디지털 분석 총 소유 비용

몇 주 전에 저는 많은 조직이 디지털 분석 제품을 선택할 때 잘못된 기준을 사용한다고 가정하는 블로그 게시물을 썼습니다. 이 게시물에서 언급한 항목 중 하나는 제품 선택에서 디지털 분석 제품의가격이너무 자주 과대 평가된다는 것입니다. 이 게시물에서는 이 주제에 대해 더 깊이 파고들어 디지털 분석의 총소유비용에 대해 논의하고자 합니다.

총소유비용

디지털 분석 제품의 총 소유 비용은 일반적으로 다음 구성 요소로 구성됩니다.

• 라이선스 – 소프트웨어에 대해 벤더에게 얼마를 지불합니까?
• 구현 – 구현하는 데 얼마나 많은 리소스와 시간이 소요됩니까?
• 채택 – 도구를 채택하는 것이 얼마나 쉽고 얼마나 많은 사용자가 사용합니까?
• 거버넌스 – 데이터 품질, 사용자 및 분석 개체를 관리하는 것이 얼마나 쉬운가요?
• 유지 관리 – 일단 구현된 제품을 유지 관리하는 것이 얼마나 어려운가요?
• 소비 – 사용량 또는 데이터 볼륨이 증가함에 따라 제품 비용은 얼마나 됩니까?
• 통합 – 광범위한 기술 스택 내에서 제품을 통합하는 것이 얼마나 쉬운가요?

이러한 요소에는 총소유비용에 합산되는 관련 비용 또는 잠재적인 비용 절감이 있습니다. 이 모든 것을 개별적으로 살펴보겠습니다.

특허

위에서 언급했듯이 조직은 디지털 분석 제품을 선택할 때 라이선스 가격을 과도하게 강조합니다. 조직에서는 라이선스 비용이 눈에 보이고 쉽게 측정할 수 있는어려운비용이기 때문에 라이선스 비용에 중점을 둡니다. 공급업체 A가 연간 250,000유로를 청구하고 공급업체 B가 연간 175,000유로를 청구할 때 공급업체 A를 공급업체 B와 쉽게 비교할 수 있습니다. 그러나 아래에서 설명하겠지만 디지털 분석프로그램에 사용되는 금액은 라이선스 비용보다 훨씬 더 커야 합니다. 무료 버전의 디지털 분석 제품을 사용해도 무료가 아닙니다. 디지털 분석 프로그램과 관련된 비용은 항상 있습니다.

구현

초기 구현은 저렴하게 또는 더 비싸게 수행할 수 있습니다. 비용은 구현에 접근하는 방법에 따라 다릅니다. 누구나 디지털 분석이 쉽다는 격언을 들었습니다. 웹사이트에 몇 줄의 코드를 붙여넣고 데이터를 얻기 시작하세요! 공급업체, 특히 "자동 추적" 솔루션을 제공하는 공급업체는 이러한 내러티브를 판매하는 것으로 유명합니다.

그러나 디지털 분석을 제대로 구현하려면 비즈니스 목표, 사용 사례, 비즈니스 질문, 데이터 요소 등을 식별하는 복잡한 다단계 프로세스입니다. 최고의 디지털 분석 구현은 달성하고자 하는 것을 결정하는 데 시간이 걸립니다. 그런 다음 태깅 프로세스를 시작합니다. 내가 본 디지털 분석 구현은 태깅으로 시작한 다음 사실 이후에 데이터의 용도를 식별하려고 시도하는 것입니다.

따라서 디지털 분석의 성공 가능성을 극대화하려면 올바른 방법을 구현(또는 요즘에는 다시 구현)하는 것이 좋습니다. 디지털 분석을 올바르게 구현하려면 많은 내부 이해 관계자 회의와 외부 또는 공급업체 컨설턴트의 도움이 필요한 비즈니스 목표 및 사용 사례를 식별하는 데 많은 시간이 필요합니다. 내부 회의에 소요되는 시간은 매우 중요하지만 이러한 회의에 비용을 할당하는 것은 어려운 일입니다.소프트비용은 성공적인 디지털 분석 구현을 준비하는 데 필요한 많은 작업입니다. 외부 컨설턴트를 위한 경우가 아니면 소요된 시간에 대한 수표를 삭감할 필요가 없기 때문에 이러한 비용이 "무료"라고 가정하는 조직이 얼마나 많은지 저는 충격을 받았습니다. 그러나 내부 리소스와 함께 보내는 시간은 직원이 디지털 분석에 집중하는 대신 직원이 작업할 수 있는 기회 비용과 급여를 통해 조직에 여전히 비용이 듭니다. 완벽한 세상에서 조직은 내부 직원이 디지털 분석 구현에 소비하는 모든 시간을 추적하고 이를 전체 비용에 반영합니다. 구현을 지원하는 컨설턴트에게 지출한 금액에 이 금액을 추가해야 합니다. 구현의 크기와 범위에 따라 이러한 금액은 공급업체 라이선스 비용에 지출된 금액을 초과할 수 있습니다!

양자

디지털 분석 업계에서 채택은 많은 조직이 논의하기를 꺼리는 비밀입니다. 조직이 디지털 분석 구현 아이디어를 발표할 때모든 사람이 데이터에 액세스하고 더 많은 정보에 입각한 데이터 기반 의사 결정을 내릴 수 있다는것이 만트라입니다! 수년 동안 저는 디지털 분석 분야에서 많은 컨설팅을 해왔습니다. 제 컨설팅 서비스 중 하나는 디지털 분석 구현을 감사하는 것이었습니다. 크게 두 가지를 배웠습니다. 첫째, 끔찍한 디지털 분석 구현이 많이 있습니다! 둘째, 많은 조직에서 소수의 사람들만이 매주 디지털 분석을 적극적으로 사용합니다.

디지털 분석의 채택은 여러 가지 이유로 문제가 있습니다. 우선, 많은 사람들이 데이터를 믿고 의사 결정에 데이터를 활용하고 싶다고 말하지만 솔직하지 않습니다. 관리자와 경영진은 종종 자신의 직감을 신뢰하여 현재 위치에 도달합니다. 데이터를 기반으로 결정을 내린다면 왜 필요한가요? 조직에서 데이터를 따르는 보다 저렴한 리소스로 대체할 수 없는 이유는 무엇입니까? 변경 관리는 채택의 상당 부분을 차지합니다. 데이터를 기반으로 검토하고 의사 결정을 내리는 리더십을 확보하려면 먼저 데이터가 적이 아니라 친구라는 점을 납득시켜야 합니다.

이러한 장애물을 극복할 수 있다면 다음 단계는 이해 관계자와 데이터 소비자에게 디지털 분석 구현에 어떤 데이터가 있는지 교육하는 것입니다. 핵심 분석 팀은 구현의 모든 이벤트와 속성을 이해할 수 있지만 대부분의 일반 데이터 사용자는 그렇지 않습니다. 가능한 한 많은 잠재적 데이터 소비자를 확보하는 것은 구현에 있는 데이터와 없는 데이터를 이해하는 데 필수적입니다. 그들은 각 이벤트 및 속성의 이름, 설정 시기 등을 알아야 합니다. (이것이 Amplitude가 사용자가 이벤트를 탐색할 때 볼 수 있는 이벤트가 설정된 위치의 스크린샷을 공유하는 기능을 포함하는 이유 중 하나입니다) .

사용자에게 데이터가 좋은 이유와 보유하고 있는 데이터에 대해 교육한 후 다음 단계는 디지털 분석 제품 사용 방법을 가르치는 것입니다. 이와 관련하여 모든 디지털 분석 제품이 동일하게 생성되는 것은 아닙니다. 일부 디지털 분석 제품은 많은 사용자가 셀프 서비스 분석을 수행하도록 하는 데 다른 제품보다 쉽습니다. 분석 보고 인터페이스의 복잡성은 교육 및 채택에 상당한 영향을 미칠 수 있습니다. 많은 데이터 소비자가 조직 내에서 디지털 분석 보고 인터페이스를 쉽게 배울 수 없다고 가정합니다. 이 경우 셀프 서비스에서 중앙 집중식 모델로 전환해야 합니다. 중앙 집중식 모델에서는 데이터 소비자가 직접 보고서를 작성하는 대신 보고서 및 대시보드에 대해 중앙 집중식 팀의 지원을 요청합니다. 디지털 분석을 위한 중앙 집중식 모델은 특히 대규모 조직에서 본질적으로 잘못된 것은 아닙니다. 그러나 나는 많은 조직이 셀프 서비스 디지털 분석 프로그램에 투자하고 있다고 생각했지만 나중에 그것이 중앙 집중식 모델로 변형되었음을 알게 된 것을 보았습니다. 대부분의 경우 셀프 서비스가 작동하지 않는 이유는 입양과 관련이 있습니다.

총 소유 비용과 관련하여 디지털 분석의 채택을 촉진하는 것과 관련된 비용은 항상 있습니다. 직원들과 그리고 종종 급여 수준이 더 높은 직원들과 함께 변경 관리에 시간을 할애해야 합니다! 또한 분석 구현에 포함된 내용과 분석 제품을 사용하는 방법에 대해 직원을 교육하는 데 시간을 투자해야 합니다. 이 교육에 대해 외부 공급업체나 컨설턴트에게 비용을 지불하는 경우 이를 측정하기 어려운 비용이 있을 수 있지만 내부적으로 교육을 수행하는 경우 시도하고 계산하는 또 다른 소프트 비용이 될 것입니다. 총 소유 비용 계산에 이러한 모든 비용을 포함해야 합니다.

그러나 애초에 디지털 분석을 구현하는 이유 중 하나는 투자 수익을 창출하는 것입니다. 아이디어는 디지털 분석 데이터가 조직이 더 많은 돈을 버는 데 도움이 되는 통찰력과 학습을 제공한다는 것입니다. 예를 들어 소매업체인 경우 디지털 분석은 사용자가 장바구니에 많은 돈을 추가하는 것으로 나타날 수 있습니다. 하지만 극히 일부만이 수익으로 전환됩니다. 디지털 분석 데이터는 가장 큰 영향을 받는 제품 및 제품 범주를 식별하고 많은 수익이 손실되는 이유에 대한 가설을 식별하는 데 도움이 될 수 있습니다. 잠재적 솔루션을 식별하면 디지털 분석을 통해 가설이 옳았는지 틀렸는지 보여주고 회사에 더 많은 돈을 벌었다는 것을 증명할 수 있습니다!

그러나 투자 수익은 종종 채택과 관련이 있습니다. 디지털 분석 데이터를 활용하는 사람이 적을수록 돈을 절약하거나 더 많이 벌 수 있는 "아하" 순간이 줄어듭니다. 따라서 조직 내 많은 사람들이 디지털 분석 구현을 채택하지 못하면 모든 비용이 발생할 수 있고 직원당 비용이 증가할 수 있으며 이점을 깨닫지 못할 수 있습니다. 예를 들어 채택 비용(내부 직원 시간 + 외부 리소스)이 €150,000이고 디지털 분석 구현을 적극적으로 사용하는 사람이 5명뿐인 경우 비용이 많이 들 수 있습니다(직원당 €30,000). 50명의 활성 사용자(직원당 €1,000). 또한 활성 사용자는 5명뿐입니다. 더 많은 기회가 있을 때보다 수익 창출 또는 절감 기회를 식별하는 것이 더 어려울 수 있습니다.

통치

디지털 분석 구현이 성공하려면 효과적인 거버넌스가 필요합니다. 디지털 분석 데이터 거버넌스에는 다음이 포함됩니다.

• 최신 구현 데이터 사전 유지
• 수집된 모든 데이터가 스키마의 일부인지 확인
• 어떤 분석 개체가 "공식"이고 올바른지 식별
• 분석 구현 개체의 중복 감소 또는 제거
• 어떤 분석 보고서, 대시보드 및 객체가 사용되고 사용되지 않는지 모니터링
• 분석 구현에 추가된 잘못된 데이터 수정 또는 제거
• 분석 태깅이 항상 실행되고 있는지 테스트
• 데이터 프라이버시 규정 준수 확인
• 데이터 프라이버시 삭제 요청에 따라 조치

보시다시피 데이터 거버넌스에는 상당한 작업이 필요합니다. 이러한 각 단계가 중요한 이유에 대해 자세히 알아보려면 데이터 거버넌스의 중요성에 대한 최근 블로그 게시물을 읽어보십시오.

다시 한 번, 이러한 활동의 ​​대부분은 소프트 비용이지만 이러한 모든 데이터 거버넌스 항목을 처리하는 데 엄청난 시간이 걸릴 수 있습니다. 또한 일부 디지털 분석 제품은 데이터 거버넌스를 더 쉽게 또는 더 어렵게 만듭니다. 경우에 따라 디지털 분석 공급업체 라이선스의 고정 비용은 더 높을 수 있지만 데이터 거버넌스에 참여하는 소프트 비용은 더 낮습니다. 반대로 일부 디지털 분석 제품은 저렴해 보이지만 수동 데이터 거버넌스 시간을 고려할 때 더 비쌉니다. 어떤 식으로든 총 소유 비용을 결정할 때 이러한 모든 비용을 계산하는 방법을 찾아야 합니다.

유지

디지털 분석 제품을 구현한 후에는 항상 지속적인 유지 관리가 필요합니다. 디지털 분석 구현은 정적이어서는 안 됩니다. 조직이 성장함에 따라 새로운 사용 사례와 비즈니스 질문을 추가하도록 조직과 함께 발전해야 합니다. 일반적으로 구현 비용과 유지 관리 비용 간에는 직접적인 상관 관계가 있습니다. 구현하는 데 비용이 많이 들고 시간이 많이 걸리는 디지털 분석 제품은 유지 관리에도 비용과 시간이 많이 걸립니다.

많은 측면에서 디지털 분석 제품의 유지 관리는 이전 항목 모두의 축소판입니다. 디지털 분석 제품을 유지 관리할 때는 새로운 항목을 구현하고 사용자가 이를 채택하도록 하고 추가 교육을 제공해야 합니다. 초기 구현 중에 이러한 단계를 완료하는 것이 어렵거나 쉬우면 지속적인 유지 관리에 필요한 시간과 비용을 예고합니다. 따라서 유지보수 비용은 연간 초기 구현 비용의 10% -15%로 추정하는 것이 좋습니다.

소비

디지털 분석 제품을 구매할 때 일반적으로 두 가지 가격 옵션이 있습니다. 이벤트 또는 월별 추적 사용자에 대해 지불합니다. 대부분의 조직에서 이벤트 및 MTU의 수는 매년 증가합니다. 이러한 가격 책정 모델은 디지털 분석 제품에 대해 매년 더 많은 비용을 지불한다는 의미입니다. 공급업체에 따라 볼륨 증가로 인해 전체 요율이 낮아질 수 있으므로 소비 증가가 가격에 1:1 영향을 미치지 않을 수 있습니다. 그러나 모니터링 소비는 분석 팀이 잠재적인 증가를 계획하고 예산을 책정하기 위해 수행해야 하는 작업입니다.

Amplitude는 고객이 많은 이벤트를 수집하지만 해당 이벤트가 자주 사용되지 않는 경우를 식별할 수 있도록 지원합니다. 직관에 반하는 것처럼 들리지만 Amplitude는 고객이 비용을 적게 지불할 수 있는 곳을 보여주기 위해 최선을 다하고 있습니다! 우리는 고객 가치를 높이고 총소유비용을 믿기 때문에 이렇게 합니다. 우리는 고객이 적극적으로 사용하지 않는 데이터를 수집하는 것을 원하지 않습니다.

완성

소유 비용의 마지막 영역은 통합입니다. 디지털 분석 구현은 진공 상태에서 존재하지 않습니다. 다른 시스템의 데이터를 디지털 분석 구현에 추가해야 하며 디지털 분석의 데이터는 종종 다른 시스템으로 전송됩니다. 예를 들어 디지털 분석 구현에 알려진 사용자에 대한 프로필이 있다고 가정합니다. 이 경우 사용자 프로필을 보강하기 위해 디지털 분석 시스템으로 보내려는 데이터 웨어하우스 또는 CRM 시스템의 데이터가 있을 수 있습니다. 또한 데이터 사용자가 장바구니에 제품을 버린 사용자 집단을 식별하고 해당 사용자를 이메일 도구로 보내 장바구니에 제품을 남겼다는 사실을 상기시키는 이메일을 받을 수 있도록 하려는 경우가 있을 수 있습니다.

데이터가 디지털 분석으로 들어오든 나가든 데이터 소스를 연결하는 작업이 필요합니다. 총 소유 비용을 계산할 때 얼마나 많은 데이터 통합이 필요한지 파악하여 이에 따라 시간과 예산을 할당하는 것이 중요합니다. 이렇게 하지 않으면 디지털 분석 제품을 구현한 후예상치 못한 비용이 발생할 수 있습니다. 이전의 경우와 마찬가지로 일부 디지털 분석 제품은 시스템 간의 데이터 통합을 더 쉽게 또는 더 어렵게 만들 수 있습니다. 이 정보는 디지털 분석 제품을 선택하기 전에이해하는 데 중요합니다. 저는 많은 조직이 이 단계를 건너뛰고 나중에 처음에 더 저렴한 분석 제품을 선택한 다음 데이터 통합에 상당한 리소스를 소비해야 했던 것을 후회하는 것을 보았습니다.

TCO 예

샘플 TCO 분석을 통해 서로 다른 두 가지 디지털 분석 제품을 비교해 보겠습니다. 한 공급업체가 다른 공급업체보다 훨씬 비싸지만 다음과 같이 라이선스 비용 이외의 항목에 대해서는 비용이 더 낮은 두 공급업체를 비교한다고 가정해 보겠습니다.

이 시나리오에서 공급업체 B의 초기 라이선스 비용은 공급업체 A의 거의 두 배입니다. 그러나 채택, 거버넌스 및 통합 비용은 더 높습니다. 모든 비용을 고려할 때 공급업체 B는 공급업체 A보다 여전히 더 비싸지만 총 소유 비용의 차이는 전체적으로 약 7%에 불과합니다.

다음으로 공급업체 B를 구현하는 조직은 50명의 완전히 채택된 사용자를 확보할 수 있지만 공급업체 A를 구현하는 조직은 10명만 얻을 수 있다고 가정해 보겠습니다. 연도(증분 수익 또는 비용 절감일 수 있음)에 따라 예상 가치를 대략적으로 추정할 수 있습니다.

비용과 가치를 결합하고 전체 시나리오를 살펴보면 장기적으로 공급업체 A와 공급업체 B 사이의 총 소유 비용이 그다지 중요하지 않다는 것을 알 수 있습니다. 이것은 공급업체 B의 제품이 더 쉽게 채택되고 채택이 가치로 전환될 수 있는 경우 달성할 수 있는 잠재적 증분 가치를 고려할 때 특히 그렇습니다.

요약

보시다시피 총소유비용 계산에는 라이선스 비용보다 훨씬 더 많은 것이 있습니다. 조직에서 디지털 분석 공급업체를 평가할 때모든구현 비용을 사용하여 총 소유 비용을 계산하는 것이 좋습니다. 또한 각 제품이 제공하는 수익 또는 비용 절감 기회를 등식에 고려할 것을 권장합니다.