Latest

Meta MMM Robyn Walkthrough 07 - 버짓 얼로케이터로 예산 할당 시뮬레이션 해보기

지금 하려는 것이 무엇인지 확실히 하기 위해서, 먼저 우리가 직전에 했던 것을 상기해보고 시작해야 하겠습니다. 1. MMM을 처음 실행해 보았음 - 링크 2. 실행의 결과로 원페이저가 만들어졌고, 그것의 전반적인 결론을 해석했음 - 링크 3. 원페이저의 상세 데이터를 해석했음 - 링크 종합하면, 모델링의 결과가 나왔고 우리는 그 중 성능이 좋은 모델을

Meta MMM Robyn Walkthrough 06 - 로빈 모델 원페이저 해석 Part 2

원페이저 해석을 위해 설명할 내용이 많아서 글을 두 개로 나눴습니다. 지난 글에선 원페이저에 대한 개요와 종합적인 결론을 해석 했었습니다. 이번엔 각 상세 그래프들을 살펴보고 더 깊이 있는 의미를 파악해 보겠습니다. 특정 모델의 원페이저 해석 Part 2 지난 글에 이어서 3_204_6 모델에 대한 원페이저를 해석하는 과정이며, 8개의 개별 그래프들의

Meta MMM Robyn Walkthrough 05 - 로빈 모델 원페이저 해석 Part 1

지난번까지 한 것은 구성했던 초기 모델을 한번 돌려보는 것이었습니다. 이 결과로 특징이 유사한 클러스터들이 만들어지고, 로빈은 이 클러스터들 중에서 성능이 가장 좋은 모델들을 대상으로 모델의 특성을 요약한 '원페이저'를 생성합니다. 우리가 해야 할 것은 이 들 중 실제로 사용할 모델을 선별하는 것인데요, 그래서 이를 위해 원페이저를 보고 해석할

Meta MMM Robyn Walkthrough 04 - 로빈 실행과 결과 해석

지난 과정을 잘 따라 오셨다면 로빈이 모델링을 돌리기 직전까지 와있는 것입니다. 이제 처음으로 모델링을 해보고 어떤 결과가 나오는지를 같이 확인해 보겠습니다. Robyn - Step 3: 초기 모델 만들기 지금 우리가 어디에 있는지 확인하고 진행해보죠. 계속 참고하고 있는 demo.R 파일에서 Step 3: Build initial model 부분을 이제 시작하고 있습니다. Trials

Meta MMM Robyn Walkthrough 03 - 로빈 모델 파라미터 세팅

지난 글에선 모델링할 데이터를 로빈에 로드하는 과정을 해봤습니다. 이번엔 모델이 이 데이터의 어떤 부분을 어떻게 다루면 될지를 결정하는 파라미터들을 세팅하는 과정을 진행합니다. 마찬가지로 Meta가 공식적으로 제공하는 demo.R 파일에 있는 튜토리얼 입니다. Robyn - Step 2: 모델 상세설정 4단계 모델링을 돌려보려면 로빈에게 알려줘야 할 것들이 있습니다. 4번은 선택이기도 하고 공식

Meta MMM Robyn Walkthrough 02 - 로빈 데이터 로드

로빈을 돌려보기 위한 환경을 만드는 것은 지난 글에서 끝냈습니다. 이번에는 로빈에 데모 데이터를 넣는 부분까지 진행해보겠습니다. 어려운 내용이 아니고 분량이 짧으나 이미지가 많아서 참고하기 쉬울 것입니다. Robyn 깃헙에서 demo.R 파일 복사해서 저장 로빈을 가볍게라도 한번 돌려볼 수 있도록 Meta가 튜토리얼을 만들어 놓았습니다. 이 내용이 demo.R 파일에 들어있습니다. 그래서

Meta MMM Robyn Walkthrough 01 - 로빈 개요와 맥북에 설치하기

MMM에 대한 관심이 다시 커졌습니다. 마케팅 예산을 써야하는 입장이라면, MMM이 문제를 해결해 줄것 같은 기대도 하게 되죠. 그런데 어려워서 문제인데요, 다행이 로빈 같은 오픈 소스 모델은 문턱이 낮아서 그냥 따라만 해도 됩니다. trial and error를 통해 배우는 기회로 삼아보시기를 바라며 워크스루를 작성해봅니다. Robyn 개요와 특징 로빈은 Meta Marketing Science가 개발한

FLUX 모델 무료 사용 3가지 방법

최근 FLUX.1 모델로 만들어진 이미지들이 많이 보입니다. 스테이블 디퓨전 제작자가 창업해서 만들어낸 이미지 생성 모델인데요, 드디어 손가락이 제대로 표현되기 시작하고 이미지 퀄리티가 상당합니다. 무료로 사용할 수 있는 세가지 방법을 알려드립니다. 1. 허깅 페이스 2. 메이지 3. POE FLUX.1 모델 8월 1일에 Black Forest Labs 팀이 공지를 올리면서 공개한

크롬 브라우저를 노리는 애플의 손자병법: 프라이버시로 시장 침투

최근 온에어되는 애플의 프라이버시 캠페인은 아주 노골적이고 대담합니다. 크롬 브라우저가 목표임을 대놓고 밝히고 있으니까요. 더 무서운 것은 이 캠페인은 단지 크롬만을 노리는 것이 아니라는 점입니다. 애플은 더 큰 그림을 그려 놓았습니다. 우선 약한놈부터 팬다 - 크롬 브라우저 브라우징이 감시당하고 있는 섬뜩한 상황들을 몰입감있게 표현한 영상을 애플은 이미 유튜브에 올려놓았습니다. 많은

구글 검색 광고와 프라이버시 샌드박스: 쿠키 정책의 이면

세계에서 가장 큰 광고회사인 구글이 쿠키를 없애겠다고 한 것, 이런 결정은 결국 구글에게 유리하기 때문인데 그게 무엇 때문인지 알고 있으신가요? 개인정보 보호와 광고 타겟팅 사이의 끊임없는 갈등 속에서 구글의 쿠키 정책 변화는 디지털 광고 시장에 큰 파장을 일으키고 있습니다. 구글이 쿠키를 없애겠다고 했다가 다시 유지하겠다고 하니, 마치 다이어트를 선언한 후

DALL-E 프롬프트 최적화: 사진 수준의 AI 이미지 만들기

AI가 만든 이미지를 보면서 실제 사진이라고 믿었던 적이 있나요? 실제 사람이나 사물을 찍은 사진인 줄 알았던 이미지가 AI로 만든 파일인걸 알고 나서 놀랐던 적이 저는 많습니다. 그래서 '어떻게 이런 이미지를 만들 수 있지?'가 궁금해졌고 Dall-E로 많은 시도를 해봤었죠. 그런데 여러 시도에도 결과가 나빠서 미드저니나 스테이블 디퓨전으로 바꿔야겠다는

데이터로 보는 경제 역설: 금리와 실업률의 숨겨진 관계

시작은 링크드인 이 글 때문입니다. 제가 이렇게 이야기 했거든요. 9월부터 미국의 금리 인하가 시작되면 게이밍 산업도 미래에 대한 낙관이 싹트며 올해 겪었던 대량해고는 발생하지 않을 것으로 봅니다. 파란색 막대처럼 500명 수준의 해고가 최대치이길 바랍니다. 생각해보죠. 금리가 낮아진다는 것은 화폐 가치가 떨어지는 것입니다. 돈이 더 이상 귀하지 않고 흔해지죠. 그래서 기업들이

문과도 알기 쉬운 생성형 AI와 LLM 이야기

생성형 AI와 LLM은 서로 다른 것임에도 불구하고 여러 맥락에서 뒤섞여서 사용되고 있습니다. 그래서 이런 개념을 처음 접하는 분들은 시작부터 개념을 잘못 이해할 위험이 있죠. 개념이 잘 안잡힌 상태에선 이후 학습도 올바르게 진행하기 어렵습니다. 그래서 이 두 개념부터 잘 잡고 시작을 해야 합니다. 여러분은 생성형 AI와 LLM에 대해 얼마나 알고 계셨나요?

서드파티 데이터에서 세컨드파티 데이터로: 애드 테크의 새로운 단계

디지털 광고, 아직도 빠르게 변하고 있어요. 개인정보 보호법이 강화되면서 가장 크게 변한 것은, 10년 넘게 업계를 먹여살리는 화수분이었던 서드파티 데이터가 덜 유용해진 것이죠. 이에 맞춰서 기업들은 전략을 바꾸고 있어요. 이런 큰 변화, 가장 최근 사례를 볼까요? Oracle이 광고 사업에서 손을 떼고 Costco가 리테일 미디어에 뛰어든 것에서 잘 드러난다고 생각합니다. 이