Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →GA4·네이버·메타·카카오·구글 광고 데이터를 묶어 채널별 ROAS·KPI를 분석하고, 인사이트와 다음 액션 플랜까지 담은 마케팅 성과 보고서를 만들어 드립니다. 다음과 같은 요청 시 사용하세요: - "지난달 마케팅 성과 보고서 만들어줘" - "ROAS 분석해줘" - "GA4 데이터 해석해줘" - "네이버랑 메타 광고 통합해서 분석해줘" - "채널별 KPI 리포트 써줘" - "분기 마케팅 성과를 경영진 보고용으로 정리해줘" - "광고비 어디서 새는지 분석해줘" 경영진 요약과 실무용 상세 분석, 예산 재배분 권고를 함께 만들고, 서술 부분은 moai-core:ai-slop-reviewer → moai-content:humanize-korean으로 다듬습니다. [책임 경계] vs moai-bi:executive-summary: 이 스킬=마케팅 풀 리포트(전체), 저 스킬=임원 1pager 요약(압축). 이 스킬 출력을 그대로 executive-summary에 넘겨 1pager로 만들 수
.claude/skills/modu-ai-performance-report/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-09 | ✗→✓ | ▲ Improved | 121% | 0% |
| case-14 | ✗→✓ | ▲ Improved | 99% | 0% |
| case-16 | ✗→✓ | ▲ Improved | 151% | 0% |
| case-18 | ✗→✓ | ▲ Improved | 138% | 0% |
| case-05 | ✓→✗ | ▼ Worse | 70% | 0% |
GA4, 네이버 광고, 메타(Meta) 광고, 카카오모먼트, 구글 광고 등 한국 시장 주요 채널의 성과 데이터를 통합 분석하여 마케팅 성과 보고서를 생성합니다.
데이터 해석과 인사이트 도출, 다음 액션 플랜까지 포함한 완성형 리포트를 제공합니다.
성과 보고서, KPI 리포트, ROAS 분석, 광고 성과, GA4 분석, 메타 광고 리포트, 네이버 광고 분석, 퍼포먼스 리포트, 마케팅 ROI, 전환율 분석, CTR, CPC, 광고비 분석
2026년 한국 마케팅 환경은 근본적 전환점입니다. iOS ATT(2021.04) 이후 한국 추적 동의율 23.66%, 구글 크롬 쿠키 단계적 종료, 평균 전환율 2024년 2.18% → 2025년 1.99% 하락. 단일 ROAS 측정은 더 이상 통하지 않습니다. 1st party data + CRM + MMM + 맥락 타깃팅의 멀티 레이어 전략이 표준이 되었습니다.
① 그로스 마케팅 3대 요소
리포트 = 위 3요소의 결과 + 다음 액션. 데이터만 있고 가설 없으면 의미 없음.
② "측정 → 관리 → 개선" 사이클
측정 없으면 관리 불가, 관리 없으면 개선 불가. 모든 마케팅 액션은 메트릭 가능해야 — 어렵더라도 정량화 우선.
③ 한국 D2C·이커머스 메트릭 표준식
유저 유입 × CTR × CVR × AOV = 매출
매출 − 원가 − 배송비 − 광고비 = 이익
이익 × 재구매율 = 누적 이익 (LTV)ROAS 단일 지표만 보지 말고 누적 이익 = LTV × 재구매까지 봐야 진짜 그로스.
④ NSM(North Star Metric) 중심 운영 (2026 SaaS 표준)
| 비즈니스 | NSM 예시 | 입력 지표 | |---|---|---| | SaaS B2B | Weekly Active Teams | 신규 팀 활성화율·기능 채택 폭·협업 깊이·유지율 | | SaaS B2C | Weekly Active Engaged Users | 핵심 액션 완료율·세션 빈도·세션 깊이 | | 마켓플레이스 | GMV는 X, 수수료 매출 + 재구매율 | 매도자·매수자 활성·매칭 성공률 | | 딥테크·B2B | PoC 통과율 + 앵커 고객 수 | 영업 사이클 단축·기술 임계점 |
LTV:CAC 비율 최소 3:1 유지가 SaaS 기준선. CAC 정당화 = LTV가 3배 이상 도달해야 자금 소진 안 됨. DAU·가입자 수는 허무 지표, 고객 가치 실현 행동이 NSM의 본질.
⑤ 채널별 진단 체크리스트 (2026 한국)
| 채널 | 핵심 지표 | 2026 주의 | |---|---|---| | 네이버 광고 | 파워링크 vs 쇼핑 광고 ROAS, AI 브리핑 영향 | AI 브리핑 도입으로 SERP CTR 감소 추세 | | 메타 | 릴스 vs 피드, 학습 기간 48-72시간 | iOS ATT 후 EMQ 점수 관리 + CAPI 필수 | | 구글 | 품질점수, GA4 + Consent Mode v2 | 쿠키 종료 대비 1st party 결합 | | 카카오 | 채널 알림·디스플레이 | 슈퍼 타겟 90%+ 열람 = CRM 채널 | | 유튜브 쇼츠 | CPV·CTR·시청 완료율 | 후킹 0-3초 절대적, 풀퍼널 포맷 |
⑥ 1st Party Data + MMM 멀티 레이어 (2026 쿠키리스 대응)
| 레이어 | 역할 | 도구 | |---|---|---| | 1st Party Data 자산화 | 이메일·전화·구매 이력·동의 정보 직접 보유 | CDP, CRM, 자사몰 | | CRM 마케팅 | 동의 받은 고객 → 인앱·카톡·이메일 직접 도달 | Stibee, 채널톡, 카카오 비즈니스 | | MMP | 모바일 측정 파트너 | 앱스플라이어, 에어브릿지, 애드저스트 | | MMM | AI·ML 기반 통합 성과 측정 | 채널 통합 효과 분해 | | 맥락 타깃팅 | 쿠키 없이 콘텐츠 맥락으로 도달 | 광고 노출 페이지 카테고리 매칭 |
SKAdNetwork(SKAN) + Privacy Sandbox: 애플·구글 대안 솔루션 — 기존 대비 정확도는 떨어지지만 의무 활용. 단일 솔루션 X, 멀티 레이어 결합이 표준.
⑦ MVT (Minimum Viable Test) — 완벽한 실험 X
| 마인드 | 변화 | |---|---| | ❌ 한 번 실험으로 완벽한 결과 찾기 | ✅ 연속·일관된 여러 실험으로 답 | | ❌ 통제 변수 100% 통제 | ✅ 최소 충족 요건 수준 검증 | | ❌ 통계 유의미만 해석 | ✅ 작은 실마리도 활용 |
회사 환경 = 실험실 아님. 합리적 해결의 실마리가 1차 목표.
| 변화 | 영향 | 대응 | |---|---|---| | iOS ATT (한국 동의율 23.66%) | IDFA 추적 손실 | SKAN + 통계 모델링 | | 구글 쿠키 종료 | 크롬 65% 시장 → 단계적 중단 | Privacy Sandbox + 1st party | | CAC 상승 | 5년 50%+ 상승 추세 | 효율 채널 집중·실험 ↑ | | AI 검색 부상 | 클릭 → AI 답변 직접 | GEO + 브랜드 인지 자산화 |
| 주기 | 액션 | |---|---| | 주간 | NSM·입력 지표 변동 리뷰, 담당자 병목 해소 | | 월간 | 코호트 + Unit Economics (LTV/CAC, Payback) 심층 | | 분기 | NSM 정의·목표·입력 세트 재평가, A/B + 홀드아웃 |
| 변수 | 정의 | 예시 | |---|---|---| | 독립 변수 | 우리가 조작하는 것 (A) | 새 광고 소재 도입 | | 종속 변수 | 측정하는 결과 (B) | CTR·CVR·매출 | | 통제 변수 | 동일 유지 | 타깃·예산·기간 |
실험 그룹 (통제 + 독립) vs 통제 그룹 (통제만)의 종속 변수 차이 = 독립 변수의 영향.
markdown# [기간] 마케팅 성과 리포트 ## 경영진 요약 (3줄) - 총 광고비 / 총 매출 / 전체 ROAS / NSM 변동 - 전기 대비 핵심 변화 - 다음 분기 우선순위 1줄 ## NSM 트렌드 | NSM | 이번 주 | 4주 평균 | 목표 대비 | ## 채널별 성과 | 채널 | 광고비 | 매출 | ROAS | LTV/CAC | 전월 대비 | ## 핵심 발견 3가지 (인사이트 ≠ 팩트) ## 1st Party Data 자산 상태 - 이메일 구독자 수·CRM 동의율·재참여율 ## 다음 액션 플랜 - [ ] 예산 재배분 - [ ] 신규 실험 (가설 + 변수 명시) - [ ] 중단 채널·세그먼트
> 💡 2026 한국 그로스 리포트 진짜 가치: NSM → 입력 지표 → 가설·실험 → 다음 액션 사슬 + 1st party 자산화 진행률. ROAS만 보고하는 리포트는 쿠키리스 시대 의사결정에 도움 안 됩니다.
보고 기간 선택(주간/월간/분기/연간), 포함할 채널 선택(유료 광고, 유기적 채널, 분석 도구), 목표 KPI 확인을 수행합니다.
사용자가 제공할 데이터 형식을 안내합니다:
네이버 광고: 파워링크 vs 쇼핑 광고 성과 비교, 스마트플레이스 노출 현황, 네이버 쇼핑 ROAS, C-Rank 영향 유기 트래픽 변화를 분석합니다.
메타(인스타그램/페이스북) 광고: 2026년 알고리즘 변화 반영(릴스 vs 피드 광고 성과 비교, 딥 인게이지먼트 지표 확인), 오디언스 인사이트, 광고 소재 A/B 테스트 결과를 분석합니다.
구글 광고: 검색 캠페인 품질점수, 전환 추적(GA4 연동 확인), 스마트 캠페인 vs 수동 캠페인 성과를 분석합니다.
경영진 요약(총 광고비, 총 매출, 전체 ROAS, 전기 대비, 핵심 인사이트), 채널별 성과표, 주요 발견 및 인사이트, 개선 기회, 다음 기간 액션 플랜을 포함한 보고서를 생성합니다.
성과 부진 채널 원인 분석, 예산 재배분 시뮬레이션, 다음 기간 테스트 가설 제안을 수행합니다.
예시 1: "지난달 네이버+메타 광고 성과 통합 분석해줘. 데이터 여기 있어: 데이터]" → 데이터 파싱 → 채널별 KPI → 비교 분석 → 인사이트 → 다음 달 권고안
예시 2: "분기 마케팅 성과 경영진 보고서 만들어줘. 총 광고비 3천만원, ROAS 350%" → Executive Summary → 채널별 성과표 → 주요 발견 → 다음 분기 전략
| 상황 | 대응 | |------|------| | 데이터가 없거나 불완전한 경우 | 보유한 데이터로 분석 가능한 범위 제시. 누락 데이터 수집 방법 안내 | | 채널이 너무 많아 복잡한 경우 | 매출 기여도 상위 2-3개 채널 집중 분석 후 나머지 요약 처리 | | 업종 벤치마크가 없는 경우 | 범용 업종 기준값 제시. 사용자 직접 측정 KPI 설정 권고 |
경영진 요약·핵심 발견·인사이트·다음 액션 플랜 등 서술형(prose) 산출물은 발행 전 후처리 체인을 거칩니다. 채널별 성과표·ROAS/LTV·CAC·NSM 표 등 수치·표 산출물은 대상이 아니며, 시각화가 필요하면 moai-office:xlsx-creator 또는 moai-data:data-visualizer로 라우팅합니다.
권장 체인(서술 부분): performance-report(서술) → moai-core:ai-slop-reviewer → moai-content:humanize-korean
| 스킬 | 사용 시점 | |------|----------| | moai-marketing:campaign-planner | 마케팅 캠페인 기획이나 새 캠페인 전략 수립 | | moai-marketing:seo-audit | SEO 감사나 검색 최적화 | | moai-bi:executive-summary | 풀 리포트 → 임원 1pager 요약 압축 | | moai-core:ai-slop-reviewer | 사후 체이닝(필수, 서술 부분): 리포트 내러티브의 AI 패턴 검수 | | moai-content:humanize-korean | 사후 체이닝(필수, 서술 부분): ai-slop-reviewer 다음 단계로 한국어 AI 티 제거 | | moai-office:xlsx-creator | 성과표·KPI 표 산출물 (수치·표 라우팅) | | moai-data:data-visualizer | 성과 대시보드·차트 시각화 (수치·표 라우팅) |
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-05 | pass→fail | 27,381 | 20,937 | -24% | 1 | 1 | 0% | 4,496 | 7,637 | +70% | 0 | 0 | — |
case-04 | pass→fail | 19,399 | 20,477 | +6% | 1 | 1 | 0% | 2,934 | 6,530 | +123% | 0 | 0 | — |
case-01 | fail→fail | 19,115 | 23,539 | +23% | 1 | 1 | 0% | 3,375 | 7,384 | +119% | 0 | 0 | — |
case-02 | fail→fail | 23,702 | 15,316 | -35% | 1 | 1 | 0% | 4,028 | 6,194 | +54% | 0 | 0 | — |
case-03 | fail→fail | 20,531 | 18,883 | -8% | 1 | 1 | 0% | 3,503 | 6,668 | +90% | 0 | 0 | — |
case-06 | pass→pass | 18,021 | 26,971 | +50% | 1 | 1 | 0% | 3,614 | 8,846 | +145% | 0 | 0 | — |
case-07 | pass→pass | 18,191 | 20,934 | +15% | 1 | 1 | 0% | 2,895 | 6,642 | +129% | 0 | 0 | — |
case-08 | pass→pass | 18,756 | 20,329 | +8% | 1 | 1 | 0% | 3,270 | 6,643 | +103% | 0 | 0 | — |
case-09 | fail→pass | 20,478 | 23,561 | +15% | 1 | 1 | 0% | 3,115 | 6,891 | +121% | 0 | 0 | — |
case-10 | pass→pass | 18,056 | 20,284 | +12% | 1 | 1 | 0% | 3,022 | 6,701 | +122% | 0 | 0 | — |
case-11 | pass→pass | 22,111 | 23,167 | +5% | 1 | 1 | 0% | 3,380 | 7,128 | +111% | 0 | 0 | — |
case-12 | fail→fail | 22,252 | 24,601 | +11% | 1 | 1 | 0% | 3,570 | 7,164 | +101% | 0 | 0 | — |
case-13 | pass→fail | 19,287 | 22,841 | +18% | 1 | 1 | 0% | 2,918 | 6,954 | +138% | 0 | 0 | — |
case-14 | fail→pass | 16,957 | 12,111 | -29% | 1 | 1 | 0% | 2,571 | 5,119 | +99% | 0 | 0 | — |
case-15 | pass→fail | 14,884 | 7,431 | -50% | 1 | 1 | 0% | 2,448 | 4,535 | +85% | 0 | 0 | — |
case-16 | fail→pass | 18,339 | 24,105 | +31% | 1 | 1 | 0% | 2,842 | 7,142 | +151% | 0 | 0 | — |
case-17 | pass→pass | 15,582 | 21,804 | +40% | 1 | 1 | 0% | 2,355 | 6,620 | +181% | 0 | 0 | — |
case-18 | fail→pass | 17,267 | 18,244 | +6% | 1 | 1 | 0% | 2,651 | 6,300 | +138% | 0 | 0 | — |
case-19 | pass→pass | 18,482 | 19,066 | +3% | 1 | 1 | 0% | 3,003 | 6,386 | +113% | 0 | 0 | — |
case-20 | pass→pass | 18,065 | 18,899 | +5% | 1 | 1 | 0% | 2,781 | 6,210 | +123% | 0 | 0 | — |
case-21 | pass→pass | 16,731 | 18,754 | +12% | 1 | 1 | 0% | 2,780 | 6,370 | +129% | 0 | 0 | — |
case-22 | fail→fail | 15,452 | 20,797 | +35% | 1 | 1 | 0% | 2,320 | 6,507 | +180% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of 0 percentage points is the difference between those two pass rates over the 22 comparable cases. 4 cases got worse with the skill loaded, and they are included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.