trysitely · huny
퍼포먼스·그로스·ML/통계·AI 에이전트를 다루는 장문 에디토리얼. 한 글에서 수식과 직관을 동시에.
About
퍼포먼스 마케팅, 그로스, 통계, AI 에이전트 — 실무에서 부딪히는 문제를 수식과 직관 양쪽으로 풀어냅니다. 짧은 팁이 아니라, 한 번 읽으면 그 주제 전체가 정리되는 6–10K자 글을 지향합니다.
Insights
단순 계산기는 구글에 이미 많다. 여기는 "이 숫자를 어떻게 읽어야 하는가"에 집중한 한국어 인사이트.
두 변종의 노출·전환 수만 넣으면 통계적 유의미성 + 표본 적정성 + 다중검정 함정을 한국어로 해석합니다. 단순 p-value 계산기와 달리 "어떻게 읽어야 하는가"를 알려줍니다.
열어보기 → ML & Stats · Insight검정력 80%, 유의수준 5% 같은 숫자가 표본 크기에 어떻게 영향을 주는지 직관과 수식으로. 한국어로 정리된 자료가 거의 없는 영역.
열어보기 → Performance · Insight단순 계산 식이 아니라, 같은 ROAS 200%여도 어느 단계에서 어떤 의미인지. payback 기간·LTV/CAC·marginal ROAS의 관계.
열어보기 → Performance · Insightlast-click, linear, time-decay, data-driven(Markov), Shapley value 가 같은 캠페인을 어떻게 다르게 평가하는지. 베이지안 어트리뷰션은 무엇이 다른가.
열어보기 →Featured Writing
결정적 어트리뷰션의 한계와, 사전·사후를 통해 채널 효과를 신뢰구간으로 표현하는 실전 절차.
읽기 → ML & Stats잘못된 결론을 만들어내는 다섯 가지 함정과, 실무에서 막는 체크리스트.
읽기 → AIRAG·에이전트 시스템을 정량적으로 평가하기 위한 4개 축과 측정 절차.
읽기 → Growth단계별 funnel 운영과 loop의 차이, north star metric을 정의하는 방법.
읽기 → App Marketing앱 마케터를 위한 SKAN 4.0 시대의 UA 운영 기초.
읽기 → AI장기 컨텍스트 모델에서 검색·캐시·요약을 조합하는 설계 패턴.
읽기 →Categories