[템플릿 활용 가이드]
이 템플릿은 프로젝트 진행 상황을 점검하고, 앞으로의 계획을 정리하기 위한 목적으로 작성되었습니다.
템플릿 내 예시는 단순 참고 용이며, 팀의 프로젝트 방향과 내용에 맞게 수정이 필요합니다.
활용 방법
프로젝트 개요
해결해야될 문제가 뭔가요?
•
데이터셋으로 세대별 여행 관력 동향 파악
선호 여행 일수 bar차트
시각화 자료: 성별/연령대 별 여행 시 선호도를 보여주는 Heatmap
연령대 별 선호 지역 bar차트
세대 별 여가 활동 목적
결론
전 세대 취향 인사이트
1박 2일/ 여행 시 식도락, 자연, 친족(친구), 휴식 선호/ 강원도 선호
이런 결과로 어떤 형태의 패키지를 생성해야 할지 정할 수 있었으나,
각 세대 별 특성을 찾기에는 위 데이터 만으로는 부족하여 아래와 같이 데이터셋(CSV)파일 제외 뉴스, 트렌드 동향 파악을 진행하였음.
데이터셋 이외의 뉴스 보도자료, SNS 등 트렌드 동향 파악
1.
MZ - 탐험 성향 강함, 밍글링 형태 선호, 평상시 하지 못했던 것 즐기고 싶어함
MZ세대 여행 취향 분석
유튜브 밍글링 워드클라우드
2.시니어 - 액티브/패시브로 나누고 액티비티함과 웰니스를 즐기는 시니어
시니어 세대 여행 취향 분석 - 액티브/시니어로 나누어 활동적이거나, 힐링을 원함
3. 이외에 국내는 즉흥이라는 매력이 있는것으로 파악
결론
▷ MZ : 짜릿함, 모험심, 에너지 소비 없는 타인과 나 다운 여행 원함
•
도출 키워드 : 밍글링 (타인과 여행 패키지로 묶여 친밀감을 쌓음), 추가 해야 됨
▷ 시니어 : 액티브, 패시브 시니어 ⇒ 젊음을 유지하는 사람과, 휴식을 즐기는 사람
•
도출 키워드 : 액티브 시니어, 패시브 시니어, 자연, 건강 회복, 심리적 안정,
휴식 중심, 문화 체험, 예술 감상
종합 인사이트 요약
•
전 세대 여행 패키지 방향 : 강원도, 식도락, 휴식, 단기
•
세대 별 여행 방향
◦
MZ 세대(<50) :
>모험심, 액티비티 상품<
1)미션형 랜덤 밍글링 투어 : 자연속에서 팀단위로 다양한 미션을 수행하며 교류하는 액티비티 중심 투어
예시 : 보물찾기, 스탬프 투어, 사진 챌린지
2)DIY 밍글링 투어 : 현지에서만 할 수 있는 원데이 클래스에서 다양한 사람들과 소통하며 직접 무언가를 만드는 체험형 투어
예시 : 카이막, 베이킹, 인형, 드림캐쳐
3)펫 밍글링 투어 : 반려동물을 키우는 사람들이 함께모여 소통하는 반려인 중심의 교류형 투어
예시 : 애견동반식당/카페/야외공간
4)식도락 밍글링 투어 : 팀 단위로 지역 맛집을 탐방하며 즉석에서 맛과 감정을 공유하는 미식 중심 투어
예시 : 지역내 맛집 탐방, 맛집 미션 투어
◦
시니어 세대(50<) :
시니어 세대 상품 구성중 고충
1.
너무 단조로움
2.
시니어에 대해 특성을 고려하고 상품을 짜도 휴식, 웰니스 이런게 mz상품처럼 다이내믹 하지않고, 온천, 휴식, 크루즈처럼 한정되있음
3.
굳이 시니어/엠지를 나눠야되나?
a.
ex)밍글링을 시니어세대끼리 같이하자
>휴식·Wellness·자연 중심의 상품<
1) 효도 관광 패키지
•
형태 : 1박 2일 또는 당일치기
•
특징 : 편안한 교통 수단 + 짧은 이동 동선 + 온천·웰빙 식사 중심
•
예시 코스 : 강릉 경포해변 산책 → 오죽헌 → 강릉 커피 거리 카페 휴식
2) 프리미엄 투어
•
형태 : 1박 2일
•
특징 : 고급 숙소 + 문화 예술 + 웰니스 프로그램을 올인원으로 제공
•
예시 코스 : 프리미엄 크루즈 숙박 → 공연 관람 → 건강 프로그램 체험
•
타겟 유저 별 메세지/소재 아이디어 도출 → 메세지/소재 설계안 초안 작성
•
보고서 및 발표 자료 : 분석 결과를 요약한 프레젠테이션 자료와 PDF 보고서
•
분석 대상 및 범위 : 25년도/24년도 CSV파일, 유튜브 데이터 크롤링
•
데이터 출처 : 문화 빅데이터 플랫폼
데이터셋(2025년도)
유튜브 크롤링
•
분석 목적 : 세대별 여행 트렌드를 분석하고 이에 맞는 국내 여행 패키지를 기획하기 위함.
•
프로젝트 이름 : 신규 여행사 브랜드 런칭 및 여행 광고 기획
데이터 개요 - 여행 시기 특성 CSV파일
•
PPT Page
7p : 여행 기간 분포
12p
13p
15p : 여행 선호도 TOP5
•
데이터셋
•
데이터셋 설명
◦
온라인(PC모바일) 소비자 서베이 데이터(2015.8월부터 매주 수집)
◦
여행 시기에 따른 여행 지역과 기간, 여행 목적, 여행 동행자 인원과 관계를 응답함
◦
여행 동행자와 지역에 따라 어떤 여행을 하는지 파악할 수 있음
◦
본 데이터 셋에는 응답자 특성(성별, 연령대, 거주 지역, 소득 수준 등)이 포함됨
•
데이터 수집 방법: 문화 빅데이터 플랫폼에서 다운로드
•
데이터셋의 크기: 319행, 20열
•
주요 변수 및 설명:
변수명 | 설명 | 데이터 타입 |
RESPOND_ID | 응답자ID | VARCHAR |
EXAMIN_BEGIN_DE | 조사시작일자 | VARCHAR |
TOUR_CTPRVN_NM | 여행시도명 | VARCHAR |
TOUR_SIGNGU_NM | 여행시군구명 | VARCHAR |
TOUR_BEGIN_DE | 여행시작일자 | VARCHAR |
TOUR_PD_VALUE | 여행기간값 | VARCHAR |
TOUR_COM_NMPR_NM | 여행동행자인원명 | VARCHAR |
COM_ONE_TY | 동행자1유형 | VARCHAR |
COM_TWO_TY | 동행자2유형 | VARCHAR |
COM_THREE_TY | 동행자3유형 | VARCHAR |
COM_FOUR_TY | 동행자4유형 | VARCHAR |
COM_FIVE_TY | 동행자5유형 | VARCHAR |
COM_SIX_TY | 동행자6유형 | VARCHAR |
TOUR_PURPS_NM | 여행목적명 | VARCHAR |
SEXDSTN_FLAG_CD | 성별구분코드 | VARCHAR |
AGRDE_FLAG_NM | 연령대구분명 | VARCHAR |
MRRQ_AT_NM | 결혼여부명 | VARCHAR |
CHLDRN_TY_NM | 자녀유형명 | VARCHAR |
OCCP_NM | 직업명 | VARCHAR |
HSHLD_INCOME_DGREE_NM | 가구소득정도명 | VARCHAR |
•
데이터 전처리 과정
◦
RESPOND_ID, EXAMIN_BEGIN_DE 컬럼 제거
df = df.drop(columns=["RESPOND_ID", "EXAMIN_BEGIN_DE"])
Python
복사
Index(['TOUR_CTPRVN_NM', 'TOUR_SIGNGU_NM', 'TOUR_BEGIN_DE', 'TOUR_PD_VALUE',
'TOUR_COM_NMPR_NM', 'COM_ONE_TY', 'COM_TWO_TY', 'COM_THREE_TY',
'COM_FOUR_TY', 'COM_FIVE_TY', 'COM_SIX_TY', 'TOUR_PURPS_NM',
'SEXDSTN_FLAG_CD', 'AGRDE_FLAG_NM', 'MRRG_AT_NM', 'CHLDRN_TY_NM',
'OCCP_NM', 'HSHLD_INCOME_DGREE_NM'],
dtype='object')
Plain Text
복사
◦
TOUR_BEGIN_DE → datetime 변환
df["TOUR_BEGIN_DE"] = pd.to_datetime(df["TOUR_BEGIN_DE"], errors="coerce")
Python
복사
TOUR_BEGIN_DE datetime64[ns]
Plain Text
복사
◦
결측치 '응답 없음'으로 변환
df = df.fillna("응답 없음")
Python
복사
COM_ONE_TY 0
COM_TWO_TY 0
COM_THREE_TY 0
COM_FOUR_TY 0
COM_FIVE_TY 0
COM_SIX_TY 0
Plain Text
복사
◦
MZ/시니어 그룹 파생 변수 생성
def group_age(age):
if age in ["20대", "30대", "40대"]:
return "MZ"
elif age in ["50대", "60대 이상"]:
return "시니어"
else:
return "응답 없음"
df["AGE_GROUP"] = df["AGRDE_FLAG_NM"].apply(group_age)
Python
복사
◦
여행 목적(TOUR_PURPS_NM): 긴 문자열 → 간단한 카테고리 명으로 치환
rename_map = {
"자연 풍경 감상 (산/ 바다 등)" : "자연",
"식도락 (지역 특색/제철 음식)" : "식도락",
"친지/친구/친척 만나기" : "친지 방문",
"역사-유적 감상 (유적지/ 박물관 등)" : "역사·유적",
"문화-예술 즐기기 (미술관/ 공연 등)" : "문화·예술",
"놀이/테마공원-온천 등 즐기기" : "놀이/온천",
"취미-운동 활동 (등산/ 낚시/ 골프 등)" : "취미/운동",
"도시 경관 감상 (건축물/ 거리 등)" : "도시경관",
"축제-행사 참여" : "축제",
"휴식" : "휴식",
"쇼핑" : "쇼핑",
"기타" : "기타"
}
pivot_age_renamed = pivot_age.rename(columns=rename_map)
Python
복사
TOUR_PURPS_NM
0 친지 방문
1 친지 방문
2 식도락
3 역사·유적
4 취미/운동
... ...
314 식도락
315 문화·예술
316 자연
317 놀이/온천
318 휴식
Plain Text
복사
데이터 개요 - MZ세대 문화여가 활동 특징 CSV파일
•
PPT Page
26p : 20-40대 여가 활동 TOP 5
27p : 50-60 여가 활동 TOP 5
•
데이터셋
•
데이터셋 설명
◦
온라인(PC모바일) 소비자 서베이 데이터(2021.11월부터 매주 수집)
◦
2030세대의 관심 여가 활동에 대한 태도와 활동 전반에 대한 응답 내용
◦
2030세대의 주 여가 시간 활용 목적의 1~2순위, 일 평균 여가 활동 시간, 주로 여가 시간을 보내는 방법의 비율, 관심 여가 활동 1~5순위 값을 포함함.
◦
본 데이터 셋에는 응답자 특성(성별, 연령대, 거주 지역, 소득 수준 등)이 포함됨.
•
여가 활동 Top 5 집계,
◦
데이터 수집 방법: 문화 빅데이터 플랫폼
◦
데이터셋의 크기: 527행, 20열
◦
주요 변수 및 설명
변수명 | 설명 | 데이터 타입 |
RESPOND_ID | 응답자ID | VARCHAR |
EXAMIN_BEGIN_DE | 조사시작일자 | VARCHAR |
SEXDSTN_FLAG_CD | 성별구분코드 | VARCHAR |
AGRDE_FLAG_NM | 연령대구분명 | VARCHAR |
ANSWRR_OC_AREA_NM | 답변자거주지역명 | VARCHAR |
HSHLD_INCOME_DGREE_NM | 가구소득정도명 | VARCHAR |
LSR_TIME_USE_PURPS_RN1_VALUE | 레저시간사용목적1순위값 | VARCHAR |
LSR_TIME_USE_PURPS_RN2_VALUE | 레저시간사용목적2순위값 | VARCHAR |
WORKDAY_DAY_AVRG_LSR_TIME_VALUE | 평일일평균레저시간값 | VARCHAR |
WKEND_DAY_AVRG_LSR_TIME_VALUE | 주말일평균레저시간값 | VARCHAR |
LSR_TIME_REST_RCRT_USE_RATE | 레저시간휴식오락사용비율 | DECIMAL |
LSR_TIME_HOBBY_USE_RATE | 레저시간취미사용비율 | DECIMAL |
LSR_TIME_SELF_IMPT_USE_RATE | 레저시간본인계발사용비율 | DECIMAL |
LSR_TIME_TWDPSN_RLTN_FLWSP_USE_RATE | 레저시간대인관계교제사용비율 | DECIMAL |
LSR_TIME_ETC_USE_RATE | 레저시간기타사용비율 | DECIMAL |
INTRST_LSR_ACT_RN1_VALUE | 관심레저활동1순위값 | VARCHAR |
INTRST_LSR_ACT_RN2_VALUE | 관심레저활동2순위값 | VARCHAR |
INTRST_LSR_ACT_RN3_VALUE | 관심레저활동3순위값 | VARCHAR |
INTRST_LSR_ACT_RN4_VALUE | 관심레저활동4순위값 | VARCHAR |
INTRST_LSR_ACT_RN5_VALUE | 관심레저활동5순위값 | VARCHAR |
•
데이터 전처리 과정
◦
결측치 처리 방법(컬럼별 결측치 없었음)
# 컬럼별 결측치 개수 확인
missing_counts = df.isnull().sum()
print("===== 각 컬럼별 결측치 개수 =====")
print(missing_counts)
Python
복사
◦
연령대구분명(AGRDE_FLAG_NM) → MZ/시니어 그룹 파생 변수(AGE_GROUP) 생성
def categorize_age(age_str):
if age_str in ['20대', '30대', '40대']:
return 'MZ'
elif age_str in ['50대', '60대']:
return 'Senior'
else:
return 'Other'
df['AGE_GROUP'] = df['AGRDE_FLAG_NM'].apply(categorize_age)
# 그룹별 인원 수 확인
df['AGE_GROUP'].value_counts()
Python
복사
탐색적 데이터 분석(EDA)
전처리 과정 끝난 CSV 파일, 코랩 링크
1.
기술 통계 분석
•
주요 변수의 분포(예: 월평균 요금의 평균: 50, 표준편차: 10)
•
평균, 중앙값, 표준편차 등 기초 통계량
여행 시기 특성
MZ세대 문화여가 활동 특징
2.
데이터 시각화
•
(예: 상관관계 분석: Heatmap을 통해 주요 변수 간 상관관계 파악)
•
(예: 변수 간 관계: Scatter plot, Box plot 활용)
•
(예: 범주형 변수의 빈도 분석: Bar chart로 이탈 여부 시각화)
여행 시기 특성
MZ세대 문화여가 활동 특징
3.
패턴 및 트렌드
1) MZ세대 (20~40대)
근거자료
튜터님한테 질문사항- 아래 여가활동 관련 인사이트중 mz의 선호패턴을 여행에 어떻게 녹일지는 모르겠습니다. 근거자료와 같이 여행을 선택할때 SNS또는 인플루언서를 통해한다는 점과 엮을 수 있을지,, 어쨌든 남겨놓았고 시니어는 국내여행이 선호여가활동에 해당이되어 남겨놓았습니다.
•
여가 활동
◦
영상 콘텐츠 시청이 압도적(20대 36%, 30대 34%, 40대 44%) → 디지털 소비 중심의 여가 패턴
◦
게임·낮잠·만화책 보기 등 집·개인 중심 활동이 상위권
◦
30대 이후에는 국내 여행·맛집 탐방·산책이 조금씩 늘어나며 경험형 여가 활동으로 확장
•
여행 지역
◦
강원도가 압도적 1위, 제주·서울·경북·경기 순 → 접근성과 콘텐츠 다양성이 강점
•
여행 기간
◦
1박 2일(최다), 2박 3일(다음), 3박 이상은 적음 → 짧고 빠른 체류 패턴
•
여행 목적
◦
휴식이 특히 40대에서 두드러짐(34%) → 일·가정 부담에 따른 워라밸 회복 니즈
◦
자연·식도락은 20~30대에서도 꾸준히 인기
◦
친지 방문도 14~17%로 유지 → 관계 중심 동기 존재
◦
축제·취미 활동은 일부 20~30대에서만 나타남 → 체험·이벤트 성향 반영
•
→ 분산형 패턴: 여가·여행 모두에서 다양한 선택지가 공존 (집·디지털 → 체험·휴식까지 확장)
2) 시니어 세대 (50대 이상)
•
여가 활동
◦
50대: 산책·걷기(44%), 국내여행(32%), 영상 시청(37%) → 활동+소비형 균형
◦
60대 이상: 걷기·속보·조깅(35%), 산책(36%), 종교활동(18%) → 건강·사회적 네트워크 중심
•
여행 지역
◦
강원도 1위는 동일. 그 외 제주·서울·경북·경기 → 안정적 인기 지역 선호
•
여행 기간
◦
1~2박 중심은 MZ와 유사하나, 3박 이상 체류 비중이 조금 더 있음 → 여유 있는 체류 성향
•
여행 목적
◦
자연 감상이 압도적(50대 33%, 60대 이상 39%) → 자연 중심 힐링이 최우선
◦
식도락(15~16%)이 두 번째 축
◦
휴식은 12~13%로 MZ보다 낮음 → 휴식보다 활동적 감상형 여행
◦
축제·취미는 비중이 거의 없음
•
→ 집중형 패턴: 자연·식도락 등 몇 가지 핵심 목적에 몰림
4.
주요 인사이트 도출
•
세대별 여행·여가 목적의 집중도 차이
◦
MZ: 분산형 (축제·체험 + 휴식·자연)
◦
시니어: 집중형 (자연·식도락, 걷기·건강 중심)
◦
→ 마케팅 메시지 차별화 필요
•
휴식 vs 활동 대비
◦
20~30대는 자연·식도락 + 축제/취미 활동도 일정 비중
▪
체험형, 짧고 굵은 활동과 결합된 여행 선호
◦
40대에서 ‘휴식’ 비율이 34%로 최우선
▪
일·가정 부담 → 번아웃 회복형 힐링 패키지 니즈
◦
시니어는 자연 감상이 압도적 (50대 33%, 60대 이상 39%)
▪
걷기·건강 관련 여가(산책, 속보, 조깅 등)가 핵심 → 여행에서도 자연·건강·풍경 특화형 상품 선호
▪
휴식보다는 활동적 힐링(자연 속 걷기, 풍경 감상)을 통해 만족감 추구
•
관계 유지 목적(친지·지인 방문)
◦
전 세대 공통 존재 → “가족·지인과 함께하는 여행” 메시지는 전 연령대에 유효
•
차별적 상품 전략
◦
MZ 타깃: 단기·체험형 패키지 (축제·취미·휴식·도시경관)
→ “짧고 굵게 즐기고 힐링하는 여행” 브랜딩
◦
시니어 타깃: 장기·안정형 패키지 (자연·식도락·걷기)
→ “편안히 즐기며 맛보고 쉬는 여행” 브랜딩
결론: p-value=0.004 → MZ세대와 시니어 세대 간 여행 목적 분포가 통계적으로 유의미하게 다름
따라서, 상품 기획·마케팅에서 반드시 세대별 맞춤형 전략이 필요함
현재까지의 진행 상황
•
진행한 작업
◦
데이터 전처리: 결측치 제거, 이상치 처리 완료
◦
주요 변수의 기술 통계 및 시각화 완료
◦
타켓 별 주요 소구점 및 메세지 발굴 완료
•
해결된 문제
◦
데이터셋 수집과정에서 난항이 있었으나, 이후 적절한 여행·관광 데이터 확보
◦
결측치가 많은 변수를 다루기 위한 전략 수립 및 적용
•
진행 중 문제
◦
(예: 데이터 부족으로 인한 추가 수집 필요)
◦
(예: 특정 변수의 패턴 해석 어려움)
다음 단계 계획
•
추가로 분석할 내용
◦
기획안 마무리 및 소재 제작
◦
소재 기반 광고 집행
◦
광고 성과 기반 보고서 작성
•
예상 일정
◦
(예: 1월 21일까지 심층 분석 완료)
◦
(예: 최종 보고서 작성: 2월 5일 완료 예정)
부록
•
사용된 툴 및 라이브러리
◦
Python(pandas, matplotlib, seaborn 등)
•
참고 자료 및 출처
◦
(예: 전체 데이터 형태, 데이터 출처 URL, 참고한 연구 논문 등)
•
기타 시각화 자료
◦
(예: EDA 과정에서 생성된 기타 시각화 자료 첨부)
튜터 피드백 정리
•
피드백 내용
1. 세대별 상품 기획 방식
◦
질문(팀): MZ와 시니어를 나눠 기획하는 대신, 세대별 공통점(예: 강원도·1박2일 선호)을 기반으로 통합 상품을 기획해도 될까요?
◦
답변(튜터):
▪
공통점이 있다면 통합 진행 가능.
▪
다만 MZ 세대(20~40대)는 내부에서도 세부 차이가 크므로 단순 묶음에 주의 필요.
▪
가능하다면 Z세대(20대)만 집중하는 것도 방법.
2. 시니어 광고 집행 방법
◦
질문(팀): 시니어층 타겟 광고 시 메타 광고를 쓰면 실제 노출은 자녀 세대에게 갈 가능성이 있음. 카카오스토리·네이버 밴드 광고도 가능한가요?
◦
답변(튜터):
▪
네이버 밴드, 카카오스토리 모두 디스플레이 광고 지면으로 가능.
▪
단가가 다소 비쌈.
▪
유튜브·인스타도 시니어 이용률 높음 -> 충분히 활용 가능.
▪
당근마켓 광고도 대안이 될 수 있음.
3. 국내 여행 패키지 설정 근거
◦
질문(팀): 국내 여행 중심, 패키지 상품 기획이 타당한지? PDF 보고서(관광 데이터랩) 활용 가능할까?
◦
답변(튜터 & 멘토):
▪
정제된 PDF 보고서만으로는 근거 부족.
▪
반드시 로우데이터를 직접 가공·분석해 연결고리를 보여야 설득력 생김.
▪
PDF는 가설 보강 자료로 참고 가능하나, 공공기관 데이터 위주 활용 권장.
▪
패키지 상품이 왜 필요한지, 사람들이 실제 국내 패키지를 얼마나 선호하는지 데이터 근거 확보 필요.
4. 프로젝트 목표 정립
◦
질문(튜터): 프로젝트 목표가 불명확함. 현재는 “내수시장 활성화” -> 추상적임. 실제 목표는 무엇인가?
◦
답변(팀): “여행 이커머스 데이터를 분석해 소비자 유형별 맞춤 패키지 & 광고 전략 제안”이 목표.
◦
튜터 피드백:
▪
최종 목표는 무엇인지 봐야 함.
▪
현재 제시된 “국내 여행 활성화”는 여행사 비즈니스 목적과 직접 연결이 약함.
▪
데이터 분석–상품 기획–매출 증가까지 자연스럽게 이어지도록 보완 필요.
5. 패키지 상품 정의
◦
질문(팀): 우리가 말하는 ‘패키지’는 해외 단체여행 형태가 아니라, 추천 루트를 짜주는 ‘코스 안내형 패키지’. 이런 정의도 괜찮을까?
◦
답변(튜터):
▪
가능하나 패키지 개념을 명확하게 정의해야 함.
▪
현재 기록만 보면 ‘단체 패키지’로 오해될 수 있음 -> 보고서/발표에서 분명히 설명 필요.
6. 여가 활동 데이터 활용
◦
질문(팀): 세대별 특징을 파악하려고 여가 활동 데이터를 넣었는데 활용해도 될까요?
◦
답변(튜터):
▪
가능하나, 여가 활동의 비중이 영상 시청 등 개인 활동 위주라 패키지 여행과 연결성이 낮아 보임.
▪
맛집 탐방, 산책 등 여행과 결합 가능한 활동 중심으로 세부 분석 권장.
▪
연령별 차이를 구분해서 보면 더 인사이트가 생길 것.
정리하면,
◦
목표 명확화: “국내 여행 활성화” -> “맞춤형 여행 패키지 판매 증대”로 구체화 필요.
◦
데이터 보강: PDF·보고서만 의존하지 말고 로우데이터 분석 필수.
◦
세대 구분: MZ 전체보다는 세분화(Z세대 집중 등) 검토.
◦
광고 매체: 네이버 밴드·카카오스토리 가능, 유튜브·인스타·당근도 대안.
◦
패키지 정의: ‘단체 패키지’와 차별화된 ‘추천 루트형 패키지’로 명확히 규정 필요.
◦
여가 데이터: 여행과 연결 가능한 활동(맛집, 산책 등) 중심으로 활용.
•
반영할 내용 및 변경 사항
◦
전체 기획 내용 재점검 필요.
◦
추가 근거 자료 데이터 필요.
•
남은 과제 및 추가 계획
◦
피드백 기반 수정 및 보완
◦
광고 소재 기획 및 광고 집행
◦
광고 성과 데이터 분석 및 최종 보고서 작성