로봇공학과 교수가 말하는 행동데이터

２０１９년 파리 방문에서 가장 인상적인 전시는 아래의 사진속 작품이었습니다。 이제 로봇의 거죽에 저 피어싱 한 남자의 살가죽을 덧입히면 휴머노이드와 인간의 구별이 불가능할 거란 생각이 들었습니다 . 

파리 인류박물관 피어싱한 남자 모형

 

로봇의 발달은 데이터의 역량에 달렸다고 말하는 로봇공학과 교수의 설명을 들었습니다. 결국 데이터가 쌓이고 이를 효과적으로 사용하는 것이 관건이라는 말인 것 같습니다. 한양대 로봇공학과 한재권교수의 설명을 들으며 앞으로 로봇이 인간과 같이 움직이게되는 데는 로봇의 움직임과 판단력을 좌지우지할 데티터가 많아야함을 언급하셨습니다. 이를 위한 행동데이터의 중요성을 강조합니다.

 

픽사베이

 

행동데이터가 뭘까요?

 

그래서 알아보았습니다. 먼저 데이터를 일반적인 관점으로 분류해보겠습니다.

 

데이터의 일반적인 분류

 

데이터는 분석 목적과 형태에 따라 여러 방식으로 분류되지만, 가장 일반적으로는 범주형 데이터와 수치형 데이터로 나뉩니다.

 

범주형 데이터(Categorical Data): 데이터가 특정 범주나 그룹으로 구분되는 형태입니다. 예를 들어, 성별(남/여), 혈액형(A, B, O, AB), 등급(상, 중, 하) 등이 있습니다. 범주형 데이터는 다시 '명목형'(순서 없음)과 '순서형'(순서 있음)으로 세분화됩니다.

 

1. 명목형(Nominal): 단순 분류(예: 성별, 혈액형)

 

2. 순서형(Ordinal): 순서가 있는 분류(예: 만족도, 등급)

 

수치형 데이터(Numerical Data): 수치로 측정되며 연산이 가능한 데이터입니다. 예를 들어, 키, 몸무게, 판매량, 점수 등이 있습니다. 수치형 데이터는 '이산형'(정수 단위)과 '연속형'(실수 단위)으로 나뉩니다.

 

행동데이터의 특징

행동데이터(Behavioral Data)란 사용자의 실제 행동을 기록한 데이터로, 웹사이트 방문, 클릭, 스크롤, 구매 등 디지털 상에서의 활동을 포착합니다.

 

1. 규모: 대량으로 발생하며, 비교적 방대한 데이터를 다룹니다.

 

2. 정확성: 서비스 데이터(로그인 정보, 결제 등)에 비해 신뢰도가 낮을 수 있습니다. 누락, 중복 집계 가능성이 존재합니다.

 

3. 정량/정성 데이터: 클릭 수, 페이지뷰, 세션 시간 등 수치화된 데이터(정량)와, 피드백, 설문 등 주관적 데이터(정성) 모두 포함합니다.

 

4. 행동 패턴 분석: 고객의 실제 행동을 기반으로 하므로, 단순 인구통계나 심리적 특성보다 더 정확하게 고객의 니즈와 특성을 반영할 수 있습니다.

 

 

행동데이터의 효과

 

행동데이터의 분석은 다양한 비즈니스 및 서비스 개선에 매우 효과적으로 활용될 수 있다고 말합니다.

 

1. 정확한 고객 이해: 고객이 실제로 어떻게 행동하는지 분석함으로써, 표면적인 특성(나이, 성별 등)만으로는 알 수 없는 깊은 인사이트를 도출할 수 있습니다.

 

2. 맞춤형 서비스 제공: 넷플릭스, 아마존 등은 행동데이터를 기반으로 콘텐츠 추천, 웹사이트 최적화, 맞춤형 광고 등에서 높은 효과를 보고 있습니다.

 

3. UX(사용자 경험) 개선: 행동데이터 분석을 통해 웹사이트의 문제점(이탈률, 체류 시간 등)을 파악하고, 사용자 경험을 지속적으로 개선할 수 있습니다.

 

4. 비즈니스 의사결정 지원: 대규모 데이터를 바탕으로 한 분석 결과는 제품 기획, 마케팅 전략, 고객 세분화 등 다양한 경영 의사결정에 실질적 근거를 제공합니다.

 

"행동 데이터“는 실제 고객의 행동을 기반으로 하므로, 고객 특성을 보다 정확하게 반영할 수 있습니다. 구매 가능성이 높은 고객을 선별할 수 있고, 맞춤형 마케팅 전략 수립에 매우 효과입니다.

 

오늘 글을 요약하면

１。 데이터는 범주형(명목/순서)과 수치형(이산/연속)으로 분류됩니다.

２。 행동데이터는 사용자의 실제 행동을 기록한 대규모, 정량·정성 혼합 데이터로, 신뢰도에도 유의해야 학 서 같습니다.

 

이러니 로봇의 움직임을 인간과 같게하기위해서는 행동데이터가 정말 중요한 변수이겠다는 생각이 듭니다 .

행동데이터 분석은 고객 이해, 맞춤 서비스, UX 개선, 비즈니스 의사결정 등에서 매우 높은 효과성을 보이며 이를 위한 데이터에는 NVIDIA가 적지 않은 경쟁력을 가졌다고 한재권교수는 설명합니다. 이분의 설명을 다시 한 번 주의깊게 보려합니다.