trysitely · Insights
한국어로 정리된
마케팅·통계 인사이트.
구글 검색에서 한국어 자료가 부실한 영역만 다룹니다. 단순 계산기는 없고, "이 숫자를 어떻게 읽어야 하는가"에 집중합니다.
ML & Stats AB 테스트 결과를 보고 "이걸 믿어도 되나" 판단하려는 마케터/PM
A/B 테스트 결과 해석기 — 유의미한지, 표본이 부족한지, p-hacking인지
두 변종의 노출·전환 수만 넣으면 통계적 유의미성 + 표본 적정성 + 다중검정 함정을 한국어로 해석합니다. 단순 p-value 계산기와 달리 "어떻게 읽어야 하는가"를 알려줍니다.
ML & Stats 테스트 설계 단계에서 "며칠 돌려야 하나"를 결정하려는 그로스/마케터
A/B 테스트 표본 크기 — 베이스라인·MDE·검정력으로 역산하는 방법
검정력 80%, 유의수준 5% 같은 숫자가 표본 크기에 어떻게 영향을 주는지 직관과 수식으로. 한국어로 정리된 자료가 거의 없는 영역.
Performance 리포트에 적힌 숫자를 의사결정에 쓸 수 있게 해석하려는 마케터·창업자
ROAS · CAC · LTV — 숫자가 아니라 "그 숫자가 의미하는 것"
단순 계산 식이 아니라, 같은 ROAS 200%여도 어느 단계에서 어떤 의미인지. payback 기간·LTV/CAC·marginal ROAS의 관계.
Performance 어트리뷰션 모델 선택을 고민하는 퍼포먼스 마케터·데이터팀
어트리뷰션 모델 5종 비교 — Last-click부터 Markov·Shapley까지
last-click, linear, time-decay, data-driven(Markov), Shapley value 가 같은 캠페인을 어떻게 다르게 평가하는지. 베이지안 어트리뷰션은 무엇이 다른가.
ML & Stats 두 접근의 차이를 정확히 이해하려는 데이터 분석가·통계 학습자
베이지안 vs 빈도주의 — A/B 테스트에서 어느 쪽을 쓸 것인가
빈도주의의 p-value와 베이지안의 사후 확률은 어떻게 다른가. 사업적 의사결정에서 베이지안이 더 직관적인 이유, 그리고 빈도주의가 여전히 표준인 이유.
ML & Stats 용어 정리가 필요한 주니어 마케터·데이터 분석가
마케팅 통계 용어 사전 — 30개 핵심 개념, 한국어로
CTR·CVR·ROAS부터 표본 비율 불일치·검정력·HDI·MMM까지. 정의 + 계산식 + 흔한 오해 + huny.log 관련 글.