{
  "id": "32c133ca-b45e-4853-b2c7-bb4ee8384cb2",
  "slug": "case/blog-transit-card-data-dmp",
  "doc_type": "case",
  "title": "서로 다른 두 종류의 소비자 데이터를 결합한 관심사 기반 광고 타겟팅 구축",
  "title_en": null,
  "one_liner": "이용자 데이터를 기반으로 광고 타겟팅을 제공하는 광고 플랫폼 기업이, 형식이 서로 다른 두 원천의 소비자 데이터를 표준화해 결합하고 관심사 기반 세그먼트를 추출하는 자동화 대시보드를 구축한 사례.",
  "summary_bullets": [
    "서로 다른 원천의 로우 데이터를 결합하려면, 결합 이전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지한다.",
    "원시 이벤트를 그대로 쓰기보다, 규칙 기반 텍소노미로 관심사·카테고리를 부여하면 타겟팅에 바로 활용 가능한 세그먼트로 전환된다.",
    "위치·시간처럼 외부 API로 보강 가능한 속성은 자동 연동해두면 데이터 정합성과 활용도를 동시에 높일 수 있다.",
    "세그먼트 모수를 실시간 대시보드로 노출하면, 광고 예산 산정처럼 반복적인 의사결정을 자동화된 근거 위에서 내릴 수 있다."
  ],
  "body_md": "## 무엇이 문제였나\n이용자 데이터를 기반으로 광고 타겟팅을 제공하는 한 광고 플랫폼 기업이, 형식과 정의가 서로 다른 두 원천의 소비자 데이터를 결합해 이용자의 행동·소비 패턴 기반 타겟팅을 고도화하고자 했다. 두 데이터는 필드 정의와 단위가 서로 달라 그대로는 결합이 불가능했다.\n\n## 과제\n분리된 두 원천 데이터를 표준화해 하나의 데이터 마트로 만들고, 관심사 기반 세그먼트를 추출하며, 마케팅 담당자가 예상 광고비와 모수를 실시간으로 확인할 수 있는 환경까지 갖춰야 했다.\n\n## 접근\n- 두 원천 데이터의 정보 항목을 통일하고 필요한 필드만 추출해 데이터 마트 구축\n- 위치 정보가 필요한 원천 데이터에 위경도 API를 연동해 자동으로 결합\n- 업종 코드를 한글로 변환해 업종별 사용자 식별이 가능하도록 표준화\n- 소비 이벤트를 규칙 기반으로 분류하는 데이터 텍소노미 설계 (예: 특정 금액 이상의 패션 관련 소비 이벤트를 '패션' 관심사로 분류)\n\n## 구축 내용\n- 이종 데이터 전처리 및 정제 파이프라인, 1주 단위 자동 갱신 데이터 마트\n- 관심사 기반 세그먼트 추출 텍소노미 체계\n- 성별·연령·업종·지역 필터를 갖춘 세그먼트 모수 확인 자동화 대시보드\n- 확인된 모수를 광고 캠페인 예산 산출에 연동할 수 있는 기반 마련\n\n## 이 사례에서 배울 수 있는 것\n- 서로 다른 원천의 로우 데이터를 결합하려면, 결합 이전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지한다.\n- 원시 이벤트를 그대로 쓰기보다, 규칙 기반 텍소노미로 관심사·카테고리를 부여하면 타겟팅에 바로 활용 가능한 세그먼트로 전환된다.\n- 위치·시간처럼 외부 API로 보강 가능한 속성은 자동 연동해두면 데이터 정합성과 활용도를 동시에 높일 수 있다.\n- 세그먼트 모수를 실시간 대시보드로 노출하면, 광고 예산 산정처럼 반복적인 의사결정을 자동화된 근거 위에서 내릴 수 있다.",
  "related_slugs": [],
  "faq": [
    {
      "a": "이용자 데이터를 기반으로 광고 타겟팅을 제공하는 광고 플랫폼 기업이, 형식이 서로 다른 두 원천의 소비자 데이터를 표준화해 결합하고 관심사 기반 세그먼트를 추출하는 자동화 대시보드를 구축한 사례.",
      "q": "서로 다른 두 종류의 소비자 데이터를 결합한 관심사 기반 광고 타겟팅 구축"
    }
  ],
  "jsonld": null,
  "keywords": [
    "광고/애드테크",
    "blog-case"
  ],
  "source_id": "https://blog.bizspring.co.kr/%ed%99%9c%ec%9a%a9-%eb%b0%a9%eb%b2%95-%ec%82%ac%eb%a1%80/success-cases/ad-marketing/%ec%b9%b4%eb%93%9c-%ec%8a%b9%ec%9d%b8-%eb%b0%8f-%ea%b5%90%ed%86%b5-%ec%8a%b9-%ed%95%98%ec%b0%a8-%eb%8d%b0%ec%9d%b4%ed%84%b0-%ea%b8%b0%eb%b0%98-%ea%b4%91%ea%b3%a0-dmp/",
  "video_url": null,
  "duration_sec": null,
  "thumbnail_url": null,
  "image_url": null,
  "caption": null,
  "solution_slug": null,
  "captured_at": null,
  "width": null,
  "height": null,
  "created_at": "2026-08-23T15:08:48.7497+00:00",
  "updated_at": "2026-08-23T16:12:39.039701+00:00",
  "visibility": "public",
  "source_stage": "1",
  "anonymized": true,
  "source_key": "web-cases",
  "origin": "ingest",
  "locked": false,
  "locked_by": null,
  "locked_at": null,
  "gate_state": {
    "g1": {
      "hits": [],
      "pass": true
    },
    "g2": {
      "pass": true,
      "total": 52,
      "issues": [
        "숫자·규격 같은 검증 가능한 구체가 부족합니다",
        "Q&A 쌍이 3개 미만입니다"
      ],
      "applies": true
    },
    "g3": {
      "pass": true,
      "required": false
    },
    "stage": "1",
    "decided_at": "2026-08-23T16:12:16.085Z"
  },
  "raw_id": null,
  "search_text": "서로 다른 두 종류의 소비자 데이터를 결합한 관심사 기반 광고 타겟팅 구축  이용자 데이터를 기반으로 광고 타겟팅을 제공하는 광고 플랫폼 기업이, 형식이 서로 다른 두 원천의 소비자 데이터를 표준화해 결합하고 관심사 기반 세그먼트를 추출하는 자동화 대시보드를 구축한 사례. 광고/애드테크 blog-case ## 무엇이 문제였나\n이용자 데이터를 기반으로 광고 타겟팅을 제공하는 한 광고 플랫폼 기업이, 형식과 정의가 서로 다른 두 원천의 소비자 데이터를 결합해 이용자의 행동·소비 패턴 기반 타겟팅을 고도화하고자 했다. 두 데이터는 필드 정의와 단위가 서로 달라 그대로는 결합이 불가능했다.\n\n## 과제\n분리된 두 원천 데이터를 표준화해 하나의 데이터 마트로 만들고, 관심사 기반 세그먼트를 추출하며, 마케팅 담당자가 예상 광고비와 모수를 실시간으로 확인할 수 있는 환경까지 갖춰야 했다.\n\n## 접근\n- 두 원천 데이터의 정보 항목을 통일하고 필요한 필드만 추출해 데이터 마트 구축\n- 위치 정보가 필요한 원천 데이터에 위경도 API를 연동해 자동으로 결합\n- 업종 코드를 한글로 변환해 업종별 사용자 식별이 가능하도록 표준화\n- 소비 이벤트를 규칙 기반으로 분류하는 데이터 텍소노미 설계 (예: 특정 금액 이상의 패션 관련 소비 이벤트를 '패션' 관심사로 분류)\n\n## 구축 내용\n- 이종 데이터 전처리 및 정제 파이프라인, 1주 단위 자동 갱신 데이터 마트\n- 관심사 기반 세그먼트 추출 텍소노미 체계\n- 성별·연령·업종·지역 필터를 갖춘 세그먼트 모수 확인 자동화 대시보드\n- 확인된 모수를 광고 캠페인 예산 산출에 연동할 수 있는 기반 마련\n\n## 이 사례에서 배울 수 있는 것\n- 서로 다른 원천의 로우 데이터를 결합하려면, 결합 이전에 필드 정의와 단위를 표준화하는 정제 단계가 전체 프로젝트에서 가장 큰 비중을 차지한다.\n- 원시 이벤트를 그대로 쓰기보다, 규칙 기반 텍소노미로 관심사·카테고리를 부여하면 타겟팅에 바로 활용 가능한 세그먼트로 전환된다.\n- 위치·시간처럼 외부 API로 보강 가능한 속성은 자동 연동해두면 데이터 정합성과 활용도를 동시에 높일 수 있다.\n- 세그먼트 모수를 실시간 대시보드로 노출하면, 광고 예산 산정처럼 반복적인 의사결정을 자동화된 근거 위에서 내릴 수 있다.",
  "embedding": null,
  "embedded_at": null,
  "embedding_hash": null,
  "backlinks": [],
  "html_url": "https://bizspring.ai/kb/case/blog-transit-card-data-dmp",
  "markdown_url": "https://bizspring.ai/kb/case/blog-transit-card-data-dmp.md"
}