 전문가분들의 멘토링부터, 투자유치에 관한 팁을 들어볼 수 있어 의미 있는 시간이었던 것 같습니다.

‍

Q: 데이터스타즈를 준비하고 계신 분들과 공유해주실 수 있는 팁이 있으신가요?

데이터스타즈는 25:1의 높은 경쟁률을 기록하는 비즈니스 전문 육성 사업이기 때문에 모든 자료를 꼼꼼히 작업하는 것이 중요합니다. 한 가지 팁을 드리자면, 지원하실 때 IR 자료 혹은 프레젠테이션을 만들 듯이 작업하시는 걸 추천드립니다. 저도 저희 서비스를 처음 들어보시는 분들이 쉽게 이해하실 수 있도록 최대한 간단하게 작성하려고 노력했습니다.

‍

아웃코드 팀은 이번 사업의 지원을 통해 데이터 자동화에 도움이 되는 서비스로 키울 계획입니다.

‍

‍

가장 현실적인 이유들은 무엇일까요?

노코드, 데이터 자동화하면 개발자없이 업무용 프로그램을 만드는 것을 의미합니다. GPT에 물어보면 아래와 같은 대답을 알려줍니다.

위의 이유를 보면 왠지 큰 회사만 해당되는 것 같고, 무언가 추상적이며, 잘 와닿지 않습니다.

아웃코드팀이 바라보는 데이터 자동화를 해야하는 현실적인 이유는 아래와 같습니다.

1. 운영 원가의 절감
2. 우리 서비스와 운영의 차별화
3. 고객 충성도, 매출 등 비지니스의 향상

원가의 절감

우선 원가의 절감 측면에서는 노코드(No-code) 툴을 사용하면 개발 리소스를 줄이거나 없애는 효과를 가지고 오는 것은 분명하지만 어떻게, 얼마나에 대한 감이 잘 잡히지 않습니다. 예를 들어, 아웃코드의 대표적 케이스인 메세징 자동화의 사례로 설명드리면 쉽습니다.

• 어떤 ooo이라는 프로그램을 이용하여 구매확정, 리뷰 등의 알림톡을 보낼 수 있는데, 이때 비용이 발생합니다. 대부분 이러한 솔루션은 특정 목적으로만 서비스되기 때문에, 그들의 개발비용, 적정 이익율 등을 감안하여 가격이 책정됩니다.
• 예를 들어, 알림톡 1건당 9원인데, 해당 서비스를 이용하면 건당 십 몇원 또는 심지어 백 원이 발생할 수도 있습니다. 이 비용은 만약 우리가 직접 발송시스템과 연동 또는 개발하면 절감할 수도 있는 비용이기도 합니다.
• 어찌보면 해당 기능을 제공받는데 지불해야하는 당연한 금액일 수도 있지만, 아닐수도 있습니다.
• 그리고, ooo이라는 프로그램이 더 많은 기능을 제공하면 이제 비용은 나의 의도와 상관없이 계속 증가합니다. 특히 사용량이 증가하면 고객이 내는 비용은 훨씬 더 빠르게 증가합니다.
• 하지만, 고객은 다른 대안이 없기 때문에 생각보다 더 많은 비용을 내고, 우리 회사 원가의 부담은 늘어만 갑니다.

만약 나와 팀이 특별한 제약없이 직접 메세징 자동화를 만들 수 있다면, 우리는 사실상 원가 수준에서 비용을 크게 줄일 수 있습니다.

• 메세징 자동화를 시나리오별로 계속 만드는 비용 : 0원
• 발송건당 9원 (원래 알림톡 발송에 내야하는 비용)
• 실행당 1원 (아웃코드에 지불하는 비용)

우리 서비스의 차별화

다시 위의 문제로 돌아가서 000 솔루션을 이용하거나 자체 개발하더라도 차별화는 거의 없거나 초보적인 수준에서 머무르게 됩니다. 왜냐하면 노코드 솔루션의 근본 가치인

“누구나 언제든지 쉽고 간편하게 수정할 수 있다"

어렵기 때문입니다.

• 특정 솔루션은 사용하면 환영, 프로모션, 안내 구매 확정이나 리뷰가 필요할때 모든 사용자에게 항상 똑 같은 내용과 형태의 알림톡이 똑 같은 시간에 발송됩니다. 이 정도로 충분하다고 생각할 수도 있지만, 우리의 사용자가 똑 같은 한사람이 아닙니다.
• 우리가 만약 잘게 쪼갠 사용자 별로 시나리오를 구성하고 각각 최적화된 메세지 내용과 반응이 가장 좋은 시간대를 고민하기 시작한다면, 안타깝게도
• 이미 사용 중인 솔루션이 해당 기능을 제공하지 않거나,
• 제공하더라고 고급기능이니 가격이 급증하게 됩니다.

만약 동일한 가격으로 위와 같은 자동화들을 내 마음대로 만들 수 있고 수정할 수 있다면, 우리는 다른 고민을 하게 됩니다.

• 우리 서비스를 어떻게 시장에서 차별화할 것이며,
• 우리의 고객은 누구이며,
• 어떤 것이 그들에게 최적인가

라는 가장 중요한 고민을 통해, 서비스 차별화를 이루고 빠른 시간 내 성장을 이루어내는데 집중하게 됩니다.

고객 충성도와 매출 등 비지니스 향상

원가를 절감하고, 고객에게 최적의 경험을 제공하여 충성도와 매출 등 결정적인 비지니스 향상을 가져오게 하는 일은 매우 중요합니다.

메세지를 보내는 일, 고객 데이터를 체계적으로 관리하는 일 등 우리가 반드시 해야할 일에 집중하는 것은 멋진 상품을 구성하고 소셜미디어에서 유행을 타는 일만큼 중요합니다.

불과 몇 개월 만에 매출이 4배가 상승한 1인 여행사, 일하는 방식이 바뀐 학원, 최대한 많은 업무를 자동화하여 효율을 극대화하는 스타트업 등 다양한 회사들이 아웃코드를 통해서 앞서가고 업계의 선두로 탈바꿈하고 있습니다.

우리 주변의 변화는 눈에 띄는 것보다 빠르게 일어나고 있습니다. 아웃코드를 시작해보세요.

‍

개별 사용자의 행동, 관심사, 정보에 따라서 최적의 매세지를 최적의 시간에 보내는 방법

고객을 대상으로 하는 메세징 채널은 아래와 같습니다.

• 이메일
• 기기별(모바일앱, 웹) 푸시 메세지
• 인앱(인 서비스) 메세지
• 알림톡, 친구톡, 네이터톡톡 등
• 문자
• 그외 (상담 채팅창 등)

외부로 발송되는 메세지의 유형은 아래와 같습니다 .

1. Transactional(거래성) messaging : 광고홍보성이 아닌 서비스 운영에 필수적인 메세지들

• 환영, 온보딩 메세지
• 인증, 보안 관련 메세지
• 결제관련 메세지
• 확인, 등록 메세지
• 상태 변경, 업데이트 메세지
• 고객 피드백 메세지 등

2. 마케팅 (Promotional) 메세지 : 광고 홍보성 메세지로 다양합니다.

실제 운영 상에서 둘 간의 경계는 모호합니다. 예를 들어, 결제 메세지는 오픈율이 97%인데, 하단에 프로모션 내용이 붙일 수도 있습니다.

• ** 스팸메세지는 광고홍보성 메세지인데 대상과 목적이 불분명하게 발송되는 메세지입니다. 일방적 메세지로 거부감이 매우 높습니다. 서비스를 운영하면서 프로모션 10개이나 전체 고객/사용자에게 단체 메세지 10번을 보낸다면 스팸으로 인식될 확률이 매우 높습니다.

‍

‍

메세징의 기술적 분류

메세지는 기술적으로 2개로 분류됩니다.

1. 데이터 메세징: 메세지에 데이터를 사용자별로 동적으로 실어서 보내거나, 데이터로 타겟팅하여 보내는 메세지. 초개인화된 메세지에는 필수입니다.
2. 일반 메세지: 전체 공지성 메세지로 데이터를 동적으로 사용할 필요가 없음

‍

‍

메세지를 보내는 수단

발송 비용 순으로 정리하면 아래와 같습니다.

1. 이메일 : 발송건당 비용이 가장 낮음

• 소량이거나 영업 등 회신이 필요한 메세지는 개인 이메일 사용(Gmail 등)
• 직접 회신이 필요없는 메세지나 대량발송은 이메일 전문 서비스(AWS SES, 메일침프, 메일건, 샌드그리드, 등)을 주로 사용. 서비스에 따라서 월 무료 발송 가능한 발송량을 제공

2. 푸시메세지: 무료 또는 유료

• Firebase FCM: 모바일이나 PC서비스에 알림형태로 보여지는 형태로 사용자의 식별 토큰으로 특정기기에 발송. 또는 모바일앱을 사용중에 전면, 카루솔, 하단 등에 보여지는 메세지가 가능
• OneSignal : Firebase 와 유사한 기능을 하나 대량 발송에 안정적이고 고급기능이 많음.
• 둘다 무료티어나 무료 허용량이 있음
• 서버 개발이 필요함.

3. 톡: 오픈율이 높음

• 주로 대행서비스가 존재
• 관리자 화면에서 고객 파일 업로드 후 발송하거나 대행서비스에서 제공하는 API를 연동하여 자동 발송
• 아웃코드는 솔라피 통해서 발송

4. 문자: 비용이 높음

• 주로 대행서비스가 존재
• 관리자 화면에서 고객 파일 업로드 후 발송하거나 대행서비스에서 제공하는 API를 연동하여 자동 발송
• 아웃코드는 솔라피 통해서 발송

5. 그외

• 고객상담 (채널톡 등)에 마케팅 메세지 등

‍

‍

고객 데이터소스

1. 데이터베이스: PostgreSQL, MySQL, Mongo, Firebase Databse, SQL Server, Oracle Database, Redash
2. 스프레드시트: Google Sheet, Excel
3. 애플리케이션: 노션, 타입폼, 구글폼, 에어테이블 등
4. 연동: API

‍

‍

초 개인화된 메세지를 보내기 전 준비사항

사용자 데이터에 대한 준비와 이해가 필수입니다.

중요한 질문은 우리 서비스는 왠만한 쇼핑몰 수준으로 되어 있는데, 어떻게 충성도, 방문율, (재)구매율 등을 한차원 더 높일 수 있는가?

고객 또는 사용자의 여정 상에서 급락하는 지점 — GAP이나 Holes-을 찾아내는 생각이 필요합니다.
(총합적인 Chart나 Dashboard는 충분하지 않을 수도 있습니다.)

1. 의사결정을 위한 충분한 정보 제공: 사용자가 스스로 알아서 찾지 않음. 선제적으로 즉시 또는 정확한 시점에 제공해야함

• 이 상품이 자신에게 필요한지 잘 모름(불충분한 정보)
• 다른 대체 상품이 궁금한 경우
• 예상 질의(실제 최종 가격, 부가서비스, 사후 서비스, 보증, 할인 등)가 있는 경우

2. 처음 방문한 경우

• 우리에게서 왜 구매해야 하는지 : 즉시 또는 그 다음날
• 첫 방문자 프로모션 안내

3. 재 방문한 경우

• 자주 방문하는 고객에 대한 혜택
• 자주 결제한 고객에 대한 혜택

3. 구매 시그널: 구매 전환시키는 것이 중요

• 특정 상품(군)을 찾는 경우
• 특정 상품(군)이 좋아요, 장바구니 등에 등록된 경우
• 장바구니에 담겨잇고, 아직 결제까지 이루어지지 않은 경우
• 특정 상품은 결제했지만, 다른 상품이 담겨잇는 경우

3. Cross/Up-sell: LTV를 올리기

1. 고객의 생애주기

• 사용자와 구매자 구분
• 사용자의 생애주기에 따른 추천 (예시)
• 노트북을 구매한 사람은 모니터를 구매할 확율이 높다
• 1살짜리 유아복을 구매한 사람은 얼마 후 2살짜리 옷을 구매할 확율이 높다

** 반드시 우리의 상품의 관점에서 바라볼 필요가 없고 최종 사용자의 니즈에서 바라봐야함.

4. 고객의 생애주기별 적한합 메세징

• 상품 추천
• 프로모션 등과 결합
• 고객 관심사별
• 번들링:A를 구매하면 B를 50% 할인해줄게

5. Win-Back(Re-engagement) :Lower CAC

• 충성도가 높았는데 돌아오지 않는 경우
• 고객 생애주기 상 이탈 사유
• 이탈 고객에 대한 대응
• 충성도가 낮은데 떠나는 이유

6. Transactional Message: MUST

반드시 개인화하여 데이터를 실어보내야하는 메세지

• 구매 확인
• 결제 완료
• (반품) 접수
• 클레임
• 환불완료

‍

봐야하는 데이터 포인트들

충분한 데이터들을 운영/마케팅/사업개발에서 볼 수 있는가?

사용자 프로파일, 구매기록, 장바구니, 접속 기록 등은 기본입니다.

1. 잘게 쪼갠 사용자 세그먼트(연령대, 구매/비구매, 멤버쉽/비멤버쉽, 유료/무료 등)별로 일별 접속 통계(1일부터 30일차까지)와 Retention rate를 매일 체크하고 있는가?
2. 접속율이 언제 떨어지는가? (2일차? 3일차?)
3. 구매율이 언제 떨어지는가?
4. A라는 제품(군)을 구매한 고객이, 우리의 가정처럼, B라는 제품을 구매하는가?
5. 왜 어떤 상품은 잘 팔리고, 다른 상품은 안팔리는가? 그럼 누가 언제 왜 구매하거나 하지 않는가?
6. 사용자들은 우리 쇼핑몰, 서비스에서 어떤 행위를 하는가?
7. 고객과 충분한 의사소통을 하고 있는가? 데이터에서 발견된 사실들을 해석할 수 있는가?

• 이를 위해서는 평균 30~50개의 데이터 조회화면이 필요
• 사용자가 우리 서비스에서 본질적으로 원하는 것이 무엇인가에 대한 정의 (가격, 다양한/특별한 상품구성, 특별한 혜택 등)

‍

‍

발송을 위한 데이터 준비

1. 고객 데이터는 어디에 저장되어 있고, 코호트별, 시나리오별로 편리하게 정리(필터링)
2. 어떤 고객에게 어떤 메세지를, 언제 보낼 지에 대한 시나리오
3. 노코드 자동화 툴을 이용하여 완성

• 어떤 수단(채널)
• 적합한 내용과 실어보낼 데이터
• 즉시
• 2시간 후
• 다음날 아침
• 7일 후
• 30일 후
• 주말제외/포함 등

* 타겟팅 레벨 1: 유아용품에 관심있는 사용자

** 타겟팅 레벨 2: 유아용품 중에서 생후 6개월 내 상품에 관심있는 사용자

*** 타겟팅 레벨 3: 유아용품 중에서 생후 6개월 내 상품에 관심이 있으며, A라는 상품에 관심있는 사용자

‍

‍

‍

메세징 자동화를 위한 메인툴

• 아웃코드 자동화
• 아웃코드 확장기능(데이터플로우)

Data Automation Apps (or tools)는 운영과 개발 여정 상에서 발생하는 니즈를 빠르게 해결하는데 사용되며, 신사업개발, 새로운 서비스 출시, MVP와 시장 검증에 사용되고 있습니다.

내부 자동화 앱이 필요한 이유

새로운 서비스를 만드는 일은 복잡합니다. 그리고 여정 상에 발생하는 다양한 니즈와 필요 사항을 신속하게 해결하는 일은 더욱 쉽지 않습니다.

• 대부분 최소 수준의 기능 요구 사항이 다양하게 존재
• 제한된 시간과 리소스로 해결 어려움
• 자주 변경되는 사항과 반영의 어려움
• 새로운 서비스에 대한 고객경험을 포함한 효과적인 판단이 어려움

이때 데이터 자동화앱을 사용한다면 위의 문제를 해결하는 방법이 됩니다. 최적화된 내부/고객용 메세징을 자동화하거나, 필요한 데이터들을 즉시 찾거나, 다양한 앱과 시스템간에 데이터를 빠르게 연결하는 것들은 좋은 사례입니다.

또다른 장점은 새로운 서비스의 미비점이나 문제가 발생하면 지연하거나 해결을 포기하는 대신에 구성원들이 스스로 즉각적으로 대응할 수 있습니다. 이러한 즉시성은 사업개발에서 가장 중요한 기능자체가 아니라, 어떤 방법이 최선인지 대응의 우선순위를 바꾸어 줍니다.

데이터 자동화를 만드는 방법

Data Automation Apps는 사업개발, 엔지니어링, 운영을 포함한 다양한 구성원들이 사용하는 CRUD 도구부터, 자동화된 업무를 구성하는 워크플로우, 데이터와 앱을 연결하는 통합 도구 등이 있습니다.

데이터 자동화의 핵심은 예상되는 업무의 흐름 또는 비지니스 워크플로우에 따라 구성하는 것입니다. 아래와 같은 기본으로 제공되는 기능들을 사용하여 우리의 서비스에 맞게 조립하는 일입니다.

• 데이터의 자동처리
• 다양한 데이터를 연결과 통합
• 데이터에 대한 신속한 접근
• 내부의 시스템, 플랫폼 등과 데이터를 연동
• 내부의 로직을 신속히 반영

‍

Buy or Build

어떤 부분에 자동화가 필요한지 파악하는 것이 우선입니다. 예를 들어 사용중인 앱에 API를 연결하는 일이 쉽지 않을 수도 있습니다. 여러 곳에 떨어진 데이터를 자동으로 연결하는 것도 만만치 않은 일입니다. 운영상에 필요한 데이터나 각종 지표 들을 관리하기도 쉽지 않습니다.

스프라이프의 CTO는 아래와 같이 말한적이 있습니다.

“자체개발은 업무의 Scale에 따라 결정된다. 회사에서 Github을 사용 중인데, 만약 Github을 직접 개발할때 소모되는 노력은 가치가 없다”

아웃코드를 사용하면 사업개발 초기부터 예상되는 문제에 대한 자동화를 구성하고 지속적으로 개선할 수 있으며, 출시 이후에 발생하는 문제에 대해서도 대응이 가능합니다.

아웃코드 자동화에서 조회화면을 쉽게 만들 수 있는데요, Retention rate 조회화면을 만들어보겠습니다.

‍

"Retention rate"는 비즈니스나 서비스가 특정 기간 동안 얼마나 많은 고객이나 사용자를 유지하는지를 측정하는 지표입니다. Retention rate를 계산하려면 일정 기간 동안의 고객 또는 사용자 접속 기록 데이터가 필요합니다. 유지율(Retention rate)을 계산하는 방법은 간단하게 다음과 같이 요약될 수 있습니다:

1. 선택한 기간 정의: 먼저, 어떤 기간 동안의 유지율을 계산할 것인지 정의해야 합니다. 예를 들어, 주간, 월간 등을 선택할 수 있습니다.
2. 시작 시점 설정: 선택한 기간 내에서 고객이나 사용자가 서비스를 시작한 날짜를 설정합니다. 이를 "시작 시점"이라고 합니다. 이 날짜로부터 고객의 활동을 추적합니다.
3. 유지된 고객 수 계산: 선택한 기간 내에서 시작 시점에서 우리 서비스에 접속한 고객의 수를 계산합니다.
4. 재방문한 고객 수 계산: 시작 시점 이후에도 계속 서비스를 이용한 고객의 수를 계산합니다. 이 수치는 유지된 고객 중에서 재방문한 고객을 나타냅니다.
5. 유지율 계산: 재방문한 고객 수를 유지된 고객 수로 나눈 후, 백분율로 표현하여 유지율을 계산합니다.

‍

‍

데이터베이스에 있는 일자가 포함된 사용자 접속 로그데이터와 사용자 고유 아이디(예를 들어 이메일주소)를 기반으로 산정할 때는 아래와 같은 주의 사항이 필요합니다.

‍

• 하루에 여러번 접속한 사용자도 중복카운팅이 되면 안됩니다.
• 접속 로그가 JSON 형태로 저장되는 경우가 많습니다. 이 경우 접속날짜와 시간을 추출해야합니다.
• 시작시점을 설정합니다. (예를 들어, 10월 1일부터 가입한 사용자의 유지율을 계산)
• 유료와 무료 사용자, 구매전/구매 후 사용자의 유지율이 다른 경우가 많습니다. 이때는 구분하여 유지율을 2개로 구분합니다.

‍

‍

사용하는 데이터소스에 따라 쿼리가 다를 수 있지만 일반적인 MySQL 데이터베이스 쿼리 예시는 다음과 같습니다.

‍

(아래 쿼리를 아웃코드 자동화앱에 복사 붙여넣기하여 수정해보세요!)

‍

WITH user_access_info AS (
select JSON_UNQUOTE(JSON_EXTRACT(CUH.data, '$.email')) as user_email,
 DATE_FORMAT(CUH.created_date, '%Y-%m-%d') as access_date
from USER_HIST AS CUH
where JSON_UNQUOTE(JSON_EXTRACT(CUH.data, '$.email')) IN (
SELECT DISTINCT email AS email
FROM USER AS CU
WHERE deleted_date IS NULL
 
)
and CUH.created_date >= '2023-10-01'
group by 1,2

), retention_1 as (
 
 SELECT
 initial_access.access_date AS cohort_date,
 DATEDIFF(u.access_date, initial_access.access_date) AS day_number,
 COUNT(u.user_email) AS retained_users
 -- COUNT(u.user_email) / initial_users.total_users * 100 AS retention_percentage
FROM (
 SELECT
   user_email,
   MIN(access_date) AS access_date
 FROM user_access_info
 GROUP BY user_email
) AS initial_access
JOIN user_access_info AS u ON initial_access.user_email = u.user_email
JOIN (
 SELECT
   access_date,
   COUNT(DISTINCT user_email) AS total_users
 FROM user_access_info
 GROUP BY access_date
) AS initial_users ON initial_access.access_date = initial_users.access_date
GROUP BY cohort_date, day_number
ORDER BY cohort_date, day_number
 
), retention_basis as (
select cohort_date, max(retained_users) as total_users
from retention_1
group by 1
), retention_agg as (

select retention_1.cohort_date, retention_1.day_number,
 retention_basis.total_users, retention_1.retained_users,
 round(retention_1.retained_users/retention_basis.total_users*100,2) as retention_percentage
from retention_1
left join retention_basis on retention_1.cohort_date = retention_basis.cohort_date
 
 ), total_users_cnt as (

select sum(total_users) as total_users
from retention_basis
 
 )

select retention_agg.day_number, total_users_cnt.total_users,
 sum(retained_users) as retained_users,
round(sum(retained_users)/total_users_cnt.total_users*100 ,2) as avg_retention_percentage
 
from retention_agg, total_users_cnt
group by 1,2
order by 1 asc

‍

핵심 트렌드가 되어가는 노코드와 자동화는 많은 사람들에게 관심을 받고 있습니다. 노코드는 전문적인 개발 지식없이, 업무를 자동화하고 앱을 만들어줍니다. 노코드를 배우시고 싶은 분들을 위해서 주요 포인트를 정리해보았습니다.

노코드를 배워야 할까요?

노코드 솔루션과 유용한 활용 사례들은 다양해지고 있습니다. 본격적인 노코드의 시대가 시작되고 있다고 할 수 있습니다. 이제 노코드를 필수적으로 배워야합니다.

인터넷을 찾아보면 수많은 노코드 관련 컨텐츠가 쏟아지고 있습니다. 노코드툴 사용법을 익한다면, 모든 부분을 전통적인 하드코딩으로 할 필요가 없어집니다.

노코드를 알아야하는 또 다른 이유는 즉시성에 있습니다. 나와 팀에 필요한 자동화를 순식간에 만들 수 있기 때문에 아이디어에서 실현까지 이어지는 복잡했던 장애물이 사라지고, 원래 중요했던 것들에 집중하게 됩니다. 이를 통해서 우리가 알고있던 오래된 생산성의 관념을 뛰어넘고 있습니다.

노코드를 배우는데 얼마나 걸릴까요?

노코드 툴을 익히는데 걸리는 시간은 엄청나게 짧습니다. 몇 시간부터 하루정도면 대부분의 기능을 익히고 자유롭게 활용할 수 있으며, 시간이 조금 지나면 거의 모든 세부 기능까지 마음대로 사용할 수 있게됩니다.

아웃코드와 같은 솔루션들은 사용자 가이드문서를 포함한 셀프 스타트가 가능한 자료들을 제공하고 있어서, 쉽게 배울 수 있습니다.

혹시 코딩을 배워야할까요?

노코드 툴을 사용하면 코딩지식에 걱정할 필요가 없습니다.

아웃코드를 포함한 새롭게 등장하는 노코드 툴들은 사용자의 목적에 따라 필수 기능들을 제공하기 때문에 활용 목적에 따라 선택하는 것이 합리적입니다. 예를 들어, 웹사이트를 만들기 위해서는 웹플로우, 앱이나 서비스를 만들기 위해서는 버블, 자동화를 위해서 아웃코드를 선택하는 일입니다.

만약 기본적인 개발지식이 있는 사용자가 아웃코드와 같은 툴을 사용한다면 할수 있는 범위는 크게 확대됩니다. 일반 사용자를 위한 자동화와 같은 기본 기능도 제공하며, 고급 사용자를 위한 데이터플로우 기능도 제공하며, 고도화된 자동화도 가능하게 만들어줍니다.

‍

API와 데이터소스간의 연동을 상당히 자주 사용하는 기능입니다. 아웃코드를 사용하여 초간단하게 완성하는 방법입니다. 준비 사항은 아래와 같습니다.

1. 데이터를 받아올 API URL
2. 데이터가 저장될 MySQL, PostgreSQL, MariaDB, Firebase, MongoDB, SQL Server, Oracle DB, Google Sheet, Airtable 등

[1분만에 끝내는 방법]

1. 아웃코드 데이터플로우를 열고 HTTP Reqeust 테스크를 추가합니다.
2. 그 다음 데이터가 저장될 태스크를 추가합니다.
3. Test 기능을 사용하여 정상적으로 작동하는지 확인한 후 활성화합니다.

만약 응답데이터를 파싱해야하는 경우는 Javascipt task를 추가하여 넘어오는 결과값을 정제합니다.

작업이 끝났습니다. 역방향으로 DB > API 도 가능합니다. 데이터플로우는 유용한 기능입니다. 개발시간을 줄이고 핵심에 집중하세요.

‍

어떤 서비스로부터 메세지를 받은 적이 있는데, 상당히 공들여서 작성한 내용이었습니다. 그러나, 읽어보기도 전에 삭제를 했는데요, 그 이유는 단순했습니다.

‍

나와 관련이 없었습니다.

‍

최근에 각광받는 마케팅 자동화는 정교하게 개인화된 고객 경험을 제공하는 것을 말합니다. 고객 여정과 활동 상황에 따라 자동으로 처리하는 것이며,  앱푸시, 이메일, 모바일 메세징, 알림톡/친구톡, 문자, 블로그 등의 작업을 자동화합니다.

이러한 자동화가 업무 시간을 줄여주기도 하지만, 마케팅 업무가 높은 가치를 만들어내는, 전략적인 업무로 바꾸어줍니다.

우리는 이런 생각들을 많이 합니다.

“절반 이상의 사용자가 관심이 있어요”

“클릭을 했는데, 딱 맞는 커뮤니케이션을 하기 어려워요”

우리는 더 사려깊은 생각을 해야합니다. 절반 이상의 사용자라면 나머지 수많은 사용자들은 어떻게 해야하는지, 관심있는 사용자에게 어떻게 다가가는지, 결제를 안한 사용자를 어떻게 유도해야하는지, 이탈이 발생한 사용자는 어떻게 해야하는지 등입니다.

‍

또한 시장 환경도 달라졌습니다.

• 낮은 충성도: 특정 브랜드나 서비스에 대한 충성도가 낮고, 다른 브랜드나 서비스로 스위칭이 빠릅니다.
• 개인화 선호: 개인화된 경험에 대한 가치를 높게 평가합니다. 예를 들어 클레임이 접수되면 접수완료-해결중-해결완료 등의 여정을 사용자에게 신속하게 커뮤니케이션 해야합니다.
• 불충분한 정보: 사용자들은 늘 정보부족에 시달리며, 결정이나 전환에 망설입니다. 특히 결정적인 순간에 충분한 정보를 주지 않으면 싫어합니다. 또한, 스스로 정보를 찾는 사용자의 비율이 줄고 있어. 정보 제공의 역할은 서비스 제공자가 수행해야 합니다.
• 설득이 어려움: 과거 10년간 온라인 마케팅을 지배했던 넛지(Nudge)나 행위유도, 눈길을 사로잡는 주제는 크게 효과적이지 않습니다. 사용자들은 스마트하고 이런 테크닉에 익숙해져 있기 때문에 쉽게 설득되지 않습니다.

‍

우리가 사용자의 활성화율과 전환율을 높이기 위해서 집중해야할 부분은 아래의 5가지 지점입니다.

• 둘러보기: 처음 우리의 제품이나 서비스를 알아보는 첫 단계입니다. 이 단계에서 사용자의 행동 데이터를 기반으로 개인화된 메세지를 전달할 수 있습니다.
• 여정: 가장 중요한 단계로 경험에 따라서 충성도가 생길수도 있고, 영원히 떠나버릴 수 있습니다. 사용자 여정 활동 데이터에 따라 개인화된 커뮤니케이션 해야합니다.
• 낮은 충성도: 사용자의 충성도가 낮은 경우는 원하는 서비스가 없는 경우도 있지만, 찾지 못하는 경우도 많습니다. 다른 서비스나 제품대비 왜 우리 서비스를 사용해야하는지 장점들을 모르는 경우가 대부분입니다. 예를 들어, 접속 4일 후 접속빈도를 포함한 충성도가 급격하게 낮아지는 경우 선제적인 조치를 취할 수 있습니다.
  
• 활성화: 사용자마다 다르게 나타납니다. 활동이 높은 사용자, 낮은 사용자 정도를 구분해서 유도하고, 코호드나 세크먼트별로 유용한 정보를 제공할 수도 있습니다.
• 구매: 사용자에게 어떤 가치나 혜택을 받을지를 전달하여 충분한 정보를 바탕으로 전환이 이루어질 수 있도록 도와주어야 하며, 구매 후에는 충성도 높은 사용자가 될 수 있도록 유도해야 합니다.
• 이탈: 사용자가 더이상 우리의 서비스를 사용하지 않는 경우는, 다시 활성화해야합니다. 과거의 관심사나 활동 정보를 바탕으로 개인화된 방법으로 해야합니다.

또하나는 최적의 시간도 알아야 합니다.

가입 후 1분이 최적인지, 2시간 후가 효과적인지 찾아야 하며, 장바구니 후 결제 안한 고객에게 다음날 아침 또는 저녁으로 다양하게 시도해야 합니다. 사용자 활동 데이터와 스케줄로 세분화된 20~50개 이상의 메세징 시나리오가 만들어지고, 이렇게 정교하게 실행되는 비지니스의 전환율과 활성화율은 높아질 수밖에 없습니다.

다만, 스타트업이나 작은 규모에서 이렇게 세분화된 시나리오별로 자동화를 하기란 어렵습니다.

아웃코드는 사용 중인 데이터와 툴을 연결해서 위의 자동화들을 심플하게 합니다. 이제 우리가 집중해야할 일은, 관련 시스템의 개발보다는, 어떤 사용자에게 어떤 내용으로 언제 커뮤니케이션하는가 입니다.

‍

아웃코드 자동화툴으로 구글시트에서 카카오 알림톡, 친구톡과 문자, 이메일을 보낼 수 있다는 사실을 아시나요? 구글시트는 물론, 엑셀파일, 에어테이블, 데이터베이스에서 바로 발송해보세요.

‍

‍

아웃코드 자동화툴로 조건에 따라 변하는 고객 데이터를 보면서 세그먼트, 특성별로 메세징을 발송할 수 있어요. 만드는 방법은 간단해요.

‍

1. 먼저, 아웃코드 자동화에 고객정보가 있는 구글시트를 연결합니다.

‍

2. 구글시트 데이터에 조건(필터)를 설정해요.   

‍

3. 이제 필요한 앱(솔라피)를 추가하고 설정합니다. (자동입력도우미가 있어서 간편해요 😀)

‍

5. 실행주기(스케줄)를 설정하면 고객에게만 자동발송되는 알림톡 자동화가 완성됩니다!  

‍

심플한 사용환경외에도 아웃코드 자동화툴의 가장 큰 장점은 나의 업무에 맞게 자유롭게 만들수 있는 자동화툴이라는 점이에요. 우리 회사는 이제 모든 고객에게 똑같은 알림톡이나 이메일을 보내실 필요가 없어요. (고객유형별로 40개의 다른 이메일과 알림톡을 보내는 팀도 있어요 👍)

‍

또 한가지 장점은 고객활동, 주기, 데이터별로 세분화된 알림톡을 보낼 수 있어요.  다양한 종류의 알림톡과 친구톡을 필터와 스케줄을 다양하게 설정해서 최적의 메세징 자동화를 만들 수 있습니다.

‍

아웃코드를 잘 사용하시는 팀은 코호트, 상황별, 시나리오별로 수십개의 알림톡 템플릿과 이메일 템플릿을 만들어서 사용 중입니다.

‍

지난 주, 한국투자액셀러레이터에서 진행한 ‘[Outcode] Supercharging Productivity’ 세미나에 대한 내용을 담았습니다.

우리 팀에 자동화가 왜 필요한지, 다들 이야기하는 데이터 자동화가 무엇인지부터, 아웃코드를 사용하고 있는 팀들은 어떤 식으로 생산성을 높이고 있는지를 톺아보는 시간이었습니다.

• 데이터 자동화란?
• 자동화는 생존의 문제
• 다른 팀들은 어떻게 자동화하고 있는가?
• 자동화의 시작

데이터 자동화란?

데이터 자동화에 대한 정의는 정말 다양합니다. 아웃코드 팀은 ‘누구나 데이터를 쉽고 간편하게 사용하고 자동화 하는 것’이라고 말합니다.

자동화는 생존의 문제

‘데이터 기반의 운영과 데이터 자동화, 우리 팀도 해야하는데…’ 생각 중이셨나요?

대부분의 아웃코더분들은 이런 고민을 하고 계셨습니다.

'지금 방식도 괜찮은 것 같은데, 자동화 꼭 지금 해야하나요?’ ‘자동화했을 때 구체적으로 어느 정도의 효과를 얻을 수 있는 건가요?’

Accenture 리포트와 아웃코드 사용자들의 설문 응답에 따르면, 데이터 자동화는 리소스 절감해주고 매출을 성장시킴은 물론, 업무 신뢰도도 높여준다고 공유해주셨습니다. 즉, 만들어놓은 프로세스대로 알아서 데이터와 업무가 처리되다보니, 실수도 없어지고 효율성도 높아진다는 뜻이죠.

‍

‍

정말 저만큼의 효과가 있다면, 우리는 왜 데이터 자동화를 안하고 있었을까요?

스타트업이든 중소기업이든, 모든 비즈니스에는 데이터가 있습니다. 고객 정보, 결제 내역, 사용자 로그인 기록 등 정말 다양한 형태의 데이터가 다양한 방식으로 저장되어 있을겁니다. 그래서인지, 이를 활용한 자동화라고 하면 왠지 개발자가 다 해줘야할 것 같고, 엄청난 시간과 돈을 투자해야 가능하다고 생각하고 포기하는 경우가 대부분이였습니다.

하지만 그렇다고 바로 포기하기에는 자동화하는 기업과 안 하는 기업의 간극이 너무 커지고 있고, 극단적으로는 우리 비즈니스가 생존할 확률이 낮아지고 있습니다.  

자동화를 시작하고 싶은데 어디서부터 시작할지 고민이라면 아래 실제 사례들을 보시고 영감을 얻으실 수 있으면 좋겠습니다.

다른 팀들은 어떻게 자동화하고 있는가?

‍

‍쇼핑몰: 마케팅/결제 내역 메시징

‍

교육업: 강의/ 이벤트 알림톡과 친구톡

‍

B2B SaaS: 개인화된 메세징과 데이터 통합

플랫폼: 운영 데이터 조회와 분석

‍

위에서 공유드린 예시들은 아웃코드로 자동화할 수 있는 영역의 극히 일부분입니다.

게임 스타트업이라면 사용자들의 활동 로그를 기록하고 조회하는 자동화를, 세무법인이라면 견적 데이터 통합과 서류 자동화가 필요합니다. 우리 팀에 어떤 자동화가 필요한지 팀원들과 함께 살펴보는 시간을 꼭 가지시길 추천 드립니다. 어떤 업종이든, 어떤 팀이든 자동화는 꼭 필요하니까요.

자동화의 시작

이번 세미나에서 ‘자동화를 시작하고 싶은데 어디서부터 시작해야할지 막막하다’고 말씀해주신 분이 계셨어요. 이런 질문을 받을 때마다 아웃코드 팀이 항상 강조하는 게 한 가지 있습니다.

“모든 자동화의 시작은 데이터입니다.”

우리 팀이 데이터를 어디에 저장하고 있고, 어떤 서비스나 앱을 사용하고 있는지를 생각해보세요.

1. 데이터 저장: 엑셀, 구글 시트도 좋고, MySQL 같은 데이터베이스도 좋습니다. 어디에 우리 팀이 쓰는 데이터가 저장되어 있는지 확인해주세요.
2. 다른 서비스와 앱: 우리가 업무를 하면서 사용하는 서비스들이 뭐가 있는지 정리해보세요. 슬랙, 구글 시트, 네이버웍스, 카카오톡 등, 모두 적어보세요.

우리 팀의 데이터와 사용하고 있는 서비스들을 어떤 식으로 연결해서 사용할 수 있는지 고민하는 것에서 자동화는 시작됩니다.

업무를 하며 쌓아놨던 데이터들을 다양한 방식으로 사용해보고, 수작업으로 처리했던 과정들을 차근차근 자동화해보면서 우리 팀에 딱 맞는 데이터 자동화를 만들어나가실 수 있었으면 좋겠습니다.

‍

‍

작년에 아웃코드팀에서 간단한 설문을 진행한 적이 있습니다. 아래와 같은 한가지 질문이었습니다.

(해외) Which data sources are you using at work?

(한국) 어디에 데이터를 저장하고 계신가요?

‍

응답해주신 분들의 직군은 운영, 사업개발, 마케팅, 개발(Developer), 데이터분석과 세일즈로 다양하게 분포되어 있으며, 대부분 비개발자(Non-technical) 분들이 답변해주셨습니다.

결과는 아래와 같습니다.

‍

먼저 한국(내림차순);

엑셀 (37%), 구글시트(22%), MySQL(12%), PostgreSQL(8%), MariaDB(4%), Firebase(2%), AWS S3(2%), 그외 기타(14%)

업무에서 스프레드시트를 사용하는 비중이 높습니다. 그 뒤로는 회사의 데이터가 저장되어 있는 데이터베이스, 그 중에서도 MySQL, PostgreSQL 등의 비중이 높습니다.

‍

해외(내림차순);

구글시트(24%), 엑셀 (19%), MySQL (10%), PostgreSQL(8%), Redshift (10%), MSSQL(5%), MongoDB(5%), Firebase(5%), Others (10%)

스프레드시트의 비중이 43%로 낮아졌습니다. 데이터베이스는 편중없이 고르게 분포되어 있는 것 같습니다.

‍

추정할 수 있는 것들

설문의 모수가 크지 않아서 통계적인 유의미를 가질지는 모르겠지만, 힌트정도는 될 것 같습니다.

• 파일시스템인 스프레드시트의 비중이 줄고 있는 것 같습니다. 불과 수년전의 업무 환경을 생각해보면 엑셀의 비중이 절대적이었습니다.
• 데이터 리터러시(Data Literacy)가 향상되는 것 같습니다. 업무들이 점점 데이터 친화적이되면서 자연스럽게 데이터를 업무에 활용하고자 하는 케이스들이 확산되는 것 같습니다.

‍

‍

자동화는 우리에게 얼마나 많은 영향을 미칠까?

한 설문조사에 따르면 90% 이상의 사람들이 자동화된 업무에 대해서 만족한다고 합니다.응답자 중 대부분이 스트레스가 줄어드는 경험을 했다고 하고요.

많은 회사들이 비용절감을 먼저 생각하고 있지만, 사실 직원 경험(employee experience)측면에서 일상의 소모적인 업무를 자동화하고 새로운 아이디어를 손쉽게 실현하게 하는 것처럼 만족감을 주는 경험은 없는 것 같습니다.

‍

‍

그래서 우리의 삶의 질을 높일 수 있는 5개의 아이디어를 준비했습니다.

‍

1. 데이터 수집에 시간을 쓰지 않기

업무 상 어떤 데이터를 찾기 위해서 오전 시간을 허비한 적이 있나요? 히스토리 데이터를 구매하려고 하니 너무 비싸서 포기한 적이 있나요? 그렇다면 자동으로 데이터를 수집하게 하세요.

웹 상에 있는 정보를 크롤링하는 것부터 공개 API까지 주기적으로 정보를 수집할 수 있습니다. 수집되는 정보는 데이터베이스에 저장하세요. 구글시트도 상관없습니다.

내부의 다양한 데이터베이스들에 흝어져 있는 고객 데이터를 한 보고서에 모아야 한다면 데이터 자동화를 사용하세요.

‍

2. 고객에게 자동으로 대응하기

우리는 고객에 맞추어 24시간 일할 수 없습니다. 신규 고객에 대한 환영 가이드, 뉴스레터, 맞춤형 프로모션, 행위별 알람까지 자동화할 수 있는 것들은 모두 자동화하세요. 그리고 변경이 필요할 때마다 수정만 하면 됩니다.

‍

3. 자동으로 데이터 싱크하기

업무를 하다보면 다른 곳에 있는 데이터를 밀어넣거나 연동시켜야할 경우가 많이 발생합니다. 엑셀에 있는 데이터를 조건에 맞게 데이터베이스에 삽입하거나 반대의 업무도 발생합니다. 서로 다른 데이터베이스 간에 데이터를 주기적으로 자동연동해야할 수도 있는데, 이런 작업들은 자동화하면 운영팀과 개발팀 모두 큰 시간을 줄입니다.

‍

4. 보고서를 자동화하기

매일/매주 발생되는 보고서는 자동화하는게 절대적으로 유리합니다. 자동 배포는 당연하고 원본데이터를 데이터 유형에 무관하게 사용자가 조건 검색/ 변형 등을 해준다면 매번 조금씩 다른 데이터로 인해서 보고서 자체를 변경할 시간도 줄어듭니다.

‍

5. 개발자를 귀찮게 하지 않기

개발자는 다양한 데이터나 자동화 요청을 한꺼번에 받기 때문에, 요청하는 사람도 미안해집니다. 데이터 자동화를 사용하면 개발자가 매번 개입하지 않고도 업무자동화가 가능해집니다.

삶과 일의 균형을 찾기 위해서 힘들어 하지 말고, 위의 자동화를 만들어서 삶의 질을 높이고, 더 많은 영감으로 새로운 자동화를 만드세요.

‍

‍

아웃코드는 데이터를 누구나 코드없이 자동화하는 솔루션입니다. 데이터를 사용자가 직접 보면서 원하는 조건과 앱으로 자동처리할 수 있는 새로운 자동화툴입니다.

‍

TL;DR: 자동화툴을 만들기 위해서 개발지식은 필요없습니다. 데이터로 업무를 개선하는 마인드셋이 중요합니다.

앞으로 업무 환경에서는 나와 팀의 업무에 맞는 자동화 툴을 사용하여, 여기저기 숨어있는 반복적이고 소모적인 일들은 하지 않을 것이라고 생각합니다. 업무 중에 불필요하게 시간을 소모되는 부분을 없애고, 단순하거나 반복적인 작업으로 스트레스를 받는 일은 사라질 것입니다.

아웃코드와 같은 자동화 툴을 사용하여 더 많은 팀과 사용자들이 업무 상에 필요한 데이터들을 자동으로 처리하는 맞춤형 자동화툴을 직접 만들고 있습니다. 여기서 우리팀이 발견한 재미있는 사실은 아웃코드 사용자 중에서도;

• 세분화된 맞춤형 자동화툴을 만드는 경우와,
• 단순한 자동화에 만족하는 경우도 있다는 사실입니다.

어디서 이런 차이가 발생하는지 원인을 찾기 위해서 먼저 사용자 분포를 보면 아래와 같습니다. (중복카운팅 허용)

• 사업개발 (62%)
• 운영 (49%)
• 마케팅 (34%)
• 데이터분석 (28%)
• 세일즈 (21%)
• 개발 (19%)
• 기타 (4%)

아웃코드가 노코드 솔루션이라는 점과 사용자 분포를 볼 때, 코딩과 같은 전문적인 개발지식이 사용성의 차이를 가지고 온다고 보기는 어렵습니다.

사용자 인터뷰에서 중요한 사실이 발견되는데, 자신과 팀의 업무 시나리오에 대한 이해가 차이를 만듭니다. 예를 들어, 업무를 세분화하고 로직화하여 개선하고자하는 마인드셋을 가진 사용자는;

• 데이터와 고객의 흐름을 먼저 생각하고, 다양한 시나리오별로 원하는 자동화를 만듭니다. 중간에 동료들과 협업을 통해서 높은 수준의 자동화툴들을 만들기도 합니다.
• 반면에 업무를 단순하고 막연하게 생각하시는 분들은 개선점을 찾지 않습니다.
• 예를 들어, 고객 경험도 잘 개선하기 위해서는, 세분화된 고객 상황과 데이터에 따라서 여러개의 자동화툴들이 필요합니다.

맞춤형 데이터툴은 막연한 개념이 아닙니다. 우리의 성장과 성과를 위한 고민과 생각, 아이디어를 현실화하기 위해서 필수적인 툴입니다.

아웃코드를 잘 사용하기 위해서는 개발지식이 아니라 마인드셋이 중요합니다

‍

‍

역사적으로 보면 사실 사람들의 일과 삶은 계속 변화해왔습니다. 미래형 업무(Future of work)이라고 하면 앞으로 어떤 방식으로 우리는 일을 하게 되고 회사와 조직, 그리고 개인에게 어떤 변화가 있을지는 말하는 용어같습니다.

미래형업무(Future of work)은 사실 범위가 너무 넓어서 가늠하기 어렵습니다. 로봇으로 가득찬 공장이나, 인공지능이 알아서 대응하고, 사람의 일자리가 사라지고 바뀌는 느낌의 추상적인 말보다는, 좀 더 구체적으로 우리의 업무공간, 워크플레이스와 회사에서 생기는 변화로 좁혀보겠습니다.

‍

웰빙

첫번째는 사람들의 웰빙(Wellbeing) 입니다. 웰빙은 안전한 환경이나 복지도 있지만, 사람들이 원하는 유연성을 의미합니다. 업무활동에 있어서 좀 더 자유롭게 일하는 환경이 조성되며, 궁금적으로는 업무 강도나 일하는 방식의 변화가 필요합니다. 평균 근무시간은 줄어들고 있으며, 특히 코로나 이후에 업무 방식과 형태를 선택적으로 할 수 있게 되었습니다.

‍

생산성

두번째는 생산성에 대한 집착(Productvitiy Paranoia)입니다. MS CEO인 사티아 나델라가 말했듯이 사람들과 조직의 피로도는 증가하고, 시간 당 더 높은 생산성을 요구하게 되었습니다. 이제 결과물 또는 기여에 대해서 좀 더 나은, 새로운 방법으로 성공적인 업무가 될 수 있도록 마련되어야 합니다. 단적으로 생산성을 증대없이는 과거의 조직 형태를 더이상 유지하기 어려워지고 있습니다.

‍

가능기술

세번째는 새로운 기술의 지원(Supportive or Enabling Technology)입니다. 머신러닝과 자동화, 또는 둘의 결합으로 이루어지는 기술은 단순하고 반복적인 업무를 넘어서 인지적이고 창조적인 활동을 자동화할 수 있도록 만들어주 고 있습니다. 이러한 기술은 사람에게 새로운 능력을 제공하여 더 많은 일(Empowering human beings to do more)할 수 있도록 도와줍니다. 이미 우리는 코드를 작성하거나 번약이나 요약, 원하는 데이터를 추출하기 위한 쿼리, 메세지 등 다양한 분야에 이러한 새로운 기술을 활용할 수 있습니다.

‍

아웃코드팀이 바라보는 미래는 데이터 자동화 같은 가능 기술을 이용하여,

많은 사람들이 한계없이 데이터를 사용하여 더 높은 성과와 창조를 만드는 미래입니다.

‘데이터 드리븐’ 또는 ‘데이터 기반 마케팅’이란 용어를 검색해보면 키워드부터 인구통계 데이터, 관심사 등을 사용하여 마케팅을 하는 것(?)을 의미합니다. 듣기에는 좋지만 실체가 분명하지 않은 것도 사실이고 사람마다 다르게 해석하기도 합니다.

‍

먼저 데이터 드리븐(Data-driven)이란 무엇일까요?

데이터 드리븐 마케팅이란 고객 커뮤니케이션과 접점을 실행하는 방법으로 데이터를 지속적으로 사용하여 새로운 기회를 발견하는 방식이라고 합니다.

데이터의 중요성을 이해하기는 쉽지만 그래서 어떻게 적용하는지는 막연합니다. 예를 들어, 고객 데이터를 분석해서 좋은 기회를 발견했다고 하더라고 고객 커뮤니케이션과 점접에 적용하기 어렵다면 그저 이론상으로 존재하는 무언가에 그치고 맙니다. 실행되지 못하면

1. 고객 커뮤니케이션과 피드백이 느려집니다.
2. 의미있는 개인화는 어렵습니다.
3. 실행이 어렵다면 같은 성공만 또는 실수를 계속 반복합니다.

한 조사 결과에 따르면, 데이터 드리븐 마케팅을 실행하면 매출이 400%까지 성장하는 것으로 나타납니다. 그렇다면 좀더 간편하고 현실적인 방법이 있을까요?

‍

먼저 고객 데이터가 구글시트, 엑셀, 에어테이블, 노션, 데이터베이스, BI 툴 등을 통해서 접근하기가 쉬워야 하고, 고객 등급, 분류 등에 따라서 자동화된 이메일이나 알림톡/친구톡, 푸시 메세지 등을 보낼 수 있어야 합니다.

고객의 데이터를 보면 대부분 아래의 다양한 커뮤니케이션에 활용할 수 있는 데이터가 있습니다.

• 회원가입일자
• 회원 프로필 정보
• 이메일, 전화번호 등 연락처
• 구매 내역, 조회내역
• 이외에도 더 풍부한 정보가 있을 수 있고,

고객 커뮤니케이션 측면에서는 아래와 같은 활동을 할 수 있습니다.

• 고객 등급별 상품 추천이나 차별화된 프로모션
• 사용자의 의향, 행동에 따른 개인화된 메세지
• 정기/비정기적인 피드백 수집 이메일
• 새로운 제품이나 서비스, 기능에 대한 맞춤형 안내
• 자동화된 고객 미팅일정과 아내
• 결제 미완료 또는 완료 고객에 대한 갱신 메세지
• 이외에도 많은 다양한 사례가 있을 수 있으며,

커뮤니케이션 채널 측면에서는 주로,

• 이메일(영업 이메일, 마케팅/프로모션 이메일, 트랜젝션 이메일)
• 알림톡/친구톡
• 인앱 메세지
• 문자 등이 있습니다.

이 외에도 데이터 드리븐 마케팅을 위해서는 데이터 조회/필터/취합/이동 등이 필요합니다.

이러한 데이터 기반 마케팅을 가장 쉽고 빠르게 자동화할 수 있는 방법은 노코드 데이터 자동화입니다. 아웃코드는 고객 데이터를 자동화할 수있는 새로운 방법을 제시합니다. 업무 중에 사용하는 어떤 데이터와 애플리케이션(채널)을 연결하여 10분만에 자동화할 수 있습니다.

아웃코드를 사용하면, 어떠한 개발과 코딩없이, 마케터, 영업, 운영팀에서 마치 스프레드시트처럼 쉽고 빠르게 필요한 고객 커뮤니케이션 자동화를 만들 수 있습니다.

노코드(No-code, Nocode)는 코드와 서버 등으로 만드는 소프트웨어와 다르게, 코드없이 만드는 소프트웨어이자 관련 기술들을 말합니다.

노코드 기술은 빠른 발전을 거듭하고 있는데, 관련 시장이 급속하게 팽창함에 따라서 새로운 변화들이 예상됩니다. 글로벌 시장을 분석한 결과를 바탕으로 한 우리가 보는 트렌드는 아래와 같습니다.우

거시적인 전망

1. 늘어나는 시민 개발자들: 노코드의 발전은 일반 사용자들에게도 개발의 기회를 제공할 것입니다. 시민 개발자들이 노코드를 통해 아이디어를 실현시키고 자체적으로 자동화하는 모습이 더욱 늘어날 것입니다.
2. 더 나은 협업과 생산성: 노코드는 다양한 팀과 부서 간의 협업을 더욱 강화할 것으로 예상됩니다. 각자의 전문 분야에서 노코드를 통해 필요한 자동화를 빠르게 개발함으로써, 기업은 더욱 빠르게 혁신할 수 있을 것입니다.
3. AI와의 통합: 인공지능 기술과 노코드의 결합은 더욱 강력한 기능과 펼ㅎ 가능하게 할 것입니다. 노코드를 통해 개발된 애플리케이션은 인공 지능 기능을 쉽게 통합하여 더 지능적이고 유연한 서비스를 제공할 것입니다.

‍

보다 세부적인 트렌드들을 아래와 같습니다.

트랜드 1: 수직형 노코드

노코드하면 아마 Horizontal 한 서비스를 제공하는 것이 정설이었습니다. 예를 들어, 모든 요구 사항을 만족시키거나, 수천개의 앱을 연결하는 서비스 등입니다. 그러나 이런 범용 서비스는 기업의 다양한 실제 요구 사항들을 만족시키기에는 한계가 있습니다.

그러나, 최근에 등장한 혁신적인 노코드 서비스들을 Vertical한 서비스를 제공하고 있습니다. DevOps 분야에 특화된 노코드 서비스를 제공하는 Blink, Backend에 집중하는 Xano, 홈페이지에 집중하는 Webflow 등이 있으며,

‍

트랜드 2: 기업 시장의 확대

노코드 홈페이지 툴인 웹플로우에 따르면 자신들은 아직 홈페이지 시장의 1% 이하의 점유율을 가지고 있다고 합니다. 현재의 노코드 시장의 주류 고객은 개인과 소형 기업들입니다.

새로운 중요한 변화는 규모있는 선두 기업들이 노코드 기술과 서비스에 주목하기 시작했고, 노코드 기술과 서비스의 도입을 올해 혁신 과제 중에 최우선으로 선택했습니다. 대형기업들이 유입은 기술의 발전과 시장의 판도를 바꿀만한 중요한 변화가 될 것입니다.

‍

트랜드 3: 데이터의 부상

10여년 전에 만들어진 노코드 서비스들은 데이터 연동이 중요하지 않았습니다. 그때는 지금과 같이 API나 연동이 보편적이지 않았으며, 사용할 수 있는 API의 숫자가 매우 적었습니다. 이러한 서비스들은 Zapier, Integromat와 같은 이벤트 기반의 자동화(Event-driven workflow or automation)가 대표적입니다.

시장과 고객의 요구 사항이 복잡해짐에 따라서 데이터 워크플로우 또는 자동화 서비스들이 고속성장하고 있습니다. Tray.io, Paragon, Customer.io, Alloy automation, Outcode 등이 있으며 데이터의 통합과 자동화 시장의 핵심 서비스로 등장하고 있습니다.

이런 노코드 서비스 공급자 간의 중요한 차이는 데이터 인프라와 관련 기능의 차이입니다. 어떤 서비스는 아주 간단한 (폼을 만들어주거나, 이벤트를 연결해주거나) 기술 구조로 되어 있지만, 다른 진보된 플랫폼들은 강력한 데이터 통합 능력을 가지고 있습니다.

‍

트랜드 4: 기술의 메인스트림화

소프트웨어 개발에서 노코드가 미친 영향은 기업에도 영향을 미치고 있습니다. 전통적인 소프트웨어 개발 방식과는 다른;

노코드 툴이 가지는 사용성, 간편한 유지보수나 언제든지 가능한 개선, 강력한 처리 성능, 그리고 파괴적인 생산성 등은 이제 노코드가, IT 와 관련없는 비지니스 유닛 일부에서 사용하는 특수한 도구가 아니라, 기업 전반의 개발과 운영 업무에 중요한 한 축으로 자리매김하게 될 것입니다.

다음에는 분야별로 어떤 노코드 회사와 서비스가 성장 또는 후퇴할 것인지 작성해보겠습니다.

‍

‍

스타트업은 시간과 돈이 많이 들지 않으면서도 신속하게 만들 수 있는 간단한 자동화 솔루션을 필요로 합니다. 스타트업의 규모, 예산 및 리소스의 제약 사항을 충족시키기 위해 전통적인 자동화 시스템 뿐만 아니라 새로운 데이터 자동화 솔루션을 살펴보는 것이 중요합니다.

팀원들과 함께 협력적이면서도 자동화된 데이터 처리를 통해, 기존에 오래 걸리거나 어려웠던 많은 작업을 자동으로 완료할 수 있습니다. 그리고 이러한 솔루션의 비용과 시간은 전통적인 자동화 시스템보다 훨씬 적습니다.

스타트업은 본질적으로 제한된 자원을 가지고 있어야 하며 빠르게 일을 처리해야 하며, 개선하고 성장하고 프로세스를 최적화할 수 있는 방식으로 빠르게성장합니다.

예전에 복잡하거나 제한적인 워크플로우 소프트웨어를 고민했다면, 이제 더 간단하고 똑똑한 데이터 워크플로우를 기반으로 한 자동화된 운영을 구현할 수 있습니다.

• 매출의 빠른 상승
• 원하는 자동화를 즉시 생성
• 운영팀과 개발팀이 함께 사용
• 개발비용과 시간의 빠른 절감

‍

최신의 기술로 개발된 데이터 자동화 솔루션들은 강력한 데이터 처리와 통합 기능을 바탕으로 업무 시나리오와 조건에 맞는 자동화를 가능하게 합니다.

스타트업의 비지니스와 운영이 시작되면 데이터는 급증하며, 데이터를 활용하는 시나리오들이 늘어납니다. 이때 개발팀에게만 의존하게 되면, 리소스의 급격한 부하가 걸리고, 운영에서 필요한 즉각적인 자동화가 어려워집니다.

• 회사 내 어떤 프로세스가 미비하거나 문제가 발생하면 팀이 구성되는데, 이들은 신속한 해결책을 유지하기 위해서 수동으로 실행합니다.
• 운영의 최적화나 개선을 위한 아이디어를 현실화하는데 오랜 시간이 걸립니다.
• 스타트업은 점점 수동 작업으로 가득찬 형태가 되며, 어떤 변화가 일어나면 문제는 다시 발생하고 다시 팀을 구성하고 악순환이 시작됩니다.

노코드 데이터 자동화는 스타트업의 운영과 일하는 방식을 바꾸는 일을 합니다.

• 자동화가 어떤 종류의 데이터를 사용하던지 문제없이 가능합니다.
• 개발팀과 운영팀이 협력하여, 필요한 데이터와 앱을 빠르게 조합하여 원하는 조건으로 자동화를 즉시 만듭니다.
• 스타트업에 필요한 데이터베이스, 스프레드시트, 이메일, 알림톡, 친구톡, 협업툴, 인앱푸시와 API 양방향 연동까지 지원합니다.
• 스타트업이 성장하고 데이터와 처리량, 빈도가 늘어나도 생성된 자동화를 변경할 필요가 없습니다.

‍

아웃코드 자동화에서 조회화면을 쉽게 만들 수 있는데요, DAU와 MAU 조회화면을 만들어보겠습니다.

‍

먼저, DAU와 MAU의 정의와 측정 방법은 아래와 같습니다.

• DAU(Daily Active User): 일간 활성 사용자 수
• MAU(Monthly Active User): 월간 활성 사용자 수
• 측정 주기를 주단위로 하는 WAU((Weekly Active User: 주간 활성 사용자 수)도 있습니다.
• 주의할 점은 사용자가 하루에 몇번을 방문/접속해도 1회로 측정해야 합니다.

특히 DAU/MAU로 사용자 고착도(Stickness)를 측정할 수 있는데요, 앱이나 서비스의 활성화를 측정하는데 이용됩니다.

DAU나 MAU를 비교하고 두 지표의 비율을 계산하면 서비스의 고착도를 더 자세하게 들여다볼 수 있습니다. 이 비율이 높을수록 사용자가 서비스를 더 자주 사용한다는 것을 나타냅니다.

• Stickness = DAU/MAU = (일일 활성 사용자 수 / 월 활성 사용자 수) *100
• 유명한 소셜앱의 경우는 50%에 달하기도 하고, 서비스의 성격에 따라 다릅니다. (페이스북 지표에 대한 글: https://backlinko.com/instagram-users)
• 일반적으로 20%면 높은 편이고, 25%의 경우 매우 높은 편에 속합니다. 유명 금융 앱의 경우 24%, SaaS 28%, 전자상거래 22%, 미디어 26%면 상위권입니다.

‍

아웃코드로 빠르게 DAU/MAU 조회화면 만들기

아래와 같은 DAU/MAU 조회화면을 직접 만들어보겠습니다.

‍

‍

1. 먼저, 아웃코드에 가입한 후, 커넥터로 측정할 데이터가 있는 데이터소스를 연결합니다. 주로 MySQL, PostgreSQL, MariaDB 등 상용 데이터베이스를 연결합니다.

‍
2. 자동화에서 DAU/MAU 쿼리를 입력하기 전에, 아래의 샘플 데이터베이스의 데이터를 이용하도록 하겠습니다. 샘플 MySQL 데이터베이스는 이렇게 구성되어 있습니다.

‍

3. DAU/MAU를 계산하기 위해서는 아래의 데이터를 기준으로 삼으면 됩니다.

• log-in date (접속일자)
• user id (사용자 고유 ID)

마지막으로, 아래의 쿼리를 필요에 따라 수정해서 아웃코드 자동화에 입력하면, DAU, MAU, Stickness 를 한번에 조회 화면을 직접 만들 수 있습니다.

SQL에서 DAU와 MAU를 한번에 구하는 쿼리 샘플

(위에 샘플 데이터베이스에서는 DAU를 측정하기 위해서는 login_history 테이블의 user_id와 created_at가 필요합니다. 아래 쿼리를 복사 붙여넣기하여 수정해보세요!)

‍

‍

WITH daily AS (
SELECT
  date_format(created_at, "%Y-%m-%d") AS day,
  date_format(created_at, "%M %Y") AS month,
  count(*) AS dau
FROM
  login_history
GROUP BY
  date_format(created_at, "%Y-%m-%d"),
  date_format(created_at, "%M %Y")
),
monthly AS (
SELECT
  date_format(created_at, "%M %Y") AS month,
  count(user_id) AS mau
FROM
  login_history
GROUP BY
  date_format(created_at, "%M %Y")
)
SELECT
daily.day,
daily.dau,
monthly.mau,
concat(
  round(daily.dau / monthly.mau * 100, 1),
  '%'
) AS 'DAU/MAU'
FROM
daily
JOIN monthly ON daily.month = monthly.monthorder BY daily.day DESC;

‍

만약 MAU, DAU를 따로 구하고 싶으면 아래 쿼리를 사용하면 됩니다.

‍
DAU (Daily Active Users) 구하기:

SELECT COUNT(DISTINCT user_id) AS dau
FROM user_activity
WHERE log_in_date = CURDATE();

‍

MAU (Monthly Active Users) 구하기:

SELECT COUNT(DISTINCT user_id) AS mau
FROM user_activity
WHERE MONTH(log_in_date) = MONTH(CURDATE()) AND YEAR(log_in_date) = YEAR(CURDATE());

‍

이 쿼리들은 현재 날짜를 기준으로 일일 및 월별 활성 사용자 수를 반환합니다.

‍

카카오 메세지 마케팅은 알림톡, 친구톡 등 카카오톡 메세지를 활용한 마케팅을 말합니다. 기존의 광고처럼 메세지를 일방적으로 전달하는 것 뿐만 아니라 버튼, 링크 등을 통해서 상담톡이나 구매, 홈페이지 방문 등 직접적인 고객의 행동까지 유도할 수 있는 특징이 있습니다.

친구톡이나 상담톡은 판매자의 톡채널을 추가한 이용자에게만 발송되며, 우리의 서비스에 관심있는 소비자들이 친구추가를 주로 합니다. 알림톡은 정보성 메세지로 다양한 정보를 카카오톡으로 발송하며 고객의 전화번호를 기준으로 발송됩니다. 카카오 메세지 마케팅의 최대 강점은 높은 클릭율입니다.

만약 자동화가 없으면 일일이 한사람씩 문자나 카톡을 보내야하는 불편함이 있는습니다.

요새 일잘러 분들이 자주 사용하시는 알림톡 자동화 툴이 있습니다. 외국 서비스인 자피어와 국내 자동화 서비스인 아웃코드가 있습니다. 오늘은 두 서비스간의 자세한 차이점을 알아보겠습니다.

기능

자피어는 상담톡 전환링크 등 일부 버튼을 제공할 수 없습니다. 외국 서비스이다보니, 한국 사용자에 맞게 기능을 제공하지 않는 부분이 존재합니다. (둘 다 솔라피라는 발송 서비스를 통해서 자동화합니다.)

또한, 자피어는 신규 레코드 등 이벤트가 있을 때만 발송이 가능하기 때문에 다양한 메세징 시나리오를 자동화하기 어려운데;

1. 알림톡 템플릿 자동 인식 불가능
2. 가입한 다음날 오전 9시처럼, 사용자 지정 스케줄로 발송하거나
3. 구글시트에 있는 모든 데이터를 기준으로 발송하기 불가능합니다.
4. 필터는 Task(Zap)을 추가해야만 하며, 비용이 2배로 발생합니다.

‍

아웃코드는 국내 사용자의 니즈에 맞게 알림톡, 친구톡의 모든 기능을 지원합니다.

1. 알림톡 템플릿 자동 인식
2. 사용자의 지정 스케줄로 발송
3. 구글시트, 에어테이블, 노션, 데이터베이스에 있는 모든 데이터를 기준으로 발송 가능
4. 필터는 추가 비용없이 사용가능

아웃코드로는 다양한 메세징 시나리오를 구성할 수 있습니다.

‍

성능

자피어는 랜덤하게 중간에 멈추고 실행이 중단되는 경우가 많이 발생합니다. 특히 실행 빈도가 높아지는 경우 많이 발생합니다.

아웃코드는 현재까지 실패율이 0%입니다.

‍

가격

먼저 자피어는 연간요금제 기준 Task 1회 실행에 약 34원 정도입니다. 월 5만번 task 실행 기준 38만원입니다. (단, 트리거는 실행 카운트에 포함되지 않습니다.)

아웃코드는 연간요금제 기준 자동실행(Task) 1회 실행에 1원입니다. 월 5만번실행 기준 6만원입니다. 실행주기(트리거)는 실행 카운드에 포함됩니다. 실행주기는 최소 1분부터 최대 60일까지 설정가능하므로, 적정하게 조정하시면 됩니다.

‍

지원

자피어는 한국어 서비스가 없으며, 고객 지원을 받기 어렵습니다. 요청 사항이 있어도 반영이 거의 되지 않습니다.

아웃코드는 채팅과 커뮤니티를 통한 적극적인 고객 지원을 하고 있으며, 요청 사항은 빠르게 해결해드리고 있습니다.

‍

‍

디지털 기술을 이용한 헬스케어 서비스가 빠르게 성장하고 있으며, 새로운 스타트업이 등장하고 기존 관련 회사들도 유사한 서비스를 제공하고 있습니다.

주로 건강관리 앱을 통해서 이용자 스스로가 ‘건강관리에 필요한 정보를 얻고 이해하는 능력’를 가질 수 있도록 도와주고 있습니다.

참고로, 건강관리 서비스는 의료행위를 제외한, 사용자의 건강유지/증진과 질병의 사전예방을 목적으로 생활습관을 개선하고 관리를 유도한 서비스를 말합니다. (참조: https://blog.naver.com/mohw2016/221542161798)

건강관리 서비스를 위한 사용자 메세징은, 사용자의 데이터별로 개인화된 메세지 형태로 제공되며, 정기적으로 건강 관리용 정보(코칭, 체크, 건강편지 등)를 발송하는 형태입니다.

1. 고객이 회사의 앱을 설치 후에 앱 내의 푸시메세지 또는,
2. 사용자가 확인하기 쉬운 카카오 알림톡(또는 문자, 친구톡)을 보내거나,
3. 위의 두가지 방식을 병행하는 경우입니다.
4. 그리고 건강 인센티브나 프로모션 정보를 추가로 제공하는 경우도 많습니다.

개발 관점에서 보면, 회사의 데이터 시스템(주로 데이터베이스)에 업데이트되는 정보를 바탕으로, 완전히 개인화된 개별 맞춤형 정보가 담긴 메세지를 스케줄에 따라서 보내는 방식으로 많은 비용과 시간이 필요합니다.

예를 들어,

1. 1일차, 2일차, 3일차… 120일차 등 순차적으로 건강관리 메세지를 오전과 오후, 또는 저녁에 발송하는데,
2. 사용자의 데이터에 따라서 정확하게 세분하여 맞춤형으로 발송하고
3. (선택) 발송기록을 시스템에 다시 업데이트

만약 이러한 메세징 시스템을 자체 개발한다면, 많은 리소스가 투여됩니다. 통합 메세징 기능, 데이터 소스와 실시간 통합기능, 대량 처리 기능 , 조건과 데이터에 따라 세분화하는 시나리오 기능 등 거대한 시스템을 구축해야만 합니다.

아웃코드는 이러한 문제를 해결하기 위해서 만들어진 노코드 서비스입니다. 복잡한 코드와 설치없이, 브라우저 상에서 클릭만으로 대량 메세징 자동화가 가능합니다.

1. 비개발자도 쉽고 간편하게, 개별 데이터를 기반으로 개인화된 맞춤형 알림톡, 친구톡, 인앱 푸시 메세징를 작성하고 보내 수 있으며,
2. 무제한으로, 고객정보와 조건별로, 필요한 메세징 자동화를 만들고 실시간으로 수정할 수 있고,
3. 필터와 스케줄로 원하는 데이터만, 원하는 고객에게 원하는 스케줄로 보낼 수 있습니다.

아웃코드를 이용한 메세징 자동화는 헬스케어 스타트업 뿐만 아니라, 고객에게 자사 제품의 정확한 사용 관련 가이드나 케어 서비스를 제공하는 회사에서도 유용하게 사용될 수 있습니다.

비대면바우처 수요기업으로 선정되셨나요? 축하드립니다! 🥳 (비대면바우처가 뭔지 궁금하시다면 이전 블로그를 확인해주세요 👉 블로그 읽기)

수요기업 선정 결과는 신청 완료 후 평균 1-2개월이 소요된다고 하니, 아직 결과를 못 받으신 분들은 조금만 기다려주세요! 

‍

미리 알아보는 비대면바우처 결제 방법

1. 결제수단 준비하기 

비대면바우처 결제수단을 선택해주세요. 한 번 선택한 결제수단은 변경할 수 없으니, 확인 후 선택해주세요. 

• 신한카드: 카드발급까지 최대 7일 소요

• 제로카드: 즉시 사용 가능

-> 더 자세한 내용은 https://www.k-voucher.kr/page/paymentInfo를 참조해주세요. ‍

‍

2. 서비스 공급기업 선택하기

비대면서비스바우처플랫폼에 들어가서 아웃코드를 검색해주세요. 

원하는 요금제를 선택하고 오른쪽 하단에 있는 바로구매 버튼을 누릅니다. 

‍

3. 결제 완료하기

1번에서 선택한 결제수단 매뉴얼에 따라 결제를 마무리해주세요. 

결제 전, 궁금하신 내용이 있으면 오른쪽 하단의 채널톡에 문의를 남겨주세요. 아웃코드 팀이 최대한 빨리 안내해드릴게요 🏃‍♀️

‍

👉 아웃코드 바우처 구매하기 💳

‍

사용자 가이드

사용자 가이드 문서는 여기에 있어요. 사용하시다가 궁금하신 사항이 있으시면 메뉴나 검색을 통해서 찾아보세요.

‍

궁금하신 사항을 직접 문의하고 싶으실 때는 아웃코드에 접속하셔서 우측 하단의 채팅창에서 직접 문의를 주실 수 있어요.

‍

필터와 스케줄

필터와 스케줄은 원하시는 조건으로 다양하게 설정할 수 있어요. 예를 들어, 어제 가입한 사용자 중에서 내부 사용자만 제외하고 싶다면 아래와 같이 설정할 수 있어요.

오늘이 수요일이고 특정일로 선택 -2일이면, 월요일 데이터만 필터링됩니다.

‍

예를 들어, 아래와 같이 필터는 -10분전까지로 설정하고 스케줄을 10분으로 설정하면

1. 현재부터 -10분전까지에 해당하는 데이터만 필터링하여
2. 매 10분마다 필터링된 데이터만 실행(지메일 발송)합니다.

‍

참고로, 스케줄과 필터는 1/1000초 단위로 정확하게 동작하기 때문에 중간에 누락되는 경우는 없어요.

요금제 선택방법

아웃코드 요금제는 통신요금과 같이 기본요금이 있고, 기본으로 제공되는 ㄱ실행회수가 초과되면 초과회수당 1~2원이 부과돼요.

초과 실행회수당 과금은 요금제별로 달라요(확인).

자동화앱의 실행회수는 아래와 같이 카운트되요.

1. 데이터를 불러올 때 (스케줄, 수동실행, 조회등)
2. 데이터를 앱으로 실행(예: 실제 알림톡 발송회수)할때

요금제를 선택하실 때 중요한 첫번째 팁은 데이터의 양과 스케줄(실행주기)에요. 예를 들어 데이터가 1만개이고 매일 1번씩 스케줄이 설정되어 있다면,

1. 데이터 로딩 (매일 1회, 월 30회)
2. 데이터 실행 (전체 1만개 데이터 중 2천개만 실행, 월 6만회)
3. 실행회수 당 1원이므로 매월 60,030원이 실행(과금)되요.

요금제 선택 시 두번째 팁은 자동화앱의 갯수에요. 자동화 앱의 갯수가 많아지면 실행회수도 그만큼 늘어나요(그만큼 비용과 시간은 줄어들겠죠).

거의 모든 사용자분들이 계속 새로운 자동화앱을 만드세요. 이 부분을 감안하다면 실행회수당 1원인 팀이나 비지니스 요금제를 추천해요.

IF와 같은 조건을 설정하고 싶을 때

아웃코드 자동화앱에서 조건을 설정하는 방법은 간단해요. 자동화에서 시트를 복제하신 후에 시트별로 원하는 조건을 설정하시면 됩니다.

직접 아웃코드 AutoML에 데이터를 넣고 데이터 분석을 시행해 보았습니다. 데이터는 Walmart Sales Forecast kaggle에서 가져왔으며 예시 1번처럼 매출 예측 모델을 생성했습니다. 아래 그림처럼 IsHoliday, Dept, Weekly_Sales, Temperature, Fuel_Price, CPI, Unemployment의 Column으로 구성되어 있으며 주간 매출인 Weekly_Sales를 예측합니다.

‍

‍

데이터를 불러온 다음, 우측하단의 인공지능 분석하기를 클릭하면 아래 그림처럼 타겟 칼럼을 선택할 수 있습니다. Weekly_Sales를 선택해줍니다.

특정 학습 시간 이후, 보고서를 받아볼 수 있습니다. 저는 2시간만에 보고서를 받았습니다. 데이터의 양과 속성에 따라서 학습 시간은 상이할 수 있습니다. 위 분석으로 물가 지수와 실업률이 매출에 영향을 준다는 인사이트를 얻을 수 있었습니다. 경제 상황을 고려하여 한층 더 정확한 예측이 가능해 졌습니다.

이렇게 손쉽게 데이터를 연동하여 클릭만으로 AutoML을 실행하고 인사이트를 제공 받을 수 있습니다.

평균 제곱근 오차(RMSE, Root Mean Squared Error)와 평균 절대 오차(MAE, Mean Absolute Error)는 모델의 예측값과 실제값의 차이를 나타내는 지표입니다. 낮을 수록 좋으며 타겟칼럼의 단위에 따라 다릅니다. 이 경우에선 실제값과 예측값 사이에 평균적으로 1348 만큼의 차이(이번주 매출액 실제값이 $10,000이고 모델의 예측값은 $11,348로 예측한 경우)가 난다는 것을 알 수 있습니다. 결졍계수(R-Sqaured)는 타겟칼럼을 나머지 데이터들이 얼마나 잘 설명하는지에 대한 지표입니다. 1에 가까울수록 모델의 정확도가 높다는 뜻입니다.

저는 Kaggle의 샘플 데이터로 AutoML을 진행해봤지만 현실의 복잡하고 다양한 데이터에 적용한다면 한층 더 높은 수준의 인사이트를 얻을 수 있을 것 같습니다.

아웃코드의 AutoML  분석은 실무자나 비즈니스 전문가들에게도 마법처럼 효과적인 데이터 예측을 제공합니다. 데이터 연동부터 예측 결과까지의 과정을 통해, 데이터 분석가,  과학자 없이도 손쉽게 우수한 분석 결과를 얻을 수 있습니다. 데이터의 힘을 비즈니스 의사결정에 활용하고 싶다면, 아웃코드의 AutoML을 통해 사용해보세요.

‍

자피어의 빈번한 에러, 기능 제약 등으로 아웃코드를 찾는 분들이 늘어나고 있어요

고객 분들이 고민하는 부분들은 주로 아래과 같아요.

• 자주 실행이 안되는 경우(예를 들어, 고객에게 발송이 정확하게 안되는 경우)
• 데이터를 안보여줌 (실제 어떤 데이터를 자동화하는지 알 수 없음)
• 이벤트가 발생할때만 자동화 실행(예를 들어, 어제 가입한 사람들에게 안내 발송 불가능)
• 데이터 조회와 같은 기본적인 기능이 없고
• 데이터를 처리하는 기능(1만건의 데이터를 읽어서 한번에 처리하는 기능이 없음)
• 스케줄 기능이 없음(예약실행, 정기적 발송 등이 안됨)
• 과도한 요금과 불친절한 고객 대응

자피어는 크고 오래된 회사에요. 트렐로 티겟이 만들어지면 슬랙으로 알람을 보내거나 하는 기능들을 분명히 유용해요.

그래도 고객 메세징, 데이터 통합과 같이 정확하게 실행되야하는 자동화에는 부담이 되요.

‍

아래는 분석글이라서 조금 딱딱합니다. (건너뛰셔도 되요)

‍

Disclaimer1: 업무 자동화나 데이터 자동화를 선택하시는 분들이 늘고 있습니다. 아래는 올바른 선택을 위한 사용자 가이드를 위해서 작성되었습니다.

Disclaimer2: 아웃코드팀 자체 테스트 결과이며, 일반 사용자를 위한 가이드 성격의 테스트입니다. 테스트 조건이나 상황에 따라 다를 수 있습니다.

‍

벤치마크의 범위는 기업이나 운영업무에 필요한 데이터를 자동화하는데 적합한지 여부와 성능에 대해서 테스트를 해보았습니다. 아래의 몇가지 기준으로 아웃코드팀이 자체 테스트를 실시하였습니다.

1. 구동 방식 (아웃코드 대 재피어)
2. 데이터 처리방식 (아웃코드 대 재피어)
3. 정합성 여부 (아웃코드 대 재피어)

아웃코드의 실행 방식은 연결되는 앱들과 독립된 구조를 가지고 있습니다. 아웃코드가 제공하는 트리거는 소프트웨어 개발과 데이터 정합성 측면에서 정확하게 작동하기 위해서 독립적으로 작동하며, 수동/스케줄/HTTP 요청(웹훅)으로 구동합니다.

이러한 방식은 데이터에 접근해서 전체 데이터를 로딩하는데 적합하게 되어 있습니다.

반면, 재피어는 구동방식은 독특합니다. 자동화를 Zap이라고 부르는데, 구동방식은 이벤트 트리거가 실행되면 순차적으로 Zap 실행되는 플로우 구조입니다.

이벤트 트리거는 “새로운 열이 추가되었을때"와 같이 연결되는 앱 상에서 이벤트를 기준으로 시작으로 합니다. 아래에서 보면 앱을 선택하고 앱의 특정한 이벤트를 설정하는 구조입니다.

두 번째 업데이트 주기입니다. 기본적으로 15분 간격으로 실행시키며, 팀 요금제 이상이 되어야만 1분단위로 이벤트를 감지합니다.

‍

이러한 방식은 선뜻 편리하게 보이지만, 데이터의 관점에서는 문제가 발생할 수 있습니다. 즉, 새로운 열이 추가되었다는 정보를 정확하게 감지해야만 하는데 오류가 발생할 가능성이 있습니다.

자체 테스트를 해본 결과, 데이터가 순차적으로 업데이트나 변동없이 증가만하는 경우에는 정상 작동했지만, 15분 뒤에 확인해본 결과 아래와 같은 경우에 오류가 주로 발생했습니다.

1. 트리거 테스트를 위해서 새로운 열을 추가한 경우: 트리거가 새로운 열을 정확하게 찾지 못하는 경우가 발생합니다.
2. 데이터가 업데이트된 경우 (열을 몇 개를 지우고 다시 추가한 경우)에 정상작동하지 않았습니다.

(위의 어떤 경우에도 Warning은 뜨지 않았습니다. 그리고 Zap limit가 넘어가는 경우 실행을 자동중단합니다.)

데이터베이스는 프리미엄 커넥터라서 연결하지 못했지만, 재피어 커뮤니티에서 트리거 오류가 발생하는 질문들이 많고, 답변은 가이드를 참조해라는 수준이라서 정확한 해결책은 찾지 못했습니다. (엉뚱한 사용자에게 메일을 잘 못보냈다는 케이스 등)

https://help.zapier.com/hc/en-us/articles/8496260269965-Data-deduplication-in-Zaps

‍

재피어에서 new data를 식별하는 방법이 나와있는데요, 어떻게 동작하는지 기술적인 설명이 거의 없어서 다시 찾아보았습니다. 결론은 구글시트나 데이터베이스, 앱에 따라서 식별자를 주지 않는 경우가 많기 때문에 정상적으로 구분할 수 있는 방법은 없고, 가능한 추정은 열의 숫자를 단순 카운딩 등의 방법으로 처리하는 것 같습니다.

두 번째로 데이터 처리 방식을 보면 재피어는 복수의 데이터를 처리할 수 없습니다. 재피어 이벤트 트리거를 보면 데이터가 중심이 아니라 이벤트가 중심입니다. 예를 들어, 데이터소스에서 100개의 데이터를 받아서 실행할 수는 없고, 오직 새로운 하나의 단일 데이터만 구동할 수 있습니다.

예를 들어, 재피어는 단일 이벤트가 발생하고 해당 단일 이벤트 정보만 다른 단일 이벤트로 넘겨서 구동시키는 경우, 유용할 수는 있지만 그 외의 경우에는 적합하지 않습니다.

‍

https://community.zapier.com/developer-discussion-13/polling-get-all-data-before-looking-for-new-entries-updates-7977

‍

‍

아웃코드는 데이터를 식별하는 방법이 필터입니다. 데이터 전체를 읽어서 일자나 시간, 식별자, 이름, 비율 등 다양하게 필터링하고 해당 조건에 일치하는 데이터만 정확하게 실행시킬 수 있습니다.

예를들어, 스케줄을 5분간격으로 설정하고 필터링된 데이터(전체 데이터에서 사용자가 설정한 조건으로 필터링합니다. 신규, 업데이트는 물론 열별로 다양한 조건으로 설정가능합니다. )만 실행되도록 할 수 있습니다.

데이터 정합성은 데이터가 서로 모순 없이 일관되게 일치해야 함을 의미합니다. 기업이나 단체의 데이터를 자동처리하는 솔루션 입장에서는 오류가 있거나 정상 구동되는 경우가 없어야만 합니다.

특히 회사의 운영 데이터를 처리하는 과정에서 위와같은 정합성에 모순이 생기는 경우, 문제가 발생할 수 있으며 돌이킬 수 없는 부정적인 결과를 초래하기도 합니다.

‍

‍

아웃코드의 경우, 베타테스트부터 상용화 현재 데이터 처리 실패율이 아직까지는 0%입니다. 수백만건의 데이터를 안정적으로 자동처리하고 있습니다. (이제 수천만건으로 늘었습니다. )

‍

재피어의 강점은 수천개에 달하는 앱의 이벤트를 코딩없이 연결하는데 있는 것 같습니다. 이러한 특징은 장점이 될 수 있습니다. 반면 데이터를 통합하고 연동하는데는 적합하지는 않은 것 같습니다.

또한, 팀원간의 협업 기능이 약하고 데이터를 직접 제어하거나, 내부 시스템과 연동하기는 어렵습니다. 가격적인 측면에서는 요금제가 복잡한데 Pro 요금제 기준으로 실행당 약 30원으로 적지 않은 금액입니다.

‍

결론적으로 재피어는 데이터의 발생빈도나 양이 매우 적은 수준에서 간단하게 자동화된 이벤트 데이터를 자동처리할 수 있지만, 데이터의 발생빈도나 양이 많거나, 실시간으로 자동처리해야하는 경우, 미션 크리티컬(Mission Critical)한 경우에는 최적의 선택이 아닐 수 있습니다.

‍

업데이트1: 저희 고객분들 중에서 재피어 유료를 사용하다기 아웃코드로 전환하신 분들이 늘고 있는데요, 그 분들이 알려주시는 재피어의 실행 실패율은 심각한 수준인 것 같습니다.

업데이트2: 얼마전에도 재피어에서 만든 자동화가 느닷없이 삭제되거나 초기화되는 경우가 종종 발생한다고 합니다.

아웃코드 팀이 한국투자액셀러레이터 바른동행 프로그램에서 최고 금액으로 후속 투자를 유치했습니다!

아웃코드는 스타트업과 중소규모 기업이 업무 자동화를 구현할 수 있는 혁신적인 노코드 플랫폼입니다. 아웃코드를 통해서 운영에 사용하는 다양한 데이터를 연결하고, 원하는 시나리오와 조건에 맞게 자동으로 처리하는 업무용 앱을 만들 수 있습니다.

Lazy Society, S2W, 트리플래닛 등의 스타트업과  한국투자액셀러레이터, 카카오벤처스, 스마트 상속, 아이엠알엔, 괌투어 등이 아웃코드를 사용하고 있으며 그 외 많은 기업들에게 큰 호응을 얻고 있습니다.

이번 투자로 대중적인 사용성을 포함한 자동화 영역의 확장, 서비스 기획과 디자이너 채용을 통해 제품 고도화에 집중하며 본격적인 시장 진입을 준비할 계획입니다.

아웃코드 팀이 데이터 자동화 시장에 뛰어든 이유는 기존의 자동화 서비스들은 기업의 업무 프로세스 개선과 발전에 직접적인 도움을 주지 못하고 있다는 점이였습니다. 그로 인해 대부분이 기업들이 중요한 업무들은 개선하지 못하고, 기존의 방식대로 처리하거나 수작업에 의존하고 있다는 사실을 알게 되었습니다.

운영을 개선하는 No-code Data Automation

업무에 필요한 데이터들은 다양한 곳에 있습니다. 데이터베이스, 스프레드 시트는 물론, 수많은 앱과 서비스에도 데이터가 있으며, 이러한 데이터를 자유롭게 연결하고, 원하는 조건과 상태로 다른 서비스와 연결하는 새로운 형태의 자동화 소프트웨어를 만들고 있습니다.

기존 업무 자동화 소프트웨어들이 이벤트들을 연결하는 것에만 집중했다면, 아웃코드는 근본적으로 데이터를 자유롭게 자동화하는 데이터 자동화(Data Automation)에 집중합니다. 기존의 자동화는 방식은 알림이나 노티를 자동으로 받는 방식이었습니다. 그러나, 업무를 근원적으로 혁신하고 새롭게 프로세스를 창조하기 위해서는 데이터를 중심으로 만들어져야 하며, 다양한 팀이 협업하고 지속적으로 개선할 수 있어야 합니다.

아웃코드는 사용하는 기업은 단순한 업무 자동화뿐만 아니라 다양한 업무 시나리오를 바탕으로 협업하면서 획기적인 개선이 가능한 새로운 자동화를 구현할 수 있습니다. 마치 1980년대에 마이크로소프트 엑셀 (Excel)이 등장하여 최초로 데이터를 쉽고 간편한 프로그램으로 사용하게 된 것처럼, 아웃코드도 지난 30여년 동안 큰 변화가 없던 업무 자동화 업계에 혁신적인 데이터 자동화 시장을 개척하고 있습니다.

‍

‍